M2 أوكلت إلى الذكاء الاصطناعي 40% من نصوصها التسويقية دون أن تفقد جودة المحتوى

عرضت شركة M2 سيناريو عمليًا لا يحلّ فيه الذكاء الاصطناعي محل هيئة التحرير، بل يتولى جزءًا كبيرًا من المحتوى الروتيني. فقد أوكلت الشركة داخليًا إلى الشبكة العصبية نحو 40% من النصوص التسويقية ونصوص المنتجات، لكن الصيغة النهائية لا تقوم على الضغط على زر واحد: فالجودة تُصان بقواعد صارمة وموجّهات دقيقة ومشاركة بشرية إلزامية في المهام المعقدة والإبداعية.

وكان سبب إطلاق هيئة التحرير القائمة على الذكاء الاصطناعي نمو حجم المحتوى. فقد احتاج الفريق التحريري إلى تغطية مهام أكثر لصالح التسويق والمبيعات والدعم، دون توسيع عدد الموظفين ودون إسناد كل شيء إلى جهات خارجية. وفي البداية بحثت M2 الخيارات المعتادة: توظيف كاتب نصوص جديد، أو إسناد جزء من العمل إلى جهة خارجية، أو بناء أداة داخلية تعمل بالذكاء الاصطناعي. واختارت الخيار الثالث بوصفه الأسرع والأقل كلفة، لكنها وضعت منذ البداية شرطًا: على الشبكة العصبية أن تكتب بنبرة العلامة التجارية وأن تلتزم بالسياسة التحريرية الداخلية على نحو لا يقل عن مستوى كاتب مبتدئ.

وتبيّن أن المشكلة الجوهرية لا تكمن في اختيار النموذج، بل في كيفية شرح معايير الشركة له. فلم تدرّب M2 نموذجًا مستقلًا على مدوّنتها النصية الخاصة، بل اعتمدت على منظومة من الموجّهات (prompts). وفي المرحلة الأولى جمع الفريق القواعد الأساسية لنبرة الصوت (Tone of Voice) والقيود النحوية والكلمات المحظورة ومتطلبات تسمية المنتجات في موجّه نظام واحد كبير. لكن نهج zero-shot هذا لم ينجح: فقد فقد النموذج تركيزه، وكتب نصوصًا باهتة أكثر من اللازم، وخلط بين الأساليب أحيانًا. وبعد ذلك انتقلت هيئة التحرير إلى سيناريو few-shot، حيث أُضيفت إلى الموجّه، إلى جانب التعليمات، أمثلة جيدة وسيئة من نصوص حقيقية. وهذا ما أعطى نتيجة يمكن التنبؤ بها، وأتاح إعداد قوالب منفصلة للأخبار ومنصات التواصل الاجتماعي وصيغ أخرى.

من الناحية التقنية، تقوم هيئة التحرير هذه على منصة الشركة المؤسسية Videocat بمكونات llama.cpp وOpen WebUI، ويُستخدم في الحالة المعروضة نموذج Google Gemma 3 نموذجًا عاملًا. لكن الأهم في هذه القصة ليس الحزمة التقنية المحددة، بل المبدأ المعماري: تبقى الأداة مرنة بحيث يمكن ربط نماذج أخرى واختبارها وفق المهمة. ويُنهي هذا النهج الاعتماد على مزوّد واحد، ويتيح تحقيق التوازن المناسب بين الجودة والسرعة وكلفة التوليد.

وفي المحصلة، لا تكتب الشبكة العصبية في M2 المسودات وتكيّف النصوص مع القنوات فحسب، بل تساعد أيضًا في توليد الأفكار واستخراج المعلومات من الصور وشرح منطقها الخاص. وهذه النقطة الأخيرة مهمة بوجه خاص للموظفين من خارج هيئة التحرير: فعندما يبرر النموذج اختياره للكلمات والبنية، فإنه يعمل في الوقت نفسه مساعدًا وأداة تعليمية.

ومع ذلك، لا تحاول الشركة عمدًا تحويل الذكاء الاصطناعي إلى بديل كامل للمحرر. فـ M2 تفصل بوضوح بين مناطق المسؤولية. يمكن إسناد المهام الروتينية والنمطية والجماهيرية إلى الآلة بالكامل تقريبًا، أما النصوص المعمّقة والمفاهيم الإبداعية والشعارات والمواد التي تتطلب دقة عاطفية فتبقى بيد البشر كما كانت. ويساعد هذا التوازن في التخلص من رهبة الصفحة البيضاء، وتسريع إعداد المسودات، وتخفيف العبء عن هيئة التحرير، دون أن يفقد النص طابعه الإنساني.

وثمة جانب مستقل يخص الأمن: فأداة الذكاء الاصطناعي تعمل داخل نطاق الشركة الداخلي، ويخضع الموظفون لتدريب حول البيانات التي يجوز تحميلها إلى النظام وتلك التي لا يجوز. وهذه تفصيلة مهمة لأي شركة تريد استخدام النماذج التوليدية في عمليات فعلية لا في بيئة تجريبية معزولة.

والخلاصة المستخلصة من حالة M2 واقعية، ولذلك فهي مفيدة: فالشبكات العصبية قادرة بالفعل على أخذ جزء كبير من روتين المحتوى، لكنها لا تستطيع بمفردها بناء هيئة تحرير قوية. تحتاج الشركة أولًا إلى معاييرها الخاصة، ونبرة صوت (Tone of Voice) واضحة، ومحررين أحياء يميّزون النص الجيد من النص السليم شكليًا فقط. وبعد ذلك فقط يتحول الذكاء الاصطناعي من تهديد لفرص العمل إلى معزّز للفريق.

وهذه إشارة أخرى للسوق: سينتقل الطلب لا من الكتّاب إلى الآلات، بل من المنفّذين العاديين إلى المتخصصين القادرين على تصميم العمليات وضبط الموجّهات وإيصال المسودة الآلية إلى مستوى العلامة التجارية.