AI fortsetter å si feil ting om selskapet vårt. Har noen klart å korrigere feilinformasjon i ChatGPT- eller Perplexity-svar?

Jeg spesialiserer meg akkurat på dette problemet. Det er mulig å fikse, men krever systematisk arbeid.

Hvorfor AI tar feil:

ChatGPTs treningsdata har en sluttdato. Hvis din gamle CEO ble nevnt i 100 artikler og din nye i 20, “husker” modellen den gamle sterkere. Det er ikke ondsinnet, bare mønstergjenkjenning på ufullstendig data.

Korrigeringsrammeverk som fungerer:

1. Kildekartlegging List opp alle steder hvor selskapsinformasjon finnes på nett:

• Wikipedia (viktigst for AI)
• LinkedIn-selskapsside
• Crunchbase
• Offisiell nettside, “Om oss”
• Pressemeldinger
• Store nyhetsartikler

2. Oppdater autoritative kilder Dette er kildene AI stoler mest på:

• Wikipedia – Hvis dere ikke har en side, vurder om dere er notable nok. Hvis dere har, sørg for at den er oppdatert med aktuelle kilder
• Wikidata – Strukturert data som driver mange AI-systemer
• Nettsiden deres – Schema markup for Organization, inkludert foundingDate, CEO, adresse
• LinkedIn – Selskapsside med verifisert info
• Crunchbase – Ofte brukt av AI

3. Ny innholdsstrategi Publiser nytt innhold som eksplisitt oppgir korrekt informasjon:

• “Om oss”-side med klare fakta
• Pressemeldinger om lederbytter (selv om det ikke er “nytt”)
• Blogginnlegg som naturlig nevner dagens ledelse, lokasjon, produkter

4. Rapporter og dokumenter

• Perplexity: Bruk tilbakemeldingsknappen på hvert svar
• ChatGPT: Rapporter via tilbakemelding (ja, det føles meningsløst, men det logges)
• Dokumenter alt for eventuell opptrapping

Tidsforventning: 2–6 måneder for meningsfull endring. Dette er ingen rask løsning.

Vi opplevde det samme da ChatGPT insisterte på at vi var en “e-handelsplattform” mens vi egentlig er et B2B SaaS-verktøy. Helt forskjellig forretningsmodell.

Det som til slutt fungerte:

Nøkkelen var konsistens på flere autoritative kilder.

Vi oppdaterte:

1. Nettsidens schema markup med korrekt bransje, beskrivelse, produkter
2. LinkedIn-selskapsside med detaljert beskrivelse
3. Crunchbase med riktig kategorisering
4. Publiserte 3 blogginnlegg som eksplisitt beskrev hva vi gjør
5. Fikk en omtale i TechCrunch med korrekt beskrivelse av virksomheten vår

Innen 8 uker begynte ChatGPT å beskrive oss riktig. TechCrunch-artikkelen hjalp mest – autoritativ teknologipublikasjon + nylig + korrekt informasjon.

Lærdommen: AI stoler på autoritative kilder. Få korrekt info ut på nettsteder med høy autoritet, ikke bare din egen nettside.

Teknisk tips mange overser:

Schema markup er hvordan du “forteller” AI-systemene korrekt informasjon.

På “Om oss”-siden, implementer Organization-schema slik:

{
  "@type": "Organization",
  "name": "Ditt Selskap",
  "foundingDate": "2015-03-15",
  "address": {
    "addressLocality": "Austin",
    "addressRegion": "TX"
  },
  "employee": {
    "@type": "Person",
    "name": "Nåværende CEO-navn",
    "jobTitle": "CEO"
  }
}

AI-systemer tolker i økende grad schema markup for å forstå entiteter. Det er ingen magisk løsning, men et tydelig signal om korrekt informasjon.

Samme gjelder for produktene dine – bruk Product-schema kun for gjeldende tilbud. Utgåtte produkter bør fjernes helt fra sitemap.

Viktig: Du trenger kontinuerlig overvåking, ikke bare én engangsrettelse.

AI-svar kan endre seg. Vi rettet feilinformasjon for en kunde, og 4 måneder senere begynte ChatGPT å si feil ting igjen fordi den leste en ny artikkel med gammel info.

Sett opp:

1. Ukentlige manuelle sjekker av nøkkelspørsmål om selskapet ditt
2. Am I Cited eller lignende verktøy for automatisk overvåkning
3. Varsler for nytt nettinnhold som nevner selskapet ditt (Google Alerts, Mention, osv.)

Når du finner ny feilinformasjon, spor det til kilden. Ofte er det en gammel artikkel som er republisert, eller en ny artikkel med utdaterte fakta.

Dette er en løpende omdømmeoppgave, ikke et prosjekt med sluttdato.

Dette fungerte for oss når vi skulle rette produktfeil:

Lag en “Fakta om selskapet”-side på nettsiden.

Vi laget en enkel side med:

• Grunnlagt: [Dato]
• Hovedkontor: [By]
• Ledelse: [Nåværende navn og titler]
• Produkter: [Kun nåværende produkter]
• Ansatte: [Omtrentlig antall]

Strukturert som en tabell med tydelig format. Schema markup på alt.

Denne ene siden ble en referanse som AI-systemer begynte å sitere. Når du har én autoritativ sannhetskilde som er klart strukturert, foretrekker AI å sitere den fremfor å pusle sammen informasjon fra flere artikler.

Juridisk perspektiv som kan hjelpe:

Hvis feilinformasjon gir faktisk forretningsmessig skade, dokumenter alt.

Jeg har jobbet med selskaper som har gått formelt til verks mot AI-leverandører. Det viktigste er å vise:

1. Informasjonen er faktisk feil (dokumentasjon på riktige fakta)
2. Den gir målbar skade (tapte avtaler, forvirrede partnere)
3. Du har forsøkt vanlige korrigeringskanaler (innsendte rapporter)

For selskaper i EU gir GDPR noen rettigheter rundt nøyaktighet for data om identifiserbare enheter. Det er komplisert, men har vært brukt med suksess.

Ved alvorlig og vedvarende feilinformasjon som ikke løses med vanlige kanaler, har enkelte lykkes med formelle juridiske brev til AI-leverandører. Dette går til et annet team enn tilbakemeldingsskjemaene.

Men: Forebygging er enklere enn kur. Kildeoppdatering er mer effektivt enn å forsøke å tvinge AI-selskapene til å endre svar.

Uventet ting som hjalp oss:

Bli sitert i nylige nyhetsartikler med korrekt informasjon.

AI-systemer (særlig Perplexity) legger stor vekt på nylig innhold. Vi fikk ikke TechCrunch-dekning, men kunne:

• Sende inn til lokale næringslivsmedier
• Bli intervjuet på bransjepodcaster (transkripter indekseres)
• Skrive gjesteblogger på bransjesider
• Sende pressemeldinger via PR Newswire

Alt dette ga nytt innhold med korrekt informasjon som AI-systemene fant og begynte å sitere.

Det kostet oss kanskje 20 000 kroner i PR-distribusjon over 3 måneder. AI-svar begynte å bli riktigere innen 6 uker.

La meg forklare den tekniske virkeligheten bak hvorfor dette er vanskelig å rette:

Hvordan LLM-er lærer “fakta”:

ChatGPT har ikke en database med selskapsfakta den slår opp. Den har lært mønstre fra treningsdata. Hvis din gamle CEO finnes i flere treningsdokumenter enn den nåværende, “tror” modellen sterkere på den gamle infoen.

Hva dette betyr i praksis:

1. Du kan ikke direkte “oppdatere” ChatGPTs kunnskap
2. Du KAN oppdatere nettinnholdet fremtidige treningsrunder bruker
3. Du KAN påvirke sanntidsoppslag (ChatGPTs surfing, Perplexitys søk)

For sanntidsoppslag (det du kan fikse raskere):

Perplexity søker på nettet i sanntid. Hvis autoritative sider viser korrekt info, bør Perplexity sitere riktig. Fokuser på å gjøre korrekt informasjon til det mest fremtredende søkeresultatet for selskapsnavnet ditt.

For modellkunnskap (tregere fiks):

Dette endres når modellene trenes på nytt med nye data. OpenAI kunngjør ikke treningsdataoppdateringer, men de skjer. Få inn korrekt info på autoritative sider nå, så har fremtidige modellversjoner bedre data.

Konklusjon: Tenk på dette som SEO for AI-treningsdata. Du retter ikke modellen direkte – du retter det fremtidige modeller skal lære.

Denne tråden har vært uvurderlig. Her er min handlingsplan:

Umiddelbart (denne uka):

1. Opprette Wikidata-oppføring med korrekt strukturert data
2. Oppdatere nettsidens schema markup med Organization, CEO, produkter
3. Kartlegge og oppdatere LinkedIn- og Crunchbase-profiler
4. Sette opp Am I Cited for løpende overvåking

Kort sikt (neste 30 dager): 5. Lage “Fakta om selskapet”-side med tydelig strukturert informasjon 6. Sende ut pressemelding med oppdatert selskapsinformasjon 7. Kontakte lokale næringslivsmedier for omtale 8. Rapportere feilinformasjon til Perplexity (med kilder)

Løpende: 9. Ukentlig overvåking av AI-svar 10. Følge med på forbedringer over tid 11. Lage nytt innhold som naturlig inkluderer riktige fakta 12. Vurdere juridiske skritt hvis betydelig feilinformasjon vedvarer

Viktig innsikt: Det handler ikke om å endre AI direkte – det handler om å endre det AI lærer fra. Fiks kildene, så følger AI etter.

Oppdaterer denne tråden om noen måneder med resultater.