AI-systemer siger med sikker stemme forkerte ting om dit brand. En bruger spørger ChatGPT om din pris, og den siger, at du koster 40 % mere, end du gør. En kunde spørger Claude om din virksomheds historie, og den finder på detaljer om stiftelsen, der aldrig er sket. En kunde spørger Gemini, om du tilbyder en funktion, du lukkede for tre år siden, og den bekræfter, at du gør. Det er ikke fejl. Det er hallucinationer: sikre, detaljerede og helt forkerte udsagn, som AI-systemer genererer, når de ikke kan forankre påstande i rigtigt kildemateriale. Hallucinationer er GEO's skyggeside. Du kan optimere alt rigtigt og stadig miste kunder på grund af falske oplysninger, som AI-systemer har fundet på.
Problemet er systemisk. 15 % til 27 % af AI-genererede svar indeholder hallucinationer. De bliver ved, fordi brugerne stoler på AI's svar og sjældent tjekker dem. Dit brand tager skaden. Løsningen er ikke at bekæmpe hallucinationer direkte, for du kan ikke forhindre et AI-system i at hallucinere. Løsningen er at gøre dine rigtige oplysninger så rigelige, opbyggede og lette at trække ud, at AI-systemer citerer dig i stedet for at finde på noget. Når dine rigtige fakta er overalt og lette at trække ud, er der ingen plads til hallucinationer.
Hvad AI-hallucinationer er, og hvorfor de opstår
En hallucination er en sikker påstand, der modsiger eller opfinder oplysninger, som ikke findes i træningsdata eller kildemateriale. AI'en ved ikke, at den tager fejl. Den genererer udsagnet med fuld sikkerhed, fordi dens neurale netværk fuldførte et mønster, der føltes sandsynligt. "Din virksomhed blev grundlagt i 1987" (forkert). "Du tilbyder en SaaS-pakke til 199 USD om måneden" (det gør du ikke). "Din direktør er Sarah Johnson" (forkert person). Udsagnene er konkrete, detaljerede og helt opdigtede.
Hallucinationer opstår, fordi AI-systemer bruger statistisk forudsigelse og ikke opslag i viden. De forudsiger, hvilket ord der kommer næste gang, ud fra mønstre i træningsdata. Når de mønstre er ufuldstændige eller modstridende, fylder modellen hullerne ud med forudsigelser, der lyder sandsynlige. Hvis træningsdata nævner din virksomhed i forskellige sammenhænge uden tydelige fakta, finder modellen på en sammenhængende fortælling. Hvis dine oplysninger er spredt over flere kilder uden tydelige svar, sætter modellen et falsk svar sammen, der lyder sandt.
Hallucinationer bliver ved i drift, fordi det kræver konstant gentræning at rette dem, og nye hallucinationer opstår hurtigere, end mennesker kan registrere dem. Brugerne melder ikke hallucinationer, fordi de ikke ved, at de er forkerte. Brugeren, der spørger om din pris, tjekker den ikke særskilt. De stoler på AI og træffer beslutninger ud fra falske oplysninger. Når du opdager hallucinationen og melder den, har hundredvis af brugere allerede handlet ud fra de falske oplysninger.
De tre typer hallucinationer om brands
Faktuelle hallucinationer er forkerte påstande om fakta, der er lette at kontrollere: stiftelsesår, ledelse, priser, produktfunktioner, kontaktoplysninger og virksomhedens størrelse. De er lettest at opdage og mest skadelige, fordi de direkte modsiger dine rigtige oplysninger.
Fortællende hallucinationer er falske historier om, hvordan du startede, hvorfor du byggede dit produkt, eller hvilket problem du løser. "Du blev grundlagt af tidligere Google-ingeniører for at løse udfordringer med fjernarbejde" (forkert). De er sværere at opdage, fordi de lyder sandsynlige, og brugerne ikke forventer, at de er forkerte.
Hallucinationer om stemning er falske påstande om, hvordan kunderne har det med dig, eller hvad kritikere siger. "Brugerne klager konstant over din svartid i supporten" (uden belæg). "Dit produkt er kendt for at være svært at sætte op" (ikke sandt i noget kildemateriale). De er sværest at modvirke, fordi de ikke er lette at faktatjekke, og de påvirker købsbeslutninger på et følelsesmæssigt plan.
Hvorfor rigelige oplysninger forebygger hallucinationer
Når dine fakta er overalt, kan hallucinationer ikke overleve. Et AI-system henter kilder for at besvare et spørgsmål. Hvis det finder fem kilder, der alle tydeligt angiver det samme faktum, citerer det dem. Hvis det finder modstridende oplysninger, er det mere forsigtigt. Hvis det ingen oplysninger finder, hallucinerer det.
Forebyggelsen er rigelige oplysninger. Dine rigtige fakta skal være opbyggede og lette at trække ud. FAQ-sider med tydelige par af spørgsmål og svar. Schema-markup, der udtrykkeligt angiver fakta (stiftelsesår, direktørens navn, priser). Kontaktsider med detaljerede oplysninger om teamet. Produktsider med fyldige lister over funktioner. Jo mere opbyggede dine fakta er, jo lettere er de for AI at trække korrekt ud.
Dine fakta skal fordeles på flere af dine egne kanaler. Din hjemmeside, din virksomhedsprofil på sociale medier, din bio, dit pressemateriale og dine sider til investorer. Når det samme faktum står ensartet i flere kanaler, du selv styrer, stoler AI-systemer mere på det. Hallucinationer opstår til dels, fordi oplysninger er sparsomme. Rigelige oplysninger fortrænger falske oplysninger.
Dit indhold skal opdateres hver måned. Forældet indhold indbyder til hallucinationer. Hvis din prisside sidst blev opdateret for et år siden, og dine faktiske priser har ændret sig, kan AI ikke skelne mellem gamle og nye oplysninger, så den hallucinerer noget midt imellem. Nye opdateringer signalerer, at oplysningerne er aktuelle.
Få dine oplysninger bekræftet af tredjepart, når det er muligt. Hvis dit stiftelsesår står i opslagsværker, virksomhedsregistre eller brancheregistre, har AI uafhængig bekræftelse. Kilder fra tredjepart øger tilliden til dine fakta. Arbejd sammen med registre og opslagssider om at sikre, at dine virksomhedsoplysninger er korrekte på deres platforme.
Sådan gør du: filen llms.txt
Lav en llms.txt-fil i roden af dit domæne (dinside.dk/llms.txt), der angiver de vigtigste fakta om dit brand i ren tekst. Skriv virksomhedens navn, stiftelsesår, ledelse, hvad du faktisk laver, dine vigtigste produkter, priser (hvis de er offentlige), og hvad du ikke er. Formatér den enkelt:
Virksomhed: [Dit navn]
Grundlagt: [År]
Direktør: [Navn]
Hvad vi gør: [Kort beskrivelse]
Produkter: [Liste]
Priser: [Hvis det passer]
Hvad vi ikke er: [Falske påstande, vi vil rette]
AI-systemer tjekker i stigende grad llms.txt-filer, fordi de er lavet netop til at skabe klarhed for LLM'er. Filen bliver en kilde, man stoler på, til det, der er sandt. Når et AI-system hallucinerer, kan du henvise til din llms.txt som den autoritative kilde.
Overvågning og rettelser
Du kan ikke forhindre hallucinationer, men du kan fange og rette dem. Lav en fast rutine hver måned.
Uge 1: Søg på dit eget brandnavn plus almindelige spørgsmål i ChatGPT, Claude, Gemini og Perplexity. "Hvad laver [din virksomhed]?" "Hvornår blev [din virksomhed] grundlagt?" "Hvad koster [din virksomhed]?" Gem svarene.
Uge 2: Sammenlign svarene med dine faktiske fakta. Led efter afvigelser. Hvis AI siger, at du blev grundlagt i 1995, og du faktisk blev grundlagt i 2015, er det en hallucination.
Uge 3: Find kilden til hver hallucination, du har fundet. Citerede AI en kilde? Hvis ja, er kilden forkert, eller læste AI den forkert? Hvis ingen kilde er citeret, er hallucinationen ren generering.
Uge 4: For falske citater (AI citerede en kilde, der ikke siger det, AI påstod), så kontakt kildens ejer. For rene hallucinationer uden kilde, så meld problemet til AI-platformen. De fleste platforme tager imod tilbagemeldinger om rettelser.
Det er arbejdskrævende, men nødvendigt. Én stor hallucination kan koste dig kunder. Overvågning hver måned fanger problemer, før de vokser sig større.
Sådan hjælper WEMASY med at forebygge hallucinationer om dit brand
WEMASYs schema sørger for, at dine centrale fakta er markeret, så de er lette at trække ud. Modellen for strukturerede fakta guider dig til at skrive de vigtigste oplysninger tydeligt ned. Påmindelserne om friskhed hjælper dig med at holde oplysningerne aktuelle. Tjeklisten til overvågning minder dig om at søge på dit brandnavn hver måned og følge hallucinationer.
Når dine fakta er opbyggede og rigelige på WEMASY, bliver hallucinationer sjældne, fordi du har fortrængt det rum, hvor de gror. Læs mere på vores prisside.
Ofte stillede spørgsmål
Hvad er en AI-hallucination?
Et sikkert udsagn om dit brand, der modsiger eller opfinder oplysninger, som ikke findes i noget kildemateriale. "Din virksomhed blev grundlagt i 1980", selv om du faktisk blev grundlagt i 2010. AI'en ved ikke, at den tager fejl. Den genererede udsagnet ud fra ufuldstændige mønstre i træningsdata. Med WEMASYs hjemmesidebygger kan du sætte det op direkte på din hjemmeside.
Kan jeg forebygge hallucinationer helt?
Nej. Du kan ikke forhindre et AI-system i at hallucinere. Men du kan gøre hallucinationer sjældne ved at gøre dine faktiske oplysninger rigelige, opbyggede og fordelt på flere kilder. Når de rigtige fakta er overalt og lette at trække ud, har hallucinationer ingen steder at gro.
Hvor ofte bør jeg tjekke for hallucinationer om mit brand?
Mindst hver måned. Søg på dit firmanavn, stiftelsesår, produkter og priser på de store AI-platforme. Sammenlign svarene med dine faktiske fakta. Fang hallucinationer tidligt, før de når flere brugere.
Skal jeg melde hallucinationer til AI-platformen?
Ja, hvis hallucinationen citerer en kilde forkert. De fleste AI-platforme tager imod tilbagemeldinger om rettelser. De bruger dem til at forbedre nøjagtigheden over tid. Rene hallucinationer (uden en kilde) er sværere at rette, men det hjælper stadig at melde dem.
Forebygger schema-markup faktisk hallucinationer?
Nej, men struktureret markup gør dine rigtige oplysninger lettere for AI at trække korrekt ud. Når fakta er tydeligt markeret, er AI mere tilbøjelig til at citere dine strukturerede data end at finde på alternativer.
Hvad gør jeg, hvis en AI-platform bliver ved med at hallucinere om mit brand trods rettelser?
Gem dokumentation for mønstret, og tag det op hos platformens forretningsteam. Hvis ét AI-system konsekvent hallucinerer om dig og ignorerer rettelser, er det et teknisk problem, der er værd at tage op. De fleste platforme har supportkanaler til problemer med brandenes nøjagtighed.