چرا استفاده از هوش مصنوعی در روابط‌عمومی موسیقی، اصالت و اثرگذاری پیام را کاهش می‌دهد؟
استفاده از هوش مصنوعی برای نگارش متن‌های روابط‌عمومی موسیقی می‌تواند به یکنواختی، کلی‌گویی و از بین رفتن جزئیات انسانی منجر شود؛ در حالی که روابط‌عمومی مؤثر موسیقی به روایت، جزئیات منحصربه‌فرد، احساس و نگاه شخصی نیاز دارد. هوش مصنوعی می‌تواند در کارهای مکانیکی و پیش‌نویس اولیه مفید باشد، اما جایگزین تجربه، شناخت اثر و توانایی انسان در بیان یک داستان واقعی نیست.

Bearded european businessman in dark suit isolated on turquoise background with megaphone shouting with serious angry face, asking for attention

🎵🤖 هوش مصنوعی و روابط عمومی موسیقی؛ وقتی سرعت جای داستان و اصالت را می‌گیرد

استفاده از هوش مصنوعی در نگارش روابط‌عمومی موسیقی می‌تواند فرایند تولید محتوا را سریع‌تر کند، اما اگر جایگزین شناخت اثر، تجربه انسانی و روایت منحصربه‌فرد شود، نتیجه ممکن است متن‌هایی کلیشه‌ای و شبیه به یکدیگر باشد. یک پیشنهاد رسانه‌ای مؤثر باید جزئیات واقعی و مشخصی ارائه کند که مخاطب را به شنیدن اثر ترغیب کند.


شبکه اطلاع‌رسانی روابط‌عمومی‌ ایران (شارا) اگر یک نویسنده حوزه موسیقی در طول یک ماه ده اطلاعیه خبری دریافت کند، احتمالاً متوجه موضوع عجیبی خواهد شد: همه آنها انگار توسط یک نفر نوشته شده‌اند.

نه به این دلیل که هنرمندان از یک مسئول روابط‌عمومی مشترک استفاده می‌کنند یا یک سبک نگارشی خاص میان آنها رایج شده است؛ بلکه به این دلیل که تعداد فزاینده‌ای از این متن‌ها، به‌طور کامل یا بخشی از آنها، با استفاده از همان چند دستور متداول هوش مصنوعی نوشته شده‌اند؛ دستورهایی که همگی بر پایه مجموعه مشابهی از اطلاعیه‌های خبری قبلی آموزش دیده‌اند و همان عبارت‌های کلیشه‌ای را بارها و بارها به کار می‌برند.

همکاران من در آمریکنای بریتانیا این عبارت‌ها را می‌شناسند: آلبومی که «تأثیرات مختلف را در هم می‌آمیزد»، ترانه‌سرایی که «از آشکار کردن روح خود هراسی ندارد» و آلبومی که «هم یک تغییر مسیر است و هم بازگشتی به فرم گذشته».

هیچ‌یک از این عبارت‌ها جدید نیستند. نگارش روابط‌عمومی همیشه تا حدی به عبارت‌های کوتاه و آماده متکی بوده است؛ اما آنچه تغییر کرده، سرعت و مقیاسی است که این عبارت‌های کلیشه‌ای اکنون با آن تولید می‌شوند و تأثیری است که این سرعت بر تمام نوشته‌های پیرامون موسیقی گذاشته است؛ از پیشنهادهای رسانه‌ای برای نقد آثار گرفته تا زندگی‌نامه هنرمندان در سرویس‌های پخش موسیقی.

مشکل پیشنهادهای رسانه‌ای

پیشنهاد رسانه‌ای در روابط‌عمومی، در شکل درست خود، همیشه نوعی تلاش کوچک برای متقاعد کردن بوده است. فردی موسیقی را گوش می‌کرد و سپس تلاش می‌کرد توضیح دهد چرا این ترانه‌سرا، با این اثر مشخص و در این مقطع خاص، شایسته چند صد کلمه در مجله‌ای است که مخاطبان به آن اعتماد دارند.

این کار به دیدگاه نیاز داشت.

حتی یک پیشنهاد رسانه‌ای ضعیف نیز انسانی پشت خود داشت؛ انسانی که می‌توانستید با نظر او مخالف باشید.

اما آنچه اکنون با سرعت بیشتری وارد صندوق‌های دریافت رسانه‌ها می‌شود، بیشتر شبیه متنی است که از دستوری تولید شده که در آن برچسب‌های ژانر موسیقی هنرمند و یک تصویر کلی از حال‌وهوای اثر وارد شده است.

اثر «از نظر صوتی غنی» است. ترانه‌ها «عمیقاً شخصی» هستند. هنرمند «از» فهرستی از تأثیرات موسیقایی بهره گرفته است؛ تأثیراتی که گاهی بیشتر حاصل ارتباط واژه‌ها با یکدیگرند تا اینکه واقعاً ارتباطی با مجموعه موسیقی مورد علاقه هنرمند داشته باشند.

هیچ‌کدام از این حرف‌ها دقیقاً اشتباه نیستند. مشکل این است که هیچ معنای مهمی منتقل نمی‌کنند.

پیشنهادی که می‌توان آن را درباره پنجاه اثر مختلف به کار برد، دیگر یک پیشنهاد رسانه‌ای نیست؛ بلکه سر و صدایی است که فقط یک تاریخ انتشار رسانه‌ای به آن ضمیمه شده است.

طنز ماجرا اینجاست که ابزارهای هوش مصنوعی برای صرفه‌جویی در زمان، دقیقاً در بخشی از فرایند استفاده می‌شوند که بیش از هر بخش دیگری به صرف زمان نیاز داشت.

شناخت یک اثر موسیقایی به اندازه‌ای که بتوان آن را دقیق و جذاب توصیف کرد، هیچ‌گاه کاری نبود که بتوان یا باید آن را کوتاه کرد.

روابط‌عمومی خوب چه کاری انجام می‌دهد؟

بد نیست دوباره به یاد بیاوریم که یک پیشنهاد رسانه‌ای قوی اساساً برای چه هدفی نوشته می‌شود؛ زیرا نسخه تولیدشده با هوش مصنوعی معمولاً همین نکته را از دست می‌دهد.

یک پیشنهاد خوب، خلاصه نیست؛ استدلال است.

وظیفه آن این است که اثری را که یک منتقد، برنامه‌ریز، انتخاب‌کننده فهرست موسیقی یا تهیه‌کننده رادیو هنوز نشنیده است، به گونه‌ای معرفی کند که آن فرد پیش از فشردن دکمه پخش، دلیلی برای توجه و احساس نسبت به آن پیدا کند.

نه فهرستی از مقایسه‌های ژانری؛ بلکه یک احساس.

بهترین پیشنهادهایی که خوانده‌ام، این کار را با پیدا کردن یک جزئیات واقعی، مشخص و اندکی عجیب انجام می‌دهند؛ جزئیاتی که کل اثر را برای مخاطب قابل درک می‌کند.

مثلاً ترانه‌سرا آلبوم را در شش هفته پس از مرگ پدرش نوشته و می‌توان این تجربه را در لحظاتی شنید که سازهای کوبه‌ای ناگهان حذف می‌شوند.

یا کل آلبوم در یک بعدازظهر و به‌صورت زنده در یک انبار ضبط شده، زیرا گروه توان پرداخت هزینه یک جلسه ضبط دوم را نداشته است.

یا اینکه ترانه اصلی آلبوم درباره یک کافه است که اکنون دیگر وجود ندارد.

همین جزئیات، کاری را انجام می‌دهند که صفت‌ها نمی‌توانند انجام دهند.

آنها چیزی ملموس در اختیار دریافت‌کننده متن قرار می‌دهند و راهی برای توصیف اثر به خوانندگان یا شنوندگان خود فراهم می‌کنند که کلیشه‌ای نیست.

این همان مهارت واقعی در نگارش روابط‌عمومی است: تبدیل یک تجربه احساسی به زبانی که بتواند بخشی از همان احساس را در فردی ایجاد کند که هرگز موسیقی را نشنیده و تا پیش از زمان ناهار باید به چهل ایمیل دیگر نیز پاسخ دهد.

این کار بیشتر شبیه نوشتن یک داستان کوتاه است تا نوشتن توضیحات یک محصول.

متن باید مانند توصیه یک دوست متقاعدکننده باشد؛ زیرا از جایی واقعی سرچشمه می‌گیرد.

چرا این مسئله به‌ویژه برای ژانرهای تخصصی موسیقی اهمیت دارد؟

آمریکانا، یا حتی موسیقی متال، فولک و ده‌ها ژانر دیگر، بخش زیادی از جذابیت خود را از ویژگی‌های منحصربه‌فرد و جزئیات می‌گیرند.

هیچ‌کس برای یکدست و صیقلی بودن به سراغ این بخش از دنیای موسیقی نمی‌آید.

مخاطبان به دنبال بافت و جنس صدای یک خواننده، داستان زندگی در یک شهر یا خانواده مشخص و انتخاب‌های تولیدی هستند که دست‌ساز به نظر برسند، نه بهینه‌سازی‌شده.

تمام جذابیت آمریکانا در این است که در برابر یکدست و صیقلی شدن مقاومت می‌کند.

چرا هوش مصنوعی دقیقاً بخش اشتباهی را کم‌رنگ می‌کند؟

این همان جایی است که استفاده از هوش مصنوعی برای نوشتن پیشنهادهای روابط‌عمومی بیشترین آسیب را ایجاد می‌کند؛ مسئله واقعاً به دستور زبان یا روان بودن متن مربوط نیست.

مسئله به چیزی مربوط می‌شود که این فناوری برای آن بهینه شده است.

یک مدل زبانی بزرگ برای پیش‌بینی محتمل‌ترین واژه بعدی بر اساس تمام چیزهایی که پیش‌تر دیده است ساخته شده است.

این روش برای تهیه گزارش آب‌وهوا مناسب است.

اما برای متقاعد کردن یک سردبیر به اینکه اثری را نقد کند، روش مناسبی نیست.

زیرا متقاعدسازی به غافلگیری، جزئیات مشخص و داشتن یک دیدگاه وابسته است؛ دیدگاهی که نمی‌توان آن را صرفاً از میانگین تمام چیزهایی که پیش‌تر نوشته شده‌اند، پیش‌بینی کرد.

احساس در نوشته معمولاً از دقت می‌آید، نه از احساساتی‌نویسی.

این جزئیاتی است که نمی‌توان آن را درباره هیچ اثر دیگری به کار برد.

اما متن تولیدشده با هوش مصنوعی به‌جای ارائه علت مشخص، به سراغ واژه‌های محرک احساسی می‌رود.

در نتیجه با واژه‌هایی مانند «خام»، «تأثیرگذار»، «تکان‌دهنده» و «عمیقاً احساسی» مواجه می‌شویم که به هیچ چیز مشخصی متصل نیستند.

جزئیات ملموس را حذف کنید، احساس نیز همراه آن از بین می‌رود.

خواننده احساس می‌کند قرار است چیزی را حس کند، اما هیچ دلیلی برای آن احساس در اختیارش قرار نگرفته است.

یک اطلاعیه خبری کسل‌کننده، یک بعدازظهر را هدر می‌دهد.

اما اطلاعیه‌ای که نتواند فرد تصمیم‌گیرنده درباره نقد، پخش یا قرار گرفتن یک اثر در فهرست موسیقی را تحت تأثیر قرار دهد، باعث می‌شود آن اثر هرگز فرصت واقعی خود را پیدا نکند؛ حتی اگر خود موسیقی واقعاً خوب باشد.

فناوری فقط کیفیت نوشته را کاهش نمی‌دهد؛ بلکه به‌تدریج اثربخشی آن را در انجام مهم‌ترین وظیفه‌ای که برای آن ایجاد شده است، کم می‌کند.

هوش مصنوعی یا نه؟

هیچ‌کدام از اینها به معنای آن نیست که هوش مصنوعی نباید در کنار صفحه‌کلید قرار بگیرد.

اگر درست استفاده شود، برای بخش‌هایی از کار که همیشه ماهیتی مکانیکی داشته‌اند، می‌تواند ابزار مناسبی برای تهیه پیش‌نویس اولیه باشد؛ مانند پیگیری تاریخ انتشار، بررسی برنامه تورها یا مرتب کردن متن پیاده‌شده از یک گفت‌وگو.

مشکل از جایی آغاز می‌شود که هوش مصنوعی به جایگزینی برای بخشی از کار تبدیل شود که اساساً هیچ‌گاه مکانیکی نبوده است؛ یعنی داشتن حرفی برای گفتن و شجاعت بیان صریح آن.

نویسندگان و مسئولان روابط‌عمومی که پنج سال دیگر همچنان اهمیت خواهند داشت، کسانی هستند که می‌توان نوشته‌هایشان را در میان چندین متن دیگر تشخیص داد.

ما در آمریکنای بریتانیا خوش‌شانس هستیم که بیشتر تهیه‌کنندگان و مروجان تخصصی موسیقی، کار خود را به‌خوبی انجام می‌دهند و بسیار مشتاق هستند هنرمند خود را به ما معرفی کنند.

مشکل زمانی آغاز می‌شود که یک فرد غیرمتخصص یا شاید خود هنرمند تصمیم می‌گیرد «کمی روابط‌عمومی انجام دهد» و در نهایت همه‌چیز از هم می‌پاشد.

فناوری هوش مصنوعی قرار نیست از بین برود و دیگر نمی‌توان آن را به جعبه بازگرداند.

اما خوانندگان و سردبیران روزبه‌روز سریع‌تر می‌توانند تفاوت میان متنی را که با دقت نوشته، حذف و بازنویسی شده است و متنی را که با چند فشار دکمه تولید شده، تشخیص دهند.

  • هوش مصنوعی می‌تواند متن‌های روابط‌عمومی موسیقی را بیش از حد مشابه و کلیشه‌ای کند.
  • کلیشه‌هایی مانند «ترکیب تأثیرات مختلف» یا «متنی عمیقاً شخصی» به‌تنهایی ارزش خبری یا روایی زیادی ندارند.
  • روابط‌عمومی خوب صرفاً خلاصه‌کردن یک اثر نیست؛ بلکه ارائه یک استدلال متقاعدکننده است.
  • جزئیات واقعی و منحصربه‌فرد، از صفات و عبارت‌های احساسی عمومی اثرگذارترند.
  • ژانرهای تخصصی موسیقی بیش از سایر حوزه‌ها به اصالت، روایت و جزئیات انسانی وابسته‌اند.
  • مشکل اصلی هوش مصنوعی در این حوزه، دستور زبان نیست؛ بلکه خطر از دست رفتن نگاه شخصی و ویژگی منحصربه‌فرد متن است.
  • استفاده از هوش مصنوعی برای کارهای مکانیکی مانند بررسی تاریخ انتشار یا مرتب‌سازی متن می‌تواند مفید باشد.
  • هوش مصنوعی نباید جایگزین شناخت واقعی اثر و داشتن حرف مشخص برای گفتن شود.
  • نویسنده معتقد است سردبیران و مخاطبان در تشخیص متن‌های انسانی و متن‌های تولیدشده با هوش مصنوعی مهارت بیشتری پیدا می‌کنند.