AI ciągle podaje błędne informacje o naszej firmie. Czy komuś udało się skutecznie poprawić dezinformacje w odpowiedziach ChatGPT lub Perplexity?

Specjalizuję się dokładnie w tym problemie. Da się to naprawić, ale wymaga systematycznej pracy.

Dlaczego AI się myli:

Dane treningowe ChatGPT mają określoną datę odcięcia. Jeśli Twój były CEO pojawił się w 100 artykułach, a obecny w 20, model “zapamiętuje” starego silniej. To nie złośliwość, tylko dopasowywanie wzorców z niepełnych danych.

Sprawdzony schemat naprawy:

1. Audyt źródeł Spisz wszystkie miejsca w internecie, w których pojawiają się informacje o Twojej firmie:

• Wikipedia (najważniejsze dla AI)
• Strona firmowa na LinkedIn
• Crunchbase
• Oficjalna strona – zakładka O nas
• Komunikaty prasowe
• Ważniejsze artykuły prasowe

2. Aktualizacja źródeł autorytatywnych To źródła, którym AI najbardziej ufa:

• Wikipedia – Jeśli nie masz strony, oceń, czy firma spełnia kryteria notowalności. Jeśli jest, musi być aktualna z bieżącymi cytowaniami
• Wikidata – Dane strukturalne, z których korzysta wiele systemów AI
• Twoja strona www – Schema markup Organization, z foundingDate, CEO, adresem
• LinkedIn – Strona firmowa z potwierdzonymi informacjami
• Crunchbase – AI często się na nią powołuje

3. Strategia świeżych treści Publikuj nowe treści wyraźnie podające poprawne dane:

• Zakładka “O nas” z jasnymi faktami
• Komunikaty prasowe ogłaszające zmiany w zarządzie (nawet jeśli nie są “nowe”)
• Wpisy blogowe naturalnie wspominające aktualne kierownictwo, lokalizację, produkty

4. Zgłaszanie i dokumentacja

• Perplexity: Użyj przycisku feedback przy każdej odpowiedzi
• ChatGPT: Zgłaszaj przez feedback (tak, to frustrujące, ale jest rejestrowane)
• Dokumentuj wszystko na potrzeby ewentualnej eskalacji

Oczekiwany czas: 2-6 miesięcy na realne zmiany. To nie jest szybka naprawa.

Przechodziliśmy przez to, gdy ChatGPT uparcie twierdził, że jesteśmy “platformą e-commerce”, a tak naprawdę jesteśmy B2B SaaS. Zupełnie inny model biznesowy.

Co w końcu zadziałało:

Klucz to spójność we wszystkich autorytatywnych źródłach.

Zaktualizowaliśmy:

1. Schema markup na stronie z poprawną branżą, opisem, produktami
2. Stronę firmową na LinkedIn z dokładnym opisem
3. Crunchbase z właściwą kategorią
4. Opublikowaliśmy 3 wpisy blogowe jasno opisujące, czym się zajmujemy
5. Zdobyliśmy wzmiankę w TechCrunch, gdzie poprawnie opisano nasz biznes

Po 8 tygodniach ChatGPT zaczął opisywać nas prawidłowo. Najbardziej pomógł artykuł w TechCrunch – autorytatywne źródło techniczne + aktualne + poprawne dane.

Wniosek: AI ufa autorytetom. Poprawne informacje muszą być na stronach o wysokim autorytecie, nie tylko na Twojej własnej.

Techniczny aspekt, o którym często się zapomina:

Schema markup to sposób, w jaki “mówisz” AI poprawne informacje.

Na stronie “O nas” wdroż Organization schema:

{
  "@type": "Organization",
  "name": "Twoja Firma",
  "foundingDate": "2015-03-15",
  "address": {
    "addressLocality": "Austin",
    "addressRegion": "TX"
  },
  "employee": {
    "@type": "Person",
    "name": "Imię i nazwisko obecnego CEO",
    "jobTitle": "CEO"
  }
}

AI coraz częściej analizuje schema markup, by rozumieć podmioty. To nie cudowna poprawka, ale jeden z najjaśniejszych sygnałów o poprawnych danych.

Podobnie z produktami – użyj Product schema tylko dla aktualnych ofert. Wycofane produkty usuń całkowicie z sitemap.

Ważne: Potrzebujesz stałego monitoringu, nie jednorazowej poprawki.

Odpowiedzi AI mogą się zmieniać. U jednego klienta naprawiliśmy dezinformację, a po 4 miesiącach ChatGPT znów zaczął podawać błędne dane, bo wczytał nowy artykuł ze starymi informacjami.

Ustaw:

1. Cotygodniowe ręczne sprawdzanie kluczowych pytań o Twoją firmę
2. Am I Cited lub podobne narzędzie do automatycznego monitoringu
3. Alerty na nowe treści o Twojej firmie (Google Alerts, Mention itp.)

Gdy zauważysz nową dezinformację, prześledź jej źródło. Często to stary artykuł ponownie opublikowany lub nowy, który cytuje nieaktualne dane.

To ciągłe zadanie z zakresu zarządzania reputacją, a nie jednorazowy projekt.

Co u nas pomogło w poprawieniu dezinformacji produktowej:

Stwórz stronę “Fakty o firmie” na swojej witrynie.

Zrobiliśmy prostą stronę z:

• Data założenia: [data]
• Siedziba: [miasto]
• Kierownictwo: [aktualne nazwiska i stanowiska]
• Produkty: [tylko aktualne oferty]
• Pracownicy: [przybliżona liczba]

Wszystko w formie tabeli z jasnym formatowaniem. Schema markup dla każdego elementu.

Ta jedna strona stała się referencją, którą AI zaczęło cytować. Gdy masz jedno autorytatywne, jasno ustrukturyzowane źródło prawdy, AI chętniej je cytuje niż skleja dane z wielu artykułów.

Perspektywa prawna, która może pomóc:

Jeśli dezinformacja wyrządza realną szkodę biznesową, dokumentuj wszystko.

Pracowałem z firmami zgłaszającymi formalne reklamacje do dostawców AI. Klucz to wykazanie:

1. Informacje są nieprawdziwe (dowody na poprawność)
2. Powodują realną szkodę biznesową (utracone kontrakty, zdezorientowani partnerzy)
3. Podjęto zwykłe kanały korekty (zgłoszenia)

Dla firm z UE RODO daje pewne prawa dotyczące poprawności danych o identyfikowalnych podmiotach. To skomplikowane, ale bywa skuteczne.

Przy poważnych, utrzymujących się dezinformacjach, których nie da się usunąć zwykłymi kanałami, niektórym firmom pomogły formalne pisma prawne do dostawców AI. To trafia do innego zespołu niż formularze feedbacku.

Jednak: Prewencja jest łatwiejsza niż leczenie. Strategia aktualizacji źródeł, o której pisali inni, jest skuteczniejsza niż próby wymuszania korekt na firmach AI.

Co u nas nieoczekiwanie pomogło:

Zostań zacytowany w aktualnych artykułach prasowych z poprawnymi informacjami.

Systemy AI (szczególnie Perplexity) bardzo mocno ważą nowe treści. Nie mieliśmy szans na TechCrunch, ale mogliśmy:

• Zgłosić się do lokalnych gazet biznesowych
• Dać się zaprosić do podcastów branżowych (transkrypcje są indeksowane)
• Publikować gościnne wpisy na blogach branżowych
• Wysyłać komunikaty prasowe przez PR Newswire

Każde z tych działań tworzyło nowe treści z poprawnymi informacjami, które AI zaczęły znajdować i cytować.

Kosztowało nas to ok. 2 tys. dolarów na PR w ciągu 3 miesięcy. Odpowiedzi AI zaczęły się poprawiać po ok. 6 tygodniach.

Wyjaśnię technicznie, dlaczego to takie trudne do naprawy:

Jak LLM “uczą się” faktów:

ChatGPT nie ma bazy faktów o firmach do przeszukiwania. Uczył się wzorców z danych treningowych. Jeśli Twój stary CEO pojawił się w większej liczbie dokumentów treningowych niż obecny, model “wierzy” w stare dane.

Co to oznacza w praktyce:

1. Nie możesz bezpośrednio “zaktualizować” wiedzy ChatGPT
2. MOŻESZ zaktualizować treści w internecie, z których korzysta kolejne szkolenie modeli
3. MOŻESZ wpływać na wyniki wyszukiwania w czasie rzeczywistym (przeglądanie ChatGPT, wyszukiwanie Perplexity)

W przypadku wyszukiwania na żywo (to, co możesz naprawić szybciej):

Perplexity przeszukuje internet na bieżąco. Jeśli autorytatywne strony podają poprawne dane, Perplexity powinno cytować je prawidłowo. Skup się, by poprawne informacje były najwyżej w wynikach dla nazwy Twojej firmy.

W przypadku wiedzy modelu (wolniejsze):

To się zmienia, gdy modele są przetrenowywane na nowych danych. OpenAI nie ogłasza aktualizacji zbiorów treningowych, ale one się dzieją. Umieszczenie poprawnych informacji w autorytatywnych źródłach teraz sprawi, że przyszłe modele będą miały lepsze dane.

Podsumowanie: Traktuj to jak SEO dla danych treningowych AI. Nie naprawiasz modelu bezpośrednio – naprawiasz to, z czego uczą się kolejne modele.

Ta dyskusja jest bezcenna. Oto mój plan działania:

Na już (w tym tygodniu):

1. Utwórz wpis w Wikidata z poprawnymi danymi strukturalnymi
2. Zaktualizuj schema markup na stronie: Organization, CEO, produkty
3. Audyt i aktualizacja profili LinkedIn i Crunchbase
4. Ustaw Am I Cited do bieżącego monitoringu

Krótkoterminowo (30 dni): 5. Stwórz stronę “Fakty o firmie” z jasnymi, ustrukturyzowanymi informacjami 6. Wydaj komunikat prasowy z aktualnymi danymi firmy 7. Napisz do lokalnych mediów biznesowych z propozycją publikacji 8. Zgłaszaj dezinformację do Perplexity (z podaniem źródeł)

Ciągle: 9. Cotygodniowy monitoring odpowiedzi AI 10. Śledzenie poprawy w czasie 11. Tworzenie nowych treści naturalnie zawierających poprawne dane 12. Rozważenie kroków prawnych, jeśli poważna dezinformacja się utrzyma

Kluczowy wniosek: To nie chodzi o bezpośrednie zmienianie AI – chodzi o zmianę źródeł, z których AI się uczy. Napraw źródła, a AI w końcu za tym pójdzie.

Za kilka miesięcy dam znać, jakie są efekty.