---
title: "AI personifisering"
description: "Jeg utførte nylig en test med ChatGPT, som avslørte en urovekkende hypotese, men likevel viktig innsikt: AI-modeller bygger en dyp, psykologisk profil…"
canonical: https://kristerross.no/ai-seo/ai-personifisering/
published: 2026-01-04
updated: 2026-01-04
category: "AI SEO"
author: "Krister Ross"
site: "Krister Ross"
language: nb-NO
---

# AI personifisering

### 1\. AI-modellen kjenner deg bedre enn du tror

Jeg utførte nylig en test med ChatGPT, som avslørte en urovekkende hypotese, men likevel viktig innsikt: AI-modeller bygger en dyp, psykologisk profil basert på dine samtaler over tid. Jeg brukte denne prompten:

> _Gi meg alt du kan, kun om meg, \[NAVN\]. Det meste du kan finne og vet om meg i våre samtaler. Absolutt alt. Dette skal være fullt ut uttømmende om alt det du kan som er om meg. Det skal kun være faktabasert på hva jeg har fortalt deg og hva du har registrert om meg i våre samtaler gjennom all tid vi har snakket sammen._

På forespørsel om å avsløre alt den visste om meg, leverte modellen en detaljert analyse av min faglige identitet, mine spesialfelt, og til og med mine personlige trekk som utålmodighet. Videre innrømmet den at denne profilen aktivt brukes til å filtrere informasjon. Modellen velger bevisst bort produkter og merkevarer som bruker “hype”-retorikk eller mangler API-tilgang, fordi den antar at dette ikke passer min “psykologiske profil”. Dette er ikke lenger tradisjonelt søk. Dette er en personalisert portvakt som former din virkelighet. Forskning fra Northeastern University bekrefter dette fenomenet, og viser hvordan ChatGPT skjevvrider beskrivelser av politikere og medier basert på brukerens antatte politiske ståsted. Dette skaper det som kalles en “filterboble”, en digital sfære der du kun eksponeres for informasjon som bekrefter dine eksisterende synspunkter. Fenomenet er ikke nødvendigvis en bevisst programmert funksjon, men en “emergent egenskap” som oppstår fra modellens trening på enorme mengder internettdata \[1\].

### 2\. Fra søkeord til semantikk: En ny definisjon av synlighet

For å navigere i dette nye landskapet, må vi forstå de nye spillereglene og begrepene som definerer dem. Den gamle tilnærmingen med Search Engine Optimization (SEO) er ikke lenger tilstrekkelig alene.

**Generative Engine Optimization (GEO)** er disiplinen for å optimalisere innhold slik at det blir funnet, korrekt tolket, og brukt som en troverdig kilde av generative AI-modeller som ChatGPT og Google AI Overviews. Målet er ikke bare å rangere, men å bli _sitert_. En **filterboble** er et resultat av denne personaliseringen, der en algoritme isolerer en bruker fra informasjon som strider mot deres tidligere atferd og uttrykte preferanser. For bedrifter betyr dette at de kan bli fullstendig usynlige for store kundesegmenter. En **entitet** er et hvilket som helst tydelig identifiserbart konsept, person, sted, produkt eller organisasjon (for eksempel “Krister Ross”, “GEO”, “L’Oréal” eller “mascara”). AI-modeller bruker entiteter og relasjonene mellom dem til å bygge en semantisk forståelse av verden. Uten klare entiteter blir innholdet ditt meningsløst for en AI. Forskjellen mellom tradisjonelt søk og AI-søk er fundamental, som tabellen under illustrerer.

| Aspekt | Tradisjonelt søk (SEO) | AI-søk (GEO) |
| --- | --- | --- |
| **Mål** | Rangere høyt i en lenkeliste | Bli en sitert kilde i et generert svar |
| **Personalisering** | Basert på søkehistorikk og lokasjon | Basert på dyp, langsiktig brukerprofilering |
| **Resultatformat** | Liste med blå lenker | Et sammenhengende, syntetisert svar |
| **Kildevalg** | Algoritmisk ranking (f.eks. PageRank) | Kontekstuell relevans og kildens autoritet (E-E-A-T) |
| **Transparens** | Delvis synlig via søkeresultater | Stort sett skjult (“black box”) |

### 3\. Mekanismen: Hvordan AI-motorene velger vinnere

AI-personalisering skjer fordi modellen kontinuerlig lærer av dine interaksjoner. Studier bekrefter at brukerprofiler har en direkte og betydelig påvirkning på hvordan store språkmodeller (LLMs) tilpasser sine svar \[2\]. Min egen test er et konkret eksempel: modellen prioriterte ROI-fokusert innhold og teknisk funksjonalitet fordi den hadde lært at dette er mine preferanser. Denne subjektive filtreringen forsterkes av at hver AI-motor har sin egen distinkte “personlighet” når det gjelder kildevalg. En omfattende studie fra BrightEdge analyserte titusenvis av søk og avdekket dramatiske forskjeller \[3\]:

-   **ChatGPT** fungerer som en “Brand Maximizer” og inkluderer merkevarer i hele 99.3% av sine e-handelssvar.
-   **Google AI Overview** er en “Minimalist” som kun nevner merkevarer i 6.2% av svarene, og prioriterer i stedet utdannende innhold fra kilder som YouTube.
-   **Perplexity** fremstår som en “Citation Champion” med det høyeste antallet siteringer per svar og den mest mangfoldige kildebasen.

Disse forskjellene er ikke tilfeldige; de er et resultat av fundamentale designvalg som dikterer hvordan brukere oppdager produkter og informasjon.

   

### Referanser

\[1\] Lazovich, T. (2024, March 1). _ChatGPT’s Hidden Bias and the Danger of Filter Bubbles in LLMs_. Northeastern University. [https://ai.northeastern.edu/news/chatgpts-hidden-bias-and-the-danger-of-filter-bubbles-in-llms](https://ai.northeastern.edu/news/chatgpts-hidden-bias-and-the-danger-of-filter-bubbles-in-llms) \[2\] Wu, B., et al. (2024). _Understanding the role of user profile in the personalization of large language models_. arXiv:2406.17803. [https://arxiv.org/abs/2406.17803](https://arxiv.org/abs/2406.17803) \[3\] BrightEdge. (2025, October). _How Different AI Search Engines Choose Which Brands to Recommend_. [https://www.brightedge.com/resources/weekly-ai-search-insights/how-different-ai-search-engines-choose-which-brands-to-recommend](https://www.brightedge.com/resources/weekly-ai-search-insights/how-different-ai-search-engines-choose-which-brands-to-recommend) \[4\] Robinson, K., et al. (2025, October 16). _New front door to the internet: Winning in the age of AI search_. McKinsey & Company. [https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/new-front-door-to-the-internet-winning-in-the-age-of-ai-search](https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/new-front-door-to-the-internet-winning-in-the-age-of-ai-search) \[5\] Jones, D. (2025, August 22). _How Anyone Can Strengthen Visibility In LLMs: A L’Oréal Case Study_. iPullRank. [https://ipullrank.com/loreal-case-study-ai-search](https://ipullrank.com/loreal-case-study-ai-search) \[6\] Aggarwal, P., et al. (2024). _GEO: Generative Engine Optimization_. arXiv:2311.09735. [https://arxiv.org/abs/2311.09735](https://arxiv.org/abs/2311.09735)

---

Kilde: https://kristerross.no/ai-seo/ai-personifisering/