عندما يتعلق السؤال بالمال أو الرعاية الطبية ضمن موضوعات YMYL، تطبق محركات الذكاء الاصطناعي معياراً يختلف عن سائر المجالات: فعدم الاستشهاد أفضل لديها من الاعتماد على مصدر غامض. قد تقتبس Perplexity فقرة بعينها إذا وردت في مدونة سفر، ثم تتجاوزها كلياً إذا استُخدمت للإجابة عن سؤال مثل: "هل انخفاض سكر الدم آمن؟". الفارق هنا ليس جودة الكتابة، بل قدرة الآلة على التعرف إلى المصدر بوصفه "شخصاً أو مؤسسة مؤهلة للإجابة عن هذا السؤال". هذه هي ساحة المنافسة الحقيقية في عصر الذكاء الاصطناعي.
لماذا يصعب على محركات الذكاء الاصطناعي الوثوق بالمحتوى المالي والطبي؟
يشير YMYL إلى الموضوعات التي قد تضر بأموال القارئ أو صحته إذا كانت الإجابة خاطئة، مثل الاستثمار، والضرائب، والقروض، والتفاعلات الدوائية، وتفسير الأمراض، والرعاية المزمنة. لطالما أخضعت Google هذه الاستعلامات لمعايير جودة أشد، ثم دفعت المحركات التوليدية هذا المنطق إلى مدى أبعد. فالذكاء الاصطناعي يقدم الإجابة مباشرة إلى المستخدم، من دون صفحة وسيطة تتيح له مقارنة النتائج، ولذلك يتحمل المحرك مسؤولية أكبر عما يعرضه. وينعكس ذلك في آلية الاختيار: عند التعامل مع استعلامات YMYL، تعطي النماذج أولوية للمعلومات المستقاة من خبرة مباشرة، والتأييد المهني، والمصادر التي يمكن تتبع أصلها.
وهذا يضع العلامات التجارية أمام واقع غير مريح. إذا عجز المحرك عن تحديد هوية الكاتب، ومؤهلاته، ومصدر ادعاءاته، والجهة التي تراجعها أو تؤيدها، فسيرجع إلى وزارة الصحة، أو هيئة رقابية حكومية، أو مركز طبي كبير، أو وسيلة إعلام مالية معروفة. تظهر علامات كثيرة من فئة SaaS والخدمات في تايوان ضمن إجابات الذكاء الاصطناعي عن الموضوعات العامة، لكنها تختفي حالما تدخل نطاق YMYL. وغالباً لا تكمن المشكلة في المحتوى نفسه، بل في غياب بنية ثقة تستطيع الآلة قراءتها.
ماذا تعني عناصر E-E-A-T عند تقييم المحتوى بواسطة الذكاء الاصطناعي؟
يرمز E-E-A-T إلى الخبرة العملية (Experience)، والخبرة التخصصية (Expertise)، والمرجعية (Authoritativeness)، والموثوقية (Trustworthiness). يستطيع المراجع البشري تكوين انطباع متكامل عنها، أما محرك الذكاء الاصطناعي فيستدل عليها من إشارات قابلة للقراءة. ولتحديد موضع النقص، ينبغي تفكيكها على النحو الآتي:
- الخبرة العملية (Experience): هل توجد دلائل على تجربة مباشرة؟ أعداد الحالات الفعلية، ولقطات من سير العمل، ومشاهد من العيادة أو واقع الاستثمار تثبت ممارسة المؤلف للموضوع أكثر من العبارات العامة.
- الخبرة التخصصية (Expertise): هل تتناسب مؤهلات المؤلف مع الموضوع؟ من يكتب عن سلامة الأدوية ينبغي أن يمتلك خلفية في الكيمياء أو الطب، ومن يتناول الضرائب ينبغي أن يكون محاسباً. ويجب إظهار هذه المؤهلات بوضوح في الصفحة نفسها، لا دفنها في قسم "من نحن".
- المرجعية (Authoritativeness): من استشهد بهذا الشخص أو بهذه العلامة، ومن اعترف بخبرتها؟ الاستشهادات الخارجية، والمشروعات المشتركة، والروابط الواردة من المؤسسات المهنية كلها أدلة مستقلة على المرجعية.
- الموثوقية (Trustworthiness): هل تبدو الصفحة نفسها جديرة بالثقة؟ يستطيع الذكاء الاصطناعي قياس هذا الجانب بسهولة نسبية، ومع ذلك فهو من أكثر الجوانب التي تغفلها العلامات.
موثوقية المؤلف ليست مجرد اسم، بل هوية تستطيع الآلة التحقق منها
تظن علامات كثيرة أن عبارة مثل "أعد هذا المقال فريق متخصص" في أسفل الصفحة تكفي. لكن ذلك يعادل، في نظر الذكاء الاصطناعي، غياب المؤلف تماماً. يبحث المحرك عن كيان يمكن التحقق منه عبر أكثر من مرجع: شخص معروف بالاسم، وله صفحة مؤلف مستقلة تعرض مسيرته ومجال تخصصه بوضوح، مع تعريف بالمؤلف والجهة التي ينتمي إليها ضمن البيانات المنظمة. وعندما يظهر الاسم في مؤلفات طبية، أو عناوين دوريات، أو قوائم متحدثين، أو ملف مهني على LinkedIn، يستطيع النموذج ربط هذه الإشارات المتفرقة بكيان واحد هو "شخص جدير بالثقة".
الاستشهاد والمصدر: كيف تجعل الذكاء الاصطناعي يعتمد عليك مرجعاً؟
تفضل المحركات التوليدية المحتوى الذي يستند بدوره إلى مراجع موثوقة. فعندما يعيد مقال عن الآثار الجانبية للأدوية كل معلومة جوهرية إلى دراسة، أو دليل سريري، أو نشرة صادرة عن جهة رسمية، يقرأه المحرك باعتباره محتوى كتبه شخص يفهم أصل المعلومة ويتبع نهجاً منضبطاً ويعتمد مصادر جديرة بالثقة. أما الصفحات التي تسرد ادعاءات بلا إسناد، فتصنف كمصادر أعلى مخاطرة حتى لو كانت معلوماتها صحيحة. وهناك تفصيل يسهل إغفاله: ضع المصدر بجوار المعلومة التي يدعمها، لا في قائمة مجمعة بنهاية المقال. فالذكاء الاصطناعي يستخرج المحتوى على مستوى الفقرة، ويحتاج إلى رؤية سند المعلومة لحظة اقتطاعها.
في مجال YMYL، لا تبحث محركات الذكاء الاصطناعي عن أجمل إجابة، بل عن المصدر الأقل عرضة للخطأ والأوضح من حيث المسؤولية.
ثلاث فجوات قاتلة تتكرر لدى علامات YMYL في تايوان
عند تنفيذ عمليات تدقيق GEO لعملاء في القطاعين المالي والطبي، رأينا المشكلات نفسها تتكرر. قد تبدو كل مشكلة محدودة بمفردها، لكنها مجتمعة تؤدي إلى غياب العلامة عن إجابات الذكاء الاصطناعي:
- محتوى مجهول الهوية: تكاد المقالات تخلو من أسماء المؤلفين، ولا يمكن التحقق من خبراتهم المهنية، لذلك يعجز المحرك عن تكوين إشارات الخبرة والمرجعية.
- ضعف الأدلة الخارجية: جميع الإحالات تقود إلى صفحات أنشأتها العلامة نفسها، مع غياب روابط موثوقة إلى جهات مختصة أو جامعات أو أبحاث أصلية.
- غياب إشارات التحديث والامتثال القانوني: لا تعرض الصفحة تاريخ تحديث واضحاً، أو إخلاء مسؤولية طبياً أو استثمارياً، أو معلومات امتثال قانوني قابلة للتحقق، فتتراجع موثوقيتها.
لا تتطلب معالجة هذه الفجوات إعادة كتابة الموقع بأكمله. ابدأ بأهم 10 إلى 20 صفحة YMYL من حيث الزيارات والقيمة التجارية: أضف إلى كل منها اسم مؤلف معروفاً وصفحة تعريف يمكن التحقق منها، واربط الادعاءات الأساسية بمراجع موثوقة، وأظهر تاريخ التحديث، وأدرج أقسام إخلاء المسؤولية والامتثال اللازمة. بعد ضبط الصفحة نفسها، يبدأ تحسن معدل الاستشهاد عادة في Perplexity وملخصات Google المدعومة بالذكاء الاصطناعي، مع وضوح أكبر في إسناد المصدر.
ابدأ بالتشخيص، ثم عالج فجوات الثقة
لا يُبنى E-E-A-T لمحتوى YMYL بإضافة عابرة، بل عبر أساس من الثقة يحتاج إلى صيانة مستمرة: مؤلف حقيقي يمكن التحقق من حضوره خارج الموقع، ومحتوى تسنده جهة ذات صلة. إذا لم تكن تعرف ما ينقص محتواك المالي أو الطبي في نظر محركات الذكاء الاصطناعي، فابدأ بسؤال ChatGPT وPerplexity وGoogle عن المصادر التي تستشهد بها، ثم تحقق مما إذا كنت بينها. وإذا أردت قائمة دقيقة بالفجوات على مستوى كل صفحة، فاحجز جلسة تشخيص GEO مدتها 30 دقيقة؛ سنختبر استعلاماتك الفعلية ونحدد إشارات الثقة التي ينبغي إضافتها.
