ChatGPT-hallucinationer i SEO — Når AI fabrikerer data

ChatGPT-hallucinationer er fabrikerede data der præsenteres som fakta — opdigtede statistikker, ikke-eksisterende kildehenvisninger, fiktive case studies. I SEO-workflows hvor LLM-output direkte bliver til publiceret indhold er hallucinationer en primær risikofaktor for E-E-A-T og brand-troværdighed.

Fire klassiske hallucinations-typer i SEO

Konkrete tal og statistikker er den hyppigste. “67% af brugere klikker på position 1” med opdigtet kildehenvisning. ChatGPT genererer plausibelt-lydende statistikker uden at de eksisterer i nogen form for forskning.

Citater fra navngivne personer er den næsthyppigste. Opfundne udsagn fra Google-medarbejdere eller branchefigurer som “John Mueller sagde i 2024 at…” — ofte med forkert dato eller direkte fabrikeret.

Case studies er den dyreste. Detaljerede kunde-cases med konkrete tal og resultater der aldrig har eksisteret. Bruges ofte som “social proof” i AI-genereret indhold uden at nogen verificerer eksistensen.

Tekniske specifikationer — API-endpoints, function-signaturer, dokumenterede begrænsninger — der lyder rigtige men er fabrikerede.

Detektionsmetoder

Tre validerings-tjek der fanger 90%+ af hallucinationer: søg specifikke citater og statistikker direkte i Google — autentiske data findes i originalkilden. Verificer URL’er — hallucineret content henviser ofte til ikke-eksisterende URL’er. Tjek datoer — ChatGPT blander ofte tidsperioder eller refererer til events i forkert år.

Tommelfingerregel: hvis tre tilfældige fact-tjek fejler, er hele outputtet upålideligt og kræver komplet validering.

Hvorfor SEO er særligt udsat

SEO-feltet kombinerer faktorer der maksimerer hallucinations-risiko: konstant ændrende information, præcis terminologi der lyder autoritativ, og specifikke tal der kan virke verificerbare. ChatGPT er trænet på data der er måneder eller år gammel — når den prompt’es om noget aktuelt, fabrikerer den plausibelt-lydende svar baseret på mønstre fra træning.

Resultatet er output der lyder ekspert-leveret men er fundamentalt upålideligt for kritisk SEO-arbejde.

Hallucination-resistente workflows

Tre design-principper: grounding (giv LLM’en faktiske data i prompten i stedet for at bede den huske), citation-krav (bed eksplicit om kilder og verificer dem), output validation (automatisk tjek af URL’er, datoer og specifikke tal mod kendte kilder).

Den vigtigste regel: AI-output må aldrig publiceres uden menneskelig faktatjek for SEO-indhold der hævder konkrete data, statistikker eller citater.

Modelforbedring vs. permanent risiko

Nyere modeller (GPT-4o, Claude Opus, Gemini) hallucinerer markant mindre end GPT-3.5. De er bedre til at sige “jeg ved det ikke” og flagge usikkerhed. Men de er ikke immune.

For SEO-workflows er reglen den samme uanset model: validér alt output der bliver brugt i publiceret indhold. Hallucinations-risikoen er for høj og brand-konsekvensen for stor til at stole på output uden verifikation.