Når AI lyver kan det ha store konsekvenser
Kan en maskin lyve? Det høres kanskje filosofisk ut, men spørsmålet har blitt uhyggelig praktisk relevant for oss som jobber med AI-verktøy daglig.
Begrep · Måling av AI-synlighet
Hva om du blir sitert — for noe du aldri har sagt?
Accuracy (troskap) er om en sitering faktisk understøtter påstanden den er knyttet til. En sitering er ikke en bekreftelse: du kan bli sitert for noe du ikke har sagt, og en høy siteringsrate med feil innhold er et tap forkledd som en gevinst.
En sitering er ikke en bekreftelse. Den forteller at kilden ble oppgitt, ikke at innholdet ble gjengitt riktig. De to blandes rutinemessig sammen, og det er den dyreste sammenblandingen i AI-synlighet.
Konsekvensen er at et stigende siteringstall kan være en forverring. Blir du sitert oftere for en påstand du ikke står for — feil pris, feil målgruppe, feil forbehold — er den økte synligheten en kostnad, ikke en gevinst.
Avgrensning
Begrepene under ligger nært, og blandes ofte sammen. Forskjellen avgjør hvilket arbeid som faktisk hjelper.
Plass i kjeden
Blir du gjengitt riktig, og flytter det oppfatningen?
En sitering er ikke en bekreftelse. Du kan bli sitert for noe du ikke har sagt, og en høy siteringsrate med feil innhold er et tap forkledd som en gevinst.
Svikter leddetDu er synlig, men for feil påstand — eller for en påstand ingen bryr seg om.
Leddet hører til trinn 5, virkning, i TRUST-modellen, og står i sin helhet på ledd 7 av kjeden. Arbeidet eies av tilbakemelding.
Mekanisme
Feil troskap oppstår sjelden av vond vilje og nesten alltid av struktur. Et avsnitt hentes ut av sammenhengen sin, forbeholdet står i avsnittet før, og generatoren sammenfatter det som blir igjen. Resultatet er en påstand du aldri har fremmet, med lenke til deg.
Utdaterte tall er den vanligste varianten. En prisside fra 2023 uten dato kan siteres som gjeldende i 2026, og siteringen er formelt riktig — teksten sier det den siteres for. Feilen ligger i at teksten aldri sa når den gjaldt.
Den nest vanligste er sammenblanding av entiteter. Har du et navn som ligner andres, kan svaret tilskrive deg noe en annen har sagt. Det ser ut som et innholdsproblem og er et entitetsproblem.
Ingen av delene lar seg oppdage i en synlighetsrapport som teller siteringer. De krever at noen leser svarene, sammenligner med kilden og registrerer avviket. Det er derfor troskap er en egen kontrollport i metoden, og ikke et felt som kan utledes.
Eksempel
En tjenesteside oppgir «fra 25 000 kroner» uten årstall. Prisen justeres i CMS-et, men den gamle setningen ligger igjen i en oppsummering lenger nede på siden. Generative svar plukker opp den ene som ser mest ut som et konkret svar.
Kunden kommer inn med en forventning fra et tall som er to år gammelt, og opplever at prisen «gikk opp» i første møte. Siteringen var teknisk riktig hele veien. Det som manglet var en dato og én sannhet på siden.
Konstruert eksempel som viser mekanismen, ikke en hendelse hos en navngitt kunde.
Sjekk selv
Kort nok til å gjøre nå, konkret nok til at du sitter igjen med et funn om din egen bedrift.
Fem svar er en stikkprøve. Den finner systematiske feil, ikke frekvensen av dem — og frekvensen er det du trenger for å vite om det haster.
Taktikker
Prioritert etter forholdet mellom innsats og effekt. Rekkefølgen er en del av anbefalingen.
Et tall uten tidspunkt kan siteres som gjeldende i årevis. «Per august 2026» koster fire ord og fjerner hele feiltypen.
Står det i avsnittet før, forsvinner det når biten hentes. Det er ikke gjentakelse — det er å skrive for en tekst som skal kunne stå alene.
To priser på samme tjeneste to steder gir motoren et valg du ikke styrer. Søk opp tallene dine og fjern de gamle forekomstene.
Manuelt, og av noen som kjenner fakta. Det finnes ingen automatikk som avgjør om en sitering er tro mot kilden.
Anti-patterns
Måling
Andel siteringer som faktisk støtter påstanden de er knyttet til
Trekk et utvalg siteringer hver måned og klassifiser dem som støttet, delvis eller ikke støttet. Tallet skal stå ved siden av siteringsandelen i rapporten — en siteringsandel uten troskap er ikke et resultat, det er halvparten av et.
FrekvensMånedlig på utvalg. Alltid før effekt rapporteres videre.
Alle tall følger de samme minimumskravene: gjentakelser, aktiveringsrate som eget felt, nullresultater beholdt og målt spredning oppgitt. Se kravene i metoden.
Spørsmål
Ikke direkte. Du kan rette kilden — teksten din — slik at neste henting gir riktig grunnlag. Effekten kommer når innholdet hentes på nytt, og hvor raskt det skjer varierer med plattform og hvor ofte du besøkes.
Vanlig nok til at det bør kontrolleres og ikke antas. Frekvensen varierer sterkt med hvor entydig teksten din er og hvor mange andre som skriver om det samme, og et generelt prosenttall ville vært en gjetning uansett hvem som oppga det.
Juridisk er det et uavklart landskap, og det er ikke det praktiske spørsmålet. Praktisk er det du som bærer konsekvensen i markedet, og du som kan fjerne den vanligste årsaken ved å datere tall og holde én sannhet per faktum.
Takk — dette hjelper meg med å gjøre artikkelen bedre.
Nærliggende
Begrepene som grenser mot dette. De med egen side er lenket.
Egne tester og analyser som går dypere enn definisjonen.
Kan en maskin lyve? Det høres kanskje filosofisk ut, men spørsmålet har blitt uhyggelig praktisk relevant for oss som jobber med AI-verktøy daglig.
Claude kan sitere ned på enkeltsetninger. Det snur skriveproblemet: du optimaliserer ikke en side, du optimaliserer setninger som tåler å stå alene.
Perplexity, ChatGPT og AI Overview siterer ulikt. Se dokumenterte forskjeller, egne ChatGPT-tall for kristerross.no, og hvor vår egen måling faktisk har…
Egne tester og analyser av hvordan språkmodellene velger kilder. Ingen fast frekvens — jeg sender når jeg faktisk har noe å si.
Vi tar en uforpliktende prat på 30 minutter. Du får en konkret vurdering av hvor du står i AI-søk — og hva som er første steg. Ingen presentasjon, ingen forpliktelse.
Eller ring +47 466 144 18
La en spesialist se på AI-synligheten din