PenyelidikanPenyelidikan petikan AI

Petikan bukan bukti: apa yang didedahkan penyelidikan tentang jawapan AI

Lima dapatan penyelidikan menjelaskan dakwaan tanpa sokongan, pautan sumber yang salah, senarai petikan yang berubah, dan mengapa maklumat syarikat boleh kelihatan tanpa digambarkan dengan betul.

Diterjemahkan dengan ChatGPT. Belum disemak editor penutur jati. Judul sumber dan tangkapan skrin tetap dalam bahasa aslinya.Baca versi bahasa Inggeris
Jawapan ringkas

Petikan AI membuat jawapan lebih mudah disemak, tetapi pautan yang kelihatan tidak membuktikan ketepatan, kebebasan, atau cadangan. Kajian tentang pembantu carian awal, carian berita, dan tingkah laku petikan terkini mendedahkan jenis kegagalan yang berbeza. Kerana itu, soalan komersialnya lebih spesifik daripada “Adakah kita dipetik?”: dakwaan apa yang dilekatkan pada perniagaan, bukti mana yang menyokongnya, dan apa yang dipelajari pembeli darinya?

  1. 01Sumber dipilih
  2. 02Dakwaan ditulis
  3. 03Pautan dilampirkan
  4. 04Perniagaan ditafsirkan

Dapatan utama: kehadiran petikan dan kualiti bukti adalah perkara berbeza

Petikan merekodkan hubungan antara jawapan dan halaman. Hubungan itu boleh kuat, sebahagian, atau salah. Sebuah halaman mungkin membuktikan bahawa syarikat menawarkan perkhidmatan tanpa membuktikan bahawa syarikat itu pilihan terbaik, tersedia secara tempatan, atau sesuai bagi orang tertentu. Kesimpulan tambahan berasal daripada jawapan, tidak semestinya dari sumbernya.

Perbezaan ini menjelaskan mengapa jumlah petikan tidak boleh serentak menjadi skor kepercayaan. Lima pautan boleh menyokong lima fakta berbeza, mengulang satu pengumuman asal, atau menyertakan halaman yang tidak menyokong ayat di dekatnya. Situasi tersebut kelihatan serupa dalam papan pemuka yang mengira URL. Namun, maknanya berbeza bagi pembaca yang memutuskan sama ada mahu menghubungi perniagaan. Penyelidikan berikut membuat beberapa bahagian jurang itu boleh diukur.

Dapatan 1: jawapan yang lancar dalam kajian terdahulu pernah memuatkan kenyataan tanpa sokongan

Kajian Stanford tahun 2023 oleh Nelson F. Liu, Tianyi Zhang, dan Percy Liang menilai empat mesin carian generatif yang tersedia semasa itu. Dalam audit tersebut, 51.5% ayat yang dihasilkan disokong sepenuhnya oleh petikan, dan 74.5% petikan menyokong ayat yang berkaitan dengannya. Penyelidik memisahkan kelengkapan sokongan daripada ketepatan pautan yang dilampirkan pada kenyataan individu.

Itu adalah hasil terdahulu untuk Bing Chat, NeevaAI, Perplexity, dan YouChat, bukan skor versi terkini. Nilai yang kekal relevan adalah pembezaan dua bentuk kegagalan: jawapan boleh membiarkan dakwaan tanpa sokongan, atau memasang petikan yang tidak menyokongnya. Lebih banyak pautan mungkin membaiki yang pertama tanpa menyelesaikan yang kedua. Kajian ini tidak menetapkan seberapa kerap salah satu kegagalan berlaku pada produk syarikat tertentu kini.

Liu, Zhang and Liang: Evaluating Verifiability in Generative Search Engines
Stanford · 2023

Dapatan 1: jawapan yang lancar dalam kajian terdahulu pernah memuatkan kenyataan tanpa sokongan

51.5%

Ayat yang disokong sepenuhnya oleh petikan sumber

74.5%

Petikan sumber yang menyokong ayat berkaitan

Kajian tahun 2023 terhadap empat mesin yang tersedia semasa itu. Sokongan ayat dan ketepatan petikan merupakan ukuran berbeza; bukan penanda aras produk terkini.

Liu, Zhang and Liang: Evaluating Verifiability in Generative Search Engines

Dapatan 2: carian sumber asal boleh gagal bahkan dengan petikan teks yang tepat

Kajian Tow Center pada Mac 2025 menguji lapan alat AI berkemampuan carian dengan petikan teks dari 200 artikel berita: 20 penerbit, masing-masing sepuluh artikel, menghasilkan 1,600 kueri di seluruh alat. Penyelidik meminta artikel, penerbit, dan URL. Lebih daripada 60% jawapan mengandungi kesilapan. Petikan teks dipilih supaya carian Google tradisional memaparkan sumber asal di antara tiga hasil pertamanya.

Ini adalah tugas carian yang mencabar tetapi spesifik, bukan ujian semua soalan berfakta. Kajian juga memerhatikan atribusi ke versi sindikasi atau salinan, serta pautan rekaan atau rosak. Makna perniagaannya ialah bahawa menghasilkan karya asal tidak menjamin memperoleh petikan atau lawatan. Syarikat yang dipetik dalam liputan dan penerbit yang membuatnya boleh digambarkan melalui halaman lain. Hasil tersebut adalah bukti kegagalan pada masa tertentu, bukan bukti bahawa semua sistem masa kini bertingkah laku sama.

Tow Center: AI Search Has a Citation Problem

Dapatan 3: penerbitan yang boleh ditemui tidak sama dengan pengetahuan disahkan

Pracetak Oktober 2026 oleh Qi Liu dan rakan-rakan menganalisis 17,211 kejadian petikan di sepuluh platform carian AI dan 6,356 domain sumber. Dalam eksperimen penerbitan terkawal, lapan platform memetik konsep rekaan dalam tujuh hari. Eksperimen menjejak penanda khas ke penerbitan para penyelidik, bukan sekadar melihat bahawa jawapan telah berubah.

Ini adalah bukti wujudnya laluan dari kandungan awam menuju jawapan yang dihasilkan, bukan anjuran untuk mengarang dakwaan. Penulis menyebutkan batasannya: panel soalan yang dirancang, pilihan topik untuk membolehkan penjejakan atribusi, dan pengukuran dari aktiviti Mac–April 2026. Angka tepatnya boleh berubah. Dapatan pentingnya ialah bahawa muncul di web yang diambil sistem boleh menghasilkan petikan tanpa membuat dakwaan dasarnya betul. Kejayaan petikan sahaja akan memberi pengiktirafan pada hasil yang salah dalam eksperimen ini.

Qi Liu et al.: From Public Posts to AI-Search Citations

Dapatan 4: senarai sumber itu sendiri boleh berubah antara pemerhatian

Keluaran Muck Rack dan Generative Pulse pada Oktober 2026 menggabungkan dataset pemantauan luas dengan panel September berasingan yang mengandungi 1,020 prompt pengguna tanpa jenama di empat sistem. Dalam ujian semula pada hari yang sama, keluaran itu melaporkan pertindihan domain petikan sebanyak 41% untuk ChatGPT, 45% untuk Gemini, dan 94% untuk Perplexity. Ini adalah dapatan yang dilaporkan penerbit, bukan audit bebas terhadap vendor pemantauan.

Pertindihan domain mengukur kebolehulangan pemilihan sumber, bukan ketepatan salah satu jawapan. Senarai yang berubah kekal boleh menyokong kesimpulan betul yang sama; senarai stabil boleh berulang kali menyokong kesilapan. Pelbagai bahagian dataset juga tidak boleh digabung menjadi satu sampel yang mewakili semua carian. Keluaran tersebut menyokong dapatan yang lebih terhad: satu jawapan yang ditangkap mungkin tidak menggambarkan dengan baik apa yang akan dipetik sistem yang sama pada peluang seterusnya.

Muck Rack and Generative Pulse: October 2026 citation research

Kajian-kajian ini menyiasat masalah berbeza, bukan satu kadar kesilapan universal

Hasilnya tidak boleh dirata-ratakan menjadi peratusan kebolehpercayaan AI secara keseluruhan. Sokongan ayat, carian artikel yang betul, penerimaan konsep rekaan, dan kebolehulangan domain mempunyai penyebut berbeza. Hasil juga berasal daripada tahun, sistem, dan rangkaian soalan yang berbeza. Menganggapnya sebagai ukuran yang sama akan membuat penyelidikan kurang berguna tepat apabila perniagaan memerlukan kejelasan.

Bersama-sama, kajian itu mendedahkan empat soalan berbeza tentang jawapan komersial: sama ada kenyataan penting disokong, sama ada pengiktirafan dilekatkan pada sumber yang betul, sama ada kewibawaan sumber beralasan, dan sama ada pemerhatian boleh diulang? Perniagaan mungkin mempunyai masalah pada satu dimensi dan tidak pada dimensi lain. Perkara itu mewujudkan implikasi berbeza bagi reputasi, trafik yang berguna, dan kualiti perbualan jualan seterusnya.

Kajian-kajian ini menyiasat masalah berbeza, bukan satu kadar kesilapan universalCuba ini
Masalah buktiYang boleh salahImplikasi komersial
Pautan tidak mewajarkan dakwaan di dekatnyaPembeli mempelajari janji produk yang tidak disokong
Karya asal dianggap berasal daripada pihak lainPencipta kehilangan pengakuan atau trafik yang boleh dikenal pasti
Bahan yang diterbitkan dianggap fakta mapanMaklumat lemah kelihatan mempunyai kewibawaan
Soalan sama menghasilkan sumber berbezaSatu tangkapan skrin melebih-lebihkan kestabilan kedudukan persaingan

Sumber berguna hanya jika menyokong dakwaan

Gunakan semakan cepat ini sebelum mengulangi angka dalam email jualan atau laman web.

Dakwaan yang tepat

Tulis pernyataan yang tepat. Asingkan trafik, pertanyaan yang diterima, pipeline, pendapatan, dan keuntungan.

Buka buku kerja fakta komuniti

Lima pautan berulang tidak mewujudkan lima pengesahan bebas

Bayangkan pengumuman produk rekaan yang diulang empat penerbit kemudian dipetik oleh jawapan AI. Jawapan mempunyai beberapa URL, tetapi dakwaan prestasi kekal berasal daripada satu syarikat. Halaman lain mungkin menambahkan pelaporan atau ujian bebas; mungkin pula hanya mengulang pengumuman. Jumlah pautan sahaja tidak menunjukkan mana yang berlaku.

Ini penting untuk dakwaan seperti masa yang dijimatkan, kos pemerolehan lebih rendah, atau pelaksanaan lebih cepat. Angka yang sama boleh menyebar jauh melangkaui penjelasan tentang siapa yang mengukurnya dan dalam keadaan apa. Analisis saya ialah bahawa pengulangan boleh meningkatkan keterlihatan tanpa mengubah kekuatan bukti. Kerana itu, banyak sebutan boleh kekal berasal daripada satu sumber yang mempunyai kepentingan komersial. Ini alasan untuk mengekalkan atribusi, bukan alasan untuk mengabaikan setiap kajian kes syarikat.

Kesilapan yang paling memberi kesan boleh berbentuk perubahan kecil pada skop

Contoh perisian rekaan menjelaskan masalahnya: sumber mengatakan integrasi tersedia pada satu pakej perusahaan, sementara jawapan mengatakan produk tersebut menyertakan integrasi itu. Nama produk dan integrasi sama-sama betul. Syarat yang tidak dinyatakan kekal boleh menghasilkan penilaian yang tidak sesuai, calon pelanggan kecewa, dan masa jualan terbuang. Skor pemadanan entiti ringkas tidak akan menangkap perbezaannya.

Dalam perkhidmatan berasaskan lokasi, kesilapan setara adalah melekatkan keupayaan kumpulan pada setiap cabang. Halaman syarikat yang betul bukan bukti tentang lokasi individu. Ini adalah contoh ilustratif, bukan kekerapan yang diukur. Contoh tersebut menjelaskan mengapa penilaian ketepatan yang berguna secara komersial perlu mempertimbangkan skop kenyataan—pakej, tempat, tarikh, kelayakan, dan syarat harga—bukan hanya sama ada jenama yang tepat muncul.

Dapatan 5: pelaporan petikan platform sengaja tidak hingga menjadi bukti perniagaan

Kemas kini AI Performance Bing pada Jun 2026 mentakrifkan bahagian petikan sebagai bahagian petikan sebuah laman web untuk kueri pengambilan maklumat sokongan. Bing secara tegas menyatakan bahawa ukuran itu bersifat pemerhatian, tidak memaparkan domain pesaing, bukan bahagian trafik, dan tidak memberi skor kualiti. Perbandingan tempohnya boleh menunjukkan perubahan, sementara dokumentasi menyebut beberapa kemungkinan punca.

Had tersebut berguna. Platform melaporkan penggunaan sumber, bukan mengesahkan dakwaan pada setiap halaman atau nilai perniagaan sebuah jawapan. Kesimpulan saya ialah bahawa pelaporan keterlihatan dan semakan dakwaan menjawab soalan yang saling melengkapi. Yang satu menunjukkan di mana bukti digunakan. Yang lain menunjukkan sama ada penjelasan yang dihasilkan berguna dan tepat bagi pembeli yang dituju. Kedua-duanya tidak secara automatik memberikan hasil komersial akhir.

Bing: Intents, Topics, Citation Share and Compare

Makna dapatan ini bagi sebuah perniagaan

Peluangnya bukan sekadar memperoleh lebih banyak petikan. Peluangnya adalah membuat fakta yang tepat tersedia semasa sistem menjelaskan perniagaan dan memahami jurang antara paparan, tafsiran, dan langkah pelanggan seterusnya. Ini sangat berharga untuk tawaran kompleks, apabila satu syarat yang tidak dinyatakan boleh membuat jawapan yang kelihatan positif tidak berguna secara komersial.

Saya bekerja di Searchable. Dalam sesi strategi, saya menghubungkan jawapan yang disimpan dan sumbernya dengan keputusan pembeli yang sebenar: apa yang digambarkan dengan betul, apa yang masih tidak pasti, dan dapatan mana yang mengubah kerja. Penyelidikan menyokong pembacaan lebih teliti itu. Penyelidikan tidak menyokong menganggap graf petikan yang naik sebagai bukti ketepatan atau pendapatan.

Skop penyelidikan

Disemak 3 November 2026. Artikel ini mensintesis kajian yang diterbitkan, keluaran penyelidikan vendor, dan takrif pelaporan rasmi. Artikel tidak mengulang eksperimen tersebut. Hasil model terdahulu diberi label tarikh; kertas kajian Oktober dianggap sebagai pracetak. Contoh rekaan menjelaskan implikasi perniagaan dan bukan pemerhatian pelanggan. Tidak ada skor ketepatan gabungan yang dikira dari ujian yang tidak setanding.

Sumber dan rekod

Sumber disemak: 3 November 2026. Rancangan dan contoh merupakan saran, bukan hasil pelanggan yang diukur. Saya bekerja di Searchable. Pautan produknya mencerminkan hubungan tersebut.

1
Liu, Zhang and Liang: Evaluating Verifiability in Generative Search EnginesKajian tahun 2023 terhadap empat mesin yang tersedia semasa itu. Sokongan ayat dan ketepatan petikan merupakan ukuran berbeza; bukan penanda aras produk terkini.
2
Tow Center: AI Search Has a Citation Problem6 Mac 2025. Penjelasan penyelidik asal tentang 200 petikan artikel yang diuji pada lapan alat, menghasilkan 1,600 kueri. Tugas khusus carian berita.
3
Qi Liu et al.: From Public Posts to AI-Search CitationsPracetak diajukan 8 Oktober 2026; pengukuran dari Mac–April 2026. Kesan penerbitan dalam eksperimen bukan model peringkat atau penukaran universal.
4
Muck Rack and Generative Pulse: October 2026 citation researchKeluaran penyelidikan vendor pada 28 Oktober 2026. Pemantauan luas dan panel prompt berasingan mempunyai skop berbeza; pertindihan bukan metrik ketepatan.
5
Bing: Intents, Topics, Citation Share and ComparePengumuman pratonton rasmi 16 Jun 2026. Mentakrifkan bahagian petikan dan batasannya; disemak 3 November 2026.
Searchable
Daavid ChristaRakan anda di Searchable

Pelan carian AI anda, dibina bersama

Saya Daavid, rakan strategik anda di Searchable. Kami menukar matlamat perniagaan kepada soalan yang jelas, bimbingan praktikal dan pelan yang boleh dilaksanakan serta disemak bersama.

Lihat kedudukan anda

Apa yang anda terima
Gambaran awal cara AI menyebut perniagaan anda, dengan pasaran, model dan tarikh yang jelas.
Siapa yang terlibat
Anda dan Daavid
Cara Searchable membantu
Bandingkan jawapan disimpan, pesaing dan petikan sumber.

Kita akan bersetuju tentang sokongan, pelan dan jadual semakan bersama. Ciri bergantung pada persediaan anda.