De 31 frågorna som ingen besvarade

Den 28 juli 2026 publicerade David McSweeney en lista med 31 frågor och riktade dem till de företag som säljer AI-synlighetspoäng. Ingen sågning, ingen rankning, ingen jämförelsetabell. En lista med frågor om metod, av det slag som varje köpare rimligen ställer och varje leverantör rimligen har svar på.

Dagen därpå hade, så vitt vi kunnat fastställa, två företag svarat offentligt: Ternith och Spyglasses.

Det är hela historien. En hel bransch ombads förklara hur dess siffror tas fram, och den överväldigande majoriteten sade ingenting.

Varför tystnaden är det intressanta

Det är frestande att läsa ett uteblivet svar som ett medgivande. Oftast är det inte det. Det mesta av tystnaden är banal: ingen internt äger frågan, juristerna vill granska den, personen som skulle kunna svara håller på att leverera något annat, och ett offentligt metoddokument är ett åtagande som inte går att backa ur i tysthet.

Men det är just det som gör tystnaden viktig. En synlighetspoäng är ett påstående om verkligheten. Om ett företag inte har råd att förklara hur en siffra tas fram, gör siffran inte det köparen tror att den gör. Den gör marknadsföring.

Det finns också ett kommersiellt skäl till att frågorna träffar hårt. En synlighetspoäng köps just därför att köparen inte kan kontrollera den själv. Ingen köper en termometer som går att verifiera med handen. Hela produktens värde vilar alltså på tilliten till metoden, och metoden är det enda branschen har varit ovillig att beskriva.

Varför frågorna är rimliga

Skillnaden mellan en rimlig fråga och en fientlig är om det finns ett bra svar.

Varje fråga på listan har ett. Några av de bra svaren är föga smickrande – ”vi vet inte”, ”vårt urval är för litet för att säga något”, ”den siffran rör sig på egen hand mer än vi skulle önska” – men de finns, och de går att säga högt. Ingen av frågorna kräver att en affärshemlighet röjs. De frågar vad som mäts, varifrån, hur ofta, med vilken spridning, och vad som skulle räknas som att ha fel.

Det är den standard som gäller för varje annan mätprodukt ett företag köper:

• En analysleverantör talar om vad en session är och när den upphör.
• Ett undersökningsföretag redovisar urvalet, fältperioden och felmarginalen.
• Ett rankningsverktyg redovisar platsen, enheten och personaliseringsinställningarna bakom siffran.
• En revisor talar om vilket regelverk räkenskaperna har upprättats enligt.

AI-synlighet är den enda mätmarknad vi känner till där ”vi har en egenutvecklad algoritm” fortfarande erbjuds som ett fullständigt svar. Det är inget svar. Det är en vägran med bättre manér.

De tre vi anser är skarpast

Hela listan är värd att läsa i original. De här tre är de som avgör om allt annat på listan spelar någon roll. Vi parafraserar snarare än citerar, eftersom formuleringarna är författarens.

1. Vem väljer prompterna, och avgör det valet resultatet?

En AI-synlighetspoäng är en mätning av svar på frågor. Vilka frågor? Väljer man dem har man i mycket stor utsträckning också valt utfallet.

Ställ en smal, varumärkesformad fråga till en assistent och de flesta varumärken ser synliga ut. Ställ en bred, kategoriformad fråga och de flesta varumärken försvinner. Båda är verkliga mätningar. De mäter olika saker, och bara den ena liknar det en kund faktiskt skriver.

De ärliga upplysningarna här är alltså: vem som skrev promptuppsättningen, om kunden får se den, om den ändras mellan körningar, och om samma promptuppsättning används för den konkurrent kunden jämförs med. En poäng byggd på en promptuppsättning som köparen aldrig får se är ingen mätning att agera på. Det är en siffra man måste tro på.

2. Har måttet validerats mot något som verkligen är externt?

Det är frågan hela branschen kämpar med, och den är inget försök att sätta dit någon.

Validering innebär att jämföra sin siffra med belägg som tagits fram av någon annan än en själv. Att köra sitt eget system två gånger och konstatera att det överensstämmer med sig självt är reliabilitet, inte validitet. Det visar att instrumentet är stabilt. Det säger ingenting om huruvida det mäter det som står på etiketten.

De externa belägg som skulle duga är oglamorösa och svåra att få tag på: serverloggar som visar trafik hänvisad från assistenter, konverteringar som kan tillskrivas en rekommendation från en assistent, varumärkesmätningar, en kunds egen förteckning över inkommande förfrågningar. Vilket som helst av dem kan motsäga en synlighetspoäng, och det är precis därför de är värda att stämma av mot.

Har ingen någonsin gjort jämförelsen är poängen en internt konsekvent artefakt av det system som producerade den.

3. Vilket resultat skulle få er att dra tillbaka måttet?

Falsifieringsfrågan, och den som skiljer en mätning från en berättelse.

Varje verkligt mått har ett feltillstånd som dess ägare kan beskriva i förväg. Om assistenthänvisad trafik rörde sig i motsatt riktning mot poängen över en tillräckligt stor kundbas och ett tillräckligt långt tidsfönster vore det ett problem. Om poängen ändrades påtagligt vid omkörningar utan att något i den underliggande verksamheten hade förändrats vore det ett problem. Om två av en leverantörs egna kunder i samma kategori med samma synlighet fick vitt skilda kommersiella utfall vore det ett problem.

En leverantör som inte kan peka ut något sådant villkor har berättat något viktigt: det finns i princip ingen observation som skulle tala emot deras siffra. Det är ingen styrka. Det är själva definitionen av ett ofalsifierbart påstående, och det innebär att poängen aldrig kan bli fel – vilket också innebär att den aldrig kan bli rätt.

Vad vi gör åt saken

Vi säljer en AI-synlighetspoäng, så frågorna är riktade till oss lika mycket som till någon annan.

Vi publicerar våra svar på alla 31, på vår egen webbplats, i eget namn – även de där det ärliga svaret är att vi ännu inte vet, och de där det ärliga svaret får vår produkt att framstå som mindre imponerande än marknadsföringssidan gör.

Vi anser att det är ett minimum. En siffra som säljs till ett företag som inte kan kontrollera den på egen hand bör levereras med metoden bifogad, begränsningarna angivna och en beskrivning av vad som skulle få oss att dra tillbaka den.

Om våra svar är felaktiga vill vi hellre få veta det. Det är den andra saken en publicerad metod ger en.

Vad du bör göra som köpare

Du behöver inte läsa alla 31 för att skydda dig. Tre frågor, ställda innan du skriver på, ger dig det mesta du behöver veta:

• Visa mig de exakta prompterna bakom min poäng, och berätta vem som skrev dem.
• Visa mig ett tillfälle då ni jämförde den här poängen med belägg från utanför ert eget system.
• Berätta vilket resultat som skulle få er att dra tillbaka siffran.

En leverantör som svarar glatt på alla tre är värd att prata med, oavsett vad deras poäng säger. En leverantör som inte kan svara på någon av dem säljer dig en känsla.