ForskningForskning om AI-citeringar

En citering är inget bevis: vad forskningen visar om AI-svar

Fem forskningsfynd förklarar påståenden utan stöd, felaktiga källänkar, föränderliga citeringslistor och varför ett företags information kan synas utan att återges korrekt.

Översatt med ChatGPT. Inte granskat av en redaktör med språket som modersmål. Källtitlar och skärmbilder är kvar på originalspråket.Läs den engelska versionen
Det korta svaret

AI-citeringar gör svar lättare att granska, men en synlig länk visar inte korrekthet, oberoende eller en rekommendation. Studier av tidiga sökassistenter, nyhetshämtning och dagens citeringsbeteende visar olika feltyper. Affärsfrågan är därför mer specifik än ”Citeras vi?”: vilket påstående kopplas till företaget, vilka belägg stödjer det och vad lär sig köparen?

  1. 01En källa väljs
  2. 02Ett påstående skrivs
  3. 03En länk läggs till
  4. 04Företaget tolkas

Huvudfyndet: citeringar och beläggens kvalitet är olika saker

En citering registrerar en relation mellan ett svar och en sida. Relationen kan vara stark, partiell eller felaktig. En sida kan visa att ett företag erbjuder en tjänst utan att visa att den är bäst, finns lokalt eller passar en viss person. Den extra slutsatsen hör till svaret, inte nödvändigtvis till källan.

Skillnaden förklarar varför ett citeringsantal inte samtidigt kan vara ett tillitsmått. Fem länkar kan stödja fem separata fakta, upprepa ett ursprungligt meddelande eller innehålla en sida som inte stödjer meningen intill. Situationerna ser lika ut i en panel som räknar URL:er. De är olika för en läsare som överväger att kontakta företaget. Forskningen nedan gör flera delar av det gapet mätbara.

Fynd 1: välformulerade svar har historiskt innehållit påståenden utan stöd

En Stanfordstudie från 2023 av Nelson F. Liu, Tianyi Zhang och Percy Liang utvärderade fyra då tillgängliga generativa sökmotorer. I granskningen hade 51.5% av de genererade meningarna fullständigt stöd av citeringar, och 74.5% av citeringarna stödde sin tillhörande mening. Forskarna skilde fullständigheten i stödet från korrektheten i länkar till enskilda påståenden.

Detta är historiska resultat för Bing Chat, NeevaAI, Perplexity och YouChat, inte ett betyg på dagens versioner. Deras bestående värde är skillnaden mellan två fel: svaret kan lämna ett påstående utan stöd eller koppla det till en citering som inte motiverar det. Fler länkar kan förbättra det första utan att lösa det andra. Studien visar inte hur ofta något av felen gäller ett visst företags produkter i dag.

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

Fynd 1: välformulerade svar har historiskt innehållit påståenden utan stöd

51,5 %

Meningar som stöds helt av källhänvisningar

74,5 %

Källhänvisningar som stöder den tillhörande meningen

Studie från 2023 av fyra då aktuella motorer. Meningsstöd och citeringsprecision är olika mått; inte ett riktvärde för dagens produkter.

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

Fynd 2: att hitta originalkällan kan misslyckas även med ett exakt utdrag

Tow Centers studie från mars 2025 testade åtta AI-verktyg med sökning med utdrag ur 200 nyhetsartiklar: 20 utgivare, tio artiklar vardera, totalt 1,600 frågor över verktygen. Forskarna bad om artikel, utgivare och URL. Mer än 60% av svaren innehöll fel. Utdragen hade valts så att vanlig Google-sökning gav originalkällan bland de tre första resultaten.

Det var en krävande men specifik hämtningsuppgift, inte ett test av alla faktafrågor. Studien såg också hänvisningar till syndikerade eller kopierade versioner och påhittade eller trasiga länkar. Affärsbetydelsen är att originalarbete inte garanterar citeringen eller besöket. Ett företag som citeras i rapportering och utgivaren som skapat den kan återges genom en annan sida. Resultatet är tidsbestämda belägg för felet, inte bevis för att alla nuvarande system beter sig likadant.

Tow Center: AI Search Has a Citation Problem

Fynd 3: en sökbar publicering är inte samma sak som verifierad kunskap

En preprint från oktober 2026 av Qi Liu med kollegor analyserade 17,211 citeringstillfällen på tio AI-sökplattformar och 6,356 källdomäner. I kontrollerade publiceringsexperiment citerade åtta plattformar ett påhittat begrepp inom sju dagar. Experimentet spårade särskiljande markörer till forskarnas publikationer i stället för att bara märka att ett svar ändrats.

Detta visar en väg från offentligt innehåll till genererade svar, inte en uppmaning att hitta på påståenden. Författarna anger begränsningar: ett konstruerat frågeurval, ämnen valda för att göra källspårning möjlig och mätningar från en kampanj i mars–april 2026. Exakta nivåer kan förändras. Det viktiga fyndet är att förekomst på den hämtade webben kan leda till citering utan att påståendet blir sant. Enbart citeringsframgång skulle ha belönat fel utfall i experimentet.

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

Fynd 4: själva källistan kan förändras mellan observationer

Muck Racks och Generative Pulses publicering från oktober 2026 kombinerar ett brett övervakningsunderlag med en separat septemberpanel med 1,020 konsumentfrågor utan varumärken i fyra system. Vid upprepade tester samma dag rapporteras domänöverlapp på 41% för ChatGPT, 45% för Gemini och 94% för Perplexity. Det är utgivarredovisade fynd, inte en oberoende revision av övervakningsleverantören.

Domänöverlapp mäter hur upprepbart källurvalet är, inte hur korrekt något av svaren är. En ändrad lista kan stödja samma riktiga slutsats; en stabil lista kan upprepa ett fel. Datasetets olika delar bör inte heller slås ihop till ett representativt urval av alla sökningar. Publiceringen stödjer ett smalare fynd: ett fångat svar kan ge en dålig bild av vad samma system kommer att citera igen.

Muck Rack and Generative Pulse: October 2026 citation research

Studierna undersöker olika problem, inte en universell felfrekvens

Resultaten kan inte räknas ihop till en övergripande tillförlitlighetsprocent för AI. Meningsstöd, korrekt artikelhämtning, upptag av ett påhittat begrepp och upprepbarhet i domäner har olika nämnare. De kommer också från olika år, system och frågeuppsättningar. Att behandla dem som samma mått skulle göra forskningen mindre användbar där företaget behöver tydlighet.

Tillsammans visar de fyra separata frågor om ett affärssvar: stöds det viktiga påståendet, får rätt källa erkännandet, har källan förtjänat sin auktoritet och kan observationen upprepas? Ett företag kan ha problem i en dimension men inte i de andra. Det ger olika följder för rykte, användbar trafik och kvaliteten på kommande försäljningssamtal.

Studierna undersöker olika problem, inte en universell felfrekvensProva detta
BeläggsproblemVad som kan gå felAffärskonsekvens
En länk motiverar inte påståendet intillKöparen lär sig ett produktlöfte utan stöd
Originalarbetet tillskrivs någon annanUpphovspersonen förlorar identifierbart erkännande eller trafik
Publicerat material tas för fastslagna faktaSvag information får sken av auktoritet
Samma fråga ger andra källorEn skärmbild överdriver stabiliteten i konkurrenspositionen

En källa är användbar bara om den stöder påståendet

Gör denna snabba kontroll innan du återger en siffra i ett säljmejl eller på en webbplats.

Exakt påstående

Skriv ner exakt påstående. Håll trafik, förfrågningar, pipeline, intäkt och vinst åtskilda.

Öppna arbetsboken för boendefakta

Fem upprepade länkar skapar inte fem oberoende bekräftelser

Tänk på ett fiktivt produktmeddelande som upprepas av fyra publikationer och sedan citeras i ett AI-svar. Svaret har flera URL:er, men prestationspåståendet börjar fortfarande hos ett företag. De andra sidorna kan tillföra rapportering eller oberoende tester; de kan också bara upprepa meddelandet. Antalet länkar avslöjar inte vilket som skedde.

Det spelar roll för påståenden om sparad tid, lägre kundanskaffningskostnad eller snabbare införande. Samma siffra kan färdas långt från förklaringen av vem som mätte den och under vilka villkor. Min analys är att upprepning kan öka synligheten utan att stärka beläggen. Många omnämnanden kan alltså samexistera med en enda kommersiellt intresserad källa. Det är ett skäl att behålla källtillskrivningen, inte att avfärda alla företagsfall.

De viktigaste felen kan vara små förändringar i omfattning

Ett fiktivt programvaruexempel illustrerar problemet: källan säger att en integration finns i en viss företagsplan, medan svaret säger att produkten innehåller integrationen. Produktnamnet och integrationsnamnet är rätt. Det borttappade villkoret kan ändå leda till en olämplig utvärdering, en besviken potentiell kund och slösad försäljningstid. En enkel namnmatchningspoäng skulle missa skillnaden.

I en lokal tjänst tillskriver ett motsvarande fel hela gruppens förmåga till varje filial. En korrekt företagssida är inte belägg om en enskild plats. Exemplen är illustrativa, inte uppmätta frekvenser. De visar varför en affärsmässigt användbar korrekthetsbedömning måste granska påståendets omfattning — plan, plats, datum, behörighet och prisvillkor — inte bara om rätt varumärke syntes.

Fynd 5: plattformarnas citeringsrapporter stannar avsiktligt före affärsbevis

Bings AI Performance-uppdatering från juni 2026 definierar citeringsandel som en webbplats andel av citeringarna för en underbyggande fråga. Den säger uttryckligen att måttet är observationellt, inte visar konkurrentdomäner, inte är trafikandel och inte ger kvalitetsbetyg. Periodjämförelser kan visa förändring, medan dokumentationen anger flera möjliga orsaker.

Den gränsen är användbar. Plattformen rapporterar källanvändning, inte certifierar påståendena på varje sida eller svarets affärsvärde. Min slutsats är att synlighetsrapportering och påståendegranskning besvarar kompletterande frågor. Den ena visar var belägg används. Den andra visar om den resulterande förklaringen är användbar och korrekt för den avsedda köparen. Ingen ger automatiskt det slutliga affärsresultatet.

Bing: Intents, Topics, Citation Share and Compare

Vad fynden betyder för ett företag

Möjligheten är inte bara fler citeringar. Den är att ha rätt fakta tillgängliga när ett system förklarar företaget och förstå luckorna mellan exponering, tolkning och kundens nästa steg. Det är särskilt värdefullt för komplicerade erbjudanden, där ett saknat villkor kan göra ett till synes positivt svar affärsmässigt oanvändbart.

Jag arbetar på Searchable. I ett strategisamtal kopplar jag det sparade svaret och dess källor till köparens faktiska beslut: vad som återgavs rätt, vad som är osäkert och vilket fynd som förändrar arbetet. Forskningen stödjer denna närmare läsning. Den stödjer inte att ett stigande citeringsdiagram behandlas som bevis för korrekthet eller intäkter.

Analysens omfattning

Granskad den 3 november 2026. Artikeln sammanför publicerade studier, en leverantörs forskningspublicering och officiella rapportdefinitioner. Den upprepar inte experimenten. Historiska modellresultat dateras; oktoberartikeln behandlas som preprint. Fiktiva exempel förklarar affärskonsekvenser och är inte kundobservationer. Inget gemensamt korrekthetsbetyg räknas fram ur oförenliga tester.

Källor och anteckningar

Källor granskade: 3 november 2026. Planer och exempel är råd, inte uppmätta kundresultat. Jag arbetar på Searchable. Produktlänkar speglar den kopplingen.

1
Liu, Zhang and Liang: Evaluating Verifiability in Generative Search EnginesStudie från 2023 av fyra då aktuella motorer. Meningsstöd och citeringsprecision är olika mått; inte ett riktvärde för dagens produkter.
2
Tow Center: AI Search Has a Citation Problem6 mars 2025. Originalforskarnas redogörelse för 200 artikelutdrag testade i åtta verktyg, totalt 1,600 frågor. En specifik nyhetshämtningsuppgift.
3
Qi Liu et al.: From Public Posts to AI-Search CitationsPreprint inskickad den 8 oktober 2026; mätningar från mars–april 2026. Experimentella publiceringseffekter är ingen universell ranknings- eller konverteringsmodell.
4
Muck Rack and Generative Pulse: October 2026 citation researchLeverantörens forskningspublicering den 28 oktober 2026. Bred övervakning och den separata frågepanelen har olika omfattning; överlapp är inget korrekthetsmått.
5
Bing: Intents, Topics, Citation Share and CompareOfficiell förhandsvisning den 16 juni 2026. Definierar citeringsandel och begränsningar; granskad den 3 november 2026.
Searchable
Daavid ChristaDin partner på Searchable

Din AI-sökplan, byggd tillsammans

Jag är Daavid, din strategiska partner på Searchable. Vi omsätter dina affärsmål i tydliga frågor, praktisk introduktion och en genomförbar plan som vi granskar tillsammans.

Se var du står

Vad du får
En första bild av hur AI nämner ditt företag, med marknad, modell och datum tydligt angivna.
Vilka som deltar
Du och Daavid
Hur Searchable hjälper
Jämför sparade svar, konkurrenter och källhänvisningar.
Bygg min plan med Daavid45 minuters samtal

Vi kommer överens om stöd, plan och granskningsschema tillsammans. Funktioner beror på er konfiguration.