Claude من Anthropic لن ينقذك من المتطلبات السيئة: لماذا يقدم الذكاء الاصطناعي نتائج مقنعة لكن ضعيفة

المحفوظات الطويلة والأدوار والتعويذات مثل "فكر بعناية" لا تضمن إجابة جيدة من الذكاء الاصطناعي. من خلال استخدام Claude كمثال، يحلل المؤلف لماذا يسرع النموذج غالباً إنتاج نص معقول لكنه يفشل في تقديم نتائج مفيدة إذا لم تكن المهمة نفسها محددة بوضوح.

لماذا هذا لا يعمل

الشكوى الرئيسية بسيطة: الذكاء الاصطناعي نادراً ما يطعن في المواصفات السيئة للمهام. بينما يعود المصمم أو المحلل أو المطور عادة بأسئلة توضيحية، فإن النموذج غالباً ما يملأ السياق الناقص بنفسه ويقدم إجابة واثقة. هذا يجعل من يبدو للمستخدم أن العمل يتقدم بسرعة، بينما في الواقع ما يتسارع ليس إنتاج نتيجة ذات جودة، بل إنتاج نص يبدو مقنعاً. هذا يفسر الإرهاق بعد تكرارات طويلة: تقضي ساعة في إعادة كتابة ما كان يجب أن تحصل عليه في المحاولة الأولى أو الثانية.

"المحفوظ ليس دعاءً."

يربط المؤلف هذا بانعكاس في تكلفة الإجراءات. كان التنفيذ مكلفاً في السابق، بينما كان التفكير والنقاش رخيصين نسبياً. الآن يقوم الذكاء الاصطناعي بإنشاء خمسة متغيرات من التحليل أو رسائل البريد الإلكترونية أو الاستراتيجيات في ثوانٍ، لكن مناقشة المهمة داخل الفريق تصبح الجزء الأكثر تكلفة من العملية. هذا يخلق وهماً بأنه يمكنك تخطي مرحلة المواصفات المناسبة والانتقال مباشرة إلى الإنشاء. لكن المحفوظ الطويل لا يحل محل الهدف الواضح، والصيغ السحرية لا تعالج غياب البنية.

أربعة أسئلة قبل المحادثة

بدلاً من البحث عن الصيغة المثالية، يقترح المؤلف العودة إلى الانضباط الأساسي لتحليل العمل وتجميع خريطة المهام قبل بدء العمل. تبنى منطقها حول نهج As-Is، To-Be، Gap: ما لدينا الآن، وما يجب أن تكون النتيجة، وما الذي يفصل بين الاثنين. هذا الإطار مفيد ليس فقط للأبحاث المعقدة بل أيضاً للمهام اليومية مثل تحليل المنافسين وتحضير هيكل المقالة وتحليل المقابلات مع المستخدمين. النقطة هي وصف ليس الأمل العام بإجابة جيدة، بل مسار محدد نحوها.

• الإدخال: البيانات والروابط والمستندات والفرضيات والملاحظات التي لديك بالفعل في البداية.
• الخطوات: الإجراءات التي يجب على النموذج تنفيذها بالترتيب، بدون "حلل" غامضة.
• إخراج كل خطوة: ما يجب أن ينتج بالضبط بعد كل خطوة—جدول أو قائمة أو مصفوفة أو مسودة.
• النتيجة النهائية: كيف يبدو العمل المنتهي وبأي معيار ستقبله بدون شعور "يبدو حسناً".

في الممارسة العملية، يغير هذا صيغة التفاعل مع النموذج نفسها. بدلاً من محفوظ ضخم، من الأفضل بناء خط أنابيب من عدة خطوات مع مراجعة وسيطة: أولاً جمع الحقائق، ثم المقارنة، ثم تحديد الفجوات، وأخيراً الاستنتاجات. في مثال تحليل المنافسة، يحول هذا النهج طلباً مجردا إلى سلسلة من المهام الصغيرة، حيث يسهل اكتشاف الخطأ قبل النص النهائي.

كيف يتم تجميعه في Claude

لنفسه، قام المؤلف بتعبئة هذا النهج في مهارة Claude منفصلة. أولاً، يتحقق مما هو مطلوب فعلاً: إجابة لمرة واحدة أم محفوظ لإعادة الاستخدام. ثم تأتي خريطة As-Is، To-Be، Gap، وبعدها يقيم النظام اكتمال الطلب بعدة عناصر إلزامية—الهدف والجمهور والتنسيق والقيود والسياق.

إذا كانت البيانات ناقصة، فإن النموذج لا يولد نصاً جميلاً على الفور بل يطرح أسئلة توضيحية. الخطوة الأساسية هنا هي بوابة التأكيد: قبل بدء العمل، تعرض الذكاء الاصطناعي كيف فهمت المهمة وتنتظر تأكيداً صريحاً. ثم يتم تجميع المحفوظ النهائي في نموذج منظم يتبع نظام السياق والدور والتعليمات والأسلوب والمعاملات.

يؤكد المؤلف بشكل خاص على أهمية القيود السلبية والأمثلة القليلة والتكرار الموجه على الأخطاء المحددة بدلاً من الشعور "أصبح أفضل". إذا تبين أن النتيجة عامة جداً، فما يحتاج إلى إصلاح ليس مزاج المحفوظ بل القاعدة نفسها: إضافة مقاييس وحظر الأماكن المشتركة وتطلب صيغة إجابة واضحة. يجعل هذا النمط المحفوظ أقل من التخمين الإبداعي وأكثر من ضبط عملية الهندسة.

ماذا يعني هذا

الاستنتاج الرئيسي قاسٍ لكن مفيد: الذكاء الاصطناعي يضخم ليس فقط الحلول الجيدة بل أيضاً المواصفات السيئة. بالنسبة للفريق، هذا إشارة إلى التوقف عن قياس الكفاءة من خلال عدد المتغيرات المولدة والبدء في طلب خرائط المهام والمراجعة الوسيطة ومعايير الجاهزية. كلما أصبح الإنشاء أرخص، أصبح التفكير الواضح أغلى—وهو التفكير الواضح الذي يقدم الآن أكبر ميزة.