De 31 spørgsmål, som ingen svarede på

Den 28. juli 2026 offentliggjorde David McSweeney en liste med 31 spørgsmål og stilede dem til de virksomheder, der sælger AI-synlighedsscorer. Ikke et opgør, ikke en rangliste, ikke et sammenligningsskema. En liste med spørgsmål om metode — af den slags, man ville forvente, at enhver køber stiller, og at enhver leverandør har svar på.

Dagen efter havde to virksomheder, så vidt vi har kunnet konstatere, svaret offentligt: Ternith og Spyglasses.

Det er historien. En hel branche blev bedt om at forklare, hvordan dens tal bliver til, og det store flertal tav.

Hvorfor tavsheden er det interessante

Det er fristende at læse et manglende svar som en tilståelse. Det er det sjældent. Det meste af tavsheden er helt banal: ingen ejer spørgsmålet internt, juridisk afdeling vil se på det først, den medarbejder, der kunne svare, er i gang med at få noget andet ud af døren, og et offentligt metodedokument er en forpligtelse, man ikke bare kan trække tilbage i stilhed.

Men det er netop pointen. En score er en påstand om verden. Hvis en virksomhed ikke har råd til at forklare, hvordan et tal bliver til, gør tallet ikke det, køberen tror, det gør. Det laver markedsføring.

Der er også en kommerciel grund til, at spørgsmålene rammer hårdt. En synlighedsscore bliver netop købt, fordi køberen ikke selv kan tjekke den. Ingen køber et termometer, de kan efterprøve med hånden. Hele produktets værdi hviler altså på tillid til metoden — og metoden er præcis det ene, branchen har været uvillig til at beskrive.

Hvorfor spørgsmålene er rimelige

Man kender et rimeligt spørgsmål fra et fjendtligt på, om der findes et godt svar.

Det gør der for hvert eneste spørgsmål på listen. Nogle af de gode svar er ikke flatterende — »det ved vi ikke«, »vores stikprøve er for lille til at sige noget«, »det tal bevæger sig af sig selv mere, end vi bryder os om« — men de findes, og de kan siges højt. Ingen af spørgsmålene kræver en forretningshemmelighed. De spørger, hvad der måles, hvorfra, hvor ofte, med hvilken varians, og hvad der ville tælle som en fejl.

Det er den standard, der gælder for ethvert andet måleprodukt, en virksomhed køber:

• En analyseleverandør fortæller dig, hvad en session er, og hvornår den udløber.
• Et analyseinstitut oplyser stikprøven, dataindsamlingsperioden og den statistiske usikkerhed.
• Et rank tracking-værktøj oplyser, hvilken lokation, hvilken enhed og hvilke personaliseringsindstillinger der ligger bag tallet.
• En revisor oplyser, hvilket regelsæt årsregnskabet er udarbejdet efter.

AI-synlighed er det eneste målemarked, vi kender, hvor »vi har en proprietær algoritme« stadig bliver fremlagt som et fuldgyldigt svar. Det er ikke et svar. Det er et afslag med bedre manerer.

De tre, vi mener er skarpest

Hele listen er værd at læse i originalen. Disse tre afgør, om resten af listen overhovedet betyder noget. Vi parafraserer i stedet for at citere, for formuleringerne tilhører forfatteren.

1. Hvem vælger prompterne, og afgør det valg resultatet?

En AI-synlighedsscore er en måling af svar på spørgsmål. Hvilke spørgsmål? Vælger man dem, har man i vidt omfang også valgt resultatet.

Stiller man en assistent et snævert, brandformet spørgsmål, ser de fleste brands synlige ud. Stiller man et bredt, kategoriformet spørgsmål, forsvinder de fleste brands. Begge dele er ægte målinger. De måler bare forskellige ting, og kun den ene ligner det, en kunde rent faktisk taster.

De ærlige oplysninger er derfor: hvem der har skrevet promptsættet, om kunden kan se det, om det ændrer sig fra kørsel til kørsel, og om det samme promptsæt bruges på den konkurrent, kunden bliver sammenlignet med. En score bygget på et promptsæt, køberen aldrig får at se, er ikke en måling, man kan handle på. Det er et tal, man er nødt til at tro på.

2. Er målet valideret mod noget, der reelt er eksternt?

Det er det spørgsmål, hele branchen har det svært med, og det er ikke en fælde.

Validering betyder, at man holder sit tal op mod dokumentation, som er frembragt af nogen eller noget andet end en selv. At køre sit eget system to gange og konstatere, at det er enigt med sig selv, er reliabilitet, ikke validitet. Det viser, at instrumentet er stabilt. Det siger intet om, hvorvidt det måler det, der står på etiketten.

Den eksterne dokumentation, der ville tælle, er kedelig og svær at skaffe: serverlogs, der viser trafik henvist fra assistenter, konverteringer, der kan tilskrives en anbefaling fra en assistent, brand tracking-undersøgelser, kundens egen registrering af indgående henvendelser. Alle disse kan modsige en synlighedsscore, og det er netop derfor, det er værd at holde scoren op mod dem.

Har ingen nogensinde forsøgt sammenligningen, er scoren et internt konsistent produkt af det system, der frembragte den.

3. Hvilket resultat ville få jer til at trække målet tilbage?

Falsifikationsspørgsmålet — det, der skiller en måling fra en fortælling.

Ethvert reelt måltal har en fejlbetingelse, som ejeren kan beskrive på forhånd. Hvis trafik henvist fra assistenter bevægede sig i modsat retning af scoren på tværs af en tilstrækkelig stor kundeportefølje og over et tilstrækkelig langt tidsrum, ville det være et problem. Hvis scoren ændrede sig væsentligt ved gentagne kørsler, uden at der var sket noget i den underliggende forretning, ville det være et problem. Hvis to af en leverandørs egne kunder i samme kategori og med samme synlighed fik vidt forskellige kommercielle resultater, ville det være et problem.

En leverandør, der ikke kan pege på en eneste sådan betingelse, har fortalt dig noget vigtigt: der findes principielt ingen iagttagelse, der ville tale imod deres tal. Det er ikke en styrke. Det er selve definitionen på en ufalsificerbar påstand, og det betyder, at scoren aldrig kan tage fejl — hvilket også betyder, at den aldrig kan have ret.

Hvad vi gør ved det

Vi sælger selv en AI-synlighedsscore, så spørgsmålene er stilet lige så meget til os som til alle andre.

Vi offentliggør vores svar på alle 31 — på vores eget site, under vores eget navn — også de svar, hvor det ærlige svar er, at vi ikke ved det endnu, og de svar, hvor det ærlige svar får vores produkt til at fremstå mindre imponerende, end markedsføringssiden gør.

Det mener vi er minimum. Et tal, der sælges til en virksomhed, som ikke selv kan efterprøve det, bør leveres med metoden vedhæftet, begrænsningerne beskrevet og en redegørelse for, hvad der ville få os til at trække det tilbage.

Er vores svar forkerte, vil vi hellere have det at vide. Det er den anden ting, man får ud af en offentliggjort metode.

Hvad du skal gøre, hvis du er køberen

Du behøver ikke læse alle 31 for at beskytte dig selv. Tre spørgsmål, stillet inden du skriver under, fortæller dig det meste af det, du har brug for at vide:

• Vis mig de præcise prompter bag min score, og fortæl mig, hvem der har skrevet dem.
• Vis mig ét tilfælde, hvor I har holdt denne score op mod dokumentation uden for jeres eget system.
• Fortæl mig, hvilket resultat der ville få jer til at trække tallet tilbage.

En leverandør, der svarer villigt på alle tre, er værd at tale med, uanset hvad deres score siger. En leverandør, der ikke kan svare på nogen af dem, sælger dig en fornemmelse.