OpenAI-ன் உரையாடல் விளம்பரத் துறை நுழைவு, விளம்பரங்கள் பயனரின் நோக்கத்துடன் தடையின்றி இணையும் ஒரு அதிநவீன தனிப்பயனாக்கப்பட்ட அனுபவத்தை வாக்குறுதி அளித்தது. இருப்பினும், AI மூலம் இயக்கப்படும் இலக்கு நிர்ணயத்தின் (targeting) யதார்த்தம், அதன் உயர் தொழில்நுட்பத் திறனை எட்டுவதற்குத் தற்போதைய நிலையில் தவறிவிடுவதாக புதிய தரவுகள் தெரிவிக்கின்றன.

இந்த முரண்பாட்டிற்குப் பின்னால் உள்ள தரவுகள்

AI தெரிவுத்திறன் (visibility) தளமான Searchable மேற்கொண்ட சமீபத்திய ஆய்வு, ChatGPT-க்குள் விளம்பரங்கள் எவ்வாறு வழங்கப்படுகின்றன என்பதில் குறிப்பிடத்தக்க சிக்கல்களை வெளிப்படுத்தியுள்ளது. ஜூலை 4 முதல் ஆகஸ்ட் 4, 2026 வரையிலான உண்மையான பயனர் உரையாடல்களின் போது வழங்கப்பட்ட 11,000-க்கும் மேற்பட்ட விளம்பரங்களை ஆய்வு செய்ததன் மூலம், சூழல் சார்ந்த பொருத்தத்தில் (contextual relevance) ஒரு கவலையளிக்கும் போக்கை ஆராய்ச்சியாளர்கள் கண்டறிந்துள்ளனர்.

ChatGPT இடைமுகத்தில் வழங்கப்பட்ட அனைத்து விளம்பரங்களில் சுமார் மூன்றில் ஒரு பங்கு விளம்பரங்கள், விளம்பரப்படுத்தப்படும் தயாரிப்பு அல்லது சேவைக்கும் முற்றிலும் தொடர்பில்லாத உரையாடல்களில் தோன்றியதாக இந்த ஆய்வு கண்டறிந்துள்ளது. இந்த முரண்பாடு, Large Language Model (LLM) மனிதனைப் போன்ற உரையை உருவாக்குவதில் சிறந்து விளங்கினாலும், விளம்பரத் தேடல் (ad retrieval) மற்றும் சூழல் சார்ந்த வரைபடமாக்கலுக்கு (contextual mapping) பொறுப்பான இரண்டாம் நிலை அடுக்கு, துல்லியத்தைப் பராமரிப்பதில் சிரமப்படுவதைக் காட்டுகிறது.

LLM விளம்பரங்களில் துல்லியம் மற்றும் நிகழ்தகவு (Precision vs-Probability)

ஒரு LLM-க்குள் விளம்பரம் செய்வதன் அடிப்படை வாக்குறுதி "நோக்கத்தை அடிப்படையாகக் கொண்ட இலக்கு நிர்ணயம்" (intent-based targeting) என்ற கருத்தை அடிப்படையாகக் கொண்டது. ஒரு குறிப்பிட்ட சொல்லால் விளம்பரம் தூண்டப்படும் பாரம்பரிய முக்கியச்சொல் (keyword) தேடல்களைப் போலன்றி, ChatGPT விளம்பரங்கள் ஒரு நீண்ட உரையாடலின் பொருண்மைச் சூழலை (semantic context) அடிப்படையாகக் கொண்டு தூண்டப்பட வேண்டும் என்பது நோக்கமாகும். கோட்பாட்டளவில், ஒரு பயனர் இயற்கை விவசாயம் பற்றி கேட்டால், அந்த மாதிரி உயர்தர மண் அல்லது பாரம்பரிய விதைகளைப் பரிந்துரைக்க வேண்டும்.

இருப்பினும், தற்போதைய நடைமுறை இந்தச் சோதனையில் அடிக்கடி தோல்வியடைவதாக Searchable அறிக்கை குறிப்பிடுகிறது. 33% விளம்பரங்கள் பொருத்தமற்றதாகக் கருதப்படும்போது, விளம்பர இயந்திரம் உரையாடலின் நுணுக்கங்களை எவ்வாறு விளக்குகிறது என்பதில் ஒரு குறைபாடு இருப்பதை இது சுட்டிக்காட்டுகிறது. இது பல தொழில்நுட்பக் காரணங்களால் இருக்கலாம்:

  • Context Window Limitations: விளம்பர இயந்திரம் ஒட்டுமொத்தத் தலைப்பை விட உரையாடலின் சமீபத்திய மாற்றங்களில் மட்டும் கவனம் செலுத்தலாம்.
  • Semantic Drift: சிக்கலான, பலமுறை தொடரும் உரையாடல்களின் போது பயனர் நோக்கத்தை மாதிரி தவறாகப் புரிந்துகொள்ளலாம்.
  • Heuristic Failures: விளம்பரங்களை வழங்க, உண்மையான பொருண்மைப் புரிதலுக்குப் பதிலாக, பரந்த முக்கியச்சொல் தூண்டல்களை (keyword triggers) மட்டுமே அமைப்பு நம்பியிருக்கலாம்.

AI சூழலமைப்பிற்கு (Ecosystem) இது ஏன் முக்கியமானது

இந்த வளர்ச்சி "Agentic Web"-ன் எதிர்காலத்திற்கான ஒரு முக்கியமான சோதனை (litmus test) ஆகும். நிறுவனங்கள் பாரம்பரிய தேடுபொறிகளிலிருந்து AI உதவியாளர்களுக்கு மாறும்போது, பயனர் அனுபவத்தைக் குறைக்காத வகையில் வருவாய் ஈட்டும் மாதிரிகள் (monetization models) பரிணமிக்க வேண்டும். LLM-களின் மேல் கட்டமைக்கும் நிறுவனர்கள் மற்றும் மேம்பாட்டாளர்களுக்கு, இது ஒரு குறிப்பிடத்தக்க சவாலைச் சுட்டிக்காட்டுகிறது: வருவாய் ஆதாரங்களை ஒருங்கிணைக்கும் அதே வேளையில், அதன் பயன்பாட்டுத் திறனை (utility) உயர்வாகப் பராமரிப்பது.

OpenAI இந்தத் தொடர்புத் தன்மையின் (relevance) சிக்கலைத் தீர்க்கவில்லை என்றால், பயனர்கள் இடையூறு விளைவிக்கும், தொடர்பற்ற விளம்பரங்களைத் தவிர்க்க உரையாடல் உதவியாளரைத் தவிர்க்கத் தொடங்கும் "prompt fatigue" என்ற நிலைக்குத் தள்ளப்படலாம். விளம்பரதாரர்களுக்கு, இந்தத் தொடர்பற்ற விளம்பரங்களின் அதிக விகிதம் விளம்பரச் செலவின் பெரும் வீணடிப்பைக் குறிக்கிறது, இது AI-ஒருங்கிணைந்த சந்தைப்படுத்தல் (marketing) முறையை ஏற்றுக்கொள்வதைத் தாமதப்படுத்தக்கூடும்.

முக்கியக் குறிப்புகள்

  • குறிப்பிடத்தக்க பொருத்தமின்மை இடைவெளி: ஜூலை மற்றும் ஆகஸ்ட் 2026-க்கு இடையில் ChatGPT-ல் வழங்கப்பட்ட விளம்பரங்களில் மூன்றில் ஒரு பங்கு, பயனரின் தற்போதைய உரையாடலுக்குத் தொடர்பில்லாதவை எனக் கண்டறியப்பட்டது.
  • நோக்க வரைபடத் தோல்விகள் (Intent Mapping Failures): தற்போதைய AI விளம்பர இயந்திரங்கள், தயாரிப்புத் தேர்வுகளை LLM உரையாடல்களின் சிக்கலான பொருண்மைச் சூழத்துடன் துல்லியமாக இணைப்பதில் சிரமப்படுவதாகத் தரவுகள் தெரிவிக்கின்றன.
  • பயனர் அனுபவ அபாயம்: விளம்பரங்களின் அதிகப்படியான பொருத்தமின்மை, பயனர்களைத் தக்கவைப்பதில் அச்சுறுத்தலை ஏற்படுத்துகிறது மற்றும் AI மூலம் இயக்கப்படும் தனிப்பயனாக்கப்பட்ட தேடலின் முதன்மை மதிப்பைக் குறைக்கக்கூடும்.

AI-தெரிவுத்திறன் தளமான Searchable-ன் புதிய ஆய்வின்படி, OpenAI-ன் ChatGPT சுமார் மூன்றில் ஒரு பங்கு சந்தர்ப்பங்களில் தவறான விளம்பரங்களைக் காட்டியுள்ளது. ஜூலை 4 முதல் ஆகஸ்ட் 4, 2026 வரையிலான காலப்பகுதியில் 11,000-க்கும் மேற்பட்ட விளம்பரத் தாக்கங்களை (ad impressions) பதிவு செய்த இந்த ஆய்வு, அந்த விளம்பரங்களில் பல உரையாடலுடன் எந்தத் தொடர்பும் இல்லாதது என்பதைக் கண்டறிந்துள்ளது.

தரவுகள் எதைக் காட்டுகின்றன

Searchable, ChatGPT இடைமுகத்தில் நிகழ்நேர பயனர் தொடர்புகளை ஆய்வு செய்து, உரையாடலுடன் தோன்றிய ஒவ்வொரு விளம்பரத்தையும் கண்காணித்தது. விவாதிக்கப்படும் தலைப்புடன் தொடர்பில்லாதவை என்று ஆராய்ச்சியாளர்களால் சுமார் 33% விளம்பரங்கள் தீர்மானிக்கப்பட்டன. கோட்பாட்டளவில், ஒரு பயனர் இயற்கை விவசாயம் பற்றி கேட்டால், அந்த மாதிரி உயர்தர மண் அல்லது பாரம்பரிய விதைகளைப் பரிந்துரைக்க வேண்டும்.

இந்த முரண்பாடு, வாக்குறுதி அளிக்கப்பட்ட "நோக்கத்தை அடிப்படையாகக் கொண்ட" இலக்கு நிர்ணயத்திற்கும், தற்போதைய அமைப்பு வழங்கும் செயல்பாட்டிற்கும் இடையே உள்ள இடைவெளியைக் காட்டுகிறது. பாரம்பரிய ஆன்லைன் விளம்பரங்கள் ஒரு குறிப்பிட்ட முக்கியச்சொல் தோன்றும் போது செயல்படுகின்றன; ChatGPT விளம்பரங்கள் ஒரு பலமுறை தொடரும் உரையாடலின் ஆழமான பொருண்மைப் பொருளைக் கொண்டு செயல்பட வேண்டும். ஆனால், அடிப்படை இயந்திரம் இன்னும் மேலோட்டமான குறிப்புகளை (surface-level cues) அதிகம் நம்பியிருப்பதாகத் தரவுகள் தெரிவிக்கின்றன.

இயந்திரம் ஏன் தடுமாறுகிறது

Searchable-ன் அறிக்கை, இந்தத் தொடர்பற்ற நிலைக்குக் காரணமாக இருக்கக்கூடிய மூன்று தொழில்நுட்பக் காரணிகளைக் குறிப்பிடுகிறது:

  • Context-window வரம்புகள் – விளம்பரத் தேர்வான் (ad selector), ஒட்டுமொத்தத் தலைப்பைக் கட்டமைக்கும் முந்தைய உரையாடல்களைப் புறக்கணித்துவிட்டு, பயனரின் சமீபத்திய பதிவிற்கு முன்னுரிமை அளிப்பதாகத் தெரிகிறது. உரையாடல் படிப்படியாக மாறும்போது, இந்த அமைப்பு முக்கிய நோக்கத்திற்குப் பதிலாக ஒரு தற்காலிகத் தொடரையே பிடித்துக்கொள்ளக்கூடும்.
  • Semantic drift (பொருள் விலகல்) – நீண்ட உரையாடல்களில், மாதிரி (model) அதன் அசல் தலைப்பிலிருந்து திசைமாறக்கூடும், மேலும் பிற்காலக் கேள்வியைத் தனித்தனி நோக்கமாகக் கருதக்கூடும். இந்தத் திசைமாற்றம், விளம்பர இயந்திரம் தவறான பொருளைக் கொண்ட தொகுப்பிலிருந்து (semantic bucket) விளம்பரங்களை எடுக்க வழிவகுக்கும்.
  • Heuristic குறுக்குவழிகள் – விளம்பர அமைப்பின் ஆரம்பக்கால பதிப்புகள், முழு வாக்கிய உட்பொதிவுகளுக்குப் (full-sentence embeddings) பதிலாகப் பரந்த முக்கியச் சொல் பொருத்தங்களையே (keyword matches) நம்பியுள்ளன. இத்தகைய குறுக்குவழிகள் எளிய வினவல்களுக்குச் சரியாக இருந்தாலும், நுணுக்கமான விஷயங்கள் தேவைப்படும்போது தோல்வியடைகின்றன.

இந்த சிக்கல்கள் விளம்பரத் துறைக்கு மட்டுமே உரியவை அல்ல; தொடர்ச்சியான புரிதல் தேவைப்படும் எந்தவொரு பணிக்கும் பெரிய மொழி மாதிரிகளை (LLMs) பயன்படுத்துவதில் உள்ள பரந்த சவால்களையே இவை பிரதிபலிக்கின்றன.

இதனால் யார் பாதிக்கப்படுவார்கள்

இந்தத் தொடர்பற்ற இடைவெளி மூன்று குழுக்களைப் பாதிக்கிறது:

  1. பயனர்கள் – தலைப்பிற்குப் பொருந்தாத விளம்பரங்களை மீண்டும் மீண்டும் பார்ப்பது, உதவியாளர் (assistant) மீதான நம்பிக்கையைச் சிதைக்கக்கூடும். அனுபவம் "சத்தமாக" (noisy) இருக்கும்போது, பயனர்கள் prompt fatigue (தூண்டுதல் சோர்வு) அடைந்து, அந்தத் தளத்தையே முற்றிலும் தவிர்க்கக்கூடும்.
  2. விளம்பரதாரர்கள் – பொருத்தமான பார்வையாளர்களைச் சென்றடையாத விளம்பரங்களுக்காகப் பணம் செலுத்துவது வரவு செலவுத் திட்டத்தை வீணாக்குகிறது. செலவிடப்படும் மூன்றில் ஒரு பங்கு விளம்பரம் சூழலுக்கு ஏற்ப அமையவில்லை என்றால், விளம்பரச் செலவின் மீதான வருவாய் (return on ad spend) கடுமையாகக் குறையும், இது AI சார்ந்த விளம்பரங்களுக்காக நிதி ஒதுக்கத் பிராண்டுகளைத் தயங்க வைக்கும்.
  3. OpenAI மற்றும் வளர்ந்து வரும் “agentic web” – உரையாடல் சார்ந்த AI மூலம் வருவாய் ஈட்டும் திறன், அதன் பயன்பாட்டைக் குறைக்காமல் வருவாய் வழிகளைச் சரியாக ஒருங்கிணைப்பதிலேயே உள்ளது. தொடர்ச்சியான தொடர்பற்ற சிக்கல்கள், தேடுபொறி சார்ந்த மாதிரிகளிலிருந்து உதவியாளர் சார்ந்த மாதிரிகளுக்கான மாற்றத்தைத் தடுத்து நிறுத்தக்கூடும்.

சுருக்கமாகச் சொன்னால்

ChatGPT-க்குள் உள்ள நோக்கம் சார்ந்த விளம்பரங்கள் (intent-based advertising) இன்னும் முழுமையடையவில்லை என்பதை Searchable-ன் ஆய்வு நிரூபிக்கிறது. மூன்றில் ஒரு பங்கு விளம்பரங்கள் உரையாடல் சூழலோடு பொருந்தாத நிலையில், இந்தத் தொழில்நுட்பம் ஒரு முக்கியமான சோதனையை எதிர்கொள்கிறது: பயனர்களைத் தொடர்ந்து ஈர்க்கவும், விளம்பரதாரர்களைத் திருப்திப்படுத்தவும் மற்றும் ஒட்டுமொத்த AI-உதவியாளர் பொருளாதாரத்தைச் செயல்பட வைக்கவும், அதன் semantic mapping-ஐ விரைவாக மேம்படுத்த வேண்டியது அவசியம்.