ChatGPT أم Perplexity للبحث؟ كثرة المراجع لا تضمن صحتها

إذا كنت تستكشف موضوعاً وتريد العثور على مسارات ومصادر للقراءة، فابدأ بتجربة Perplexity. وإذا كانت مهمتك تقريراً يتطور عبر ملفات وتعليمات وأسئلة متتابعة، فجرّب ChatGPT. هذا اختيار بحسب طبيعة العمل، لا ترتيب ثابت لدقة الخدمتين؛ فالإجابة الغنية بالمراجع قد تتضمن إحالات خاطئة أو روابط لا تسند ما كُتب بجوارها.

للبحث الموثق، اسأل عمّا يحدث بعد فتح الرابط: هل يصل إلى العمل الأصلي؟ هل يطابق تاريخُه وبلدُه نطاقَ السؤال؟ وهل يدعم العبارة المحددة، لا الموضوع عموماً؟ عند إعداد دراسة أو تقرير عمل، تصبح قابلية تتبع هذه العلاقة أهم من طول قائمة المصادر أو أناقة الملخص.

متى يفيد Perplexity في بدء البحث؟

تظهر فائدة Perplexity حين يكون السؤال واسعاً وتحتاج إلى أسماء جهات وأعمال وأسئلة فرعية تقود الاستكشاف. في تجربة Tom’s Guide التي استخدمت ثلاث مهمات بحثية، وجد الكاتب أن Perplexity قدم تفصيلاً ومصادر وأسئلة متابعة أكثر من ChatGPT في المهام التي جرّبها. كانت المهام تتعلق بتوليد موضوعات ومحاور وأسئلة بحث، ولذلك تصف التجربة شكل المخرجات في هذا النطاق المحدود، ولا تقيس صحة كل إحالة أو أداء الخدمتين في تقرير طويل.

تساعد الإجابة التي تذكر جهات نشر ودراسات وأسئلة جديدة على رسم خريطة أولية لموضوع غير مألوف. لكن الرابط إلى خبر عن دراسة ليس بديلاً تلقائياً عن الدراسة، وتكرار الخبر في مواقع مختلفة لا يصنع أدلة مستقلة. في هذه المرحلة، قيمة الروابط أنها تكشف أين تبدأ القراءة؛ أما صلاحيتها للاقتباس فتتحدد بما تقوله الصفحات التي تقود إليها فعلاً.

لماذا لا يكفي عدّ المراجع؟

قد تكون بيانات المرجع نفسها غير صحيحة، حتى قبل سؤال ما إذا كان يدعم الاستنتاج. دراسة أكاديمية عن استرجاع المراجع فحصت 400 مرجع أنشأتها النسخ المجانية من ثمانية روبوتات، بينها ChatGPT وPerplexity، ووجدت أن 26.5% منها كانت صحيحة بالكامل في العينة المجمعة. قيّم الباحثان بيانات المؤلف والسنة والعنوان ومصدر النشر وموقع المرجع؛ هذه نتيجة لمهمة ببليوغرافية محددة، وليست نسبة دقة عامة لإجابات أي من الخدمتين.

هناك فرق بين وجود عمل حقيقي، وصحة بياناته، وصحة استخدامه دليلاً على جملة بعينها. قد يقود الرابط إلى بحث أصيل، لكن البحث يتناول فئة سكانية أو فترة أو بلداً مختلفاً. وقد يثبت المصدر وصف الظاهرة من دون أن يثبت الرقم أو العلاقة السببية الواردة في الإجابة. لذلك يحتاج تقرير السوق العربية، مثلاً، إلى تمييز واضح بين دليل محلي ودليل عالمي، وبين تاريخ النشر والفترة التي تصفها البيانات.

تزداد المشكلة حين تضم الإجابة روابط كثيرة إلى ملخصات تعيد نقل الوثيقة نفسها. تبدو القائمة متنوعة بصرياً، بينما تعود المعلومات إلى أصل واحد. وعندما تختلف صفحتان في رقم أو نتيجة، قد يكون السبب اختلاف التعريف أو الفترة أو السوق المشمولة؛ لا يصح جمع القيمتين أو اختيار إحداهما قبل معرفة ما الذي قاسه كل مصدر.

الملفات: ما الذي تتيحه الخطط فعلاً؟

وجود ملفات لديك يغيّر المقارنة. صفحة خطط Perplexity تذكر أن Pro يوسّع استخدام البحث المتقدم ويرفع حدود رفع الملفات وتحليلها، بينما تضيف Enterprise Pro البحث في المعرفة الداخلية عبر مشاريع مشتركة وموصلات ملفات تخضع لإدارة المؤسسة. وتتيح الخطة المجانية رفع ملفات بحدود أقل. لذلك لا يكفي اسم الخدمة وحده لتقدير ما يستطيع حساب فردي أو فريق مؤسسي إنجازه.

في ChatGPT، يستطيع البحث المعمق الجمع بين الملفات المرفوعة والويب العام أو مواقع محددة في تقرير يتضمن إحالات. ويمكن للمستخدم مراجعة خطة البحث قبل البدء، وتقييد المواقع أو إعطاؤها أولوية؛ وتختلف حدود الاستخدام بحسب الخطة. يفيد هذا المسار عندما يتطلب السؤال تركيب معلومات من ملف داخلي ومنشورات خارجية، بشرط أن يظل مصدر كل معلومة واضحاً في التقرير الناتج.

لا تجعل رفع الملف مرادفاً لفهمه أو توثيقه. إذا ورد رقم في جدول داخلي وشرح مختلف له في صفحة منشورة، فالمطلوب معرفة أيهما يصف الفترة والنطاق المقصودين، ثم فصل النص المنقول من الملف عن تفسير الأداة له. هذا مهم خصوصاً في التقارير متعددة الأسواق: متوسط إقليمي لا يصف تلقائياً بلداً بعينه، كما أن وثيقة حديثة لا تلغي بيانات أقدم إذا كانت تقيس شيئاً آخر.

حين يستمر المشروع بعد الإجابة الأولى

في المشاريع الممتدة، تصبح القدرة على الاحتفاظ بالسياق جزءاً من القرار. تجمع مشاريع ChatGPT المحادثات والملفات والتعليمات المرتبطة بموضوع واحد، ويمكن استخدام هذا السياق في الإجابات اللاحقة، وفق إعدادات الحساب ومساحة العمل. يستطيع الباحث بذلك العودة إلى تعريفات التقرير وحدوده أثناء تطوير المسودة، بدلاً من إعادة إدخالها مع كل سؤال.

هذه ليست ميزة استمرار حصرية تمنح ChatGPT تفوقاً تلقائياً؛ فخطط Perplexity تتضمن مشاريع أيضاً، وتتباين قدرات مشاركة الملفات والبحث الداخلي بحسب الخطة. الأهم في المقارنة هو سلوك الأداة عندما يتغير السؤال: هل تحتفظ بالنطاق الجغرافي والتعريفات المتفق عليها؟ وهل تعيد فحص الإحالات إذا استُبعد مصدر أو أضيف ملف؟ الإجابة الأولى قد تبدو جيدة، بينما تظهر تكلفة العمل الحقيقية عند المراجعة الثانية والثالثة.

اختبار قابل للتكرار قبل الاختيار

للمقارنة في مهمتك أنت، أعطِ الخدمتين السؤال نفسه، والنطاق الجغرافي نفسه، والملفات المسموح باستخدامها. اختر سؤالاً تستطيع فيه الوصول مسبقاً إلى عمل أصلي واحد على الأقل، واحتفظ بنص الطلب والإجابتين. سجّل أيضاً نوع الخطة أو وضع البحث المستخدم؛ فالمقارنة بين إجابة سريعة في خدمة وبحث معمق في الأخرى ستقيس إعدادين مختلفين بقدر ما تقيس الخدمتين.

1. افتح كل رابط يدعم ادعاءً متغيراً. دوّن تاريخ الصفحة، وتاريخ البيانات داخلها إن اختلف عنه، والبلد أو الفئة التي تشملها. إذا غابت هذه الحدود، اترك الادعاء معلّقاً بدلاً من افتراضها.
2. تتبع الإحالة إلى الأصل المناسب للسؤال: الورقة البحثية، أو بيانات الجهة المختصة، أو وثيقة المنتج. ميّز الأصل من الخبر أو الملخص الذي ينقل عنه، لأنهما لا يقدمان القدر نفسه من التفاصيل.
3. طابق الرقم أو الاقتباس أو العلاقة السببية مع الموضع المحدد في العمل الأصلي. إذا ساندت الصفحة جزءاً من العبارة فقط، فأعد صياغة الاستنتاج ضمن ذلك الجزء.
4. افحص استقلال الجهات الناشرة. مصادر متعددة تستند إلى بيان واحد تصلح لتتبع انتشاره، لكنها لا تقدم قياسات مستقلة للنتيجة نفسها.
5. اطرح سؤال متابعة يستبعد مصدراً ثانوياً أو يحصر البحث في سوق محددة. راقب هل تتغير النتيجة وإحالاتها تبعاً للقيد الجديد، وهل تستطيع تفسير هذا التغير من الصفحات المفتوحة.

استخدم أوصافاً مثل «مطابق»، و«يحتاج مراجعة»، و«غير مسند» لكل ادعاء مهم، بدلاً من درجة إجمالية يخفي رقمها سبب الحكم. إذا تعذر فتح الأصل أو لم يدعم العبارة، فلا تنقلها إلى التقرير النهائي مهما كثرت روابط الإجابة. وبعد فحص المراجع، اختر الخدمة التي تقلل العمل المتبقي في مهمتك الغالبة: فتح مسارات جديدة للقراءة، أو بناء تقرير يتطور مع الملفات والأسئلة.

اقرأ أيضًا:

• ChatGPT رفع جودة أعمال الطلاب 0.86 نقطة، لا تنوع الأفكار
• Perplexity يشغّل وكيله محليًا، لكنه يستأذن قبل السحابة