گوگل در اول اکتبر ۲۰۲۶ راهنمای استفاده از هوش مصنوعی مولد را به‌روزرسانی کرد و صریحاً گفت مدل‌ها ممکنه اطلاعات غلط تولید کنند. پس هر محتوایی که با هوش مصنوعی ساخته می‌شه باید قبل از انتشار به‌صورت دستی بررسی بشه.
این بررسی فقط مخصوص متن مقاله نیست. تایتل، متا دسکریپشن، داده ساختاریافته (اسکیما) و آلت تکست تصاویر هم باید با چشم انسان چک بشن.
استفاده از هوش مصنوعی در تولید محتوا ممنوع نشده. ولی تولید انبوه صفحه بدون ارزش افزوده برای کاربر هنوز می‌تونه زیر پوشش سیاست اسپم گوگل قرار بگیره.
مطالب صفحه
گوگل دقیقاً چه چیزی به راهنما اضافه کرد؟
تغییر در بخشی از صفحه است که درباره دقت، کیفیت و مرتبط بودن محتوا حرف می‌زنه. گوگل بلافاصله بعد از جمله اول این بخش، سه جمله جدید گذاشته. اگه نسخه دسامبر ۲۰۲۵ رو با نسخه جدید مقایسه کنید، همین سه جمله تفاوت اصلیه.
جمله اول: مدل‌ها واقعیت بازیابی نمی‌کنند
گوگل می‌گه مدل‌های مولد واقعیت‌ها رو از جایی بازیابی نمی‌کنن. فقط بر اساس داده‌های آموزشی‌شون، محتمل‌ترین ادامه کلمات رو پیش‌بینی می‌کنن.
جمله دوم: خروجی ممکنه غلط باشه
به همین دلیل خروجی ممکنه شامل اطلاعات نادرست باشه که بهش هالوسینیشن می‌گن.
جمله سوم: بررسی دستی حیاتیه
گوگل بررسی دستی همه محتوای تولیدشده با هوش مصنوعی رو از نظر دقت و قابل اعتماد بودن، قبل از انتشار حیاتی می‌دونه. کلمه «حیاتی» رو گوگل خودش انتخاب کرده و این لحن، با توصیه‌های قبلی‌اش فرق داره.
تغییر در بخش متادیتا
جمله‌ای که قبلاً می‌گفت «این شامل متادیتا هم می‌شه»، حالا می‌گه «این بررسی در مورد متادیتا هم صدق می‌کنه». فهرست متادیتا همون قبلیه: عنصر <title>، متا دسکریپشن، داده ساختاریافته و متن جایگزین تصاویر.
گوگل توضیح داده که این موارد ممکنه توی نتایج جستجو نمایش داده بشن. یعنی غلطشون مستقیم جلوی چشم کاربر می‌افته.
چرا هوش مصنوعی اطلاعات غلط می‌سازد؟
اینجا لازمه دقیق بفهمیم مشکل از کجاست، چون طرز فکرتون به فکت چک رو عوض می‌کنه. مدل زبانی مثل یه دانشنامه نیست که بره مدخل رو پیدا کنه. مثل کسیه که کلی متن خونده و حالا جمله‌ای می‌سازه که «به نظر درست میاد».
نتیجه‌اش اینه که لحن مدل همیشه مطمئنه، حتی وقتی داره چیزی از خودش درمیاره. من توی کارم بارها دیدم که یه آمار کاملاً ساختگی با لحن قاطع و عدد دقیق نوشته شده.
چه چیزهایی بیشتر هالوسینیشن می‌شن
از تجربه‌ام، پرخطرترین بخش‌ها اینا هستن:
- عدد و آمار و درصد
- اسم افراد، سازمان‌ها و کتاب‌ها
- تاریخ‌ها و نسخه‌های محصول
- ادعای «طبق تحقیقات فلان دانشگاه»
- قیمت، قوانین و مقررات
این‌ها دقیقاً همون چیزهایی هستن که یه مقاله رو معتبر نشون می‌دن. یعنی اگه غلط باشن، اعتبار رو از پایه خراب می‌کنن.
در زبان فارسی احتیاط بیشتری لازمه
این برداشت خودمه و عدد مشخصی پشتش نیست، ولی مدل‌ها روی منابع فارسی کمتر از انگلیسی آموزش دیدن. برای همین توی محتوای فارسی دقت بیشتری روی املای اسم‌های خارجی، تاریخ شمسی و اصطلاحات تخصصی می‌ذارم.
مثلاً یه ترجمه اشتباه از یه اصطلاح فنی، یا اسم یه ابزار که با املای عجیب نوشته شده، توی نگاه اول معلوم نمی‌شه و باید سراغش رفت.
فکت چک دستی محتوای هوش مصنوعی در عمل
«بررسی دستی» یعنی یه آدم واقعی ادعاها رو با منبع اصلی تطبیق بده. فقط دوباره خوندن متن کافی نیست، چون متن روون هالوسینیشن رو پنهان می‌کنه.
اول ادعاها را جدا کنید
پیش از هر چیز، همه جمله‌هایی که یه ادعای قابل اثبات دارن رو علامت بزنید. عدد، تاریخ، اسم، مقایسه و جمله‌های «اولین»، «بهترین» و «تنها» همه ادعا حساب می‌شن.
هر ادعا را با منبع اصلی تطبیق بدید
منبع اصلی یعنی خود سایت رسمی، مقاله پژوهشی یا مستندات. مقاله یه سایت دیگه که احتمالاً خودش با هوش مصنوعی نوشته شده، منبع حساب نمی‌شه.
اگه منبعی پیدا نکردید، اون جمله رو حذف کنید یا بازنویسی کنید. به نظر من «پیدا نشد» یعنی «حذف شه»، نه «شاید درست باشه».
لینک‌ها و منابع ذکرشده را باز کنید
یکی از رایج‌ترین خطاها اینه که مدل آدرس یه منبع رو می‌سازه که اصلاً وجود نداره. هر لینک یا ارجاعی که توی متن هست رو باید خودتون باز کنید و ببینید حرف مدل واقعاً اونجا هست یا نه.
موضوعات حساس را سخت‌گیرانه‌تر بررسی کنید
اگه محتوا به سلامت، مالی یا حقوقی مربوطه، بررسی باید دقیق‌تر باشه و بهتره یه متخصص همون حوزه هم نگاهی بندازه. اشتباه این حوزه‌ها هزینه‌اش برای کاربر بیشتره.
فکت چک متادیتا: تایتل، متا دسکریپشن، اسکیما و آلت تکست
بخش جدید راهنمای گوگل یه نکته رو روشن می‌کنه: خیلی از تیم‌ها فرایند بازبینی رو فقط برای متن مقاله دارن. اگه تایتل و متا و اسکیما رو هم با هوش مصنوعی می‌سازید، اون‌ها هم باید همین مسیر بررسی رو طی کنن.
تایتل و متا دسکریپشن
مدل‌ها دوست دارن وعده‌های بزرگ بدن. تایتلی که چیزی رو قول می‌ده که مقاله بهش عمل نمی‌کنه، هم کاربر رو ناامید می‌کنه و هم می‌تونه عدد غلط یا ادعای اغراق‌آمیز رو مستقیم توی نتایج جستجو نشون بده.
همیشه بعد از نوشتن تایتل و متا، یه بار مقاله رو با اون‌ها مقایسه کنید. هر چیزی که توی متا هست باید توی صفحه هم باشه.
داده ساختاریافته
اینجا خطر پنهان‌تره، چون کاربر مستقیم نمی‌بینه ولی گوگل می‌خونه. اگه هوش مصنوعی اسکیمای سؤال و جواب بسازه، ممکنه جواب‌هایی بنویسه که توی صفحه نیست. اگه امتیاز، قیمت یا موجودی محصول رو هم خودش حدس بزنه، اسکیما با واقعیت صفحه نمی‌خونه.
اسکیما باید دقیقاً چیزی رو توصیف کنه که کاربر روی صفحه می‌بینه. قبل از انتشار حتماً با ابزار تست داده ساختاریافته بررسی کنید، ولی یادتون باشه که معتبر بودن ساختار به معنی درست بودن محتواش نیست.
آلت تکست تصاویر
اگه آلت تکست رو بدون نگاه کردن به تصویر و فقط از روی موضوع مقاله تولید کنید، ممکنه چیزی توصیف بشه که توی عکس نیست. آلت باید همون چیزی رو بگه که واقعاً توی تصویر می‌بینید، نه چیزی که مقاله دوست داره اونجا باشه.
فکت چک محتوای هوش مصنوعی و سیاست اسپم محتوای انبوه
بخش دیگه‌ای از راهنما تغییری نکرده. گوگل هنوز می‌گه هوش مصنوعی مولد می‌تونه توی تحقیق و ساختاردهی به محتوای اورجینال کمک کنه. همون پاراگراف هشدار می‌ده که تولید تعداد زیادی صفحه بدون ارزش افزوده برای کاربر ممکنه سیاست اسپم «سوءاستفاده از محتوای انبوه» رو نقض کنه.
فکت چک کافی نیست
نکته‌ای که خیلی‌ها از قلم می‌ندازن اینه که درست بودن اطلاعات به‌تنهایی کیفیت نمی‌سازه. یه صفحه می‌تونه صد درصد دقیق باشه و باز هم چیزی به اینترنت اضافه نکنه.
فکت چک شرط لازمه ولی کافی نیست. تجربه، تحلیل و زاویه دید خودتون هنوز چیزیه که محتوا رو ارزشمند می‌کنه.
ارتباط با دستورالعمل ارزیابان کیفیت
گوگل توی راهنما به بخش‌های ۴.۶.۵ و ۴.۶.۶ دستورالعمل ارزیابان کیفیت جستجو ارجاع می‌ده. این بخش‌ها درباره سوءاستفاده از محتوای انبوه و محتوایی هستن که با تلاش، اصالت یا ارزش افزوده کم ساخته شده.
گوگل همچنین می‌گه ارزیابان با این دستورالعمل‌ها سیستم‌های رتبه‌بندی رو ارزیابی می‌کنن و امتیازشون مستقیماً روی رتبه تأثیر نداره. پس این دستورالعمل شاخص «چه چیزی از دید گوگل کیفیت محسوب می‌شه» رو نشون می‌ده، نه یه فرمول رتبه‌بندی.
طبق تغییرات اعلام‌شده، همین دستورالعمل منبع اطلاعات اضافه‌شده به راهنمای محتوای هوش مصنوعی بوده.
گوگل قبلاً هم فکت چک را توصیه کرده بود
این توصیه از جایی نیومده. گری ایلیس از تیم گوگل توی یه قسمت پادکست Search Off the Record در آوریل ۲۰۲۴ گفته بود خروجی هوش مصنوعی مولد همیشه باید فکت چک بشه.
در مصاحبه‌ای در اوت ۲۰۲۵ هم گفت محتوای هوش مصنوعی باید توسط انسان کیورِیت بشه و کسی دقتش رو بررسی کنه. تفاوت اینجاست که حالا همین حرف توی مستندات رسمی نوشته شده و دیگه صرفاً نظر یه نفر توی مصاحبه نیست.
نحوه نوشتن سیاست داخلی بازبینی برای تیم محتوا
اگه با تیم کار می‌کنید، حالا می‌تونید به جمله خود گوگل استناد کنید و یه سیاست مکتوب بسازید. من پیشنهادم اینه که بازبینی دو مرحله جدا داشته باشه، چون متن و متادیتا ریسک‌های متفاوتی دارن.
| مرحله | چه چیزی بررسی می‌شود |
|---|---|
| بازبینی متن | ادعاها، عددها، اسم‌ها، تاریخ‌ها، لینک‌ها و منابع |
| بازبینی متادیتا | تایتل، متا دسکریپشن، اسکیما و آلت تکست در مقایسه با صفحه واقعی |
بازبین نباید نویسنده باشد
اگه کسی که پرامپت رو نوشته خودش بازبینی هم بکنه، معمولاً چیزی رو که انتظارش رو داره می‌بینه. بازبین مستقل بیشتر خطا پیدا می‌کنه.
ثبت کنید چه چیزی بررسی شده
یه فایل ساده که مشخص کنه کدوم ادعاها با کدوم منبع تأیید شدن، هم برای خودتون و هم برای کارفرما قابل دفاعه. اگه بعداً خطایی پیدا شد، می‌تونید سریع ردش رو بگیرید.
جایی که سایت تغییر می‌کند، دوباره بررسی کنید
اگه محتوا یا اسکیما بعد از انتشار با ابزار خودکار به‌روز می‌شه، همون بازبینی دستی باید برای نسخه جدید هم تکرار بشه. وگرنه فرایند فقط روی نسخه اول کار می‌کنه.
