Ce spune AI despre brandul tău și cum verifici dacă este adevărat

Un răspuns AI despre brandul tău este o observație, nu o sursă de adevăr. Poate combina informații corecte, date vechi, inferențe rezonabile și afirmații fără suport într-un singur paragraf fluent.

De aceea întrebarea utilă nu este doar „ce spune AI despre noi?”, ci „ce afirmații verificabile conține răspunsul, ce dovezi le susțin și cât de importantă este fiecare eroare?”.

Metoda de mai jos transformă impresia într-un registru de afirmații. Nu promite controlul direct asupra unui model și nu presupune că o singură modificare de conținut va schimba toate răspunsurile.

Încrederea tonului nu este dovadă

Modelele pot formula cu siguranță aparentă informații incorecte. OpenAI recomandă verificarea informațiilor importante și enumeră printre erori date greșite, citări fabricate și răspunsuri prea încrezătoare la întrebări ambigue.

NIST tratează confabulația ca risc specific sistemelor generative în profilul său pentru Generative AI. Termenul este mai util decât ideea că modelul „minte”: descrie un rezultat fals sau inconsistent, fără a atribui intenție umană sistemului.

Search și citările pot face răspunsul mai ușor de verificat, dar nu îl transformă automat în adevăr. Trebuie să deschidem sursa și să vedem dacă susține afirmația exactă.

Mai întâi separăm afirmațiile atomice

Considerăm răspunsul ipotetic:

„Compania a fost fondată în 2018, oferă o platformă pentru magazine online, operează în trei țări, se integrează cu toate platformele importante și este liderul pieței locale.”

Acesta nu este un singur fapt. Conține cel puțin cinci afirmații:

1. anul fondării este 2018;
2. produsul este o platformă pentru magazine online;
3. serviciul este disponibil în trei țări;
4. există integrări cu toate platformele „importante”;
5. compania este liderul pieței locale.

Fiecare necesită altă dovadă. „Toate platformele importante” este și ambiguă: trebuie definită lista. „Lider” cere o metrică, o perioadă, o piață și o sursă independentă.

Familiile de afirmații despre brand

• identitate: nume legal, nume comercial, domeniu, an și loc de înființare;
• ofertă: produse, servicii, public și excluderi;
• disponibilitate: țări, limbi, planuri și starea funcției;
• comercial: prețuri, contracte, retururi și garanții;
• tehnic: integrări, API, securitate și date;
• oameni: fondatori, conducere și roluri actuale;
• performanță: clienți, venituri, cote și benchmarkuri;
• reputație: recenzii, sentiment și controverse;
• conformitate: certificări, statut juridic și obligații.

Taxonomia ajută la rutare. O eroare de preț merge la pagina comercială. O eroare despre fondator poate necesita pagina About și profilurile oficiale. O afirmație juridică are nevoie de autoritate și, uneori, de revizuire legală.

Corect, incorect sau neconfirmat

Clasificarea minimă are trei stări:

Stare	Criteriu	Acțiune
Corect	Dovada susține afirmația pentru data și domeniul declarate	Păstrăm dovada și monitorizăm
Incorect	O dovadă autoritativă contrazice afirmația	Corectăm sursa disponibilă și remăsurăm
Neconfirmat	Nu există dovezi suficiente pentru acceptare sau respingere	Căutăm dovada sau publicăm clarificarea necesară

„Necunoscut” nu înseamnă „fals”. Dacă mutăm automat toate afirmațiile neconfirmate la incorecte, scorul devine artificial sever. Dacă le eliminăm din numitor, ascundem golurile de informație.

Păstrăm și două subtipuri operaționale: depășit, pentru un fapt cândva corect, și ambiguu, când termenii nu permit evaluarea. În raportarea agregată, depășit intră la incorect, iar ambiguu la neconfirmat.

Sursa de adevăr depinde de afirmație

Registrul companiei sau autoritatea competentă are prioritate pentru identitate juridică și statut reglementat. Documentația oficială și pagina produsului sunt potrivite pentru funcții, disponibilitate și politici controlate de companie. O afirmație de performanță sau superioritate cere dovezi independente și metodologie.

Pentru istoric folosim și versiuni arhivate. O pagină actuală poate arăta cine conduce compania acum, dar nu dovedește cine ocupa rolul în 2021.

Articolul despre sursele motoarelor AI explică de ce first-party, autoritate și validare independentă au roluri diferite. O singură ierarhie universală a domeniilor nu funcționează pentru toate tipurile de afirmații.

Fișa unei afirmații verificabile

Pentru fiecare afirmație păstrăm:

1. textul exact și forma normalizată;
2. familia afirmației;
3. răspunsul, promptul și conversația de origine;
4. motorul, interfața, limba, geografia și data;
5. citarea afișată, dacă există;
6. sursa de adevăr și URL-ul;
7. fragmentul sau câmpul care constituie dovada;
8. data efectivă și data verificării;
9. starea și nivelul de încredere al verificării;
10. proprietarul intern și următoarea acțiune.

Modelul este compatibil conceptual cu ideea de proveniență formalizată de recomandarea W3C PROV-O, dar registrul editorial poate rămâne mai simplu. Important este să putem reconstrui cine a verificat, cu ce dovadă și la ce dată.

Cum verificăm o citare

Deschidem pagina și căutăm afirmația, nu doar cuvintele similare. Verificăm dacă sursa se referă la același produs, plan, țară și interval. Un articol din 2022 nu dovedește automat prețul din 2026.

Apoi clasificăm relația:

• suport direct — sursa afirmă clar același lucru;
• suport parțial — dovedește doar o parte;
• fără suport — pagina nu conține dovada;
• contradicție — sursa spune altceva;
• inaccesibil — pagina nu poate fi verificată.

O citare reală cu suport parțial nu trebuie raportată drept afirmație complet confirmată.

Testele branded și discovery răspund la întrebări diferite

„Ce știi despre Brand X?” este un test branded. Măsoară percepția, acuratețea și acoperirea când numele este deja furnizat. „Ce soluții recomanzi pentru problema Y?” este un test de descoperire. Măsoară dacă brandul apare fără să fie introdus de evaluator.

Ambele sunt utile, dar nu intră în același numitor. Ghidul despre măsurarea vizibilității AI separă explicit apariția organică de testele în care numele este inclus în prompt.

Înregistrăm și starea căutării. Un răspuns bazat pe informație memorată și unul care folosește surse web actuale pot produce profiluri de eroare diferite.

Prioritizarea erorilor după risc

Nu orice greșeală cere aceeași urgență. O nuanță greșită într-un istoric de companie poate fi minoră. Un preț fals, o țară de operare incorectă, o certificare inventată sau atribuirea unei persoane greșite pot afecta decizia și reputația.

Evaluăm calitativ patru dimensiuni:

• impactul: ce prejudiciu poate produce;
• frecvența: în câte observații comparabile apare;
• proximitatea față de decizie: apare în descoperire sau chiar înainte de alegere;
• forța dovezii: cât de clar putem demonstra corecția.

Cazurile despre persoane, conformitate, siguranță, sănătate, finanțe sau litigii trebuie revizuite de om și, unde este necesar, juridic. Nu automatizăm publicarea unei replici sensibile doar pentru că un clasificator a marcat „incorect”.

Cum corectăm sursele fără să promitem controlul modelului

Putem îmbunătăți claritatea ecosistemului informațional:

• corectăm paginile oficiale contradictorii sau depășite;
• publicăm o pagină canonică pentru identitate și produs;
• aliniem documentația, help center-ul și profilurile controlate;
• adăugăm date efective și istoricul schimbărilor;
• solicităm corectarea erorilor în publicația care le găzduiește;
• obținem validare independentă pentru afirmații care o cer.

Google spune că marcajul Organization poate ajuta la înțelegerea și dezambiguizarea detaliilor administrative. Asta nu înseamnă că schema suprascrie un răspuns generativ sau garantează un Knowledge Panel.

După intervenție, reluăm aceeași cohortă și păstrăm versiunile. O schimbare observată este asociată temporal intervenției, dar nu devine automat dovadă de cauzalitate.

Coerența trebuie verificată între pagini și limbi

Un brand poate avea o pagină principală actuală și, simultan, un PDF vechi, un profil social neactualizat sau o traducere care descrie oferta anterioară. Sistemul informațional public devine contradictoriu chiar dacă fiecare echipă își consideră pagina corectă.

Registrul de adevăr trebuie să indice o valoare canonică, sursa care o controlează, data de la care este valabilă și toate suprafețele care o consumă. Pentru nume, fondatori, țări, planuri și funcții importante verificăm cel puțin site-ul, documentația, paginile de profil și localizările publice.

Traducerea nu trebuie folosită pentru a ascunde o diferență de produs. Dacă o funcție este disponibilă numai într-o țară, pagina localizată declară limitarea. Dacă nu există o sursă echivalentă într-o limbă, legăm sursa canonică și explicăm situația, în loc să inventăm o certitudine locală.

Când corectăm o contradicție, salvăm versiunea anterioară și data schimbării. Altfel, o remăsurare ulterioară nu poate distinge între o eroare a motorului și o nealiniere reală din propriul ecosistem editorial.

Raportarea acurateții

La nivel de afirmație putem raporta:

• afirmații corecte ÷ toate afirmațiile verificabile;
• afirmații incorecte ÷ toate afirmațiile verificabile;
• afirmații neconfirmate ÷ toate afirmațiile analizate;
• conversații cu cel puțin o eroare cu risc ridicat ÷ toate conversațiile eligibile;
• timpul median până la remedierea sursei controlabile.

Arătăm întotdeauna numărătorul, numitorul și coverage. Dacă doar 40 din 100 de afirmații au putut fi verificate, nu prezentăm „90% corect” fără să spunem că se referă la 36 din 40.

Verdict

Nu verificăm un răspuns AI ca pe un eseu, ci ca pe un set de afirmații. Fiecare afirmație primește o sursă potrivită, o dată, o stare și un risc.

Metoda produce două rezultate utile: o imagine sinceră a percepției AI și un backlog de îmbunătățiri pentru sursele pe care brandul le poate controla sau influența legitim.

Scopul nu este să obligăm modelul să repete textul companiei. Scopul este ca informația publică să fie clară, coerentă, verificabilă și suficient de bine documentată pentru ca erorile importante să poată fi observate și corectate.

Un audit bun păstrează și limitele: ce suprafețe nu au fost testate, ce afirmații nu au putut fi confirmate și ce schimbări nu au fost încă remăsurate. Transparența asupra necunoscutului este parte din rezultat, nu un defect de ascuns.

Surse

• OpenAI — Accuracy and limitations
• NIST AI 600-1 — Generative AI Profile
• Google Search Central — Organization structured data
• Google Search Central — Introduction to structured data
• W3C — PROV-O Recommendation

Ultima verificare a surselor: 31 iulie 2026. Registrul descris este metodologie editorială; articolul nu afirmă că toate câmpurile sau fluxurile sunt deja disponibile în produsul AYSA.