در این مقاله با معرفی ۴ تکنیک مهم در حوزه راستی‌آزمایی، نحوه مقابله با اطلاعات نادرست و توهمات هوش مصنوعی آموزش داده شده تا متخصصان بتوانند اعتبار روابط عمومی سازمان خود را با بهبود استراتژی ارتباطی حفظ کنند.
متخصصان روابط عمومی با رعایت این چهار اصل می‌توانند دقت محتوای تولیدی خود را تضمین کرده و اعتبار سازمان خود را حفظ کنند.
«پژوهش همان کنجکاوی نظام‌یافته است. به معنای دقیق‌تر، پژوهش جستجویی هدفمند و پیگیر است. کسی که پژوهش می‌کند، در واقع می‌خواهد به اسرار جهان هستی و هر آنچه در آن نهفته است پی ببرد.» – زورا نیل هرستون، کتاب Dust Tracks on a Road، سال ۱۹۴۲
هوش مصنوعی می‌تواند یک مقاله ۵۰ صفحه‌ای را در چند ثانیه خلاصه کند؛ اما همچنین ممکن است با اطمینان کامل به شما بگوید ارسطو مخترع وای‌فای بوده است. اطلاعات نادرست همیشه یک معضل بوده، اما امروزه سریع‌تر، جذاب‌تر و تشخیص آن بسیار دشوارتر شده است؛ به‌ویژه زمانی که محتوای تولیدشده توسط هوش مصنوعی آن‌قدر واقعی به نظر می‌رسد که به راحتی از دید تیم‌های پرمشغله ارتباطات پنهان می‌ماند.
برای متخصصان روابط عمومی و ارتباطات، وجود حتی یک اشتباه کوچک در یک پست وبلاگی، بیانیه مطبوعاتی، سخنرانی یک مدیر یا حتی متن کوتاهی در لینکدین می‌تواند به بحرانی بزرگ برای اعتبار سازمان منجر شود. البته تنها هوش مصنوعی نیست که باعث چنین خطاهایی می‌شود؛ آمارهای منسوخ‌شده، نقل قول‌های اشتباه و پژوهش‌های سفارشی و غیرمستند نیز می‌توانند باعث انتشار ناخواسته اطلاعات نادرست شوند.
در ادامه، روش‌هایی برای راستی‌آزمایی و پژوهش دقیق ارائه شده که رعایت آنها برای حفظ اعتبار شما حیاتی است.
۱. مطالعات خود را بررسی کنید
عبارت «یک پژوهش جدید نشان می‌دهد…» به تنهایی برای اثبات یک ادعا کافی نیست.
مطالعات به اندازه روش تحقیقشان معتبر هستند. برخی از پژوهش‌ها علمی و داوری‌شده‌اند، اما برخی دیگر فقط از یک نظرسنجی با ۱۰۰ شرکت‌کننده به دست آمده‌اند و توسط سازمان‌هایی انجام شده‌اند که منافع مالی در نتایج دارند. اگر قصد دارید از داده‌ها استفاده کنید، مطمئن شوید این داده‌ها در برابر بررسی دقیق تاب می‌آورند.
بهترین راهکار: همیشه منبع اصلی پژوهش را پیدا کنید، نه صرفاً یک بیانیه مطبوعاتی یا خلاصه‌ای که در یک سایت خبری منتشر شده است. اندازه نمونه، روش تحقیق و حامی مالی آن را بررسی کنید. آیا حامیان پژوهش انگیزه‌های پنهانی دارند یا نتایج خاصی را دنبال می‌کنند؟
مثال عملی: فرض کنید قرار است شما و مدیر ارشد سازمانتان مقاله‌ای را برای مجله فوربس ارسال کنید که در آن آمده است: «۹۰ درصد مشتریان برندهایی را ترجیح می‌دهند که موضع روشنی در مسائل اجتماعی دارند». شما منبع گزارش را بررسی می‌کنید و متوجه می‌شوید این نظرسنجی توسط یک شرکت روابط عمومی و بر روی نمونه‌ای ۱۵۰ نفری انجام شده که قبلاً هم از طرفداران برند بوده‌اند. اکنون دیگر لازم نیست بعدها توضیح دهید که چرا از این داده استفاده کرده‌اید.
۲. به آمارها با دقت نگاه کنید
آمارها به راحتی ممکن است گمراه‌کننده باشند؛ بنابراین مراقب باشید که به آمارهای نادرست یا «زامبی» جان دوباره ندهید. حتی آمارهای جذاب هم باید به‌دقت بررسی شوند. برخی آمارهای نادرست همچنان در منابع معتبر دیده می‌شوند. مثلاً ادعای «کاهش دامنه توجه انسان به کمتر از ماهی قرمز» یا «انسان‌ها تنها از ۱۰ درصد مغز خود استفاده می‌کنند» هر دو نادرست هستند، اما همچنان نقل می‌شوند.
بهترین راهکار: از ابزارهای راستی‌آزمایی استفاده کنید یا در جستجوی خود از عبارات «بررسی‌شده» یا «نادرست بودن» استفاده کنید. اگر آمار را نتوانستید به منبعی معتبر (مانند مؤسسات تحقیقاتی مستقل مثل پیو، مجلات دانشگاهی یا مطالعات علمی معتبر منتشرشده قبل از سال ۲۰۲۵) ارجاع دهید، از آن استفاده نکنید.
مثال عملی: مدیر عامل شما می‌خواهد بگوید «۸۰ درصد جوانان زیر ۳۰ سال اخبار خود را از تیک‌تاک می‌گیرند». یک بررسی سریع نشان می‌دهد آمار واقعی حدود ۴۰ درصد است. با این بررسی ساده از بروز اشتباه و از دست دادن اعتبار جلوگیری کرده‌اید.
یا فرض کنید به آماری برخوردید که می‌گوید «۹۷ درصد مشتریان بانکداری مبتنی بر بلاکچین را می‌خواهند». این آمار بسیار جذاب به نظر می‌آید؛ تا زمانی که متوجه می‌شوید این نظرسنجی توسط یک استارت‌آپ بلاکچین از کاربران خودش انجام شده است. در نتیجه از انتشار این آمار صرف‌نظر می‌کنید.
۳. مراقب سوگیری دیده‌شدن و اطلاعات تولیدشده توسط هوش مصنوعی باشید
هرگز به خلاصه‌های هوش مصنوعی موتورهای جستجو اعتماد کامل نکنید و همیشه منبع اصلی را خودتان بررسی کنید. هوش مصنوعی به‌راحتی ممکن است اطلاعات نادرست، نقل قول‌های اشتباه یا جزئیات خیالی را تولید کند.
خطای رایج دیگر: اگر از هوش مصنوعی بخواهید تا مطالعه موردی (case study) بنویسد، ممکن است داده‌ها و نقل قول‌هایی بسازد که واقعی نیستند. حتماً مطمئن شوید تمام اطلاعاتی که هوش مصنوعی ارائه می‌دهد، از سوی خود شما ارائه شده باشند.
بهترین راهکار: هرگز به آمارها، ادعاها یا نقل‌قول‌های ارائه‌شده توسط هوش مصنوعی اعتماد نکنید مگر اینکه آنها را شخصاً تأیید کرده باشید.
مثال عملی: هوش مصنوعی گزارش می‌دهد یک خبرنگار اعلام کرده سازمان شما تحت تحقیقات فدرال است. پس از بررسی اصل مقاله مشخص می‌شود که این تحقیقات در مورد کل صنعت است، نه سازمان شما. این بررسی به‌سادگی از یک بحران روابط عمومی جلوگیری می‌کند.
۴. داده‌های فریبنده در نمودارها را تشخیص دهید
یک نمودار خوب طراحی‌شده ممکن است داده‌ها را معتبر جلوه دهد، حتی اگر گمراه‌کننده باشد. مراقب ترفندهایی مثل محورهای Y کوتاه‌شده، بازه‌های زمانی گزینشی و نمودارهایی که همبستگی را به عنوان رابطه علت و معلولی نشان می‌دهند باشید.
بهترین راهکار: همیشه مجموعه داده‌های کامل و منبع اصلی را بررسی کنید. اگر نموداری بیش از حد افراطی به نظر می‌رسد، کمی عقب‌تر بروید و ببینید چه اطلاعاتی از دید شما پنهان شده است.
به طور خلاصه، پیش از انتشار محتوا همیشه از خود بپرسید:
- منبع این مطلب چیست؟ منبع اصلی یا خلاصه‌ای از منبعی دیگر؟
- چه کسی از این ادعا سود می‌برد؟ آیا پژوهش بی‌طرفانه است یا بازاریابی هدفمند؟
- آیا قبلاً رد شده است؟ عبارت «ادعا + بررسی‌شده» را جستجو کنید.
- آیا این تصویر کاملی است یا تنها بخشی گزینشی از ماجرا؟
اگر نمی‌توانید به این سوالات به وضوح پاسخ دهید، از انتشار آن محتوا خودداری کنید. در ارتباطات، اعتبار مهم‌ترین سرمایه است و اطلاعات نادرست و هوش مصنوعی به‌راحتی می‌توانند این اعتبار را نابود کنند. تنها راه حفظ اعتبار، راستی‌آزمایی دقیق مانند یک روزنامه‌نگار است.