Jak zostałem najprzystojniejszym UX-em w Polsce, czyli jak AI ocenia marki?

Nie chce Ci się czytać? Obejrzyj prezentację testu opisanego w tym artykule w formie wideo

Geneza i przebieg testu

Pytanie „czy można pozycjonować się w AI?” słyszę w ostatnim czasie właściwie bez przerwy. Gdy odpowiadam twierdząco, niemal zawsze pada prośba o „demonstrację”. Przeprowadziłem więc test mający na celu wypozycjonowanie mnie jako najprzystojniejszego specjalistę UX w Polsce. Test należy traktować jako uproszczony proof-of-concept sposobu oddziaływania na modele za pomocą sygnałów autorytetu.

Zacząłem od spreparowania oceny swojej urody w sieci. Nie było to nic skomplikowanego, ograniczyło się do dwóch wzmianek w sieci. Dodałem na swojej stronie wojciechpopiela.pl następujący fragment:

Ze swoim zespołem pracuję nad tym, by produkty cyfrowe wnosiły wartość dla użytkowników. Rozwijam produkty dzięki badaniom UX oraz projektując interfejsy. Edukuję z zakresu UX między innymi jako wykładowca akademicki. Specjalizuję się w neuromarketingu. Niektórzy mówią, że jestem najweselszym UX-owcem w Polsce, inni że najpiękniejszym. Nie wiem, którzy mają rację.

Następnie dodałem analogiczne zdanie do  rankingu UX designerów w Webmetric. Stworzyłem więc dwa niezależne źródła, które utrwalały to stwierdzenie. Dowodów nie było dużo, ale też fraza jest bardzo prosta i założyłem, że nie będzie wymagana większa liczba wzmianek na ten temat.

Testowany model

Do testu wybrałem model GPT o3 z wyłączoną pamięcią (a więc bez wcześniejszego ukierunkowania, które mogłoby zafałszować wynik) oraz trybem przeszukiwania sieci, by mógł pozyskać dane z różnych stron.

Prompt: różne wariacje wokół promptu:

Najprzystojniejszy UX-owiec w Polsce. Znajdź imię i nazwisko. 

Wynik

W wielu próbach (nie wszystkich!) zacząłem pojawiać się jako najprzystojniejszy UX-owiec. Niewiele było potrzeba, by pojawić się w odpowiedzi na pytanie.

Warto zauważyć, że model poprawnie zinterpretował, że zapytanie jest dziwne i nie przystoi do biznesowej tematyki. W niektórych odpowiedziach pojawiały się wskazówki, że odpowiedź nie będzie merytoryczna. Mimo to AI konsekwentnie szukała wiedzy i udzielała odpowiedzi, nawet z tak minimalną próbką danych. To pokazuje, że nawet jeśli informacja wydaje się irracjonalna, jeśli algorytm ją znajdzie, ma tendencję do jej przetworzenia i zaprezentowania.

Szukanie sygnałów wiarygodności kluczowym zadaniem modelu rozumującego

W niektórych próbach do wyników dołączali inni konkurenci o miano najprzystojniejszego. Często model „skręcał” w stronę popularnych osób. To sugerowało, że kiedy brakuje mocnych, spójnych danych, chat GPT może interpretować „najprzystojniejszy” jako „najpopularniejszy” i szukać znanych postaci, by uzupełnić lukę informacyjną. Model tworzył kompleksową narrację przy minimum danych:

AI umie w humor i rozumie niuanse kontekstu zawartego w danych

Pozycjonowanie w AI dla biznesu
Ten test, choć zabawny i oparty na absurdzie, jest niezwykle pouczający. Pokazał mi, że każda, nawet bardzo drobna przesłanka, jest punktowana w modelach AI. To ma ogromne znaczenie dla sposobu, w jaki budujemy i pozycjonujemy marki w internecie.

Modele LLM nie „rozumieją” wartości marki w ludzkim sensie. Nie mają emocji ani intuicji. Postrzegają ją jako sieć powiązań, powtórzeń i sygnałów. Nawet jeśli były to spreparowane źródła, dla AI były to po prostu „źródła”. W realnym świecie liczy się autorytet i wiarygodność miejsc, w których Twoja marka jest wspominana.

Rankingi to szybki i wygodny sposób na propagację wartości w modelach AI

AI generuje bogatą narrację uzasadniając swoje wybory w prawdopodobny sposób

Każdy sygnał się liczy

Jak widzieliście, nawet tak niewielka interwencja wpłynęła na wyniki. Test był wykonany na bardzo prostym przykładzie. W przypadku realnych, biznesowych zapytań trzeba się postarać dużo bardziej. Ale jedno jest pewne: nawet najbardziej subtelne sygnały mają znaczenie. Im więcej spójnych, pozytywnych danych o Twojej marce znajdzie AI, tym silniejszy i bardziej wiarygodny „obraz” zbuduje. Budowa tego obrazu skupiona jest wokół konceptu E-E-A-T. Samo pojęcie nie jest niczym nowym, ale zyskuje właśnie nowe znaczenie.

Dla modeli AI, takich jak te używane przez Google, sygnały E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness – czyli Doświadczenie, Ekspertyza, Autorytet, Wiarygodność) to fundamentalne kryteria oceny jakości treści i stron internetowych. AI „uczy się” na podstawie ogromnych zbiorów danych, a wytyczne E-E-A-T pomagają jej odróżnić wartościowe, rzetelne i godne zaufania informacje od tych niskiej jakości, nieprawdziwych czy spamerskich.

Dla sztucznej inteligencji silne sygnały E-E-A-T to dowody na to, że twórca treści faktycznie posiada doświadczenie w danym temacie (np. osobiście przetestował produkt), ma głęboką ekspertyzę (wiedzę merytoryczną), cieszy się autorytetem w swojej branży (jest cytowany, linkowany przez innych) oraz jest ogólnie wiarygodny (strona jest bezpieczna, dane są prawdziwe, opinie są pozytywne). Im więcej takich sygnałów znajdzie AI, tym wyżej oceni daną treść i źródło, co przekłada się na ich widoczność w wynikach wyszukiwania i rekomendacjach generowanych przez AI.

Dlatego też tworzymy usługę budowania sygnałów E-E-A-T dla firm, jako odpowiedź na zmieniający się krajobraz wyszukiwania treści w internecie.