هوش مصنوعی چگونه می‌تواند به پژوهش‌های علمی حوزه روابط عمومی کمک کند؟ میرشاهی در گفتگو با شفقنا پاسخ می دهد

شفقنا رسانه- هوش مصنوعی به عنوان یکی از پیشرفته‌ترین و تأثیرگذارترین فناوری‌های عصر حاضر، در حال تغییر و تحول بسیاری از جنبه‌های زندگی انسان‌ها است و شاهد کاربردهای روز افزون آن در حوزه‌های مختلفی مانند پزشکی، صنعت، حمل‌ونقل، خدمات مالی، هنر، پژوهش و … هستیم. با این حال بررسی کاربردهای هوش مصنوعی در پژوهش بخصوص پژوهش  های حوزه روابط عمومی، تهدیدها و فرصت های آن و آینده پژوهش از جمله موضوعاتی است که شفقنا رسانه سعی کرد در گفتگو با عادل میرشاهی؛ نویسنده کتاب اینفوگرافیک در روابط عمومی و پژوهشگر حوزه هوش مصنوعی به آن بپردازد. میرشاهی در این باره می گوید: هوش مصنوعی در حوزه روابط عمومی انقلابی به پا کرده است، به‌ویژه در بهبود روش‌های پژوهشی، تحلیل داده‌ها، و اجرای استراتژی‌های ارتباطی. این تغییرات شامل تحول در پایش افکار عمومی، شخصی‌سازی پیام‌ها، و شبیه‌سازی مدیریت بحران است.

درباره نقش هوش مصنوعی در آینده پژوهش بگوید فکر می کنید که هوش مصنوعی می‌تواند دنیای پژوهش را متحول کند؟

بله، هوش مصنوعی به شکل بی‌سابقه‌ای در حال متحول کردن دنیای پژوهش است. این تحول در چند حوزه کلیدی مشهود است. اولین بخش تحلیل داده های کلان است. این یکی از چالش‌های اصلی پژوهش در گذشته بود. هوش مصنوعی با بهره‌گیری از الگوریتم‌های یادگیری ماشین، می‌تواند داده‌ها را با سرعت و دقت بالا پردازش کند. به عنوان مثال، ابزارهای مانند ذهن عمیق گوگل در حوزه زیست‌پزشکی توانسته‌اند ساختار پروتئین‌ها را پیش‌بینی کنند. این دستاورد نه‌تنها زمان پژوهش را کاهش می‌دهد، بلکه امکان کشف داروهای جدید را نیز تسریع می‌کند.

اگرچه این هوش مصنوعی برای بسیاری از کشورها در دسترس نیست اما اخبار آن را می توان در اینترنت دنبال کرد. دومین بخش پیش‌بینی و شبیه‌سازی است. هوش مصنوعی قادر است شبیه‌سازی‌های پیچیده‌ای انجام دهد که در پژوهش‌های فیزیکی، شیمیایی، و مهندسی مورد نیاز است. به عنوان مثال، در مطالعات تغییرات اقلیمی، سیستم‌های AI مانند: مشاور اقلیم واتسون شرکت آی بی ام توانایی پیش‌بینی اثرات تغییرات اقلیمی را با استفاده از داده‌های ماهواره‌ای و تاریخچه اقلیمی دارند. موضوعی که امروز برای کشور ما بسیار اهمیت دارد و باید بسیار جدی تر به آن نگاه کنیم و در غیر این صورت بحران های زیادی را در آینده تجربه خواهیم کرد.

خودکارسازی فرآیندها سومین حوزه است.  AIدر حال خودکارسازی بسیاری از فرآیندهای پژوهشی است که قبلاً به نیروی انسانی نیاز داشت. در آزمایشگاه‌های پیشرفته، ربات‌های مجهز به هوش مصنوعی مانند: ایوِ می‌توانند ترکیبات شیمیایی جدید را بررسی و پیش‌بینی کنند که کدام ترکیب‌ها مؤثرتر خواهند بود. حوزه آخر از نظر بنده که بیشتر به روابط عمومی مرتبط می شود تحلیل لحظه‌ای افکار عمومی و علوم اجتماعی است. در علوم اجتماعی، تحلیل داده‌های شبکه‌های اجتماعی با ابزارهایی مثل برندواچ و کِریم هگزاگون به پژوهشگران کمک کرده است تا روندهای اجتماعی، رفتار مصرف‌کننده، و تغییرات فرهنگی را به‌صورت لحظه‌ای ردیابی کنند. به عنوان مثال، در دوران همه‌گیری ویروس کرونا، پژوهشگران با استفاده از هوش مصنوعی تغییرات رفتاری مردم در استفاده از ماسک و واکسن را تحلیل کردند و مسائلی که من در کتابم به نام «اسناد مرجع روابط عمومی» به آنها اشاره کرده ام.

علاوه بر موارد فوق که بیشتر جنبه تخصصی داشتند، یکی دیگر از زمینه هایی که هوش مصنوعی به صورت عمومی شرایط پژوهش را تغییر می دهد ترجمه و تجزیه‌وتحلیل متون علمی است. ابزارهایی مانند چت جی پی تی و  دیپ ال به پژوهشگران این امکان را می‌دهند که مقالات علمی را به زبان‌های مختلف ترجمه و تحلیل کنند. این قابلیت به ویژه در کشورهای در حال توسعه که دسترسی به منابع علمی کمتر است، بسیار ارزشمند است. در حوزه مطالعات فرهنگی که کارشناسی ارشد بنده در آن بوده است، پژوهش‌های مربوط به رفتار مصرف‌کننده، ابزارهایی مانند نیلسن ای آی کمک می‌کنند تا الگوهای خرید مردم به‌صورت لحظه‌ای تحلیل شوند. این ابزارها برای شرکت‌های بزرگ مانند کوکاکولا و اپل، استراتژی‌های بازاریابی دقیق‌تری ارائه کرده‌اند. در نهایت می توان گفت که هوش مصنوعی نه‌تنها سرعت پژوهش‌ها را افزایش داده است، بلکه مرزهای نوینی برای دانش بشری تعریف کرده است. این ابزار یک دستیار قدرتمند برای انسان است، اما همچنان نیاز به تحلیل انسانی و خلاقیت در استفاده از نتایج دارد.

دانشگاه‌ها چگونه با هوش مصنوعی برخورد می‌کنند؟ آیا نگارش پایان‌نامه‌ها ممکن است به هوش مصنوعی سپرده شود؟

دانشگاه‌ها به هوش مصنوعی به‌عنوان یک ابزار انقلابی نگاه می‌کنند که می‌تواند مسیرهای پژوهشی را تسریع و امکانات جدیدی در آموزش و پژوهش ایجاد کند. با این حال، نحوه استفاده از آن به‌شدت وابسته به سیاست‌ها، فرهنگ پژوهشی، و نگرانی‌های اخلاقی است. برای درک بهتر، برخورد دانشگاه‌ها را می‌توان در دو بخش عمومی آموزش توسط هوش مصنوعی و پژوهش های دانشگاهی دید. دانشگاه‌ها در سراسر جهان از ابزارهای مبتنی بر هوش مصنوعی برای بهبود کیفیت آموزش و پژوهش استفاده می‌کنند. در این زمینه چند مثال می توان زد:

مثلا ابزارهایی مانند تِرنیتین برای تشخیص سرقت علمی و بررسی اصالت مقالات علمی اکنون به‌طور گسترده‌ای در دانشگاه‌ها به کار می‌رود. یا می توان از  ابزارهای مبتنی بر هوش مصنوعی مانندگرامرلی نام برد که به دانشجویان کمک می‌کنند تا کیفیت نگارش مقالات و پایان‌نامه‌های خود را بهبود بخشند. خوشخبتانه در زبان فارسی نیز در این زمینه رشد خوبی داشته ایم و هوش های مصنوعی خودنویس می تواند به دانشجویان کمک کند.

نکته بسیار مهم اینکه دانشگاه های دنیا در قبال هوش مصنوعی منفعل عمل نکرده اند. برخی از دانشگاه‌ها از پلتفرم‌هایی استفاده می‌کنند که به کمک هوش مصنوعی نیازهای یادگیری فردی دانشجویان را شناسایی کرده و محتوای آموزشی را بر اساس توانایی‌های آن‌ها تنظیم می‌کنند.

بگذارید به بخش دوم سوالتان روشنتر پاسخ دهم. هوش مصنوعی اکنون می‌تواند در نگارش بخش‌های خاصی از یک پایان‌نامه، مانند مرور ادبیات یا تحلیل داده‌ها، کمک کند. با این حال، هنوز نگرانی‌های زیادی در مورد جایگزینی کامل هوش مصنوعی با خلاقیت انسانی وجود دارد.

اما باید به خاطر سپرد که هوش مصنوعی فقط به انجام پژوهش کمک می کند اما نمی تواند یک پژوهش کامل را آماده کند. ابزارهای AI مانند چت جی پی تی می‌توانند در جمع‌آوری منابع یا ارائه ایده‌های اولیه مفید باشند، اما پایان‌نامه‌هایی که کاملاً توسط AI نوشته شده‌اند، همچنان به دلیل عدم خلاقیت و درک مفاهیم عمیق، ارزش علمی چندانی ندارند. مثلاً در دانشگاه آکسفورد، استادان پژوهشی تأکید کرده‌اند که هوش مصنوعی باید مکمل پژوهش‌های انسانی باشد، نه جایگزین آن. با این حال بحث سرقت ادبی همچنان پا برجاست. دانشگاه‌های دنیا سیاست‌های سختگیرانه‌ای برای جلوگیری از سوءاستفاده از AI در نگارش پایان‌نامه دارند. در همین راستا، برخی از دانشگاه‌ها از ابزارهای تشخیص متون تولیدشده توسط AI استفاده می‌کنند. در دانشگاه استنفورد، دانشجویان دکتری در رشته علوم کامپیوتر از ابزارهای AI برای تحلیل داده‌های گسترده و شبیه‌سازی مدل‌های ریاضی استفاده می‌کنند. با این حال، نگارش تحلیل نهایی و نتیجه‌گیری به عهده دانشجو است.

با این اوصاف فکر می کنید که هوش مصنوعی در عرصه دانشگاه تهدید است یا فرصت؟

هوش مصنوعی از یک سو تهدیدی برای روش‌های سنتی پژوهش است و از سوی دیگر فرصتی بی‌نظیر برای پیشرفت علمی محسوب می‌شود. به عنوان نمونه، کالج دانشگاه لندن از ابزارهای AI برای تحلیل داده‌های تاریخی و یافتن الگوهای اجتماعی استفاده کرده است. این در حالی است که پژوهشگران این دانشگاه تأکید دارند که بدون درک عمیق انسانی، این داده‌ها تنها به نتایج سطحی منجر می‌شوند.

بنابراین در حال حاضر، هوش مصنوعی تنها می‌تواند به‌عنوان یک ابزار کمکی در نگارش پایان‌نامه‌ها مورد استفاده قرار گیرد. دانشگاه‌ها برخلاقیت، تحلیل انسانی و اخلاق پژوهشی تأکید دارند. در این راستا، نگارش کامل پایان‌نامه‌ها به هوش مصنوعی سپرده نمی‌شود، اما دانشجویان با استفاده صحیح از این فناوری می‌توانند کیفیت و سرعت پژوهش‌های خود را ارتقا دهند.

آیا قوانینی در سطح بین‌المللی برای استفاده از هوش مصنوعی در پژوهش وجود دارد؟

بله، در سطح بین‌المللی قوانین و مقرراتی برای استفاده از هوش مصنوعی در پژوهش‌ها تدوین شده یا در حال تدوین است. این قوانین عمدتاً بر شفافیت، اخلاق، و اطمینان از استفاده مسئولانه از این فناوری تمرکز دارند. آمریکا و اتحادیه اروپا در این حوزه پیشرو هستند، اما سایر کشورها نیز به دنبال ایجاد چارچوب‌های مشابه هستند. ای آی اکت عنوان قانون هوش مصنوعی در اتحادیه اروپا است.  این قانون یکی از جامع‌ترین چارچوب‌ها در مورد هوش مصنوعی است که هدف آن تنظیم استفاده از AI برای اطمینان از اخلاقی بودن و شفافیت در حوزه‌های مختلف از جمله پژوهش‌هاست. این قانون فناوری‌های AI را بر اساس سطح خطر به چهار دسته تقسیم می‌کند: ریسک غیرقابل قبول، ریسک بالا، ریسک محدود، و ریسک کم. مثلا در پژوهش‌ها، استفاده از داده‌های حساس (مانند داده‌های زیستی یا ژنتیکی) باید مطابق با اصول حریم خصوصی و عدم تبعیض باشد. ای آی اکت  از پژوهشگران می‌خواهد که الگوریتم‌ها و داده‌های مورد استفاده در پروژه‌های پژوهشی را شفاف‌سازی کرده و سوگیری‌ها را کاهش دهند.

ان آی اچ عنوان سازمانی است که  قوانین هوش مصنوعی در ایالات متحده آمریکا را در حوزه سلامت که بیشترین چالش قانونی در آن وجود دارد تدوین می کند. شاید بپرسید چرا در حوزه سلامتی؟ چراکه اگر هوش مصنوعی به یک ماژول در اتاق عمل تبدیل شود، می تواند سلامت بیماری را که قرار است عمل شود به شدت تحت تاثیر قرار دهد. به بیانی می توان گفت که جان انسان ها در اختیار آن قرار می گیرد و این در حالیست که کسی نمی داند که واقعا اگر کسی در این مصاف جان خود را از دست بدهد، واقعا چه کسی مقصر است؟  این سازمان مقرراتی برای استفاده از هوش مصنوعی در پژوهش‌های پزشکی تعیین کرده است. مثلا  پژوهشگران باید توضیح دهند که الگوریتم‌های AI چگونه کار می‌کنند و  محققان باید از وجود داده‌های متنوع برای جلوگیری از سوگیری در تحقیقات اطمینان حاصل کنند. از سوی دیگر استانداردهایی برای رعایت امانت تدوین شده است.  رعایت استانداردهای اخلاقی به ویژه در حوزه داده‌های حساس مانند اطلاعات بیمار. طرح ملی هوش مصنوعی امریکا نیز توسط دولت آمریکا برای توسعه مسئولانه هوش مصنوعی تعریف شده است و بر پژوهش‌هایی تأکید دارد که منجر به پیشرفت‌های علمی بدون نقض حقوق بشر یا ایجاد خطرات اخلاقی شوند.

متاسفانه هنوز در بقیه کشورها نظیر چین و هند که انتظار می رود در این زمینه قوانینی تدوین کنند کار خاصی انجام نشده است. در عین حال این کشورها بر روی هوش مصنوعی سرمایه گذاری های فراوانی انجام داده اند. اما هنوز چارچوب قانونی جامعی برای استفاده اخلاقی از این فناوری در پژوهش‌ها ندارد.

سازمان های بین المللی در این زمینه اقداماتی انجام داده اند. مثلا یونسکو در سال ۲۰۲۱، اصول جهانی اخلاقی برای استفاده از هوش مصنوعی را تصویب کرد. این اصول به دنبال ایجاد توازن بین پیشرفت فناوری و احترام به حقوق بشر است. یا سازمان همکاری و توسعه اقتصادی چارچوبی برای مسئولیت‌پذیری هوش مصنوعی ایجاد کرده است که در آن به پژوهش‌های علمی نیز توجه ویژه‌ای شده است.

در حالی که هوش مصنوعی امکانات بی‌نظیری برای پژوهش فراهم کرده، تنظیم مقررات برای تضمین استفاده اخلاقی، شفاف، و بی‌طرفانه از آن ضروری است. اتحادیه اروپا و آمریکا پیشرو در ایجاد این چارچوب‌ها هستند، اما کشورهای دیگر نیز به سمت تدوین مقررات گام برمی‌دارند. توجه به این مقررات نه تنها برای حفظ اعتبار پژوهش‌ها، بلکه برای اطمینان از رعایت حقوق انسان‌ها ضروری است.

ما در چه بخش‌هایی از هوش مصنوعی به پژوهش و توسعه بیشتری نیاز داریم؟

در حال حاضر، بسیاری از حوزه‌های هوش مصنوعی نیاز به پژوهش و توسعه بیشتری دارند، به‌ویژه در مناطقی که مرتبط با چالش‌های خاص زبانی، فرهنگی و اخلاقی هستند. یکی از بزرگترین چالش‌ها در ایران و دیگر کشورهای غیرانگلیسی‌زبان، توسعه الگوریتم‌های هوش مصنوعی بومی و متناسب با زبان‌های محلی است. بسیاری از ابزارهای هوش مصنوعی به‌طور عمده برای زبان‌های انگلیسی و دیگر زبان‌های بین‌المللی طراحی شده‌اند، که موجب محدودیت‌هایی در تحلیل داده‌ها و محتوای زبان‌های دیگر می‌شود. به عنوان مثال ابزارهایی مانند ابزار ترجمه گوگل و آی بی ام واتسون برای زبان‌های انگلیسی عملکرد بسیار بهتری دارند، اما در زبان فارسی مشکلاتی در تشخیص لحن، اصطلاحات محلی، و معنای پنهان وجود دارد. این به‌ویژه در تحلیل‌های احساسات و پایش شبکه‌های اجتماعی به چشم می‌آید.

پردازش زبان طبیعی یکی از مهم‌ترین حوزه‌هایی است که در آن به پژوهش بیشتری نیاز داریم، به‌ویژه برای زبان فارسی. در حال حاضر، ابزارهای پردازش زبان طبیعی برای زبان فارسی به‌طور کامل کارآمد نیستند. پیچیدگی‌های زبانی مانند نحوه صرف و نحو، معانی چندگانه، و وجود الفاظ مرکب، موجب می‌شود که ابزارهای موجود نتوانند به‌طور دقیق مفهوم واقعی را استخراج کنند. در زمینه ای که پیشتر به آن اشاره کردم یعنی تحلیل احساسات، ابزار سنتیمنت آنالیسیس، در زبان فارسی نمی‌توانند تحلیل دقیقی از لحن نوشته‌ها ارائه دهند، به‌ویژه زمانی که کاربران از اصطلاحات غیررسمی یا زبان محاوره‌ای استفاده می‌کنند.

در بخش ویدئو و سمعی و بصری نیز ما مشکلات جدی داریم. در بسیاری از سیستم‌های هوش مصنوعی، تشخیص تصویر و ویدئو نیاز به داده‌های دقیق و متنوع دارد تا بتواند فرهنگ‌ها، افراد و زبان‌های مختلف را به‌درستی شناسایی کند. ابزارهای تشخیص تصویر و ویدئو هنوز در برخی زبان‌ها و فرهنگ‌ها به‌طور کامل دقیق نیستند و به‌ویژه در شناسایی تفاوت‌های فرهنگی و جغرافیایی محدودیت دارند. مثلا شما می خواهید که ویدئو را زیرنویس کنید اما تشخیص آن به درستی انجام نمی شود. اما این برای زبان انگلیسی بسیار قوی انجام می شود. بنابرای در تحلیل ویدئوهای حاوی زبان‌های غیرانگلیسی، این ابزارها نمی‌توانند به‌طور کامل نحوه استفاده از تصاویر و نمادهای فرهنگی خاص را درک کنند.

ضمن اینکه باید دانست که مدل‌های یادگیری عمیق همچنان در مراحل اولیه توسعه خود هستند، به‌ویژه در کاربردهایی که نیاز به پردازش داده‌های پیچیده و حجم بالای اطلاعات دارند. برای مثال، مدل‌های مورد استفاده در تحلیل داده‌های تصویری، صوتی و متنی نیاز به داده‌های آموزشی و ساختارهایی دارند که از طریق آن‌ها می‌توانند دقت بیشتری در پیش‌بینی و تصمیم‌گیری‌ها ارائه دهند. الگوریتم‌های ترنسفورمر در مدل های یادگیری عمیق، مانند بِرت و جی پی تی، به‌ویژه در زبان‌های دیگر مانند فارسی هنوز در حال توسعه‌اند. به‌طور کلی، در بخش‌های مختلف هوش مصنوعی، از جمله پردازش زبان طبیعی، تشخیص تصویر، اخلاق هوش مصنوعی، و توسعه الگوریتم‌های بومی، نیاز به پژوهش‌های بیشتری داریم تا این تکنولوژی‌ها را با دقت و کارآیی بیشتری برای زبان‌ها و فرهنگ‌های مختلف طراحی کنیم. این توسعه‌ها می‌توانند به کشورهایی مانند ایران کمک کنند تا به‌طور مؤثری از پتانسیل‌های هوش مصنوعی در پژوهش و سایر زمینه‌ها بهره‌برداری کنند.

با این اوصاف هوش مصنوعی چگونه می‌تواند پژوهش‌های روابط عمومی را تغییر دهد؟ آیا مثال مشخصی وجود دارد؟

هوش مصنوعی در حوزه روابط عمومی انقلابی به پا کرده است، به‌ویژه در بهبود روش‌های پژوهشی، تحلیل داده‌ها، و اجرای استراتژی‌های ارتباطی. این تغییرات شامل تحول در پایش افکار عمومی، شخصی‌سازی پیام‌ها، و شبیه‌سازی مدیریت بحران است. برای درک بهتر، نقش هوش مصنوعی در این حوزه را می‌توان در چند محور کلیدی بررسی کرد. اولین محور پایش رسانه هاست. ما در این زمینه به زبان فارسی هم پلتفرمهایی داشته ایم، اما اینک داستان چیز دیگری است. می توان گفت یکی از بزرگ‌ترین تغییراتی که هوش مصنوعی در پژوهش‌های روابط عمومی ایجاد کرده، توانایی پایش و تحلیل سریع حجم انبوهی از داده‌های رسانه‌ای است. ابزارهایی مانند اسپرینکلر،هوت سوییت وبرندواچ قادرند اطلاعاتی از رسانه‌های اجتماعی، اخبار، وبلاگ‌ها و سایر منابع آنلاین جمع‌آوری کرده و آن‌ها را تحلیل کنند.

به زبان فارسی نیز تلاش های خوبی شده است و سایت قوی نوین هاب می تواند معرفی شود. شما می توانید با این ابزارها پایش رسانه ای را به صورت لحظه ای انجام دهید. برای مثال، در یک بحران روابط عمومی، برندها می‌توانند در لحظه واکنش‌های کاربران را در پلتفرم‌هایی مانند توییتر یا اینستاگرام رصد کنند. اگر واکنش‌ها منفی باشد، پیام‌ها یا اقدامات خود را سریعاً تغییر دهند .ضمن اینکه به کمک الگوریتم‌های AI، روابط عمومی‌ها می‌توانند روندهای نوظهور در افکار عمومی را شناسایی کرده و از آن‌ها برای طراحی کمپین‌های هدفمند استفاده کنند. برای مثال، ابزار تاک واکر به شرکت‌ها کمک می‌کند که احساسات کاربران درباره برند را به‌صورت دقیق تحلیل کنند. یکی دیگر از توانایی‌های منحصربه‌فرد هوش مصنوعی، امکان شبیه‌سازی بحران‌های احتمالی است. ابزارهایی مانند ریپوتیشن به روابط عمومی‌ها کمک می‌کنند که سناریوهای مختلفی برای بحران‌ها طراحی کنند. به‌عنوان نمونه شرکت پپسی در یکی از کمپین‌های تبلیغاتی خود که بازخورد منفی عمومی داشت، از ابزارهای پایش AI برای تحلیل واکنش کاربران و طراحی مجدد پیام‌های خود استفاده کرد. این تغییر سریع باعث کاهش فشار رسانه‌ای و حفظ اعتبار برند شد.

بحث شخصی سازی نیز یکی از مباحث مهم در روابط عمومی امروز است که با هوش مصنوعی بسیار قوی تر از گذشته می توان آن را انجام داد. این در واقع به معنای توانایی شخصی‌سازی پیام‌ها بر اساس ویژگی‌های جمعیت‌شناسی، علایق، و رفتار مخاطبان است. عنوانی که امسال موضوع کنفرانس بین المللی روابط عمومی نیز هست. ابزارهایی مانند پرسادو با تحلیل داده‌های رفتاری مخاطبان، می‌توانند پیام‌هایی طراحی کنند که بیشترین تأثیر را بر گروه‌های مختلف داشته باشند. در نهایت می توان گفت که هوش مصنوعی ابزارهای نوینی برای انجام تحقیقات کیفی و کمی فراهم کرده است. برای مثال ابزارهایی مانند: مانکی لرن می‌توانند حجم زیادی از نظرات، پست‌های اجتماعی، و مقالات خبری را تحلیل کرده و الگوهای احساسی یا موضوعی را شناسایی کنند. اگرچه باید برای آنها هزینه بپردازید، اما عملا روابط عمومی ها اساسا این کارها را یا انجام نمی دهند، یا اگر می دهند، برای هر فعالیت نیاز به یک نیروی انسانی دارند که در قیاس با هزینه های آن نیروی انسانی، به صرفه است که از هوش مصنوعی پولی استفاده شود.

در نتیجه هوش مصنوعی نه‌تنها فرآیندهای پژوهشی در روابط عمومی را بهینه کرده، بلکه این حوزه را به سمت استراتژی‌های دقیق‌تر و علمی‌تر هدایت کرده است. ابزارهایی که برای پایش افکار عمومی، شبیه‌سازی بحران، و شخصی‌سازی پیام‌ها استفاده می‌شوند، روابط عمومی‌ها را قادر می‌سازند که با دقت و سرعت بیشتری به تغییرات محیطی پاسخ دهند. به همین دلیل، هوش مصنوعی از یک ابزار به یک الزام در پژوهش‌های روابط عمومی تبدیل شده است.

فکر می کنید هوش مصنوعی می تواند جای پایش افکار عمومی و مخاطب‌شناسی را بگیرد؟

هوش مصنوعی به‌طور کامل جایگزین فرآیند پایش افکار عمومی و مخاطب‌شناسی نمی‌شود، بلکه آن را تقویت و تسریع می‌کند. این ابزارها با قدرت تحلیل داده‌های کلان و ارائه بینش‌های لحظه‌ای، مکملی برای تخصص انسانی در شناخت مخاطبان و رفتارهای اجتماعی هستند. با این حال، نقش نیروی انسانی همچنان ضروری است، چراکه تحلیل‌های کیفی، تفسیر داده‌ها و طراحی استراتژی‌های متناسب، نیازمند خلاقیت و تجربه انسانی است.

ما در پایش افکار عمومی ابتدا داده هایی را جمع آوری می کنیم و سپس آن را تحلیل می کنیم. هوش مصنوعی جمع آوری این داده ها را به صورت همزمان ممکن کرده است. ابزارهایی مانند آی بی ام واتسون یا برندواچ که پیشتر به آن اشاره کردم به جمع‌آوری و تحلیل حجم گسترده‌ای از نظرات و احساسات کاربران در پلتفرم‌های آنلاین کمک می‌کنند. این قابلیت به روابط عمومی‌ها امکان می‌دهد که روندها و دغدغه‌های اجتماعی را سریع‌تر شناسایی کنند. در گام بعد تحلیل محتوا صورت می گیرد که می تواند شامل تحلیل احساسات باشد. این نیز موضوع مهمی است که در میان روابط عمومی ها مورد نیاز بوده اما به دلیل سختی کار کمتر انجام شده است.

امروز روابط عمومی ها می توانند با ابزارهای هوش مصنوعی که نمونه ایرانی نیز دارد، متون را تحلیل احساس کنند و بگویند که مثلا سخنران عصبانی بوده یا محتاطانه صحبت می کرده است. به عبارت دیگر تحلیل احساسات این است که  این ابزارها می‌توانند مثبت، منفی یا خنثی بودن احساسات موجود در نظرات کاربران را بررسی کنند. برای مثال، در جریان انتخابات اخیر آمریکا، ابزارهای هوش مصنوعی به‌طور همزمان نظرات کاربران را در شبکه‌های اجتماعی تحلیل کرده و بازخورد رای‌دهندگان نسبت به نامزدها را به کمپین‌ها گزارش می‌دادند.

با این حال باید دانست که هرچند هوش مصنوعی در جمع‌آوری و تحلیل داده‌ها بسیار مؤثر است، اما برای تفسیر معنادار این داده‌ها همچنان به تخصص انسانی نیاز داریم. برای مثال در تجربه شخصی ام بارها دیده ام که الگوریتم‌های AI ممکن است زمینه‌های فرهنگی یا معنایی خاصی را به‌درستی درک نکنند. مثلاً یک شوخی یا کنایه در تحلیل‌های AI ممکن است به‌عنوان نظر منفی یا نادرست تفسیر شود. یا اینکه یک متخصص روابط عمومی می‌تواند تصمیم بگیرد که چگونه پیام‌ها را بر اساس نیازها و حساسیت‌های فرهنگی طراحی کند؛ این سطح از درک هنوز از دسترس AI خارج است.

در نتیجه هوش مصنوعی نه‌تنها جایگزین پایش افکار عمومی نمی‌شود، بلکه با ابزارهایی نظیر تحلیل داده‌های کلان و احساسات، این فرآیند را سریع‌تر و دقیق‌تر می‌کند. اما در نهایت، استفاده از این فناوری نیازمند ترکیب با دانش و قضاوت انسانی است تا به نتایج معنادار و عملی منجر شود.

فکر می کنید با ورود هوش مصنوعی به عرصه روابط عمومی، این عرصه چقدر دچار دگرگونی خواهد شد؟

ورود هوش مصنوعی (AI) به حوزه روابط عمومی (PR) تحول چشمگیری ایجاد کرده است و این عرصه را از فعالیت‌های سنتی و زمان‌بر به فعالیت‌هایی مبتنی بر تحلیل داده و استراتژی تبدیل کرده است. این تغییرات به چند محور اساسی تقسیم می‌شود چراکه روابط عمومی حوزه ای میان رشته ای است و بنابراین مستلزم استفاده از هوش های مصنوعی متنوعی است. در بحث خبرنویسی ابزارهایی مانند پو و جاسپر توانایی تولید متون خبری، ایمیل‌های تبلیغاتی، و حتی پست‌های شبکه‌های اجتماعی را با صرفه‌جویی در زمان فراهم کرده‌اند. این ابزارها می‌توانند براساس لحن، سبک، و کلمات کلیدی مشخص، متن‌های دقیق و جذاب تولید کنند. در بحث تولید محتوای گرافیکی و بصری نیز ابزارهایی مانند کانوا و ادوبی فایرفلای امکان طراحی سریع و حرفه‌ای محتواهای بصری را بدون نیاز به مهارت‌های تخصصی گرافیکی فراهم کرده‌اند.

در بحث شناسایی رسانه‌ها و مخاطبان هدف  AI نیز هوش مصنوعی  می‌تواند بر اساس تحلیل داده‌ها، بهترین رسانه‌ها یا کانال‌های ارتباطی را برای انتشار پیام‌ها پیشنهاد دهد. مثلاً ابزارهایی مانند ملت واتر تحلیل می‌کنند که کدام رسانه‌ها بیشترین تأثیر را در یک حوزه خاص دارند. در پاسخگویی به مخاطبان نیز چت بات ها کار را بسیار ساده کرده اند.  استفاده از چت‌بات‌های هوشمند مانند زِندسک یا دِریفت به روابط عمومی‌ها این امکان را می‌دهد که به سرعت به سؤالات مشتریان پاسخ دهند.در زمینه شخصی سازی محتوا نیز که پیشتر بدان اشاره شد، ابزارهایی مانند هاب اسپات می‌توانند محتوای ارسالی به مشتریان را شخصی‌سازی کنند تا پیام‌ها تأثیر بیشتری داشته باشند. در کمپین های تبلیغاتی روابط عمومی نیز ابزاری مثل آپتیمایزلی می تواند تست های ای و بی را انجام دهد. با این تست ها شما در یک کمپین روابط عمومی برای معرفی محصول جدید می‌توانید بهینه‌ترین پیام را شناسایی و اجرا کند.

با این حال عرصه روابط عمومی در بهره گیری از هوش مصنوعی با چالش هایی نیز روبرو است. اول اینکه با اینکه ادعا می شود هوش مصنوعی خلاق است اما خلاقیت هوش مصنوعی از عمق کافی برای اثربخشی بهره مند نیستد. هوش مصنوعی هنوز نمی‌تواند کاملاً جای خلاقیت و قضاوت انسانی را بگیرد. بسیاری از پیام‌ها یا کمپین‌ها نیازمند درک عمیق فرهنگی و احساسی هستند که AI قادر به انجام آن نیست. به ویژه در زمینه استفاده از چت بات ها باید با احتیاط عمل کرد. روابط عمومی‌ها باید اطمینان حاصل کنند که استفاده از AI به شفافیت و اعتماد مخاطبان لطمه نمی‌زند. برای مثال، شاید چت بات ها گاهی در این زمینه نقایصی داشته باشند که تبعاتی را برای سازمان به همراه داشته باشد. به عبارت دیگر ورود هوش مصنوعی به عرصه روابط عمومی، این حوزه را از فعالیت‌های دستی و سنتی به فعالیت‌های مدرن و مبتنی بر تحلیل داده تغییر داده است. در حالی که AI به بهبود کارایی، سرعت، و دقت کمک می‌کند، همچنان نقش خلاقیت و بینش انسانی به‌عنوان مکملی اساسی در این فرآیند باقی می‌ماند.

با این اوصاف پژوهش‌های روابط عمومی مبتنی بر هوش مصنوعی چه تفاوت‌هایی با شرایط عادی دارند؟

پژوهش‌های روابط عمومی که بر پایه هوش مصنوعی (AI) انجام می‌شوند، تفاوت‌های مهمی با روش‌های سنتی دارند. این تفاوت‌ها به‌ویژه در سرعت، دقت، و توانایی تحلیل داده‌ها به‌شکل پیچیده‌تر و گسترده‌تر قابل مشاهده است.

در روش‌های سنتی، پژوهش‌های روابط عمومی معمولاً شامل جمع‌آوری داده‌ها از طریق نظرسنجی‌ها، مصاحبه‌ها و گروه‌های کانونی است که این فرآیندها زمان‌بر و هزینه‌بر هستند. این کار ممکن است چندین هفته یا حتی ماه طول بکشد. اما با استفاده از هوش مصنوعی، پژوهش‌ها بسیار سریع‌تر انجام می‌شوند. این ابزارها که به آن اشاره شد می توانند داده‌های رسانه‌های اجتماعی را در همزمان جمع‌آوری و تحلیل کنند، که این کار باعث کاهش زمان و هزینه‌های پژوهش می‌شود.

یکی از قابلیت‌های برجسته هوش مصنوعی که در پژوهش‌های روابط عمومی به کار گرفته می‌شود، توانایی پیش‌بینی رفتار مخاطبان است. در روش‌های سنتی، پژوهشگران می‌توانند تنها داده‌های گذشته را تحلیل کرده و بر اساس آن‌ها نتایج به‌دست آورند. اما هوش مصنوعی قادر است با استفاده از الگوریتم‌های یادگیری ماشینی، پیش‌بینی‌هایی در مورد رفتار آینده مخاطبان انجام دهد.  ابزارهایی مانند گوگل تِرندز یا سوشیان لیسنینگ تولز می‌توانند روندهای خبری را پیش‌بینی کرده و روابط عمومی‌ها را قادر سازند تا پیام‌های خود را به‌صورت دینامیک و براساس تغییرات لحظه‌ای تنظیم کنند.

هوش مصنوعی قادر است حجم وسیعی از داده‌ها را در زمان واقعی تحلیل کند، در حالی که در روش‌های سنتی، این امر معمولاً نیاز به تحلیل دستی یا استفاده از ابزارهای ساده‌تر داشت. به‌عنوان مثال، هوش مصنوعی می‌تواند تمام پست‌های رسانه‌های اجتماعی مرتبط با یک برند را از انواع مختلف پلتفرم‌ها جمع‌آوری و آن‌ها را از نظر لحن، احساسات و مضمون تحلیل کند. البته در این زمینه دو نکته را باید در نظر داشته باشید که اولا حتما باید ورژن پولی هوش مصنوعی را خریداری کنید و در ثانی هوش مصنوعی تخصصی برای کاربرد مد نظرتان انتخاب کنید تا نتیجه مطلوب را دریافت کنید.

در مدیریت بحران که عموما روابط عمومی ها درگیر آن می شوند، هوش مصنوعی قابلیت شبیه سازی دارد. هوش مصنوعی می‌تواند سناریوهای مختلفی را برای مدیریت بحران‌ها شبیه‌سازی کند، به‌گونه‌ای که روابط عمومی‌ها بتوانند استراتژی‌های مختلف را آزمایش کنند و بهترین مسیر را انتخاب کنند. این ابزارها می‌توانند واکنش‌ها و شرایط بحرانی مختلف را پیش‌بینی کنند و به مدیران روابط عمومی کمک کنند تا سریع‌تر واکنش نشان دهند. در نهایت می توان گفت پژوهش‌های روابط عمومی مبتنی بر هوش مصنوعی با سرعت و دقت بیشتر، توانایی پیش‌بینی رفتار مخاطب و تحلیل داده‌های پیچیده را ارائه می‌دهند. این ویژگی‌ها باعث می‌شود که پژوهش‌ها به‌طور مؤثرتری انجام شوند و روابط عمومی‌ها قادر به پاسخگویی سریع‌تر و هدفمندتر به نیازها و تغییرات بازار باشند. همچنین، ابزارهای هوش مصنوعی این امکان را به روابط عمومی‌ها می‌دهند که پیام‌های خود را شخصی‌سازی کرده و در زمان واقعی وضعیت‌های مختلف را شبیه‌سازی کنند تا بهترین نتیجه را به‌دست آورند.