कच्चा AI कंटेंट क्यों फेल होता है और इसे कैसे ठीक करें

एक क्लाइंट ने मुझे पिछले साल फोन किया, बिल्कुल परेशान था। उसने एक कंटेंट एजेंसी को £4,000 दिए थे साठ ब्लॉग पोस्ट्स के लिए, तीन हफ्तों में उन्हें वापस मिल गए, सब कुछ पब्लिश कर दिया, और देखा कि उसका ऑर्गेनिक ट्रैफिक अगले दो महीनों में 22% गिर गया। जब उसने मुझे पोस्ट्स भेजे, तो मैंने समस्या तीस सेकंड में पकड़ी। हर एक आर्टिकल एक रेटोरिकल सवाल से शुरू होता था। हर सेक्शन ट्रांजिशन के लिए "Furthermore" या "In addition" यूज़ करता था। निष्कर्ष सब "In conclusion" से शुरू होते थे। यह GPT-4 आउटपुट था, मुश्किल से छुआ गया, एक साइट के across बल्क-पब्लिश किया गया जिस पर Google को पहले से विश्वास था।

यह लगातार होता है। और निराशाजनक बात है कि यह AI की गलती नहीं है। GPT-4, Claude, Gemini, वे स्ट्रक्चर्ड प्रोज़ करना बनाने में सच में शानदार हैं। फेल होना लोगों के आउटपुट के साथ सलूक करने के तरीके में है। कच्ची जेनरेशन कोई फिनिशड प्रोडक्ट नहीं है। कभी नहीं थी।

"कच्चा AI कंटेंट" असल में कैसा दिखता है

आपने इसे देखा है। हो सकता है आपने कुछ पब्लिश किया हो। मैंने Seahawk में किया है, शुरुआत में, जब हम 2022 में वर्कफ्लोज़ स्ट्रेस-टेस्ट कर रहे थे इससे पहले कि हमें पता चल जाता।

कच्चे AI कंटेंट की एक खास बनावट है। सेंटेंसेज़ लंबाई में लाजवाब रूप से यूनिफॉर्म हैं। वोकेबुलरी विस्तृत है पर अजीब तरह फ्लैट, बहुत सारे तकनीकी तौर पर सही शब्द जो कोई असल में नहीं बोलता। ट्रांजिशन्स फॉर्मुलेइक हैं। स्ट्रक्चर लगभग हमेशा है: इंट्रो पैराग्राफ, तीन से पांच H2s हर एक के साथ दो से तीन पैराग्राफ, एक समरी। हर बार। यह स्टॉक फोटो की प्रोज़ के बराबर है: तकनीकी तौर पर ठीक है, तुरंत जेनेरिक के रूप में पहचाना जाता है।

असल समस्या यह है कि क्या गायब है। कोई दृष्टिकोण नहीं। कोई विशिष्ट संख्या नहीं जो वास्तविक स्थितियों से जुड़ी हो। कोई घर्षण नहीं, कोई विरोधाभास नहीं, कोई "वास्तव में यह दिखने में जितना सरल लगता है उससे कहीं अधिक जटिल है" नहीं। असली इंसानी लेखन खुद पर सवाल उठाता है। AI लेखन बस... आत्मविश्वास के साथ आगे बढ़ता रहता है, हमेशा के लिए।

Google को क्यों फर्क पड़ता है (और क्यों "AI Detection" सिर्फ कहानी का एक हिस्सा है)

एक स्थायी मिथ है कि Google AI द्वारा लिखे गए कंटेंट को दंडित करता है। यह बिल्कुल सही नहीं है। Google के मददगार कंटेंट निर्देशन उस कंटेंट को लक्षित करते हैं जो मुख्य रूप से सर्च इंजन के लिए मौजूद है न कि लोगों के लिए। कच्चा AI आउटपुट इस परीक्षा में विफल नहीं होता क्योंकि एक मशीन ने इसे लिखा है, बल्कि इसलिए कि यह स्पष्ट रूप से किसी की मदद नहीं करता। यह सतह-स्तरीय प्रश्नों का सतह-स्तरीय उत्तर देता है, और प्रशिक्षित मानव पाठक इस खालीपन को महसूस कर सकते हैं भले ही वे इसे स्पष्ट नहीं कर सकें।helpful content guidance targets content that exists primarily for search engines rather than people. Raw AI output fails that test not because a machine wrote it, but because it demonstrably doesn't help anyone. It answers surface-level questions with surface-level answers, and trained human readers can feel the emptiness even if they can't articulate it.

दूसरा मुद्दा E-E-A-T है। Experience, Expertise, Authoritativeness, Trust। एक कच्चा AI आर्टिकल इनमें से कोई भी संकेत नहीं रखता क्योंकि इसका कोई लेखक दृष्टिकोण नहीं है, कोई उद्धृत विशिष्ट अनुभव नहीं है, कोई मूल डेटा नहीं है। यह उद्धरण सूप है। यह किसी ऐसे व्यक्ति द्वारा लिखे गए विकिपीडिया सारांश की तरह पढ़ा जाता है जिसने कभी वह काम नहीं किया जिसका वर्णन वह कर रहा है।

विशिष्ट विफलता पैटर्न जो मुझे बार-बार दिखाई दे रहे हैं

सैकड़ों क्लाइंट साइटों के लिए कंटेंट की समीक्षा करने के बाद, और Seahawk पर आंतरिक कंटेंट प्रक्रियाएं बनाने के बाद जिन्हें हमने दो साल में परिष्कृत किया है, विफलता के तरीके कुछ दोहराए जाने वाले श्रेणियों में समूहित होते हैं।

विशिष्टता के बिना आत्मविश्वास की समस्या। AI घोषणात्मक रूप से लिखता है। "ईमेल मार्केटिंग औसतन 4,200% ROI प्राप्त करती है।" यह संख्या एक Litmus रिपोर्ट से आती है और यह वास्तविक है, लेकिन AI आउटपुट में यह बस वहाँ तैरती है, संदर्भ के बिना, किस प्रकार के अभियानों की कोई स्वीकृति के बिना, किस सूची के आकार की, किन उद्योगों की। यह आधिकारिक लगता है। यह कुछ सिखाता नहीं है। AI writes declaratively. "Email marketing achieves an average ROI of 4,200%." That number comes from a Litmus report and it's real, but in AI output it just floats there, uncontextualised, with no acknowledgment of what type of campaigns, what list sizes, what industries. It sounds authoritative. It teaches nothing.

संरचना-पहले, अंतर्दृष्टि-दूसरे की समस्या। AI किसी पोस्ट की योजना इसे लिखने से पहले बनाता है, और आप हमेशा बता सकते हैं। शीर्षक बिल्कुल तार्किक हैं। प्रवाह पाठ्यपुस्तक जैसा है। लेकिन वास्तविक अंतर्दृष्टि संरचना को भरने के लिए इंजीनियर किए गए महसूस होती हैं न कि संरचना वास्तविक चीजों से उभरती हुई कहने योग्य हो। AI plans a post before it writes it, and you can always tell. The headings are perfectly logical. The flow is textbook. But the actual insights feel reverse-engineered to fill the structure rather than the structure emerging from genuine things worth saying.

हिचकिचाहट की समस्या। "यह नोट करना महत्वपूर्ण है," "यह उल्लेख करने लायक है," "ध्यान रखें कि।" ये वाक्यांश उन दावों को नरम करने के लिए मौजूद हैं जिनके बारे में AI आत्मविश्वासी नहीं है। वे गद्य को पढ़ने के लिए असहनीय भी बनाते हैं। मैंने एक क्लाइंट द्वारा भेजे गए 1,200-शब्द के आर्टिकल में "यह नोट करने लायक है" के ग्यारह उदाहरण गिने। ग्यारह। "It's important to note," "It's worth mentioning," "Keep in mind that." These phrases exist to soften claims that the AI isn't confident about. They also make the prose unbearable to read. I counted eleven instances of "it's worth noting" in a 1,200-word article a client sent me last spring. Eleven.

शब्दावली का संकेत। कुछ शब्द AI कंटेंट में अपनी प्राकृतिक आवृत्ति से कहीं अधिक दर पर दिखाई देते हैं। "Delve।" "Tapestry।" "Nuanced।" "Multifaceted।" "Underscore।" यदि आप एक ही पोस्ट में इनमें से तीन देखते हैं, तो किसी ने कच्चा आउटपुट प्रकाशित किया है। Certain words appear in AI content at a rate wildly above their natural frequency. "Delve." "Tapestry." "Nuanced." "Multifaceted." "Underscore." If you see three of these in a single post, someone published raw output.

ह्यूमनाइजेशन पाइपलाइन क्या है (और क्या नहीं है)

बात यह है: "ह्यूमनाइजेशन" एक ही स्टेप जैसा लगता है। इसे किसी टूल से चलाओ, बस। ऐसा काम नहीं करता।

ह्यूमनाइजेशन पाइपलाइन जानबूझकर किए गए हस्तक्षेपों का एक क्रम है जो जेनरेटेड टेक्स्ट को उस चीज़ में बदल देता है जो असल expertise को दर्शाती है, एक consistent voice रखती है, और ऐसी जानकारी देती है जिसे कोई असल इंसान अपने काम में लगा सके।

यह नहीं है:

टेक्स्ट को synonyms से घुमाना
इसे Undetectable.ai से चलाकर काम पूरा मानना
शुरुआत में एक paragraph और आखिर में एक और डालना
किसी junior editor को "बस इसे जल्दी पढ़ लेना" सौंपना

ये तरीके ऐसा कंटेंट बनाते हैं जो थोड़ा कम स्पष्ट रूप से असफल होता है। अंदर की खालीपन अभी भी वहीं रहती है।

पाइपलाइन में असल में क्या होता है

Seahawk में जो पाइपलाइन मैं चलाता हूँ, उसके पाँच चरण हैं। हर पोस्ट को सभी पाँचों की पूरी तीव्रता की जरूरत नहीं होती, लेकिन हर पोस्ट किसी न किसी स्तर पर सभी पाँचों से गुजरती है।

जनरेशन से पहले संक्षिप्त समृद्धि। आपके आउटपुट की गुणवत्ता लगभग पूरी तरह से आपके इनपुट की गुणवत्ता से निर्धारित होती है। एक ब्रीफ जो कहता है "email marketing best practices के बारे में 1,500 शब्द की पोस्ट लिखो" साधारण कचरा पैदा करेगा। एक ब्रीफ जो कहता है "एक 10-व्यक्ति SaaS के संस्थापक के लिए लिखो जो अपना खुद का Klaviyo अकाउंट मैनेज करता है, उसके पास 4,000 सब्सक्राइबर की लिस्ट है, और उसकी ओपन रेट 20% से नीचे जा रही है, लिस्ट हाइजीन और सेगमेंटेशन पर ध्यान दो, कॉपी टिप्स पर नहीं" कुछ उपयोगी पैदा करेगा। हम Notion में एक स्ट्रक्चर्ड टेंपलेट के साथ ब्रीफ बनाते हैं: ऑडियंस, समस्या, विशिष्ट एंगल, दो या तीन चीजें जो पोस्ट में नहीं होनी चाहिए (क्लिशे को स्पष्ट रूप से प्रतिबंधित करते हुए), और कोई भी आंतरिक डेटा या क्लाइंट उदाहरण जो बुने जा सकते हैं। The quality of your output is almost entirely determined by the quality of your input. A brief that says "write a 1,500-word post about email marketing best practices" will produce generic garbage. A brief that says "write for a founder of a 10-person SaaS who manages their own Klaviyo account, has a list of 4,000 subscribers, and is seeing open rates drop below 20%, focus on list hygiene and segmentation, not copy tips" produces something usable. We build briefs in Notion with a structured template: audience, problem, specific angle, two or three things the post must NOT say (banning the clichés explicitly), and any internal data or client examples to weave in.
संरचनात्मक सर्जरी। AI का पहला ड्राफ्ट संरचना शायद ही कभी वास्तविक पाठक के लिए सही होती है। हम सेक्शन को इधर-उधर करते हैं। हम उन्हें काट देते हैं जो सिर्फ शब्द संख्या भरने के लिए मौजूद हैं। मुझे लगता है कि लगभग हर AI ड्राफ्ट में एक वास्तविक अच्छी insight होती है जो सेक्शन चार के पैराग्राफ छह में दबी होती है, और वह insight आमतौर पर लेड होना चाहिए, दबी हुई विस्तृति नहीं। The AI's first-draft structure is rarely right for the actual reader. We move sections around. We cut the ones that exist just to pad word count. I find that almost every AI draft has one genuinely good insight buried in paragraph six of section four, and that insight should usually be the lede, not a buried detail.
वॉयस इंजेक्शन। यह वह जगह है जहाँ पोस्ट एक वास्तविक व्यक्ति द्वारा लिखी गई चीज़ बन जाती है। हम विशिष्ट उदाहरण जोड़ते हैं ("कानूनी क्षेत्र में एक क्लाइंट जो Mailchimp चला रहा है एक 60,000-व्यक्ति लिस्ट के साथ"), ठोस संख्याएँ जो वास्तविक परिस्थितियों से आती हैं, और विचार। वास्तविक विचार, "कुछ विशेषज्ञ मानते हैं कि X जबकि अन्य मानते हैं कि Y" नहीं। अगर हम सोचते हैं कि X गलत है, तो हम ऐसा कहते हैं और समझाते हैं कि क्यों। This is where the post becomes something a real person wrote. We add specific examples ("a client in the legal sector running Mailchimp with a 60,000-person list"), concrete numbers that come from real situations, and opinions. Actual opinions, not "some experts believe X while others believe Y." If we think X is wrong, we say so and explain why.
घर्षण और विरोधाभास। वास्तविक विशेषज्ञता स्वीकार करती है कि चीजें कहाँ जटिल हो जाती हैं। अगर हम WordPress परफॉर्मेंस के बारे में लिख रहे हैं, तो हम कहेंगे: "हाँ, WP Rocket मदद करता है, लेकिन खराब होस्ट किए गए साइट पर यह एक टूटी हुई खिड़की के ऊपर एक अच्छा पर्दा डाल रहा है।" इस तरह की ईमानदारी वह चीज़ है जो AI डिफॉल्ट रूप से हटाता है। हम इसे वापस डालते हैं। Real expertise acknowledges where things get complicated. If we're writing about WordPress performance, we'll say: "yes, WP Rocket helps, but on a poorly-hosted site it's putting a nice curtain over a broken window." That kind of honesty is what AI strips out by default. We put it back in.
जोर से पढ़ने का पास। टीम का कोई इस पीस को जोर से पढ़ता है। इसे स्कैन नहीं करता। पढ़ता है। आप हर वाक्य पकड़ते हो जो ऐसा लगता है कि वह जेनरेट किया गया था, कहा नहीं गया। कोई भी चीज़ जिस पर आप ठोकर खाएँ उसे फिर से लिखा जाता है। यह स्टेप अकेले हर चीज़ के माध्यम से फिसलने वाली 60% समस्याओं को पकड़ता है। Someone on the team reads the piece aloud. Not skims it. Reads it aloud. You catch every sentence that sounds like it was generated rather than said. Anything you'd stumble over reading gets rewritten. This step alone catches 60% of the problems that slip through everything else.

टूलिंग जिसका मैं वास्तव में उपयोग करता हूँ

मुझे विशिष्ट होने दो, क्योंकि "टूल्स का उपयोग करो" बेकार सलाह है।

जनरेशन के लिए: अधिकांश लॉन्ग-फॉर्म के लिए GPT-4o, कुछ भी जिसे अधिक बातचीत रजिस्टर की जरूरत है के लिए Claude 3.5 Sonnet। मैंने Gemini 1.5 Pro का परीक्षण किया है और यह सक्षम है लेकिन इसकी डिफॉल्ट वर्बोसिटी एक समस्या है, यह 1,500 माँगने पर 2,400 शब्द लिखना चाहता है।

डिटेक्शन और QA के लिए: Originality.ai पब्लिशिंग वर्कफ़्लो के लिए सबसे विश्वसनीय डिटेक्टर है जो मैंने पाया है। Winston AI एक दूसरी जाँच के रूप में उपयोगी है। न तो एक अंतिम निर्णायक है, एक अच्छी तरह से प्रोसेस किया गया पीस दोनों पर बिना किसी गेमिंग के उच्च स्कोर करना चाहिए, बस क्योंकि यह ठीक से संपादित किया गया है।Originality.ai is the most reliable detector I've found for publishing workflows. Winston AI is useful as a second check. Neither is a final arbiter, a well-processed piece should score high on both without any gaming, just because it's been properly edited.

शैली की सुसंगतता के लिए: हम हर क्लाइंट के लिए Notion में एक "voice bible" बनाए रखते हैं। ब्रांड विशेषणें, निषिद्ध वाक्यांश, टोन के उदाहरण, और उन विषयों की एक सूची जिनके बारे में क्लाइंट के मजबूत विचार हैं। ब्रीफ टेम्पलेट दोहराए जाने वाले क्लाइंट्स के लिए इससे स्वचालित रूप से खींचता है।

रीड-अलाउड पास के लिए: ईमानदारी से कहूँ तो, Natural Reader को 1.1x गति पर चलाना रोबोटिक फ्रेजिंग को चिन्हित करने के लिए अच्छी तरह काम करता है। कुछ संपादक सिर्फ अपने आप को पढ़ना पसंद करते हैं। दोनों काम करते हैं।Natural Reader at 1.1x speed works well for flagging robotic phrasing. Some editors prefer just reading to themselves. Either works.

अधिकांश एजेंसियां पाइपलाइन को छोड़ देती हैं क्यों

समय और मार्जिन। एक उचित मानवीकरण पाइपलाइन एक पोस्ट में दो से चार घंटे जोड़ता है जो AI नब्बे सेकंड में उत्पन्न कर सकता है। अगर आपने सामग्री को £30 प्रति लेख पर बेचा है, तो आप पाइपलाइन को वहन नहीं कर सकते। आप कच्चा आउटपुट प्रकाशित करते हैं और आशा करते हैं कि कोई ध्यान न दे।

यह सामग्री बाजार की दौड़-से-नीचे की ओर से जुड़ी मूल आर्थिक समस्या है। मूल्य बिंदु गुणवत्ता को असंभव बनाता है, इसलिए आप मूल्य के बिना मात्रा पाते हैं, और आखिरकार क्लाइंट की साइट को हथौड़ा मारा जाता है और वे "AI सामग्री" को दोष देते हैं जब असली अपराधी एक असंभव ब्रीफ-से-मार्जिन अनुपात था।

Seahawk पर, हमने क्लाइंट्स के साथ इस बारे में सीधी बातचीत की है। हमने एक निश्चित मूल्य प्रति टुकड़े से कम सामग्री पेश करना बंद कर दिया क्योंकि हम उन चीजों के पीछे खड़े नहीं हो सकते जो अर्थशास्त्र हमें उत्पादन करने के लिए मजबूर करते हैं। कुछ क्लाइंट्स चले गए। जो रहे उनकी साइटें वास्तव में रैंक कर रही हैं।

2023 में वापस, हमने एक ई-कॉमर्स क्लाइंट को ऑनबोर्ड किया जो दूसरी एजेंसी से बड़े पैमाने पर बल्क AI सामग्री खरीद रहा था, 200 पोस्ट प्रति माह, लगभग £15 प्रति टुकड़े। उनके ब्लॉग में 1,400 पोस्ट थे और लगभग कुछ के लिए भी रैंक नहीं कर रहे थे। हमने आउटपुट को 30 पोस्ट प्रति माह तक कम किया, ब्रीफ की गुणवत्ता को दोगुना किया, हर पोस्ट को पूर्ण पाइपलाइन के माध्यम से चलाया, और चार महीने के भीतर वे अठारह लक्ष्य शर्तों के लिए पहले पृष्ठ पर रैंक कर रहे थे जिन्हें उन्होंने पहले कभी स्पर्श नहीं किया था। मात्रा उत्तर नहीं है।

कब कच्चा AI आउटपुट वास्तव में ठीक है

सब कुछ को पूर्ण उपचार की आवश्यकता नहीं है। इस बारे में मुझे ईमानदार होने दीजिए।

आंतरिक प्रलेखन। उत्पाद परिवर्तन लॉग प्रविष्टियां। सहायता केंद्र के लिए अक्सर पूछे जाने वाले प्रश्न उत्तर। श्रेणी पृष्ठ की प्रतिलिपि जो विशुद्ध रूप से कार्यात्मक है। अगर लक्ष्य सूचित करना है न कि समझाना, और अगर कोई SEO या ब्रांड वॉयस विचार नहीं है, तो एक हल्के संपादन के साथ कच्चा-ish आउटपुट पूरी तरह से रक्षणीय है।

विफलता तब आती है जब लोग "आंतरिक दस्तावेज़ के लिए काफी अच्छा" का मानदंड सार्वजनिक-सामने की संपादकीय सामग्री पर लागू करते हैं। ये अलग-अलग चीजें हैं जिनके लिए अलग-अलग मानदंड की जरूरत होती है। पता करें कि आप किस चीज को तैयार कर रहे हैं।

FAQ

क्या AI सामग्री को humanizer टूल से गुज़ारना वास्तव में काम करता है?

संक्षिप्त उत्तर: नहीं, विश्वसनीय रूप से नहीं। Undetectable.ai जैसे टूल पाठ को इस तरह से फिर से तैयार करते हैं जो detector स्कोर को कम करते हैं लेकिन अंतर्निहित समस्या को ठीक नहीं करते, जो यह है कि सामग्री में वास्तविक expertise और विशिष्टता की कमी है। आप एक detector को धोखा दे सकते हैं और फिर भी कुछ ऐसा प्रकाशित कर सकते हैं जिसे असली पाठक और Google को thin के रूप में पहचाना जा सकता है। एकमात्र चीज जो विश्वसनीय रूप से काम करती है वह है substantive human editing।

एक proper humanization pipeline प्रति पोस्ट कितना समय लेता है?

1,500-शब्द की पोस्ट के लिए, दो से तीन घंटे के human समय का अनुमान लगाएं जो brief enrichment, structural editing, voice injection, और read-aloud pass में बँटा हुआ हो। 2,500-शब्द की pillar post चार से पाँच घंटे हो सकती है। वह सच्चा नंबर है। जो भी कह रहा है कि वह इसे पैंतालीस मिनट में कर रहा है, वह steps छोड़ रहा है।

क्या मुझे disclose करना चाहिए कि सामग्री AI-assisted थी?

यह अधिकांश लोग जो मानते हैं उससे अधिक nuanced है। Google के guidance में disclosure की आवश्यकता नहीं है और AI के उपयोग को penalise नहीं करता। जो मायने रखता है वह quality और helpfulness है। फिर भी, कुछ sectors, healthcare, legal, finance में, content कैसे तैयार किया जाता है, इसके बारे में transparency तेजी से expected है, और शायद Google जो कुछ भी कहता है उसकी परवाह किए बिना सही कदम है।Google's guidance doesn't require disclosure and doesn't penalise AI use. What matters is quality and helpfulness. That said, in certain sectors, healthcare, legal, finance, transparency about how content is produced is increasingly expected, and probably the right call regardless of what Google says.

Agencies AI सामग्री के साथ सबसे बड़ी गलती क्या करती है?

Generation speed को production speed के साथ confuse करना। AI नब्बे सेकंड में draft कर सकता है। यह प्रक्रिया की शुरुआत है, अंत नहीं। Draft को near-finished product के रूप में treat करना वह जगह है जहाँ सब कुछ टूट जाता है।

---

यह पाइपलाइन आकर्षक नहीं है। यह काफी उबाऊ, सावधानीपूर्वक हस्तक्षेपों की एक श्रृंखला है जो एक साथ कुछ प्रकाशन योग्य बनाती है। ऐसा कोई शॉर्टकट नहीं है जो बीच में मानवीय निर्णय को छोड़ जाए। मैं दो साल से इसे खोज रहा हूँ। यह अभी तक मौजूद नहीं है।