Den mest undervurderte AI-taktikken

Spør noen en språkmodell «hva er X AS», og modellen svarer feil eller tynt — da er skaden større enn å mangle i en generisk liste. Det er kjøperspørsmålet, stilt sent i reisen.

Nesten alt arbeidet jeg ser med AI-synlighet handler om generiske spørsmål. «Hvem er best på regnskap i Bergen.» «Beste CRM for små bedrifter.» Det er forståelig — det er der volumet er, og det er der det ligner mest på SEO.

Men det er ikke der beslutningene tas.

Trakten er snudd

I klassisk SEO er merkevaresøk noe man tar for gitt. Søker noen på navnet ditt, får de nettstedet ditt på førsteplass. Ferdig.

I AI-søk er det ikke gitt i det hele tatt. Spørsmålet «hva er X AS» blir ikke besvart med nettstedet ditt. Det blir besvart med en oppsummering av det modellen mener å vite om deg, satt sammen fra kilder du ikke har valgt.

Den oppsummeringen kan være riktig. Den kan være utdatert. Den kan være en sammenblanding av deg og et selskap med lignende navn. Den kan være tynn på en måte som får deg til å virke ubetydelig.

Og den vises til noen som allerede vurderer å kjøpe av deg.

De fire spørsmålene å sjekke

Bruk ti minutter. Fire modeller, fire spørsmål:

1. «Hva er [bedriftsnavn]?» — Er grunnfakta riktige? Bransje, sted, hva dere gjør?
2. «Er [bedriftsnavn] til å stole på?» — Hva trekkes fram? Er det noe negativt du ikke visste lå ute?
3. «Alternativer til [bedriftsnavn]» — Hvem regnes som konkurrentene dine? Overrasker listen deg?
4. «Hva koster [bedriftsnavn]?» — Oppgis noe? Er det riktig?

Skriv ned hvert avvik. Det er oppgavelisten din, og den er basert på virkeligheten framfor på hva en konsulent tror.

Hvorfor dette er enklere å rette

Generisk synlighet er hardt arbeid over lang tid: du skal bli en av dem bransjen omtaler, og det kan ikke kjøpes.

Merkevaresvar er annerledes, fordi feilene som regel har konkrete årsaker:

Utdaterte kilder. En gammel pressemelding, en katalogoppføring fra 2019, en LinkedIn-side som ikke er oppdatert. Modellen har ingen måte å vite at det er gammelt hvis ingenting nyere sier noe annet.

Manglende entydighet. Heter dere noe som ligner på noe annet, blir dere blandet sammen. Løsningen er å gjøre entiteten skarpere: konsistent navn og adresse overalt, tydelig om-side, riktig oppført i de registrene som finnes.

Ingen tydelig kilde i det hele tatt. Da fyller modellen ut fra mønstre. Det er her de fantasifulle svarene oppstår. Løsningen er å lage kilden — en om-side som faktisk sier hvem dere er, i klartekst, uten markedsføringsspråk.

Alle tre kan rettes på uker, ikke måneder.

Det har blitt en trafikkanal også

Det var lenge et rent omdømmespørsmål. Det endret seg i mai 2026, da OpenAI rullet ut klikkbare merkevarelenker og henvisningene steg 157,7 prosent uke over uke.

Med andre ord: når merkevaren din nevnes, kan det nå også bli et klikk. Det gjør arbeidet med å bli riktig omtalt til noe som har både omdømmeverdi og trafikkverdi.

Jeg vil samtidig si det jeg alltid sier om slike tall: det målte en produktendring hos OpenAI, ikke en varig lov. Kranen kan skrus igjen. Verdien av å bli riktig omtalt består uansett.

Hvorfor så få gjør det

Jeg tror det er to grunner.

Den ene er at det ikke føles som markedsføring. Å rette opp fakta om seg selv er ryddearbeid, ikke kampanje, og det er vanskeligere å få budsjett til.

Den andre er at ingen har sjekket. Folk antar at modellene vet hvem de er, fordi det er selvfølgelig for dem selv. Det er nesten alltid den antakelsen som ryker først når vi går gjennom svarene sammen.

Bruk de ti minuttene. Det er det billigste du kommer til å gjøre med AI-synlighet i år.