اگر این روزها روی دیدهشدن برندتان در پاسخهای هوش مصنوعی گوگل حساب باز کردهاید، یک خبر مهم را باید جدی بگیرید. گوگل بهروشنی اعلام کرده که هر تلاشی برای دستکاری پاسخهای هوش مصنوعی در نتایج جستوجو، «اسپم» محسوب میشود و آپدیت اسپم ماه ژوئن هم دقیقاً برای اجرای همین قانون منتشر شده است.
اما ماجرا یک روی پنهان دارد. پژوهشی تازه از دانشگاه کرنل نشان میدهد که گاهی فقط یک نظر کوتاه و دستکاریشده کافی است تا چیزی را که هوش مصنوعی به کاربر توصیه میکند، عوض کند. در این مقاله به زبان ساده میگوییم این تغییر قانون چیست، چرا اجرای آن حتی برای خود گوگل هم دشوار است، و مهمتر از همه، این موضوع برای صاحبان کسبوکار و فعالان سئو چه معنایی دارد.
ماجرا از چه قرار است؟
گوگل دومین آپدیت اسپم سال 2026 را منتشر کرده است. کار این آپدیت، اجرای قوانین مشخصی است که گوگل از قبل برای مقابله با اسپم تعریف کرده، و یکی از این قوانین حالا دامنهای بسیار گستردهتر از گذشته دارد.
طبق این قانون، هر تلاشی برای دستکاریِ پاسخهایی که هوش مصنوعی تولید میکند، یک تخلف بهحساب میآید. به زبان ساده، خطی که تا دیروز بین «بهینهسازی درست» و «اسپم» وجود داشت، حالا در حال جابهجا شدن است و باید حواستان به آن باشد.
اما نکتهٔ اصلی اینجاست. هوش مصنوعی برای پاسخدادن به سؤال شما، اول میرود و صفحات اینترنت را جمعآوری میکند و بعد از روی آنها جواب میسازد. مشکل این است که محتوای اسپم هم دقیقاً از همین مرحلهٔ جمعآوری منابع وارد پاسخ میشود؛ و همین موضوع، جلوگیری از آن را بسیار سختتر از چیزی میکند که در متن قانون بهنظر میرسد.
چرا این موضوع اهمیت دارد؟
برای اینکه ببینید چرا این ماجرا مهم است، باید کمی عقبتر بایستیم و به یک روند بزرگتر نگاه کنیم.
اول یک توضیح کوتاه. منظور از «ارجاع»، همان منبع یا لینکی است که هوش مصنوعی در پاسخش به آن استناد میکند. حالا بررسیها نشان میدهد گوگل بیش از پیش، بهجای سایتهای دیگر، به سرویسهای خودش لینک میدهد؛ تا جایی که در جدیدترین گزارش، حدود یکپنجم این ارجاعها به خود گوگل برمیگشت.
وقتی سهم بیشتری از این ارجاعها به سمت گوگل میرود و سهم سایتهای بیرونی کم میشود، انگیزه برای «ساختن مصنوعی» یک ارجاع هم بالاتر میرود. حتی از همین حالا، یک بازار خاکستری (فعالیتهایی که نه کاملاً قانونیاند و نه آشکارا ممنوع) شکل گرفته و بازاریابها مشغول آزمودن روشهایی برای هدایت پاسخهای هوش مصنوعی به نفع خودشان هستند.
مشکل بزرگتر این است که کسبوکارها هیچ ابزاری برای دیدن این اتفاق ندارند. هیچ داشبوردی به شما نمیگوید که آیا اسم سایتتان در پاسخ هوش مصنوعی آمده، در یک گزارش به آن استناد شده، یا کلاً نادیده گرفته شده است. نتیجه این میشود که گوگل اسم این تخلف را میآورد، اما صاحب سایتی که قربانی آن شده، اغلب حتی خبردار هم نمیشود که چنین اتفاقی افتاده است.
پژوهش دانشگاه کرنل چه چیزی را نشان داد؟
پژوهشی با عنوان «Deep-Research Agents Can Be Poisoned via User-Generated Content» که به زبان ساده یعنی «ابزارهای پژوهشگرِ هوش مصنوعی را میتوان از راه محتوای نوشتهشدهٔ کاربران فریب داد»، یک نقطهضعف مهم را بررسی کرده است. این پژوهش هنوز داوری علمی نشده، یعنی هنوز کارشناسان مستقل درستی آن را تأیید نکردهاند، اما یافتههایش قابلتوجه است.
اول دو اصطلاح را روشن کنیم تا در ادامه راحتتر باشید:
- ابزار پژوهشگر هوش مصنوعی: ابزاری که بهجای شما در اینترنت میگردد، چند منبع را میخواند و یک گزارش جمعبندیشده تحویل میدهد؛ مثل قابلیت Deep Research در ChatGPT یا Gemini
- محتوای کاربرساخته: هر مطلبی که خود کاربران عادی مینویسند، نه صاحب سایت؛ مثل نظرات زیر محصولات یا بحثهای مردم در انجمنهای اینترنتی
این ابزارها برای پاسخ به یک سؤال، آن را به چند سؤال کوچکتر تقسیم میکنند. مثلاً برای پرسش «بهترین لپتاپ کدام است؟»، جداگانه دنبال قیمت، کیفیت و نظر کاربران میگردند. بعد صفحاتی را که در همهٔ این جستوجوها تکرار میشوند انتخاب میکنند و از روی آنها یک گزارش میسازند. پژوهشگران متوجه شدند که همان صفحات نوشتهشده توسط کاربران، بارها و بارها در این جستوجوها ظاهر میشوند.
حالا بخش نگرانکننده اینجاست، منظور از «متن دستکاریشده»، چند جملهٔ ساختگی است که یک نفر عمداً در صفحات اینترنت میگذارد تا هوش مصنوعی آن را بخواند و در پاسخش به کاربر تکرار کند. پژوهشگران این کار را به چند روش امتحان کردند و نتیجهها واقعاً تأملبرانگیز بود.
وقتی فقط حدود 13 کلمه متن دستکاریشده را روی یک صفحهٔ پربازدید گذاشتند، این متن در 38 تا 51 درصد مواقع توانست اسم موردنظر آنها را وارد گزارش نهایی کند. وقتی همان متن را روی چند صفحه پخش کردند، این رقم به 42 تا 62 درصد رسید. حتی وقتی متن را بین یک صفحهٔ بزرگ پنهان کردند، طوریکه کمتر از 4 درصد محتوای صفحه را تشکیل میداد، باز هم در 30 تا 53 درصد مواقع خودش را به گزارش رساند.
نکتهٔ مهم دیگر اینکه وقتی همهٔ سؤالها دربارهٔ یک موضوع مشخص بودند، یک صفحهٔ واحد تا 48 درصد مواقع در نتایج ظاهر میشد. یعنی کافی است همین یک صفحه دستکاری شود تا اثرش روی پاسخ کل آن موضوع پخش شود. این آزمایشها روی سه ابزار پژوهشگر متنباز به نامهای STORM و Co-STORM و OmniThink انجام شد و همه در یک محیط شبیهسازیشده اجرا شدند تا هیچ آسیبی به وب واقعی وارد نشود.
چرا جلوگیری از این کار برای گوگل سخت است؟
گوگل میتواند دستکاری پاسخهای هوش مصنوعی را اسپم بنامد و هر مورد را که شناسایی کند، با آن برخورد کند. اما گرفتن این تخلف، بخش سخت ماجراست. متن دستکاریشده دقیقاً مثل یک توصیهٔ واقعی نوشته میشود و روی همان صفحاتی مینشیند که این ابزارها در هر حال قرار بود بخوانند. به همین دلیل، تشخیص آن از یک نظر معمولی و واقعی بسیار دشوار است.
تیم پژوهش بهدنبال راهی برای مقابله با این متنها گشت، اما راهحل بیعیبی پیدا نکرد. آنها سه روش را امتحان کردند:
اول، حذف کامل منابع کاربرساخته. اما در این حالت، همان نظرات و تجربههای واقعی مردم که اساساً این ابزارها را ارزشمند میکند، از دست میرود. دوم، بررسی این منابع با یک هوش مصنوعی دیگر پیش از استفاده. این روش هم نتوانست بدون افت کیفیت جلوی ماجرا را بگیرد. سوم، بازبینی گزارش نهایی برای پیدا کردن ادعاهای بیپشتوانه. این یکی هم باز بدون اینکه نتیجه را برای کاربر بدتر کند، حمله را متوقف نکرد. در نهایت هیچکدام از این سه روش نتوانستند بدون آسیبزدن به تجربهٔ کاربر، مشکل را حل کنند.
ابزارهایی که بیشتر مردم از آنها استفاده میکنند، بیرون از این آزمایش بودند. مثلاً ChatGPT Deep Research و Gemini Deep Research بهگونهای کار میکنند که پژوهشگران نمیتوانستند بدون عبور از خط اخلاقی، منابعشان را دستکاری کنند؛ برای همین فقط عادت ارجاعدهی آنها را بررسی کردند. در این میان، Gemini در حدود 12 درصد مواقع به محتوای کاربرساخته تکیه میکرد که نویسندگان آن را فقط نشانهای از احتمال آسیبپذیری میدانند، نه یک نتیجهٔ قطعی. ابزار OpenAI هم بهمراتب کمتر سراغ این نوع محتوا میرفت.
این موضوع برای فعالان سئو و کسبوکارها چه معنایی دارد؟
اینجا همان نقطهای است که باید با دقت بیشتری نگاه کنیم، چون پیام ماجرا برای هر گروه فرق میکند.
وقتی مرز بین تبلیغ و دستکاری محو میشود
حرکتهایی که میتوانند به دیدهشدن یک برند در پاسخهای هوش مصنوعی کمک کنند، شباهت زیادی به همان کارهایی دارند که گوگل آنها را اسپم مینامد؛ مثل کاشتن نام برند در سایتهایی که این ابزارها میخوانند. واقعیت این است که هنوز نمیدانیم خط گوگل دقیقاً کجاست و مرز بین «بهدستآوردن طبیعی یک ارجاع» و «ساختن مصنوعی آن» کجا کشیده میشود.
خطر برای فروشگاههای اینترنتی و کسبوکارهای محلی
برای فروشگاههای اینترنتی و برندهای محلی، خطر از سمت مقابل میآید. موضوع آزمایشهای این پژوهش، همان سؤالهای روزمرهٔ مردم بود: کدام سرویس را خبر کنم؟ کدام محصول را بخرم؟ کجا غذا بخورم؟ یک رقیب یا یک کلاهبردار میتواند نامی ناآشنا را درست کنار گزینههای معتبر وارد این پاسخها کند، و برندی که کنار زده شده، هرگز از این اتفاق باخبر نشود.
خطر برای رسانهها و برندهای بزرگ
برای سایتهای خبری و برندهای بزرگتر، نگرانی اصلی، اعتماد به پاسخی است که نام برندشان در آن ظاهر میشود. معمولاً وقتی هوش مصنوعی به یک برند ارجاع میدهد، آن را یک موفقیت میدانند. اما این ارجاع فقط نشان میدهد ابزار چه چیزی را برداشته است، نه اینکه آن صفحه درست بوده یا نه. بهعبارت دیگر، پاسخ نهایی میتواند با محتوایی هدایت شده باشد که خود برند هرگز ننوشته است.
راهحل ساده و سرراستی برای همهٔ اینها وجود ندارد. دیدهشدن در هوش مصنوعی دیگر فقط یک کانال نیست که منفعلانه برایش بهینهسازی کنید؛ بلکه به جایی تبدیل شده که باید فعالانه و مدام آن را زیر نظر بگیرید.
نگاهی به آینده
نویسندگان پژوهش، دستکاری از طریق محتوای کاربرساخته را یک «مسئلهٔ حلنشده» نامیدهاند که هیچ پلتفرمی نمیتواند بهتنهایی آن را حل کند. ردیت به مبارزهٔ طولانیمدت خود با دستکاریهای هماهنگشده اشاره کرده و گوگل هم در خلاصههای هوش مصنوعی بالای نتایج جستوجو (AI Overviews)، کنار بخشی از مطالبی که از ردیت برمیدارد، یک برچسب توضیحی اضافه کرده تا منبع آن مشخص باشد. اما هیچکدام از این اقدامها به ریشهٔ اصلی مشکل دست نمیزنند؛ یعنی اینکه هوش مصنوعی بیش از حد به چند صفحهٔ پرتکرار مشخص تکیه میکند.
گوگل هنوز نگفته که قرار است این نوع دستکاری را چطور مهار کند. شاید با یک آپدیت اختصاصی، شاید هم با سامانهٔ هوشمندِ تشخیص اسپمش به نام SpamBrain یا با بررسی دستی کارشناسان؛ همان روشی که برای بیشتر تخلفها استفاده میکند. فعلاً قانون این رفتار را خارج از خط قرمز اعلام کرده، اما راستیآزمایی پاسخهای هوش مصنوعی، همچنان بر عهدهٔ کسی است که آنها را میخواند.
جمعبندی
گوگل حالا دستکاری پاسخهای هوش مصنوعی در جستوجو را اسپم میداند و آپدیت اسپم ژوئن هم همین قانون را اجرا میکند. اما پژوهش دانشگاه کرنل نشان میدهد که جلوگیری از این تخلف در عمل بسیار سخت است، چون متنهای دستکاریشده روی همان صفحاتی مینشینند که هوش مصنوعی به آنها وابسته است و تشخیصشان از محتوای واقعی تقریباً ناممکن است.
همانطور که دیدیم، گاهی فقط چند کلمه کافی است تا اسم یک برند وارد گزارش نهایی شود، و هیچ روش مطمئنی هم تا امروز نتوانسته بدون افت کیفیت جلوی آن را بگیرد. پیام برای همهٔ ما روشن است: دیدهشدن در هوش مصنوعی به جایی تبدیل شده که باید فعالانه و مستمر زیر نظرش داشته باشید، نه کانالی که فقط منفعلانه برایش تلاش کنید.
