Google zverejnil výskum, ktorý stojí za pozornosť každého, kto sa spolieha na to, že AI nástroje citujú alebo spomínajú jeho obsah. Záver: aj špičkové modely ako Gemini 3 Pro či GPT-5 majú v sebe uložených 95 až 98 % testovaných faktov, no priamo si na ne spomenú len v 66 až 74 % prípadov. Fakt teda „poznajú“, ale keď príde na konkrétnu otázku, nevedia ho vytiahnuť von. A jeden z faktorov, ktorý o tom rozhoduje, je poradie, v akom sa entity v pôvodnom texte objavili.
Pre nikoho, kto robí GEO alebo sleduje, ako sa web prejavuje v AI odpovediach, to nie je len akademická zaujímavosť.
Vedieť a spomenúť si sú dve rôzne veci
Doteraz sa predpokladalo, že keď AI odpovie zle, jednoducho fakt nemá „v hlave“ – nebol dostatočne zastúpený v trénovacích dátach. Výskum Google (tím DeepMind, publikované na research.google) ukazuje niečo iné. Problém nie je v tom, že by model fakty nepoznal. Problém je v prístupe k nim.
Autori to overili tak, že tie isté fakty modelom predložili aj formou testu s možnosťami na výber. Keď mal model fakt len rozpoznať medzi variantmi, zvládol to výrazne lepšie, ako keď ho mal sám vygenerovať v odpovedi. Informácia teda vnútri modelu je – len sa k nej model bez pomoci nevie dopracovať.
Zaujímavé je aj to, že samotná formulácia otázky (iné slová, iný slovosled vety) na úspešnosť odpovede veľký vplyv nemala. Rozhodujúci bol iný faktor.
Prečo záleží, kto je v texte subjekt a kto objekt
Výskumníci definujú v každom fakte dve entity: subjekt (objavuje sa v pôvodnom texte ako prvý) a objekt (nasleduje po ňom). Pri vete typu „Oasis odohrali svoj prvý koncert v klube Boardwalk“ je subjektom kapela Oasis, objektom klub Boardwalk.
Ak sa niekto opýta priamo – v poradí, v akom sa fakt v zdrojovom texte objavil („Kde odohrali Oasis svoj prvý koncert?“) – model odpovedá spoľahlivejšie. Ak sa ale otázka pýta v opačnom poradí („Ktorá kapela odohrala svoj prvý koncert v klube Boardwalk?“), úspešnosť výrazne klesá. Model má fakt uložený smerom „Oasis → Boardwalk“, a cesta späť, „Boardwalk → Oasis“, mu robí problém.
Výskum tiež potvrdil, že tento problém sa netýka len okrajových faktov. Aj pri bežne známych témach je rozdiel medzi tým, čo model „vie“ (encoding), a tým, čo z toho reálne použije v odpovedi (recall), citeľný – a pri zriedkavejších, dlhochvostých faktoch ešte výraznejší.
Jedno riešenie, ktoré tím testoval, bolo dať modelu priestor na dlhšie uvažovanie pred odpoveďou („thinking“). To pomohlo – modely si vďaka tomu dokázali spomenúť na 40 až 65 % faktov, ktoré predtým priamo nevedeli vybaviť. Cena za to je ale vyššia výpočtová náročnosť, a navyše nie je jasné, kedy presne má model vedieť, že si má dať tento „extra čas“. Autori tiež poznamenávajú, že samotné zväčšovanie modelov problém nerieši – nejde teda o dočasný nedostatok, ktorý zmizne s ďalšou generáciou.
Čo to znamená pre tvorbu obsahu
Search Engine Journal pri rozbore tohto výskumu prichádza s logickou, no zatiaľ neoverenou úvahou: ak AI spoľahlivejšie spracuje fakt v poradí, v akom sa bežne vyskytuje v textoch, dáva zmysel písať kľúčové fakty v poradí, v akom sa na ne bežne pýtajú ľudia.
V praxi to môže znamenať:
- Formulovať kľúčové tvrdenia v oboch smeroch, nielen v tom, ktorý autorovi príde prirodzený. Ak je pre vašu firmu dôležité, aby si AI spomenula na spojenie „služba X → problém, ktorý rieši“ aj opačne, „problém → služba X, ktorá ho rieši“, oba smery treba v obsahu skutočne napísať, nie len naznačiť.
- Neschovávať kľúčové fakty do vedľajších viet alebo do poradia, ktoré vyhovuje len štylistike. Ak fakt v texte existuje len raz a v jednom poradí, model má o dôvod menej spoľahnúť sa naň pri otázke položenej z opačnej strany.
- Pri FAQ a štruktúrovaných dátach myslieť na to, že otázka a odpoveď môžu byť sformulované v opačnom poradí entít, než v akom ich máte v hlavnom texte článku.
Čo výskum nehovorí a kde je opatrnosť na mieste
Tu treba byť féroví aj sami k sebe. Google v tomto výskume neskúmal AI Overviews, citovanie webov ani žiadny konkrétny ranking signál pre vyhľadávanie. Skúmal, ako si veľké jazykové modely interne vybavujú fakty, ktoré sa naučili počas trénovania – nie to, ako si vyberajú alebo citujú konkrétne zdroje z webu v danej chvíli. Odporúčanie písať fakty v oboch smeroch je rozumná, logicky odvodená hypotéza, nie potvrdené zistenie z tohto výskumu ani garantovaná technika, ktorá zaručene zlepší vašu viditeľnosť v AI odpovediach.
Inak povedané: ide o užitočný kúsok skladačky, ktorý stojí za zohľadnenie pri tvorbe obsahu, nie o nový algoritmus, ktorý treba slepo „optimalizovať“.
Ak chcete vedieť, ako na tom váš obsah reálne je z pohľadu AI viditeľnosti a či agentúra, ktorá vám GEO sľubuje, robí niečo iné než len módne slovo v ponuke, dohodnite si bezplatnú konzultáciu.