چرا استخدام مهندس محتوا اشتباه است؟ حقایق پنهانی که کسی به شما نمیگوید!
آینده بازاریابی محتوا، مسئلهای است که ذهن بسیاری از ما را به خود مشغول کرده است. ظهور هوش مصنوعی مولد (Generative AI)، تمام جنبههای این حوزه را تحت تاثیر قرار داده است؛ از تاکتیکها و استراتژیهای موفق گرفته تا ابزارها، فرآیندها و حتی معیارهای اقتصادی که موفقیت را توجیه میکنند.
یکی از پیشنهادهایی که توسط “جاش اسپیلکر” از AirOps و “لورال لینچ” از Jasper مطرح شده، این است که شرکتها باید یک نقش شغلی جدید به نام “مهندس محتوا” (Content Engineer) ایجاد کنند. درک من از این نقش به شرح زیر است:
مهندس محتوا کیست؟
«مهندس محتوا، نقشی در حوزه محتوا است که ذاتاً با هوش مصنوعی در ارتباط بوده و تمرکز آن بر تفکر سیستمی، استفاده از هوش مصنوعی برای مقیاسبندی تولید محتوا و افزایش کیفیت است.»
«به جای خلق مستقیم محتوا، این افراد سیستمهای خودکار برای تولید محتوا در مقیاس وسیع ایجاد میکنند. این یک نقش ترکیبی است که عناصری از استراتژی محتوا، اتوماسیون گردش کار، سئو و مهندسی پرامپت (Prompt Engineering) را در بر میگیرد.»
«اهداف اصلی مهندس محتوا شامل موارد زیر است:
- پر کردن شکاف بین بازاریابی محتوای خلاقانه و پیادهسازی فنی هوش مصنوعی
- مقیاسبندی تولید محتوای متنی و خودکارسازی بازنشر، توزیع و شخصیسازی محتوا
- حفاظت از دستورالعملهای برند، انطباق قانونی و مقرراتی، و استانداردهای ویرایشی
- تکرار برای بهبود مستمر کیفیت محتوا در طول زمان»
نکته جانبی: من معتقدم این تعریف، منصفانه است. اما توصیه میکنم برای تصمیمگیری بهتر، مقالات اصلی را نیز مطالعه کنید.
من به هوش مصنوعی مولد بسیار خوشبینم (میتوانید درباره فرآیند محتوای مبتنی بر هوش مصنوعی من اینجا بخوانید). این فناوری به شیوههایی غیرقابل تصور صنعت ما را متحول کرده و ما مجبور به انطباق هستیم.
اما در حالی که به استخدام در این عصر جدید فکر میکنم، متوجه میشوم که مهندس محتوا تقریباً در تضاد کامل با مهارتها و تواناییهایی قرار دارد که به باور من مورد نیاز است. من معتقدم مهندس محتوا، مجموعه مهارت اشتباهی برای آینده بازاریابی است.
در ادامه به دلایل آن میپردازم.
اولویت من، آزمون و خطا است، نه مقیاسبندی
وظیفه اصلی مهندس محتوا، خودکارسازی است؛ یعنی برداشتن استراتژیهای محتوایی که عملکرد خوبی دارند و بسط دادن آنها به حداکثر میزان ممکن با استفاده از هوش مصنوعی. اما دوران طلایی محتوای مقیاسپذیر، دیگر به پایان رسیده است.
وبسایت Ahrefs نمونهای عالی از محتوای مقیاسپذیر است. ما ۲۱۶۱ مقاله به بیش از شش زبان منتشر کردهایم و استراتژیهای محتوایی برنامهریزی شده متعددی داریم که در اوج خود به حدود ۳۴۰۰۰ صفحه تولید شده خودکار و میلیونها بازدید رسیدند.
اما در زمان نگارش این مطلب، وبلاگ Ahrefs کسری از کلیکهایی را که در اوج خود از جستجوی گوگل دریافت میکرد، به خود اختصاص میدهد. و تنها چند هفته پیش، ما تصمیم گرفتیم موفقترین استراتژی محتوای برنامهریزی شده خود را از وبسایت اصلی به یک دامنه جداگانه منتقل کنیم.
تولید محتوا در مقیاس بزرگ، بیش از هر زمان دیگری آسان شده است. اما در عین حال، کمترین اثربخشی را نیز دارد. ایندکس کردن صفحات جدید دشوار شده است. گوگل بارها وبسایتهایی را به دلیل “سوء استفاده از محتوای مقیاسپذیر” جریمه و رتبهبندی آنها را پایین آورده است. بسیاری از استراتژیهای برنامهریزی شده موفق، تنها با چند کلیک فاصله دارند تا به طور کامل کپی شوند و به نوعی “سرقت سئو” تبدیل شوند. و با وجود “نمای کلی هوش مصنوعی” (AI Overviews) و “حالت هوش مصنوعی” (AI Mode)، معیارهای اقتصادی تولید محتوای گسترده دیگر مانند گذشته کارایی ندارند.
این یک تصادف نیست. توانایی خودکارسازی یک فرآیند و کاهش بازده آن، ارتباطی ذاتی دارند. هر بخشی از بازاریابی محتوا که بتواند به طور کامل توسط هوش مصنوعی خودکار شود، به زودی عملاً بیارزش خواهد شد.
اگر بتوانید ۱۰۰۰ صفحه فرود (landing page) برنامهریزی شده در هفته منتشر کنید، رقبای شما نیز انگیزه پیدا میکنند همین کار را انجام دهند. به لطف دموکراتیک شدن هوش مصنوعی مولد، انجام این کار ارزان و آسان است. به زودی، تمام رقبا مجبور به انجام یک اقدام مشابه میشوند و آن تاکتیک بیفایده میگردد.
(چند ایمیل تبلیغاتی خودکار از سوی دستیاران فروش مبتنی بر هوش مصنوعی در هفته دریافت میکنید؟ و چقدر سریع تازگی خود را از دست دادند؟)
عمر مفید “مقیاسبندی” محتوا با هوش مصنوعی مولد، در حال حاضر در حد ماههاست و به زودی به هفتهها یا روزها کاهش خواهد یافت. استخدام یک مهندس محتوا برای نظارت بر خودکارسازی محتوا ممکن است در کوتاهمدت منطقی به نظر برسد، اما خطر منحرف کردن انرژی و منابع محدود به سمت استراتژیهای رو به زوال را به همراه دارد، به جای تمرکز بر استراتژیهای محتوایی نوین با پتانسیل بازدهی فوقالعاده.
استراتژیهای محتوایی متعددی هنوز در حال رشد هستند، اما این استراتژیها نیازمند تلاش و آزمون و خطا هستند، نه خودکارسازی و مقیاسبندی. من احساس میکنم که محتوای برنامهریزی شده و محتوای بالای قیف فروش (top-of-funnel) با چالش روبرو هستند، در حالی که محتوای تحقیقاتی و دادهمحور اصیل، محتوای تفکر رهبری (thought leadership) بومی پلتفرمها، و محتوای ویدئویی کوتاه و بلند، با اقبال مواجه خواهند شد.
هوش مصنوعی مولد نقشهای حیاتی در هر یک از این حوزهها ایفا میکند، اما مهندس محتوا، مجموعه مهارت مناسب برای این کار نیست.
اولویت من، کیفیت است، نه تضمین کیفیت
در دنیایی که مملو از محتوای بیکیفیت تولید شده توسط هوش مصنوعی است، انتشار محتوای باکیفیت بیش از هر زمان دیگری اهمیت دارد. اما تفاوت فاحشی بین بهبودهای تدریجی و افزایشی در یکنواختی و خروجی، و خلق محتوایی که واقعاً برای کسی اهمیت داشته باشد، وجود دارد.
هوش مصنوعی بدون شک، کفِ بازاریابی محتوا را بالا برده است. با صرف چند دلار و چند دقیقه وقت، هر شرکتی میتواند محتوای متنی قابل قبول و کاربردی تولید کند. کیفیت پایه بازاریابی محتوا، بالاترین حد خود را تجربه میکند.
اما در عین حال، هوش مصنوعی نتوانسته است سقف بازاریابی محتوا را ارتقا دهد. ما با نوآوریهای هوش مصنوعی، در حال غرق شدن در اشکال جدید و هیجانانگیز بازاریابی محتوا نیستیم. اکثر شرکتهایی که از هوش مصنوعی مولد در حوزه محتوا استفاده میکنند، با انگیزه کاهش هزینه، کارایی، بهرهوری و انجام بیشتر با منابع کمتر، اقدام میکنند؛ اینها موضوعات تکرارشوندهای هستند که پذیرش هوش مصنوعی در بازاریابی محتوا را مشخص میکنند.
هزینه ماهانه بازاریابی محتوا، صرف نظر از استفاده از هوش مصنوعی، ثابت باقی میماند. هوش مصنوعی برای کشش بیشتر بودجه موجود استفاده میشود، نه برای گشودن راههای جدید و هیجانانگیز جذب مشتری.
این یک محدودیت برای هوش مصنوعی نیست. هوش مصنوعی یک شریک عالی برای تمرین خلاقیت، ابزاری برای یادگیری مهارتهای جدید و به چالش کشیدن ایدههای از پیش تعیین شده است. کیفیت، کاملاً در حیطه عملکرد هوش مصنوعی مولد قرار دارد، اما به جای آن، اکثر شرکتها ترجیح میدهند آن را بر خودکارسازی و مقیاسبندی متمرکز کنند؛ مانند این است که پیکاسو را برای رنگ کردن حصار خانه خود استخدام کنید.
استخدام مهندسان محتوا، این مشکل را تداوم خواهد بخشید. مهندس محتوا اساساً یک نقش تضمین کیفیت است که برای کاهش خطاها و اشتباهات، افزایش یکنواختی و سازگاری برند طراحی شده است. این نقش، دغدغه کیفیت واقعی را ندارد؛ یعنی خلق چیزهای قابل توجهی که نتایج فوقالعادهای به ارمغان میآورند.
ما به یکنواختی بیشتر در بازاریابی محتوا نیاز نداریم: ما به ناهنجاری و غیرمنتظره بودن نیاز داریم. ما به لحن برند (brand voice) به اندازه صداهای واقعی، منحصر به فرد و فردی نیاز نداریم. ما به مهندسانی نیاز نداریم که محتوا را مانند هزاران قطعه تولیدی در یک خط مونتاژ، به صورت کالایی دربیاورند؛ ما باید از هوش مصنوعی برای تقویت بهترین ویژگیهای صنعتگران و افراد وسواسی استفاده کنیم و تعریفی از کیفیت را بپذیریم که پیچیده و غیرمنتظره باشد.
اولویت من، متخصصان بازاریابی است، نه متخصصان هوش مصنوعی
مهندسان محتوا به عنوان پلی بین بازاریابی محتوای خلاقانه و پیادهسازی فنی هوش مصنوعی عمل میکنند. اما من معتقدم این پل، دیگر ضروری نیست.
مدلهای هوش مصنوعی مولد با سرعت به سمت پذیرش گسترده توسط مصرفکنندگان پیش میروند و هدفشان دموکراتیزه کردن دسترسی به نوشتن، کدنویسی و طراحی است. تقریباً هر روز، ارائهدهندگان مدل، راههای جدیدی برای آسانتر کردن استفاده از هوش مصنوعی خود پیدا میکنند: ایجاد گردش کارهای جدید و قاطع، انتشار موانع جدید، و یادگیری از موفقیتهای کاربران فعلی خود برای هدایت کاربران آینده به سمت نتایج بهتر.
من این هفته از آخرین مدل تصویر گوگل، Nano Banana، برای تولید تصاویر سخنرانی خود در Ahrefs Evolve استفاده کردم. این مدل با کیفیتترین تصاویر را که تا به حال تولید کردهام، با یک خط دستور ساده ایجاد میکند.
ما همین روند را در سایر مدلهای مولد مشاهده میکنیم. تحقیقات عمیق، دهها تبادل پرامپت رفت و برگشتی را به دو پیام کوتاه فشرده کرده است. اکثر ابزارهای هوش مصنوعی اکنون به طور خودکار بهترین مدل ممکن را برای اجرای دستور شما انتخاب میکنند. سرورهای MCP، دسترسی به APIها را به امری در حد نوشتن درخواستهای متنی ساده تبدیل کردهاند.
مانع استفاده از هوش مصنوعی روز به روز کمتر میشود. با گذشت هر روز، دستیابی به خروجیهای عالی آسانتر میشود و نیاز به تنظیمات دقیق، اصلاحات و مهارتهای فنی کمتر است. یادگیری هوش مصنوعی مولد آسان است؛ اگر اینطور نباشد، کل صنعت فرو میریزد. بازاریابی عالی و نگارش عالی، مهارتهایی بسیار دشوارتر برای تسلط هستند.
مانند مهندسان پرامپت، نقش مهندس محتوا نیز احساس یک نقش موقتی، یک راهحل کوتاهمدت برای مشکلاتی را دارد که خود ابزارها در حال حل آنها هستند. (و چند شرکت را میشناسید که مهندس پرامپت تمام وقت دارند؟)
هوش مصنوعی اکنون میتواند رمان بنویسد و نرمافزار بسازد؛ در مقیاس بزرگ، اطمینان از صحت جزئیات فنی محصول شما و استفاده صحیح از خط ربط (en dash) مشکلات جزئی هستند و ارزش استخدام نیرو را ندارند.
به نوعی، استخدام مهندس محتوا، اهمیت هوش مصنوعی مولد را کماهمیت جلوه میدهد. تسلط بر هوش مصنوعی باید چیزی باشد که از همه انتظار میرود، همانطور که تسلط بر اینترنت انتظار میرود. این نباید به یک نقش اختصاصی محدود شود.
افکار نهایی
برای تاکید مجدد: همه ما در حال تلاش برای درک آینده بازاریابی محتوا هستیم. بازاریابی محتوا باید برای انطباق با هوش مصنوعی مولد تکامل یابد، و بسیار بهتر است که راهحلی را پیشنهاد دهیم تا اینکه وانمود کنیم هیچ تغییری رخ نداده است.
اما از دیدگاه من، نقش مهندس محتوا خطر پنهانی دارد: استخدام برای مهارتهایی که به زودی به آنها نیاز نخواهیم داشت، به قیمت مهارتهایی که واقعاً به آنها نیاز خواهیم داشت.
در بدترین حالت، این تصمیم برای تمرکز استخدام بر مهارتهای هوش مصنوعی، خطر ایجاد تیمی از اپراتورهای n8n را به همراه دارد که وقت خود را صرف مقیاسبندی استراتژیهای محتوایی معمولی میکنند که به کسبوکار کمکی نمیکنند. بدتر از آن، این امر خطر از دست دادن فرصتهای بازاریابی جدید و نوظهوری را افزایش میدهد که داستانهای موفقیت فردای کسبوکارها را رقم خواهند زد.
در Ahrefs، من میخواهم تیم محتوای من به شدت بر مهارتهای بازاریابی و نگارش متمرکز باشد. من اعتماد دارم که بازاریابان بزرگ میتوانند هوش مصنوعی را یاد بگیرند، اما اعتماد ندارم که متخصصان هوش مصنوعی بتوانند بازاریابان بزرگی شوند. اگر بین استخدام یک نویسنده عالی که هیچ درکی از هوش مصنوعی مولد ندارد و یک نویسنده متوسط که بر n8n و سرورهای MCP مسلط است، انتخابی داشته باشم، من همیشه نویسنده عالی را انتخاب خواهم کرد.
