admin 
Įrankiai yra dislokuoti. Licencijos yra mokamos. Ir jei šiuo metu esate vyresnysis SEO arba GEO specialistas, tikriausiai naudojate dirbtinį intelektą kiekvieną dieną – juodraščiams, santraukoms, pirmiems turinio, kuris anksčiau užtrukdavo dvigubai ilgiau, leidimui. Tai tikras produktyvumas, ir tai nėra nieko.
Tai taip pat nėra grąža, kurią gali atnešti investicija. Ir atotrūkis tarp to, ką gaunate, ir to, kas yra prieinama, nėra įrankio problema. Tai režimo problema.
Recenzuojamas tyrimas, paskelbtas 2025 m. ASIS&T metiniame susirinkime, kurį atliko Timas Gorichanazas Drexel universitete, suteikia šiai problemai pavadinimą (h/t Shari Thurow, kad atkreipė dėmesį į šį dokumentą!). Analizuodamas 205 realaus pasaulio ChatGPT naudojimo atvejus, Gorichanaz nustatė šešis skirtingus būdus, kuriais žmonės iš tikrųjų naudoja dirbtinį intelektą: rašymas, sprendimas, identifikavimas, sugalvojimas, kalbėjimas ir kritikavimas. Duomenys buvo gauti iš „Reddit“ ir iškreipia „Anglophone“, o tai riboja jo apibendrinimą, tačiau jo sukurta taksonomija nepatogiai atspindi, kaip iš tikrųjų dirba dauguma praktikų. Dominuoja du režimai. Ant stalo paliekamos keturios. Likę keturi yra tie, kurie lemia, ar dirbtinis intelektas padaro jus strategiškai vertingesnius, ar tiesiog greičiau atlikdami darbą.
Šis skirtumas šiuo metu yra svarbesnis nei bet kuriuo ankstesniu šios pramonės istorijos momentu.
Du režimai, kuriuos visi nustato pagal numatytuosius nustatymus
Rašymas buvo didžiausia Gorichanaz duomenų kategorija – 47 % pastebėtų naudojimo atvejų – rengiant, redaguojant, apibendrinant, verčiant, generuojant. „McKinsey“ 2025 m. atliktas AI būklės tyrimas patvirtina tai įmonės lygmeniu: dažniausiai pranešama apie AI naudojimo atvejus yra turinio rengimas ir informacijos fiksavimas, o 63 % organizacijų, naudojančių generatyvųjį dirbtinį intelektą, pirmiausia taiko tekstui kurti.
Identifikavimas – ko nors paaiškinimas, atsakymas į faktinį klausimą, dokumento apibendrinimas – sudarė dar 10 % tyrimo duomenų ir yra kitas ramstis, pagal kurį dauguma praktikų sukūrė savo AI darbo eigą. Ištirkite temą, gaukite sintezę, pereikite prie kitos užduoties.
Kartu šie du režimai sudaro didžiąją dalį to, kaip dirbtinį intelektą naudoja praktikai ir įmonės. Abu turi tikrą vertę, tačiau nė vienas iš jų nėra ten, kur yra svertas. Ir jei jūsų dirbtinio intelekto praktika prasideda ir baigiasi tuo, jūs naudojate vis sudėtingesnį įrankį darbui, kuris jau buvo automatizuotas, atlikti – tik greičiau ir didesniu kiekiu.
Kiti keturi režimai (Spręsti 21% Gorichanaz imties, Ideating – 9%, Talking – 8% ir Kritika – 6%) yra tais atvejais, kai darbas tampa nepakeičiamas. Be to, beveik nė vienas specialistas nesukūrė apgalvotos darbo eigos, nes niekas jos nepateikė, o spaudimas parodyti tiesioginį rezultatą nuolat išstūmė erdvę tokiai plėtrai.
Sprendimai, kuriuos vis dar priimate vienas
Gydytojo savaitę visur yra klausimų sprendimo režimo klausimai: kurioms užklausoms iš tikrųjų yra AI matomumas, kuriam šiuo metu verta teikti pirmenybę, ar prekės ženklo paieškos problema yra turinio architektūros problema, ar šaltinio ir signalo problema, kaip paskirstyti pastangas portfeliui, kai tiek SEO, tiek GEO reikia skirti dėmesio, o biudžetas neužtenka, kad būtų galima visiškai padengti, kai reikia padidinti matomumą klausia.
Dauguma vyresniųjų praktikų šiuo metu sprendžia šiuos klausimus, remdamiesi patirtimi ir intuicija. Tai nėra nesėkmė, nes patirtis ir intuicija yra tikrai vertingi, ir joks AI jų nepakeičia. Tačiau DI, sąmoningai naudojamas apsisprendimo režimu, prideda tai, ko patirtis pati savaime negali suteikti: struktūrinis prielaidų, esančių po sprendimu, slėgio bandymas, taikomas prieš priimant sprendimą.
Tam reikia daugiau nei gero klausimo. Norint nuspręsti dėl režimo, dirbtiniam intelektui reikia suteikti atitinkamą kontekstą (konkurencinis kraštovaizdis, dabartinė matomumo padėtis, istoriniai rezultatai, strateginiai suvaržymai), o tai, kas grįžta, laikyti tikru sprendimu, o ne juodraščiu, kurį reikia perskaityti ir atidėti. Tam reikia darbo eigos, kurios dar nėra daugumos praktikų praktikoje, ne todėl, kad kas nors ją užblokavo, bet todėl, kad niekas taip pat nesukūrė laiko ar struktūros.
Iš tų pačių „McKinsey“ duomenų aišku, kiek kainuoja šis skirtumas: 88 % organizacijų naudoja dirbtinį intelektą, tačiau tik 6 % laikomos gerai veikiančiomis įmonėmis, turinčiomis reikšmingą poveikį visai įmonei, o gerai veikiančios įmonės 3,6 karto labiau tikėtina, kad iš esmės pertvarkė savo darbo eigą, o ne tiesiog įdiegs įrankius esamose. Modelis galioja praktikuojančiojo lygmeniu. Greitesnis nerekonstruotos darbo eigos rezultatas nėra tas pats, kas geresni sprendimai iš pertvarkytos.
Spragos, kurių niekas neinformavo
PVO ir GEO praktikams Ideating režimas turi specialią programą, kurios dauguma nenaudoja ir dauguma turėtų būti: objekto ir autoritetų spragų atvaizdavimas, kurių prekės ženklas dar neatpažino.
Kokių aktualių autoritetų kampų prekės ženklas nesugebėjo nustatyti, kad dirbtinio intelekto paieškos sistemos šiuo metu pildomos iš kitų šaltinių? Kokie bendruomenės signalai (forumo diskusijos, apibendrintos apžvalgos, trečiųjų šalių komentarai) formuoja, kaip LLM atstovauja prekės ženklui, atsakydami į kategorijų užklausas, ir ko reikėtų, kad jie būtų pakeisti? Kokie prekės ženklo rėmeliai egzistuoja modelio mokymo duomenyse, kurių paties prekės ženklo turinys niekada nenagrinėjo ir nepanaikino?
Tai tikrai idėjų kūrimo režimo klausimai. Tai taip pat klausimai, kuriuos dauguma praktikuojančių specialistų turi savo mintyse be struktūrinio metodo, kaip rasti atsakymus. Idėjimų režimu naudojamas dirbtinis intelektas, o ne „pateik man penkias turinio idėjas“, o tikras kartotinis tyrinėjimas su apgalvotais suvaržymais ir tikru noru sekti rezultatus ten, kur komanda dar nebuvo pabuvojusi, yra vienas iš tiesiausių būdų rasti šias spragas, kol konkurentas ar kliento auditas jas aptinka pirmasis.
Kliūtis nėra galimybė. Tai yra skirtumas tarp rašymo raginimo su sąrašo išvestimi ir tikrosios idėjų seanso. Pirmasis trunka dvi minutes. Antrasis trunka dvidešimt, reikalauja kitokios laikysenos į įrankį ir sukuria tai, ko negali pakartoti niekas, kas to nepadarė. Dėl šios asimetrijos dabartinėje aplinkoje sukuriama praktikuojančio asmens vertė, ir dauguma praktikų to nepretenduoja.
Nuoširdus skaitymas jūsų komanda jums neduos
Tai yra režimas, kuris labiausiai tiesiogiai taikomas kasdienėje praktikoje ir didžiausias organizacinis pasipriešinimas, nes norint rasti problemų darbe, į kurį specialistas ar jo komanda jau investavo, reikia naudoti AI.
Tinkamai naudojant, kritikavimas yra tai, kaip vyresnysis specialistas suvokia, ką praleido vidinė peržiūra. Silpno subjekto teiginys turinio strategijoje, kuris skamba autoritetingai, bet nėra pagrįstas AI paieškos sistemomis, kuriomis iš tikrųjų pasitikima. Atotrūkis tarp to, ką prekės ženklas sako apie save valdomuose objektuose, ir to, ką gerai paskatino LLM, kai užduodamas klausimas apie kategoriją, kuris turėtų priklausyti prekės ženklui. Prielaida GEO rekomendacijoje, kuri buvo prasminga prieš šešis mėnesius ir dabar prieštarauja tai, kaip pasikeitė paieškos modeliai.
Pastaroji paraiška nėra abstrakti. Savo prekės ženklo (arba kliento prekės ženklo) valdymas per struktūrizuotą AI kritikos sesiją prieš kitą strategijos ciklą yra būtent toks aktyvus darbas, kuris atskiria praktikus, dirbančius vertinimo lygmenyje, nuo praktikų, dirbančių gamybos lygmenyje. Tai taip pat toks darbas, kuris pakeičia pokalbį su klientu ar vadovų komanda, nes jūs susiduriate su problemomis, kol jos tampa matomos duomenyse, o ne paaiškinate jas po fakto.
Priežastis, dėl kurios kritikavimas yra nepakankamai naudojamas, nėra valdymo problema. Tai dispozicijos problema. Organizacijos ir praktikai iš esmės išmoko naudoti dirbtinį intelektą rezultatams gaminti, o ne jai tirti. Atšaukti šį įprotį yra pasirinkimas, ir tai yra vienas iš svarbiausių pasirinkimų, kuriuos šiuo metu gali turėti vyresnis praktikuojantis gydytojas.
Repeticija
Kalbėjimo režimas Gorichanaz taksonomijoje apima dirbtinį intelektą kaip pokalbio partnerį, o praktikams vertingiausia to versija yra vidinių ir klientų pokalbių repeticija, kai statymas yra tikras.
Kliento skambučio metu turite paaiškinti, kodėl natūralus srautas sumažėjo 30 %, o AI paieškos matomumas taip pat prastas, ir vienu metu turite pateikti du atskirus priežastinius paaiškinimus, neleidžiant jiems susijungti į vieną pasakojimą, kuris abu pernelyg supaprastina. Vidinis instruktažas, kuriame jūs turite pateikti GEO investicijas kartu su esamu SEO biudžetu vadovų komandai, kuri vis dar painioja dvi disciplinas ir nori vieno skaičiaus, paaiškinančio abiejų IG. Agentūros ar pardavėjo apžvalga, kai reikia atsisakyti rekomenduojamo metodo neprarandant santykių.
Šie pokalbiai yra pasikartojantys ir labai svarbūs, todėl dauguma praktikuojančių į juos įeina tik pasirengdami protinei repeticijai. Kalbėjimo režimas (atsisakymo vaidinimas, AI prašymas ginčytis priešingoje pusėje, pokalbio, kuris nepavyko, versijos paleidimas) nepakeičia patirties. Tai dvidešimt minučių kainuojantis paruošimo būdas, iš esmės pakeičiantis į patalpą įeinančio praktiko kokybę.
Tai nesukuria artefakto. Jis nerodomas naudojimo ataskaitoje. EY 2025 m. atliktas pakartotinis darbo tyrimas, kuriame dalyvavo 15 000 darbuotojų ir 1 500 darbdavių 29 šalyse, parodė, kad 88 % darbuotojų naudoja dirbtinį intelektą darbe, tačiau tik 5 % naudojasi būdais, kurie iš esmės keičia tai, ką jie gamina. Beveik neabejotina, kad atotrūkis yra toks didelis, kad pažangūs režimai – kritikavimas, sprendimas, kalbėjimas – šiuo metu neduoda kažko išmatuojamo. Laikui bėgant jie sukuria geresnį specialistą, o tai yra grąža, kuri sujungiama ir neparodoma prietaisų skydelyje.
Kokiame režime esate, kuriame lygyje esate
Šešių režimų taksonomija beveik tiksliai atitinka padalijimą tarp vykdymo sluoksnio darbo ir sprendimo lygmens darbo. Rašymas ir identifikavimas yra vykdymo sluoksnio režimai. Jie yra vertingi, matomi ir vis dažniau yra tie režimai, kuriuos DI valdo vis mažiau žmonių. Sprendimas, sugalvojimas, kritikavimas ir kalbėjimas yra sprendimo sluoksnio režimai. Juose gyvena praktikuojančio asmens nepakeičiamumas.
Vyresnysis SEO arba GEO specialistas, kuris AI naudoja tik rašymo ir atpažinimo režimu, funkciškai prisistato kaip vykdymo lygmens darbuotojas būtent tuo metu, kai AI agresyviausiai suspaudžia tą sluoksnį. Tai nėra prognozė dėl darbo perkėlimo. Tai pastebėjimas apie profesinį skirtumą. Praktikai, kuriantys ilgalaikę vertę šioje aplinkoje, yra tie, kurie naudoja dirbtinį intelektą, kad pagerintų savo sprendimą, o ne tik greičiau.
Gorichanazo tyrimas perfrazuoja, ką informacijos poreikis iš tikrųjų reiškia dirbtinio intelekto eroje, ne tik atsakymą į klausimus ar neapibrėžtumo mažinimą, bet ir tai, ką autoriai vadina sumaniai susidoroti su pasauliureiškiantis nuolatinį praktinio intelekto taikymą situacijose, kuriose reikia ir supratimo, ir veiksmų. Vyresniam gydytojui šis įrėminimas yra naudinga diagnostika. Klausimas ne tas, ką AI gali padaryti. Tai, kurioms jūsų darbo dalims reikia tokio praktinio intelekto, kuris derinamas su patirtimi, ir tai, ar dabartinė dirbtinio intelekto praktika daro tą intelektą ryškesnį, ar tiesiog viską aplinkui darote greičiau.
McKinsey darbo vietos tyrimai rodo, kad tik 1 % vadovų vadina savo įmones subrendusiomis diegti AI, o tai reiškia, kad dirbtinis intelektas yra visiškai integruotas į darbo eigą ir užtikrina reikšmingus verslo rezultatus. Gydytojo lygio tos spragos versija yra tokia pat plati ir lygiai taip pat pataisoma.
Jei savo faktinį AI naudojimą palygintumėte su šešiais šios savaitės režimais (ne tai, ką ketinate daryti, o ką iš tikrųjų padarėte), kaip atrodytų platinimas? Kiek kainavo rašymas ir atpažinimas? Kiek buvo apsispręsti, sugalvoti, kritikuoti, kalbėti?
Praktikai, kurie sąmoningai užpildo šią spragą ir kuria net minimalią darbo eigą aplink vertinimo sluoksnio režimus, nedaro kažko egzotiško. Jie daro tai, ko nedaro dauguma jų bendraamžių. Esant tokiai disciplinai, kai vykdymo sluoksnis suspaudžiamas tais pačiais įrankiais, prie kurių visi turi prieigą, tą spragą pirmiausia verta uždaryti.
Norėdami pamatyti, ką ką tik sukūriau po kelių mėnesių darbo, galite perskaityti daugiau apie sprendimų duomenis ir pokalbių įrodymus.
Daugiau išteklių
Šis įrašas iš pradžių buvo paskelbtas Duane Forrester Decodes.
Teminis vaizdas: Roman Samborskyi / Shutterstock
