چتباتها چهرهدار میشوند؛ آیا آواتارهای شبهانسانی اعتماد ما به هوش مصنوعی را بیشتر میکنند؟
با مجهز شدن چتباتها و ایجنتهای هوش مصنوعی به چهرههای شبهانسانی، این پرسش مطرح میشود که آیا ظاهر انسانی واقعاً اعتماد کاربران را افزایش میدهد؟ کارشناسان معتقدند درک واقعی دغدغههای کاربر و ایجاد حس آشنایی، نقشی بسیار عمیقتر از چهرههای واقعگرایانه در اعتمادسازی ایفا میکنند.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- چهره شبهانسانی جذابیت اولیه تعامل را بالا میبرد، اما اگر میمیک یا ریتم پاسخگویی مدل طبیعی نباشد، با ورود به «دره وهمی» حس ناخوشایندی ایجاد خواهد کرد.
- کاربران حتی با آگاهی از غیرواقعی بودن چتبات، غرایز اجتماعی خود را با تشکر و عذرخواهی بروز میدهند و بیش از گذشته تصمیمگیریهای روزمره را به مدلها میسپارند.
- اعتماد واقعی به هوش مصنوعی زمانی حاصل میشود که سیستم نیازهای کاربر را دقیق درک کند، عملکردی باثبات داشته باشد و امکان بازبینی انسانی خطاها در آن پیشبینی شود.
فیلمهای علمیتخیلی دهههای گذشته، آیندهای دوردست را به تصویر میکشیدند که در آن انسانها مدام با آواتارهای هوش مصنوعی گفتوگو میکنند.
امروز در سال ۲۰۲۶، آن سناریوی آیندهنگرانه به واقعیتی روزمره تبدیل شده است. چتباتها و ایجنتهای هوش مصنوعی مانند Muse متا، کوپایلوت مایکروسافت و Dots اوپنایآی، اکنون به چهره و آواتارهایی مجهز شدهاند تا کاربران در تعامل با آنها احساس راحتی بیشتری داشته باشند. شرکتها نیز با ادغام ویژگیهای شبهانسانی در فرآیندهای خود، از غربالگری متقاضیان استخدام با چتباتها گرفته تا بهکارگیری ایجنتها بهعنوان ابزارهای کاری روزمره کارمندان، گامهای بزرگی در این مسیر برداشتهاند.
بر اساس دادههای سال ۲۰۲۶ مرکز پژوهشی پیو (Pew Research Center)، حدود نیمی از بزرگسالان در ایالات متحده از چتباتهای هوش مصنوعی استفاده میکنند و ۳۸ درصد از شاغلان نیز برای انجام وظایف شغلی خود به این ابزارها متکی هستند. همزمان با رشد ابزارهایی که برای تعامل با انسان از چهره و فناوریهای بازشناسی بصری بهره میبرند، دو پرسش اساسی مطرح میشود: آیا داشتن چهره بهتنهایی پذیرش هوش مصنوعی را بیشتر میکند؟ و آیا آواتار یک مدل هوش مصنوعی برای اعتمادسازی، لزوماً باید حسی صمیمی، ملموس و دردسترس منتقل کند؟
آریل هیترون، مدیرعامل و همبنیانگذار Second Nature (شرکتی که پرسوناهای مکالمهمحور هوش مصنوعی را برای آموزش سازمانی در شرکتهای بزرگ توسعه میدهد)، به بررسی ابعاد گوناگون این پدیده پرداخته است.

در طراحی پرسونای هوش مصنوعی چه عاملی اهمیت بیشتری دارد: ظاهر شبیه انسان، رفتار انسانی، یا ایجاد این حس در مخاطب که کاملاً درک شده است؟
مهمترین عامل این است که مخاطب حس کند درک شده است. کاربران در حال حاضر گفتوگوهای بسیار عمیق و شخصی خود را با ابزارهایی مانند ChatGPT و Claude به انجام میرسانند، بدون آنکه چهرهای انسانی روی صفحه نمایش حضور داشته باشد. آنچه واقعاً اهمیت دارد این است که هوش مصنوعی معنای صحبتهای شما را بفهمد و پاسخی ارائه دهد که متناسب و ملموس باشد.
یک پرسونای شبهانسانی میتواند کمککننده باشد، بهویژه زمانی که در پلتفرمی مانند Second Nature در حال تمرین مکالمه با یک آواتار هوش مصنوعی هستید. اما باید در نظر داشت هرچه آواتار شباهت بیشتری به انسان داشته باشد، انتظار کاربران برای رفتار کاملاً طبیعی از آن نیز بالاتر میرود. اگر میمیک چهره، هماهنگی زمانی یا نحوه پاسخگویی آن ناهماهنگ باشد، بلافاصله وارد محدوده «دره وهمی» (Uncanny Valley) میشوید؛ وضعیتی که حس ناخوشایندی ایجاد میکند و تمرکز کاربر را برهم میزند. چهره و ویدیو میتوانند فرد را به شروع مکالمه ترغیب کنند، اما این کیفیت تعامل است که او را در گفتوگو نگه میدارد.
مدل Muse متا با چهرهای دوستانه و ویدیوی زنده قصد دارد هوش مصنوعی را دستیافتنیتر کند. آیا چهره دادن به هوش مصنوعی واقعاً اعتماد میآفریند، یا فقط کاربران را وادار میکند به سیستمی اعتماد کنند که هنوز شایستگیاش را اثبات نکرده است؟
فرم و ظاهر آواتار هوش مصنوعی باید متناسب با مخاطب و هدف نهایی آن باشد. در پلتفرم Second Nature استفاده از آواتار انسانی کاملاً منطقی است، چراکه افراد در حال تمرین مکالمات فروش هستند و در نهایت باید با انسانهای واقعی وارد گفتوگو شوند. اما برای دستیاری روزمره که وظیفهاش بررسی ایمیلها یا رزرو میز شام است، یک کاراکتر انیمیشنی و صمیمی کفایت میکند. یک آواتار واقعگرایانه سطح انتظارات را بهشدت بالا میبرد، زیرا افراد انتظار دارند حرکات چهره، ریتم زمانی و پاسخهای آن دقیقاً با ظاهرش همخوانی داشته باشد.
اعتماد فراتر از ظاهر شکل میگیرد. کاربران برای اعتماد به هوش مصنوعی باید مطمئن شوند مدل آنها و نیازهایشان را بهخوبی میشناسد. سیستم باید زمینه (کانتکست) عمیقی از کاربر در اختیار داشته باشد تا فرد ناچار نشود در هر تعامل، تمام اطلاعات را از ابتدا تکرار کند. این تفاوت، دقیقاً شبیه تفاوت همکلام شدن با دوستی دیرینه در مقایسه با یک غریبه است؛ و همین حس آشنایی است که اعتماد پایدار میآفریند.
هنگامی که افراد بهجای چتبات متنی با یک پرسونای شبهانسانی روبهرو میشوند، چه تغییراتی در میزان اشتراکگذاری دادهها و پاسخ به پرسشهای دشوار نشان میدهند؟
در آزمایشها مشاهده کردهایم که کاربران به شوخیهای آواتار هوش مصنوعی میخندند و رفتارهایی کاملاً مشابه یک گفتوگوی انسانی بروز میدهند. ما این موضوع را در ابعاد گستردهای سنجیدهایم؛ هرگاه آواتار شباهت بیشتری به انسان پیدا میکند، کاربران با همدلی و گشودگی بیشتری وارد مکالمه میشوند، عباراتی مانند «درکت میکنم» را به کار میبرند، با پرسشهایی نظیر «امروز چطوری؟» و «از دیدنت خوشحالم» صمیمیت ایجاد میکنند و بارها از سیستم تشکر میکنند.
البته تمایل افراد برای بیان احساسات و اطلاعات، به کیفیت مکالمه هوش مصنوعی نیز بستگی دارد؛ اینکه آیا مدل سؤالات مرتبط مطرح میکند، پاسخهای سنجیده میدهد و فضایی امن میسازد تا فرد بهراحتی به اشتباهات کاری خود اعتراف کند یا درخواست راهنمایی داشته باشد. چهره شبهانسانی زمینه مناسبی برای شبیهسازی مکالمه فراهم میکند، اما احساس راحتی برای بیان ناگفتهها به عواملی بسیار فراتر از ظاهر آواتار وابسته است.

غیرمنتظرهترین نکتهای که از رفتار انسانها هنگام تعامل با آواتارهای هوش مصنوعی دیدهاید چیست؟ آیا این موضوع میتواند هشداری برای بازنگری در میزان صمیمیت با این فناوری باشد؟
شگفتانگیزترین نکته این است که گفتوگو با آواتار هوش مصنوعی چقدر سریع به امری عادی و روزمره تبدیل میشود. شما میدانید در حال صحبت با یک نرمافزار هستید، اما بهمحض ورود به جریان مکالمه، بعد فنی ماجرا را فراموش میکنید.
تمام کاربرانی که با پلتفرم Second Nature کار میکنند بهخوبی میدانند طرف مقابل آنها یک هوش مصنوعی است. بااینحال در بیش از چهار مکالمه از هر پنج مکالمه تمرینی، افراد از آواتار تشکر میکنند. یکسوم آنها از آن عذرخواهی میکنند و تقریباً نیمی از افراد پیش از قطع تماس، خداحافظی کرده یا روز خوبی را برایش آرزو میکنند. جالبتر اینکه تقریباً هیچکس از نقش خارج نمیشود؛ در میان دهها هزار گفتوگوی ثبتشده، تعداد دفعاتی که فردی پرسیده باشد «آیا تو ربات هستی؟» عملاً نزدیک به صفر بوده است.
همچنین مشاهده میکنیم وقتی افراد میدانند فرصتهای نامحدودی برای تمرین دارند، تمایل شدیدی به کمالگرایی پیدا میکنند. حدود یکچهارم از کاربرانی که امتیاز ۹۰ یا بالاتر کسب میکنند، بلافاصله به ابتدای سناریو بازمیگردند تا همان ایفای نقش را مجدداً تکرار کنند.
غرایز اجتماعی انسانها فارغ از اینکه طرف گفتوگو واقعاً انسان باشد یا خیر، بیدرنگ فعال میشوند. به همین دلیل است که چنین تمرینهایی اثربخش واقع میشوند، زیرا عضلات عاطفی واقعی انسان را به کار میگیرند. از سویی دیگر، این موضوع نشان میدهد که صنعت هوش مصنوعی باید نسبت به کاربران کاملاً شفاف عمل کند. ابزارهای هوش مصنوعی باید همیشه برچسب مشخصی داشته باشند و در راستای منفعت کاربر به کار گرفته شوند، نه برای سوءاستفاده از واکنشهای غریزی او. میزان راحتی افراد با این ابزارها باید بر اساس کاربرد واقعی سیستم تعیین شود، نه صرفاً بهدلیل حس انسانی ظاهر آن.
با ورود مربیان و دستیاران هوش مصنوعی به سازمانها، آیا ممکن است کارمندان به بازخوردهای هوش مصنوعی بیشتر از مدیران خود اعتماد کنند؟ اگر سیستم ارزیابی اشتباهی ارائه دهد چه رخ خواهد داد؟
بله، بهویژه در موقعیتهایی که افراد احساس آسیبپذیری و ضعف میکنند. برای یک کارمند دشوار است که به مدیر خود بگوید در انجام کاری با چالش روبهرو شده یا یک سؤال را برای بار سوم تکرار کند. یک مربی هوش مصنوعی محیطی امن فراهم میآورد تا افراد بدون نگرانی از قضاوت مدیر، درخواست کمک کنند، مهارتهایشان را بیازمایند و به آرامش خاطر برسند.
در یک تجربه ملموس، یکی از مدیران فروش در آخرین روز فصل مالی که با استرس فراوان برای بستن قرارداد تلاش میکرد، سراغ مربی هوش مصنوعی رفت. سیستم راهکارهایی دقیق و کاربردی پیش پای او گذاشت و همین راهنماییها باعث آرامش او شد. فرآیند فروش میتواند بسیار پرتنش باشد و افراد گاهی همانقدر که به راهنمایی نیاز دارند، به اطمینان خاطر محتاجند.
یکدستی و ثبات در ارزیابی نیز اهمیت بالایی دارد. مدیری که ۲۵ مکالمه تمرینی را بررسی میکند، در بررسی موارد پایانی دچار خستگی و افت تمرکز میشود؛ درحالیکه هوش مصنوعی معیارهای یکسانی را در سراسر فرآیند بدون تغییر پیاده میکند. این ویژگی اطمینان به بازخوردها را افزایش میدهد؛ اما ثبات در بازخوردها به معنای بینقص بودن همیشگی سیستم نیست.
هنگامی که هوش مصنوعی دچار خطای تحلیلی میشود، کاربران باید امکان اعتراض داشته باشند. ما در Second Nature از فرآیند «انسان در چرخه» (Human-in-the-Loop) بهره میبریم؛ سازوکاری که به کاربر اجازه میدهد به بازخورد سیستم اعتراض کند تا یک کارشناس انسانی آن را بازبینی کرده و در صورت لزوم تغییر دهد. این رویه فرصتی برای شناخت کاستیها و ارتقای سیستم نیز مهیا میسازد؛ زیرا اعتماد واقعی زمانی ریشه میدواند که ارزیابیها قابل بازنگری باشند.

با پیشرفت روزافزون آواتارها، نگاه جامعه به آنها چگونه خواهد بود: ابزار، همکار، مربی یا همدم؟ بزرگترین تحول رفتاری که کاربران و کسبوکارها هنوز برای آن آماده نیستند چیست؟
تمام این نقشها محتمل است. رویکرد افراد به هوش مصنوعی بسته به نیاز لحظهای آنها تغییر میکند. یک فرد ممکن است از این فناوری بهعنوان ابزاری برای انجام وظایف، همکاری برای پیشبرد ایدهها، مربی برای تمرین مکالمات دشوار یا همدمی برای همصحبتی استفاده کند.
بزرگترین تغییری که اهمیت آن هنوز دستکم گرفته میشود، حجم تصمیمگیریهایی است که انسانها به هوش مصنوعی واگذار خواهند کرد. امروز ممکن است از هوش مصنوعی بخواهید چند کالا را با یکدیگر مقایسه کند؛ اما در آینده نزدیک از آن میخواهید خودش بهترین گزینه را انتخاب کرده و مراحل خرید را نهایی کند. برای خرید مایحتاج روزمره، شاید قیمت و زمان تحویل برای شما مهم باشد، اما انتخاب نهایی میان فروشگاههای مختلف را با اطمینان به هوش مصنوعی میسپارید.
همین رویکرد در دنیای تجارت نیز اتفاق خواهد افتاد. یک ایجنت هوش مصنوعی که برای ارسال ایمیل به زیرساخت نیاز دارد، میتواند ارائهدهندگان خدمات را ارزیابی کند، سهولت اتصال نرمافزاری آنها را بسنجد و اشتراک مورد نظر را خریداری کند؛ تصمیمی تجاری که پیشتر تنها توسط نیروی انسانی گرفته میشد.
کسبوکارها باید آماده شوند تا هوش مصنوعی به بخش عمدهای از مخاطبان یا مشتریان آنها تبدیل شود؛ به این معنا که خدمات و کالاها باید برای ایجنتها کاملاً قابل کشف، آزمودن و خرید خودکار باشند. برای مصرفکنندگان نیز این پرسش پدید میآید که مایلند چه سطحی از تصمیمگیریها را برونسپاری کنند و در چه بخشهایی نظارت مستقیم را حفظ نمایند. اعتماد به هوش مصنوعی در حد گفتوگو یک موضوع است، اما سپردن تصمیمهای مالی و خرج کردن بودجه، مستلزم اعتمادی بنیادین به کل سیستم و شرکت توسعهدهنده آن خواهد بود.
این نگرانی وجود دارد که با برونسپاری تفکر به هوش مصنوعی، مهارتهایی چون تفکر انتقادی، حل مسئله یا ارتباط مؤثر آسیب ببینند. آیا وابستگی بیشازحد میتواند نوعی زوال شناختی بههمراه داشته باشد؟
اگر تمرین مهارتی را به این دلیل که هوش مصنوعی آن را انجام میدهد کنار بگذارید، بدون شک خطر تضعیف آن مهارت وجود دارد. اما نمیتوان این پدیده را زوال شناختی نامید و تاکنون نمونه نگرانکنندهای که چنین ادعایی را توجیه کند ندیدهام.
آنچه در حقیقت روی میدهد، تغییر در نوع مهارتهای کاربردی انسان است. همانگونه که ماشینحساب نحوه محاسبات را دگرگون کرد، هوش مصنوعی نیز روش مواجهه ما با مسائل را تغییر میدهد. امروزه ارزش اصلی در طرح سؤالات هوشمندانه، ارزیابی پاسخها، تلفیق دادهها و تصمیمگیری بر اساس آنها نهفته است؛ فعالیتهایی که همچنان به تفکر انتقادی عمیق نیاز دارند.
شاید کلیدیترین مهارت، شناخت دقیق مقصدی باشد که در پی دستیابی به آن هستید. هوش مصنوعی میتواند مسیر را پیشنهاد دهد و تکالیف را اجرا کند، اما این شما هستید که هدف را تعیین میکنید و میسنجید که آیا در مسیر درست قرار دارید یا خیر. اگر هوش مصنوعی با این رویکرد به کار گرفته شود، تقویت و شکوفایی مهارتهای انسانی کاملاً دستیافتنی خواهد بود.
در پلتفرم ما، هوش مصنوعی بستری برای تمرین تیمهای فروش و پشتیبانی فراهم میسازد. هنگامی که یک سناریوی فروش را با مشتریِ هوش مصنوعی تمرین میکنید، همچنان باید با تمرکز بشنوید، فیالبداهه فکر کنید، ابهامات را برطرف سازید و تعامل برقرار کنید. هوش مصنوعی صرفاً فرصت تمرین را مهیا میکند و این شما هستید که عمل میکنید؛ نتیجه این فرآیند، ارتقای محسوس توانمندیهای شغلی افراد خواهد بود.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

دیپسیک موتور اختصاصی اجرای مدل V4.1-Flash را با نام DeepInfer متنباز کرد
شرکت دیپسیک فریمورک پردازشی DeepInfer و کتابخانه deepseek-recipe را بهصورت متنباز منتشر کرد تا معماری زیرساخت اجرای مدل V4.1-Flash در دسترس عموم قرار گیرد. این اقدام دو بخش کلیدی از سرویس ابری این شرکت شامل نحوه اجرای مدل روی سختافزار و استانداردسازی ارتباط با API را شفاف میسازد.

تحول مصاحبههای استخدامی گوگل با هوش مصنوعی؛ سنجش تسلط به ابزارهای AI برای مهندسان نرمافزار اجباری شد
اسناد داخلی فاششده نشان میدهند گوگل در حال متحولکردن فرایند مصاحبههای استخدامی مهندسان نرمافزار است. غول فناوری اکنون تسلط به ابزارهای هوش مصنوعی را به معیاری ضروری تبدیل کرده و به متقاضیان اجازه میدهد حین مصاحبه از مدل هوش مصنوعی Gemini استفاده کنند.

دام تحول شتابزده؛ چرا سازمانها نباید پروژههای هوش مصنوعی و نوسازی IT را همزمان پیش ببرند؟
فشار فزاینده برای نوآوری و پیادهسازی ابزارهای هوش مصنوعی، بسیاری از سازمانها را به دام تحول شتابزده کشانده است. اجرای همزمان دگرگونیهای زیرساختی بدون نظارت کافی بر پیکربندی سیستمها، خطر قطعیهای گسترده و نشت امنیتی را افزایش میدهد. کارشناسان معتقدند نوسازی تدریجی و حفظ دیدهپذیری بر سامانهها، مطمئنترین راهکار برای عبور از این بحران است.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.