BadaniaBadania cytowań AI

Cytowanie nie jest dowodem: co badania ujawniają o odpowiedziach AI

Pięć ustaleń wyjaśnia niepoparte twierdzenia, błędne linki, zmienne listy cytowań oraz to, dlaczego informacje firmy mogą być widoczne, lecz przedstawione nieprawidłowo.

Przetłumaczono z ChatGPT. Bez kontroli redaktora rodzimego języka. Tytuły źródeł i zrzuty ekranu pozostają w języku oryginału.Czytaj wersję angielską
Krótka odpowiedź

Cytowania ułatwiają sprawdzanie odpowiedzi AI, ale widoczny link nie potwierdza poprawności, niezależności ani rekomendacji. Badania wczesnych asystentów wyszukiwania, odnajdywania wiadomości i obecnego zachowania cytowań ujawniają różne rodzaje błędów. Pytanie biznesowe jest zatem bardziej konkretne niż „Czy jesteśmy cytowani?”: jakie twierdzenie powiązano z firmą, jakie dowody je wspierają i czego dowiaduje się kupujący?

  1. 01Wybór źródła
  2. 02Zapisanie twierdzenia
  3. 03Dodanie linku
  4. 04Interpretacja firmy

Główny wniosek: obecność cytowania i jakość dowodów to różne rzeczy

Cytowanie zapisuje związek między odpowiedzią a stroną. Związek może być silny, częściowy lub błędny. Strona może potwierdzać, że firma oferuje usługę, nie potwierdzając, że jest najlepszą opcją, działa lokalnie lub pasuje konkretnej osobie. Dodatkowy wniosek należy do odpowiedzi, niekoniecznie do źródła.

To rozróżnienie wyjaśnia, dlaczego liczba cytowań nie może jednocześnie pełnić roli oceny zaufania. Pięć linków może wspierać pięć osobnych faktów, powtarzać jedno pierwotne ogłoszenie lub zawierać stronę, która nie wspiera sąsiedniego zdania. Takie sytuacje wyglądają podobnie w panelu liczącym adresy URL. Są różne dla czytelnika podejmującego decyzję o kontakcie z firmą. Poniższe badania pozwalają zmierzyć kilka części tej luki.

Wniosek 1: płynne odpowiedzi zawierały niepoparte stwierdzenia

Badanie Stanforda z 2023 roku autorstwa Nelsona F. Liu, Tianyi Zhanga i Percy'ego Lianga oceniło cztery dostępne wówczas wyszukiwarki generatywne. W audycie 51.5% wygenerowanych zdań było w pełni popartych cytowaniami, a 74.5% cytowań wspierało przypisane im zdanie. Badacze rozdzielili kompletność uzasadnienia od poprawności linków przy poszczególnych twierdzeniach.

To historyczne wyniki Bing Chat, NeevaAI, Perplexity i YouChat, nie ocena obecnych wersji. Ich trwała wartość polega na rozróżnieniu dwóch błędów: odpowiedź może pozostawić twierdzenie bez uzasadnienia albo dołączyć cytowanie, które go nie potwierdza. Więcej linków może poprawić pierwszy problem, nie rozwiązując drugiego. Badanie nie ustala, jak często te błędy występują dziś w odniesieniu do produktów konkretnej firmy.

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

Wniosek 1: płynne odpowiedzi zawierały niepoparte stwierdzenia

51,5%

Zdania w pełni poparte cytowanymi źródłami

74,5%

Odwołania do źródeł potwierdzające powiązane zdanie

Badanie czterech ówczesnych wyszukiwarek z 2023 roku. Poparcie zdań i precyzja cytowań to różne miary; nie jest to punkt odniesienia dla obecnych produktów.

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

Wniosek 2: znalezienie pierwotnego źródła może zawieść nawet przy dokładnym fragmencie

Badanie Tow Center z marca 2025 roku sprawdziło osiem narzędzi AI z wyszukiwaniem, używając fragmentów 200 artykułów: 20 wydawców, po dziesięć artykułów, łącznie 1,600 zapytań we wszystkich narzędziach. Badacze prosili o artykuł, wydawcę i adres URL. Ponad 60% odpowiedzi zawierało błędy. Fragmenty wybrano tak, aby tradycyjne Google zwracało pierwotne źródło wśród pierwszych trzech wyników.

Było to wymagające, ale konkretne zadanie wyszukania źródła, nie test każdego pytania o fakty. Zaobserwowano też przypisywanie informacji przedrukom lub kopiom oraz zmyślone lub niedziałające linki. Znaczenie biznesowe jest takie, że stworzenie oryginalnej pracy nie gwarantuje cytowania ani wizyty. Firma cytowana w publikacji i wydawca, który ją stworzył, mogą być przedstawiani przez inną stronę. Wynik jest dowodem tego błędu z określonego czasu, a nie potwierdzeniem, że wszystkie obecne systemy zachowują się identycznie.

Tow Center: AI Search Has a Citation Problem

Wniosek 3: dostępna w wyszukiwaniu publikacja nie jest tym samym co zweryfikowana wiedza

Preprint Qi Liu i współautorów z października 2026 roku przeanalizował 17,211 wystąpień cytowań na dziesięciu platformach wyszukiwania z AI i w 6,356 domenach źródłowych. W kontrolowanych eksperymentach publikacyjnych osiem platform zacytowało wymyśloną koncepcję w ciągu siedmiu dni. Eksperyment prześledził charakterystyczne znaczniki do publikacji badaczy, zamiast tylko zauważyć zmianę odpowiedzi.

To dowód drogi od publicznej treści do generowanych odpowiedzi, nie instrukcja fabrykowania twierdzeń. Autorzy wskazują ograniczenia: zaprojektowany panel pytań, tematy dobrane tak, by umożliwić przypisanie źródła, oraz pomiary z kampanii z marca–kwietnia 2026 roku. Dokładne wskaźniki mogą się zmieniać. Ważne ustalenie jest takie, że obecność w pobieranej sieci może prowadzić do cytowania, nie czyniąc twierdzenia prawdziwym. Sam sukces cytowania nagradzałby w tym eksperymencie niewłaściwy wynik.

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

Wniosek 4: sama lista źródeł może zmieniać się między obserwacjami

Publikacja Muck Rack i Generative Pulse z października 2026 roku łączy szeroki zbiór monitoringu z osobnym wrześniowym panelem 1,020 pytań konsumenckich bez nazw marek w czterech systemach. W powtórzeniach tego samego dnia podaje zgodność cytowanych domen na poziomie 41% dla ChatGPT, 45% dla Gemini i 94% dla Perplexity. Są to wyniki przedstawione przez wydawców, nie niezależny audyt dostawcy monitoringu.

Zgodność domen mierzy powtarzalność wyboru źródeł, nie poprawność żadnej odpowiedzi. Zmienna lista może wspierać ten sam prawidłowy wniosek; stała lista może wielokrotnie wspierać błąd. Różnych części zbioru danych nie należy też łączyć w jedną reprezentatywną próbę wszystkich wyszukiwań. Publikacja wspiera węższy wniosek: jedna zapisana odpowiedź może słabo opisywać to, co ten sam system zacytuje ponownie.

Muck Rack and Generative Pulse: October 2026 citation research

Te badania dotyczą różnych problemów, nie jednego uniwersalnego odsetka błędów

Wyników nie można uśrednić do ogólnego procentu wiarygodności AI. Poparcie zdania, prawidłowe odnalezienie artykułu, przejęcie wymyślonej koncepcji i powtarzalność domen mają różne mianowniki. Pochodzą też z różnych lat, systemów i zestawów pytań. Traktowanie ich jako tej samej miary uczyniłoby badania mniej użytecznymi właśnie tam, gdzie firma potrzebuje jasności.

Razem ujawniają cztery osobne pytania o odpowiedź biznesową: czy ważne twierdzenie jest poparte, czy zasługę przypisano właściwemu źródłu, czy źródło zasłużyło na autorytet i czy obserwacja jest powtarzalna? Firma może mieć problem w jednym wymiarze, a nie w pozostałych. Powoduje to różne skutki dla reputacji, wartościowego ruchu i jakości późniejszych rozmów handlowych.

Te badania dotyczą różnych problemów, nie jednego uniwersalnego odsetka błędówWypróbuj
Problem z dowodamiCo może pójść źleSkutek biznesowy
Link nie potwierdza pobliskiego twierdzeniaKupujący poznaje niepotwierdzoną obietnicę produktu
Oryginalną pracę przypisano komuś innemuTwórca traci rozpoznawalne uznanie lub ruch
Opublikowany materiał uznano za ustalony faktSłaba informacja zyskuje pozór autorytetu
To samo pytanie daje inne źródłaJeden zrzut ekranu przecenia stabilność pozycji konkurencyjnej

Źródło pomaga tylko wtedy, gdy potwierdza twierdzenie

Wykonaj tę kontrolę przed powtórzeniem liczby w wiadomości sprzedażowej lub na stronie.

Dokładne twierdzenie

Zapisz dokładne stwierdzenie. Oddziel ruch, zapytania, pipeline, przychód i zysk.

Otwórz arkusz faktów o placówce

Pięć powtórzonych linków nie daje pięciu niezależnych potwierdzeń

Rozważmy fikcyjne ogłoszenie produktu powtórzone przez cztery publikacje, a następnie zacytowane w odpowiedzi AI. Odpowiedź ma kilka adresów URL, lecz twierdzenie o wynikach nadal pochodzi od jednej firmy. Pozostałe strony mogą dodawać własne ustalenia lub niezależne testy; mogą też powtarzać ogłoszenie. Sama liczba linków nie pokazuje, co się wydarzyło.

Ma to znaczenie dla twierdzeń o zaoszczędzonym czasie, niższym koszcie pozyskania klienta czy szybszym wdrożeniu. Ta sama liczba może rozejść się daleko poza wyjaśnienie, kto ją zmierzył i w jakich warunkach. Moim zdaniem powtarzanie może zwiększyć widoczność bez zmiany siły dowodów. Duża liczba wzmianek może więc współistnieć z jednym źródłem zainteresowanym komercyjnie. To powód, by zachować przypisanie autorstwa, nie by odrzucać każde firmowe studium przypadku.

Najbardziej dotkliwe błędy mogą być drobnymi zmianami zakresu

Fikcyjny przykład oprogramowania ilustruje problem: źródło mówi, że integracja jest dostępna w jednym planie enterprise, a odpowiedź mówi, że produkt zawiera tę integrację. Nazwa produktu i integracji są poprawne. Pominięty warunek może jednak prowadzić do niedopasowanej oceny produktu, rozczarowanego potencjalnego klienta i straconego czasu sprzedaży. Prosta miara dopasowania nazw nie wychwyciłaby różnicy.

W usłudze lokalnej równoważny błąd przypisuje możliwości grupy każdej placówce. Poprawna strona korporacyjna nie jest dowodem dotyczącym konkretnej lokalizacji. To przykłady ilustracyjne, nie zmierzone częstotliwości. Wyjaśniają, dlaczego biznesowo użyteczna ocena poprawności musi uwzględniać zakres twierdzenia — plan, miejsce, datę, uprawnienia i warunki cenowe — a nie tylko obecność właściwej marki.

Wniosek 5: raporty cytowań platform celowo nie sięgają aż do dowodu biznesowego

Aktualizacja Bing AI Performance z czerwca 2026 roku definiuje udział cytowań jako udział witryny w cytowaniach dla zapytania podpierającego odpowiedź. Wyraźnie zaznacza, że miara jest obserwacyjna, nie ujawnia domen konkurentów, nie jest udziałem ruchu i nie nadaje oceny jakości. Porównanie okresów może pokazać zmianę, a dokumentacja wskazuje wiele możliwych przyczyn.

Ta granica jest przydatna. Platforma raportuje użycie źródeł, nie poświadcza twierdzeń na każdej stronie ani wartości biznesowej odpowiedzi. Moim wnioskiem jest, że raportowanie widoczności i weryfikacja twierdzeń odpowiadają na uzupełniające się pytania. Pierwsze pokazuje, gdzie dowody są używane. Drugie pokazuje, czy wynikowe wyjaśnienie jest przydatne i poprawne dla docelowego kupującego. Żadne automatycznie nie dostarcza końcowego wyniku biznesowego.

Bing: Intents, Topics, Citation Share and Compare

Co te ustalenia oznaczają dla firmy

Szansą nie jest po prostu zdobycie większej liczby cytowań. Jest nią udostępnienie właściwych faktów wtedy, gdy system wyjaśnia firmę, i zrozumienie luk między ekspozycją, interpretacją a kolejnym krokiem klienta. To szczególnie cenne przy złożonych ofertach, gdzie brak warunku może uczynić pozornie pozytywną odpowiedź biznesowo nieprzydatną.

Pracuję w Searchable. Podczas sesji strategicznej łączę zapisaną odpowiedź i źródła z rzeczywistą decyzją kupującego: co przedstawiono poprawnie, co pozostaje niepewne i które ustalenie zmienia pracę. Badania wspierają taką uważniejszą lekturę. Nie uzasadniają traktowania rosnącego wykresu cytowań jako dowodu poprawności lub przychodów.

Zakres badania

Przegląd z 3 listopada 2026 roku. Artykuł syntetyzuje opublikowane badania, komunikat badawczy dostawcy i oficjalne definicje raportowania. Nie powtarza eksperymentów. Historyczne wyniki modeli oznaczono datą; październikowy artykuł traktowany jest jako preprint. Fikcyjne przykłady wyjaśniają skutki biznesowe i nie są obserwacjami klientów. Nie obliczono wspólnej oceny poprawności z nieporównywalnych testów.

Źródła i uwagi

Źródła sprawdzono: 3 listopada 2026. Plany i przykłady są poradami, nie zmierzonymi wynikami klientów. Pracuję w Searchable. Linki do produktu odzwierciedlają tę relację.

1
Liu, Zhang and Liang: Evaluating Verifiability in Generative Search EnginesBadanie czterech ówczesnych wyszukiwarek z 2023 roku. Poparcie zdań i precyzja cytowań to różne miary; nie jest to punkt odniesienia dla obecnych produktów.
2
Tow Center: AI Search Has a Citation Problem6 marca 2025 roku. Relacja autorów badania 200 fragmentów artykułów w ośmiu narzędziach, dającego 1,600 zapytań. Konkretne zadanie odnajdywania wiadomości.
3
Qi Liu et al.: From Public Posts to AI-Search CitationsPreprint złożony 8 października 2026 roku; pomiary z marca–kwietnia 2026 roku. Eksperymentalne efekty publikacji nie są uniwersalnym modelem rankingu lub konwersji.
4
Muck Rack and Generative Pulse: October 2026 citation researchKomunikat badawczy dostawcy z 28 października 2026 roku. Szeroki monitoring i osobny panel pytań mają różne zakresy; zgodność źródeł nie jest miarą poprawności.
5
Bing: Intents, Topics, Citation Share and CompareOficjalna zapowiedź wersji testowej z 16 czerwca 2026 roku. Definiuje udział cytowań i jego ograniczenia; przegląd 3 listopada 2026 roku.
Searchable
Daavid ChristaTwój partner w Searchable

Twój plan wyszukiwania AI, tworzony wspólnie

Jestem Daavid, Twój partner strategiczny w Searchable. Zamienimy cele firmy w jasny zestaw pytań, praktyczne wdrożenie i konkretny plan do wspólnej oceny.

Zobacz, gdzie jesteś

Co otrzymujesz
Wstępny obraz tego, jak AI wspomina Twoją firmę, z jasno podanym rynkiem, modelem i datami.
Kto uczestniczy
Ty i Daavid
Jak pomaga Searchable
Porównuj zapisane odpowiedzi, konkurentów i cytowania.
Stwórz mój plan z Daavidem45-minutowa rozmowa

Wspólnie uzgodnimy wsparcie, plan i harmonogram ocen. Funkcje zależą od konfiguracji.