نقشهٔ کتاب با هوش مصنوعی: از موضوع تا فصل‌بندی

یعنی بیشتر نویسندگان غیرداستانی با یک ایدهٔ روشن شروع می‌کنند و به نسخهٔ خطی می‌رسند که نیمهٔ دومش تکرار نیمهٔ اول است. بلاک اسنایدر در «Save the Cat!» نشان داد فیلم‌نامه‌های موفق، پیش از نگارش، الگویی مشخص از نقاط عطف دارند، همین منطق در کتاب غیرداستانی هم کار میکند، فقط واحدهایش فرق می‌کند. نقشهٔ کتاب همان لایهٔ نامرئی است که میان ایدهٔ خام و نسخهٔ چاپ‌شدنی فاصله می‌اندازد. هوش مصنوعی این مرحله را کوتاه می‌کند، اما به یک شرط: بدانیم چه چیزی را به آن می‌سپاریم و چه چیزی را هرگز.

نقشهٔ کتاب با فهرست چه فرقی دارد؟

فهرست، نام فصل‌هاست؛ نقشه، منطق پشت آن نام‌هاست. در یک نقشهٔ سالم، برای هر فصل سه چیز نوشته می‌شود: پرسشی که فصل پاسخ می‌دهد، تغییری که در فهم خواننده رخ می‌دهد و پلی که به فصل بعد می‌زند. وقتی این سه را کنار هم بگذارید، فصل هفتم دیگر تکرار فصل دوم نیست و می‌دانید چرا هر بخش دقیقاً همان‌جا نشسته است.

باربارا مینتو در «اصل هرم» استدلال می‌کند ذهن خواننده از پاسخ کلی به جزئیات حرکت می‌کند، نه برعکس. ساختاری که با انبوهی از مثال‌های پراکنده آغاز شود و در پایان به نتیجه برسد، خواننده را وسط راه رها می‌کند. نقشهٔ کتاب، پیش از نگارش، همین ترتیب را تثبیت می‌کند.

از موضوع خام تا پرسش محوری

«هوش مصنوعی در آموزش» موضوع است، نه نقشه. موضوع تا زمانی که به پرسش تبدیل نشود، اجازهٔ نوشتن هزار صفحه را هم می‌دهد و در پایان هیچ‌کدامشان لازم نبوده‌اند. پرسش محوری، همان جمله‌ای است که کل کتاب برای پاسخ به آن نوشته می‌شود: «چرا معلمان باتجربه در برابر ابزارهای هوش مصنوعی مقاومت می‌کنند و چه طراحی‌ای این مقاومت را کم می‌کند؟» این جمله، هم دامنه را تعیین می‌کند و هم مرز کتاب را.

آزمون یک جمله

پرسش محوری را در یک جمله بنویسید و کنار آن بنویسید کتاب به چه کسی کمک می‌کند و آن فرد بعد از خواندن چه کاری می‌تواند انجام دهد که پیش‌تر نمی‌توانست. راب فیتزپاتریک در «Write Useful Books» همین را معیار می‌گیرد: کتابی که تغییری در رفتار خواننده ایجاد نکند، فقط متن است. اگر نتوانستید این دو جمله را روشن بنویسید، هنوز آمادهٔ فصل‌بندی نیستید — و این دقیقاً همان جایی است که گفت‌وگو با یک مدل زبانی بیشترین فایده را دارد.

چهار گام ساخت نقشه با هوش مصنوعی

1. پرسش را به مدل بدهید، نه موضوع را. خروجی وقتی دقیق می‌شود که محدودیت‌ها را بگویید: مخاطب، سطح پیش‌دانش، حجم تقریبی و اینکه کتاب غیرداستانی است. مدل‌هایی مثل GPT-4o یا Claude با این قیدها پیشنهادهای واقع‌گرایانه‌تری می‌دهند.
2. چند نقشهٔ رقیب بخواهید، نه یک نقشه. از مدل بخواهید یک بار ساختار مسئله–راه‌حل، یک بار ساختار سفر خواننده و یک بار ساختار مبتنی بر مطالعهٔ موردی بسازد. مقایسهٔ این سه، ضعف استدلال شما را زودتر از هر چیز دیگری لو می‌دهد.
3. هر فصل را با سه خانه بازنویسی کنید. در قالب یک جدول، برای هر فصل بنویسید: پرسش، نکتهٔ مرکزی، تمرین یا خروجی عملی. اگر مدل نتواند برای فصلی تمرین مشخص بنویسد، احتمالاً آن فصل جای خود را پیدا نکرده است.
4. آزمون حذف بگیرید. هر فصل را ذهنی بردارید و ببینید ساختار می‌شکند یا نه. فصل‌هایی که با حذفشان هیچ اتفاقی نمی‌افتد، بهترین کاندیدا برای ادغام با فصل همسایه‌اند.

پرامپت را مثل یک بریف ویراستاری بنویسید

خروجی ضعیف معمولاً نشانهٔ پرامپت ضعیف است، نه ضعف مدل. دو تکنیک ساده اینجا تعیین‌کننده‌اند: زنجیرهٔ پرامپت (هر مرحله روی خروجی مرحلهٔ قبل سوار شود، نه اینکه همه‌چیز در یک درخواست فشرده شود) و تعیین صریح مرزهای دانش. نمونهٔ زیر همین دو اصل را رعایت می‌کند:

«نقش ویراستار کتاب غیرداستانی را بازی کن. مخاطب: مدیران میانی شرکت‌های متوسط. پرسش محوری کتاب: چرا تیم‌ها در پیاده‌سازی فرایندهای جدید شکست می‌خورند؟ سه نقشهٔ متفاوت پیشنهاد بده. برای هر فصل بنویس: هدف فصل، پرسش آغازین، سه نکتهٔ کلیدی، تمرین پایان فصل. هرجا به داده، آمار یا نقل‌قول نیاز داری، آن را با نشانهٔ [نیاز به منبع] علامت بزن و از خودت منبع یا عدد نساز.»

آن جملهٔ آخر مهم است. مدل‌های زبانی می‌توانند ارجاع‌های ساختگی و به‌ظاهر دقیق بسازند؛ جلوگیری از این کار، وظیفهٔ نویسنده است، نه ابزار. هر منبعی که مدل پیشنهاد می‌دهد، باید دستی راستی‌آزمایی شود.

تقسیم کار میان نویسنده و ماشین

سه دامی که نقشه را خراب می‌کند

• فصل‌بندی متقارن و بی‌جان: وقتی هر فصل دقیقاً سه زیربخش و هر زیربخش چهار صفحه دارد، خواننده ریتم را حس می‌کند و بی‌حوصله می‌شود. طول فصل باید از وزن محتوا بیاید، نه از تقارن ظاهری.
• سپردن صدا به ابزار: آن فرگوسن در «اقناع» نشان می‌دهد لحن، بخشی از استدلال است. مدل می‌تواند ساختار پیشنهاد دهد، اما نمی‌تواند به‌جای شما مطمئن، عصبانی یا آرام باشد.
• اعتماد به نقشهٔ اول: آن لمت در «Bird by Bird» بر ارزش پیش‌نویس خام تأکید می‌کند؛ همان منطق دربارهٔ نقشه هم درست است. نقشهٔ اول را به‌عنوان فرضیه ببینید، نه قرارداد.

نتیجه‌گیری

نقشهٔ کتاب با هوش مصنوعی، جایگزین نویسنده نیست؛ سرعت‌بخش تصمیم‌گیری‌های اولیه است. وقتی پرسش محوری روشن باشد و محدودیت‌ها صریح گفته شوند، مدل می‌تواند در چند دقیقه گزینه‌هایی بسازد که پیدا کردنشان به‌تنهایی چند هفته طول می‌کشد. اما انتخاب، سنجش و پاسخگویی همچنان بر عهدهٔ کسی است که نامش روی جلد می‌آید. نقشهٔ خوب، پیش از آنکه بنویسید، به شما می‌گوید چه چیزی را نباید بنویسید.