چرا چت‌جی‌پی‌تی جواب‌های کلیشه‌ای و تکراری می‌دهد؟ ترفندهایی طلایی برای نجات استارتاپ‌ها

اوپن‌ای‌آی (OpenAI) اعلام کرده که چت‌جی‌پی‌تی (ChatGPT) اکنون به بیش از ۹۰۰ میلیون کاربر هفتگی رسیده که بیش از ۹ میلیون مشترک پولی شرکتی را شامل می‌شود؛ مقیاسی فوق‌العاده عظیم که نشان می‌دهد این مدل طوری بهینه‌سازی شده تا یک «کاربر میانگین» را راضی نگه دارد، نه لزوماً نیازهای خاص شرکت شما را! دقیقاً به همین خاطر است که توصیه‌های آن اغلب کلی، بی‌خاصیت و شبیه حرف‌های تکراری اینترنت به نظر می‌رسند.

بنیان‌گذاران و کارآفرینان پاسخ‌های کلیشه‌ای دریافت می‌کنند چون چت‌جی‌پی‌تی از طریق یادگیری تقویتی با بازخورد انسانی (RLHF) آموزش دیده تا پاسخ‌هایی بسازد که برای میانگین ارزیاب‌ها در میان میلیون‌ها مکالمه خوشایند باشد؛ نه به این دلیل که هوش مصنوعی توانایی درک یک بیزینس خاص را ندارد. راه‌حل غلبه بر این وضعیت در سه ابزار نهفته است: دستورالعمل‌های سفارشی (Custom Instructions)، پروژه‌های چت‌جی‌پی‌تی (ChatGPT Projects) و پرامپت‌هایی که اطلاعات و کانتکست واقعی کسب‌وکار را دودستی تقدیم مدل می‌کنند، به جای اینکه از آن بخواهند وضعیت شرکت را حدس بزند.

چرا بنیان‌گذاران در وهله اول از چت‌جی‌پی‌تی جواب‌های کلیشه‌ای می‌گیرند؟

تولید خروجی‌های کلیشه‌ای و تکراری یک نقص فنی یا باگ نیست؛ بلکه رفتار از پیش طراحی‌شده‌ای است که اوپن‌ای‌آی در تنظیمات مدل برای رویارویی با کاربران ناشناس تعبیه کرده است.

در طول دوره آموزش، ارزیاب‌های انسانی چندین پاسخ خروجی چت‌جی‌پی‌تی را با هم مقایسه و رتبه‌بندی می‌کنند و یک مدل پاداش (Reward Model) یاد می‌گیرد پیش‌بینی کند که عموم افراد چه سبکی از پاسخ را بیش‌تر می‌پسندند. این مدل پاداش—که با جزئیات کامل در مقاله پژوهشی InstructGPT اوپن‌ای‌آی شرح داده شده—طراحی شده تا خروجی‌هایی را اولویت دهد که طیف وسیعی از ارزیاب‌ها را خشنود کند، نه نیازهای خاص یک کاربر ویژه را. اگر در یک صفحه چت تازه و دست‌نخورده بنویسید «چطور استارتاپم را رشد دهم؟»، هوش مصنوعی هیچ اطلاعی ندارد که شما یک شرکت نرم‌افزاری ابری (SaaS) سه‌نفره دارید یا یک کسب‌وکار مشاوره تک‌نفره؛ در نتیجه مستقیماً سراغ پاسخی می‌رود که برای همه درست به نظر برسد و خطایی در آن نباشد. به همین دلیل است که چت‌جی‌پی‌تی به سوالات تخصصی کسب‌وکارها پاسخ‌های عمومی می‌دهد: مدل در حال بازی با احتمالات آماری در میان همه کارآفرینانی است که تا به حال سوال مشابهی پرسیده‌اند!

محدودیت پنجره زمینه (Context Window) این چالش را دوچندان می‌کند. تا زمانی که دقیقاً در همان گفتگو نگویید چه کسی هستید و چه شرایطی دارید، مدل در هر چت همه‌چیز را از نقطه صفر آغاز می‌کند. تا وقتی که اطلاعات کلیدی را در محیطی نگذارید که مدل بتواند آن را مرور کند، هوش مصنوعی هیچ تصویر ماندگاری از مرحله رشد کسب‌وکار، کشش بازار یا محدودیت‌های منابع شما نخواهد داشت.

میانگین‌گیری آماری؛ پشت‌پرده تولید پاسخ‌های کلیشه‌ای در چت‌جی‌پی‌تی

مدل‌های زبانی بزرگ کلمه یا توکن بعدی را بر پایه بالا‌ترین احتمال آماری با توجه به تمام متن‌های قبلی پیش‌بینی می‌کنند. وقتی میلیون‌ها پرسش تجاری را روی هم بگذارید، از لحاظ آماری امن‌ترین پاسخ ترکیبی از تمام جواب‌های ممکن در وب می‌شود؛ به همین دلیل است که عباراتی مثل «مخاطب خود را بشناسید» و «محتوای باارزش‌تری تولید کنید» پای ثابت همه پاسخ‌ها هستند. این عملکرد واقعی میانگین‌گیری احتمالات است و خروجی مستقیم یک پرامپت سیستمی محسوب می‌شود که هیچ داده واقعی از بیزینس شما دریافت نکرده است.

به همین خاطر است که پرامپت‌نویسی زنجیره افکار (Chain-of-Thought) بیش‌تر از آنچه تصور می‌شود برای مدیران استارتاپ اهمیت دارد. وقتی به جای یک سوال مبهم، از چت‌جی‌پی‌تی می‌خواهید گام‌به‌گام داده‌های واقعی شما—مثل نرخ نگه‌داشت مشتری، نرخ سوخت سرمایه (Burn Rate) و سگمنت‌های فعلی مشتریان—را تحلیل کند، آن را از میانگین آماری بیرون می‌کشید و به سمت یک تحلیل واقعی سوق می‌دهید. تکنیک نقش‌دهی (Role Prompting) نیز اثر مشابهی دارد؛ اگر به مدل بگویید «در نقش یک مشاور جذب سرمایه مرحله Seed برای استارتاپ‌های B2B SaaS شاخص‌های مرا بررسی کن»، توزیع توکن‌ها به سمت بخش بسیار دقیق‌تر و مرتبط‌تری از داده‌های آموزشی مدل محدود می‌شود تا اینکه یک سوال ساده و عمومی بپرسید.

هیچ‌یک از این موارد به این معنا نیست که مدل ادای هوشمندی را درمی‌آورد! بلکه به این معنی است که تنظیمات پیش‌فرض برای «هیچ‌کسِ به خصوصی» طراحی شده و زحمت ارائه اطلاعات دقیق و شفاف، کاملاً بر عهده کاربری است که کلمات را تایپ می‌کند.

چگونه از شر پاسخ‌های کلیشه‌ای خلاص شویم؟ راه‌حل طلایی برای بنیان‌گذاران

سریع‌ترین راه برای رهایی از خروجی‌های کلیشه‌ای این است که در هر چت جدید از صفر شروع نکنید. اوپن‌ای‌آی دقیقاً برای حل همین مشکل سه ابزار مجزا ساخته است، اما بیش‌تر بنیان‌گذاران از هیچ‌کدام به شیوه درست استفاده نمی‌کنند.

در عمل، تفاوت واقعی این سه ابزار به شرح زیر است:

دستورالعمل‌های سفارشی؛ نخستین گام شما برای استفاده تجاری

دستورالعمل‌های سفارشی (Custom Instructions) به شما اجازه می‌دهند پروفایلی پایدار بسازید که روی تک‌تک چت‌های جدید اعمال می‌شود؛ قابلیتی که اوپن‌ای‌آی عرضه کرد تا افراد مجبور نباشند اطلاعات کسب‌وکار خود را در هر مکالمه تکرار کنند. برای یک بنیان‌گذار، این یعنی وارد کردن مرحله رشد استارتاپ، نوع صنعت، مشتری هدف و اولویت‌های جاری یک‌بار برای همیشه؛ تا اگر روزی درباره قیمت‌گذاری یا استخدام سوال کردید، پاسخ بر اساس واقعیت‌های واقعی شرکت شما تنظیم شود، نه یک قالب عمومی و بی‌خاصیت.

یک ساختار عملی برای تنظیم این دستورالعمل‌ها به این شکل است: در کادر «دوست دارید چت‌جی‌پی‌تی چه چیز‌هایی درباره شما بداند؟»، نام شرکت، مرحله فعلی، درآمد ماهانه یا تعداد کاربر، اندازه تیم و سه شاخص عملکردی (KPI) اصلی را بنویسید. در کادر دوم مشخص کنید مدل چطور باید رفتار کند: از آن بخواهید مقدمه‌چینی‌های بیهوده و سلب مسئولیت را کنار بگذارد، محدودیت‌های مالی استارتاپ را در نظر بگیرد و به جای تایید کورکورانه، استدلال‌های ضعیف شما را به چالش بکشد. همین یک گام به ظاهر ساده پاسخ‌های اختصاصی و دقیقی برایتان می‌آورد، بدون اینکه نیاز به تایپ مجدد مشخصات شرکت داشته باشید.

حافظه و شخصی‌سازی چت‌جی‌پی‌تی؛ هوش مصنوعی واقعاً چه چیز‌هایی را به خاطر می‌سپارد؟

حافظه چت‌جی‌پی‌تی برعکس دستورالعمل‌های سفارشی کار می‌کند؛ زیرا جزئیات را به مرور در جریان مکالمات روزمره جمع‌آوری می‌کند و نیازی به وارد کردن دستی از ابتدا ندارد. اگر این هفته درباره اسلایدهای جذب سرمایه (Pitch Deck) بپرسید و هفته آینده درباره پلن استخدام نیرو گپ بزنید، مدلی که حافظه‌اش فعال باشد می‌تواند بدون نیاز به توضیح، این دو موضوع را به هم متصل کند.

البته این ویژگی به قیمت کنترل کم‌تر تمام می‌شود. سیستم حافظه و شخصی‌سازی به مرور یک پروفایل از شما می‌سازد که بسیار کارآمد است، اما ممکن است به اطلاعات قدیمی—مثلاً تعداد نیروهای شرکت در سه ماه قبل—بچسبد، مگر اینکه هرازگاهی به بخش تنظیمات بروید و داده‌های ذخیره‌شده را بازبینی و اصلاح کنید. برای استارتاپ‌های پرسرعت، این یعنی باید هر چند هفته یک‌بار حافظه چت‌جی‌پی‌تی را درست مثل اطلاعات یک سامانه CRM بررسی و پاک‌سازی کرد.

پروژه‌های چت‌جی‌پی‌تی؛ صندوقچه امن داده‌های کاری برای کارآفرینان

قابلیت پروژه‌ها (ChatGPT Projects) چالش دیگری را حل می‌کند: مستقل نگه‌داشتن هر لاین کاری. پروژه‌ه�� چت‌ها، فایل‌ها و دستورالعمل‌های مرتبط را در یک محیط اختصاصی جمع می‌کنند تا چت‌جی‌پی‌تی همیشه به زمینه همان کار دسترسی داشته باشد؛ قابلیتی که برای بنیان‌گذارانی که هم‌زمان درگیر جذب سرمایه، برنامه ورود به بازار (GTM) و گزارش‌های هیئت‌مدیره هستند نقشی حیاتی دارد.

ایده‌آل‌ترین ساختار این است که برای هر جریان اصلی کاری یک پروژه مجزا بسازید. فایل جدول سهام (Cap Table)، ارائه معرفی استارتاپ و پیش‌نویس گزارش‌های سرمایه‌گذاران را در پروژه‌ای به نام «جذب سرمایه» قرار دهید تا تمام چت‌های داخل آن پوشه، این داده‌ها را به ارث ببرند. پروژه دیگری برای «ورود به بازار» (GTM) باز کنید و یادداشت‌های پرسونای مشتریان هدف (ICP) و گزارش کانال‌های بازاریابی را در آن بگذارید؛ در این صورت چت‌جی‌پی‌تی ادبیات جذب سرمایه را به مشاوره‌های بازاریابی وارد نمی‌کند. این بهترین چیدمان برای استراتژی استارتاپی است چون با نحوه واقعی مدیریت کار‌ها مطابقت دارد، به جای اینکه همه اسناد را در یک گفتگوی بی سر و ته و آشفته رها کنید.

پرامپت‌های اثبات‌شده چت‌جی‌پی‌تی برای بنیان‌گذاران استارتاپ

پرامپت‌های قدرتمند، حقایقی را در ابتدای پیام قرار می‌دهند که پرامپت‌های معمولی از آن‌ها غافلند: مرحله رشد، کشش بازار (Traction) و محدودیت‌ها. به جای اینکه بپرسید «چگونه محصولم را قیمت‌گذاری کنم؟»، این پرامپت را امتحان کنید: «من یک ابزار تحلیلی B2B با ۱۴ ماه سابقه دارم که به درآمد مکرر ماهانه (MRR) معادل ۸ هزار دلار رسیده و ۴۰ مشتری با پلن ۹۹ دلاری دارد؛ اخیراً سه مشتری سازمانی خواستار قراردادهای سالانه شده‌اند. دو ساختار قیمت‌گذاری و مزایا و معایب هرکدام را با در نظر گرفتن یک تیم دونفره پیشنهاد بده.» این پرامپت دقیقاً همان کاری را می‌کند که دستورالعمل‌های سفارشی به تنهایی از عهده آن برنمی‌آیند؛ چرا که به طور خاص روی همین تصمیم تمرکز دارد، نه کلیت کسب‌وکار.

تکنیک پرامپت‌نویسی با چند نمونه (Few-Shot Prompting) برای کار‌های تکراری مثل نوشتن گزارش به سرمایه‌گذاران فوق‌العاده است: کافی است دو گزارش قبلی مورد پسندتان را کپی کرده و از چت‌جی‌پی‌تی بخواهید گزارش این ماه را با همان ساختار و لحن بنویسد. پرامپت‌نویسی زنجیره‌ای (Prompt Chaining) نیز برای آماده‌سازی جلسات هیئت‌مدیره عملکردی عالی دارد: ابتدا بخواهید شاخص‌های شما را خلاصه کند، سپس در ادامه چت بخواهید آن خلاصه را به سه ریسک احتمالی که اعضای هیئت‌مدیره ممکن است مطرح کنند تبدیل نماید، و در گام بعد راهکارهای پیشنهادی را بخواهید. شکستن یک درخواست بزرگ به چند گام متصل به هم، هسته اصلی مهندسی پرامپت است که اغلب بنیان‌گذاران به اشتباه سعی دارند همه‌چیز را در یک پیام خلاصه کنند.

جی‌پی‌تی‌های سفارشی (Custom GPTs) با جاسازی این ساختارها در یک ابزار قابل استفاده مجدد، ماجرا را فراتر می‌برند. بنیان‌گذاری که گزارش‌های مداوم ارائه می‌دهد، می‌تواند یک Custom GPT بسازد که فرمت و لحن شرکت از قبل در آن بارگذاری شده باشد؛ بدین ترتیب همه اعضای تیم بدون نیاز به توضیح دوباره بستر کاری، پیش‌نویس‌های یکدست تحویل می‌گیرند.

کجا چت‌جی‌پی‌تی هنوز کم می‌آورد؟ (و چه باید کرد)

پرامپت‌نویسی دقیق، تناسب لحن و عمق پاسخ‌ها را برطرف می‌کند، اما هرگز جایگزین قضاوت واقعی در تصمیمات حساس و پرریسک نمی‌شود. یک نظرسنجی در سال ۲۰۲۶ توسط LegalZoom میان ۱۰۰۰ بنیان‌گذار و صاحب کسب‌وکار نشان داد که اگرچه ۷۳ درصد از چت‌جی‌پی‌تی استفاده می‌کنند و ۴۲ درصد استفاده روزانه دارند، اما وقتی ریسک‌های حقوقی یا مالی جدی به میان می‌آید، کارآفرینان هنوز هم به متخصصان انسانی رجوع می‌کنند. یکی از این بنیان‌گذاران این مسأله را به روشنی بیان کرده است: «از همان ابتدا متوجه شدم جاهایی وجود دارد که هوش مصنوعی کافی نیست» و مشخصاً به ساختار حقوقی شرکت به عنوان حوزه‌ای اشاره کرد که برای آن حتماً از وکیل کمک گرفته است.

علاوه بر این، نظرسنجی Clarify Capital در سال ۲۰۲۶ از میان ۲۵۵ صاحب کسب‌وکار نشان داد تنها ۸ درصد از بنیان‌گذاران خود را «پذیرندگان پیشرو» هوش مصنوعی در استراتژی و عملیات می‌دانند و ۵۵ درصد صرفاً برای امور روتین به آن متکی هستند. این فاصله بسیار معنادار است. دستورالعمل‌های سفارشی و پروژه‌ها چت‌جی‌پی‌تی را در نگارش متن، خلاصه‌سازی و ساختار دادن به ایده‌ها تیز و چابک می‌کنند، اما جایگزین وکیلی که جدول سهامداری را بررسی کند یا حسابداری که نرخ هزینه‌کرد را محاسبه نماید نخواهند شد. اگر فرضیات غلطی به دستورالعمل‌های سفارشی بدهید، مدل با اطمینان کامل روی همان فرضیات اشتباه تحلیل می‌سازد، چرا که هیچ ابزاری برای راستی‌آزمایی فکت‌های شما ندارد.

راه‌حل نهایی؛ نظم و استمرار، نه یک پرامپت جادویی یک‌باره!

رهایی از پاسخ‌های خسته‌کننده چت‌جی‌پی‌تی با یک فرمول طلایی یک‌باره ممکن نمی‌شود؛ این کار نیازمند ایجاد یک سیستم است: دستورالعمل‌های سفارشی برای داده‌های پایدار، حافظه برای تداوم زمینه مکالمات، پروژه‌ها برای تفکیک جریان‌های کلیدی و پرامپت‌های اختصاصی برای تصمیمات مهم. همین هفته برای پرریسک‌ترین کار خود—چه جذب سرمایه باشد و چه استراتژی بازاریابی—یک پروژه جدید بسازید و قبل از هر درخواستی، اطلاعات و ارقام واقعی‌تان را در آن بارگذاری کنید. تفاوت بین مشاوره‌ای که به درد همه می‌خورد با توصیه‌ای که دقیقاً مشکل شما را حل می‌کند، تنها به کانتکستی بستگی دارد که در اختیار هوش مصنوعی گذاشته‌اید، نه اینکه مدل چقدر باهوش است!