Ha az AI nem ismer, a cégneved dönt helyetted
Egy AI-láthatósági cég 2026. augusztus 11-én közzétett egy kísérletet arról, hogy mit csinál az AI-asszisztens, amikor nem tud eleget egy cégről. A válasz kellemetlenül egyszerű: a cégnév szó szerinti jelentéséből találgat. A legújabb tesztelt modellnél minden tizenkettedik leírás már nem is a céget mutatta be, hanem a nevét.
Mit mértek pontosan?
A kísérletet a Peec AI tette közzé a saját blogján, két részben. Mielőtt bármit kiolvasnál belőle, mondjuk ki: a Peec AI AI-láthatósági szoftvert árul, a cikk végén pedig a saját fizetős termékét ajánlja. Ez tehát a gyártó saját mérése, nem független kutatás — nincs szakmai lektorálás, nincs közzétett nyers adat, és tudtommal senki nem ismételte meg. A számokat innentől mindig úgy olvasd, hogy „a Peec AI szerint”.
Az első rész megfigyeléses: 904 valódi márkát vizsgáltak meg, amelyek neve egyetlen angol szó, és megkérdeztek róluk öt asszisztenst — ChatGPT, Gemini, Google AI-összefoglaló, Google AI-mód és Copilot. A neveket és a kapott leírásokat egy 2013-as nyelvészeti adatbázis alapján pontozták, amely 13 915 angol szóhoz rendel emberi értékelésen alapuló érzelmi töltetet egy 1-től 9-ig terjedő skálán.
Az eredmény: ha egy márkanév egy ponttal magasabbra kerül ezen az emberi skálán, az AI 0,07 ponttal pozitívabban írja le a céget. Ez önmagában apró elmozdulás. Az összefüggés a szektor, a modell és a cégalapítás évtizedének kiszűrése után is megmaradt.
A szemléletes rész: szamár vagy delfin
A vizsgált márkanevek középértéke 6,47 pont a kilencből — pontosan annyi, amennyit az emberek az „uborka” szónak adtak. A cégek középső fele mindössze 0,38 pontnyi sávban szóródik.
Ez a 0,38 pont nagyjából akkora távolság, mint a „szamár” (6,29) és a „delfin” (6,67) között. Innen ered a kísérlet címe is. Vagyis a legtöbb cégnév nagyon szűk érzelmi sávban mozog, és ezen a szűk sávon belül dől el, hogy az AI milyen alaphangon beszél rólad, ha más támpontja nincs.
A második rész: amikor kikapcsolták a keresést
A megfigyeléses mérés önmagában kevés lenne, mert a valódi márkáknál sosem tudni, mi okozza a különbséget. Ezért készítettek egy zárt kísérletet is.
80 kitalált márkanévpárt állítottak össze. Minden párban az egyik név pozitív, a másik negatív jelentésű szó volt, de a két név hosszban, szótagszámban, szógyakoriságban, érzelmi erősségben és a sugallt erőben is illeszkedett egymáshoz. Mindegyik névhez ugyanazt a négy rövid, tényszerű, semleges leírást adták. A webes keresést kikapcsolták, vagyis a modell nem tudott utánanézni — csak a neve és a kapott tények álltak rendelkezésére. Négy modellen futtatták, modellenként 640 véletlenszerűsített mintával.
A hatás szinte minden modellnél megjelent. A Peec AI szerint a legújabb tesztelt modellnél volt a legerősebb, nagyjából négyszer akkora, mint a leggyengébbnél. Ezen a modellen egy kitalált „The Fantastic Company” a márkák felső 15 százalékába került volna, egy „The Boring Company” pedig az alsó ötödébe — ugyanazokkal a tényekkel a háttérben.
Amikor az AI már nem a céget írja le, hanem a nevet
Van a kísérletnek egy sokkal drasztikusabb megállapítása is. A legújabb tesztelt modellnél a leírások nagyjából minden tizenkettedik esetben teljesen figyelmen kívül hagyták a megadott céges tényeket, és helyettük a név szótári jelentését írták le.
A két közölt példa magáért beszél. Egy kitalált bérszámfejtő szoftvercéget „Unethical Inc.” néven két modell így jellemzett: tisztességtelen, korrupt, megtévesztő. Egy iratkezelő cég „Merciless Inc.” néven ezt kapta: könyörtelen, kíméletlen, gátlástalan, hajthatatlan.
Egyik jelző sem a cégről szólt. Mindegyik a névről.
A kikötés, ami miatt ez rád tartozik
Itt jön a kísérlet legfontosabb része, és egyben az, ami miatt ez nem érdekes külföldi kuriózum.
A valódi, jól ismert márkáknál a hatás eltűnt. A Discord (3,58), a Riot (3,15) és a Slack (3,85) neve ugyanezen az emberi skálán kifejezetten negatív szó, mégsem írta le őket egyetlen asszisztens sem negatívan. A szerző saját megfogalmazásában: a jelenség csak azoknál a márkáknál látszik, amelyeket a modell nem ismer, és abban a pillanatban eltűnik, amint egy márka ismertté válik.
Fordítsd le ezt a magyar valóságra. Egy budapesti fogászat, egy veszprémi könyvelőiroda vagy egy balatoni panzió pontosan abban az állapotban van, amelyet a kísérlet vizsgál: az AI keveset tud róluk. Ráadásul a magyar cégnevek nagy része leíró, hétköznapi szavakból áll — a nevünkben ott a szakma, a helység vagy egy jelző. Vagyis nálunk van mit „értelmezni”, és kevés a tény, amely felülírja.
Erről a szűrésről korábban írtam már részletesen: az AI előbb dönti el, hogy egyáltalán ismer-e téged, mint hogy bármit mondana rólad. Ez a kísérlet arra ad választ, mi történik pontosan a „nem ismer” ágon.
Két perc alatt ellenőrizheted magadon
Nem kell elhinned a fenti számokat ahhoz, hogy hasznod legyen belőlük. A jelenséget ugyanis meg tudod nézni a saját cégeden, és ez az egyetlen mérés, ami rólad szól.
- Kérdezd meg egy asszisztenstől a cégneveddel együtt, hogy mivel foglalkozik a cég. Egyszerű, tényszerű kérdés legyen.
- Olvasd el a választ, és tegyél fel magadnak egyetlen kérdést: ez a leírás a vállalkozásomról szól, vagy a nevem szavairól?
- Ha jelzőket kapsz vissza tények helyett — „megbízható”, „prémium”, „gyors” —, miközben a konkrét szolgáltatásaidról egy szó sincs, akkor a modell a névből dolgozik.
- Ismételd meg egy másik asszisztensen is. Ha az egyik ismer, a másik nem, az önmagában információ.
Ez tájékozódó próba, nem mérés. Arra viszont elég, hogy eldöntsd, van-e dolgod. Ha többet szeretnél látni belőle, itt írtam le részletesebben, hogyan érdemes végigkérdezni.
A megoldás nem a névváltás
Kézenfekvő lenne az a következtetés, hogy akkor jobb nevet kell választani. A kísérlet szerzője viszont épp az ellenkezőjét mondja: egy már működő cégnél az átnevezés nem oldja meg a problémát.
Ennek egyszerű oka van. A hatás nem a névtől függ, hanem az információhiánytól. A Slack neve is negatív szó, mégsem beszél róla rosszul egyetlen modell sem — mert tud róla eleget. A név csak addig számít, amíg nincs mivel felülírni.
A tennivaló tehát ugyanaz, mint az AI-láthatóság minden más területén: adj annyi valódi, visszakereshető információt a cégedről, hogy a modellnek ne kelljen találgatnia. Rendezett cégadatok a saját oldaladon, egységes név, cím és telefonszám minden felületen, konkrét szolgáltatásleírások, valódi kérdésekre adott valódi válaszok.
Ez nem új tanács. Új viszont az érv mellette: ha nem töltöd fel a modell tudását magadról, nem marad üresen a hely. Egy jelentéssel teli szó áll be helyette — a saját neved.
Ha kíváncsi vagy, hogy a magyar cégekről mit talál ki az AI, amikor nem tud eleget, erről is készítettem egy összeállítást. Arra pedig, hogy mi történik, amikor a modell összekever egy versenytársaddal, külön írásban tértem ki.
Gyakori kérdések
Mit állít pontosan ez a kísérlet?
Azt, hogy amikor egy AI-asszisztens keveset tud egy cégről, a cégnév szó szerinti jelentéséből egészíti ki a hiányzó információt. A Peec AI 2026. augusztus 11-én közölt mérése szerint 904 valódi, egyszavas nevű márkánál az mutatkozott, hogy egy ponttal pozitívabb jelentésű név 0,07 ponttal pozitívabb leírást hoz. Egy zárt kísérletben pedig, ahol kitalált cégneveket ugyanolyan semleges tényekkel írtak le és a webes keresést kikapcsolták, a hatás szinte minden vizsgált modellnél megjelent. Fontos: ez egy AI-láthatósági szoftvert áruló cég saját mérése, nem független, lektorált kutatás.
Mit jelent az, hogy a modell a nevet írja le a cég helyett?
A kísérlet szerint a legújabb tesztelt modellnél a leírások nagyjából minden tizenkettedik esetben teljesen figyelmen kívül hagyták a megadott céges tényeket, és helyettük a név szótári jelentését jellemezték. A közölt példákban egy kitalált bérszámfejtő szoftvercéget „Unethical Inc.” néven tisztességtelennek, korruptnak és megtévesztőnek írtak le, egy iratkezelő céget pedig „Merciless Inc.” néven könyörtelennek és gátlástalannak. Egyik jelző sem a cég tevékenységéből következett — mindegyik a névből.
A nagy, ismert márkákat is érinti ez?
Nem, és éppen ez a lényeg. A Discord, a Riot és a Slack neve az alkalmazott emberi értékelési skálán kifejezetten negatív szó, mégsem írta le őket egyetlen asszisztens sem negatívan. A hatás csak azoknál a márkáknál látszik, amelyeket a modell nem ismer, és eltűnik, amint egy márkáról elég információ áll rendelkezésre. A jelenség tehát nem a névről szól, hanem az információhiányról.
Miért érinti ez különösen a magyar vállalkozásokat?
Két okból. Egyrészt a magyar kis- és középvállalkozások túlnyomó része pontosan abban az állapotban van, amit a kísérlet vizsgál: az AI keveset vagy semmit nem tud róluk, mert kevés visszakereshető információ érhető el. Másrészt a magyar cégnevek jelentős része leíró, hétköznapi szavakból áll — benne van a szakma, a helység vagy egy jelző. Ahol a névnek erős szótári jelentése van és kevés a tény mellette, ott van mit „értelmezni”. Ezt a következtetést én vonom le a kísérletből, magyar mintán ilyen mérés nem készült.
Hogyan ellenőrizhetem le a saját cégemen?
Kérdezd meg egy asszisztenstől a cégneveddel együtt, hogy mivel foglalkozik a cég, majd olvasd el a választ egyetlen kérdést szem előtt tartva: ez a leírás a vállalkozásodról szól, vagy a neved szavairól? Ha jelzőket kapsz vissza tények helyett — megbízható, prémium, gyors —, miközben a konkrét szolgáltatásaidról egy szó sem esik, akkor a modell a névből dolgozik. Ismételd meg egy másik asszisztensen is: ha az egyik ismer, a másik nem, az önmagában információ. Ez tájékozódó próba, nem mérés.
Akkor nevet kell változtatnom?
A kísérlet szerzője szerint nem. Egy már működő cégnél az átnevezés nem oldja meg a problémát, mert a hatás nem a névtől függ, hanem az információhiánytól. A Slack neve is negatív jelentésű szó, mégsem beszél róla rosszul egyetlen modell sem, mert tud róla eleget. A tennivaló ezért ugyanaz, mint az AI-láthatóság minden más területén: rendezett cégadatok a saját oldaladon, egységes név, cím és telefonszám minden felületen, konkrét szolgáltatásleírások és valódi kérdésekre adott valódi válaszok. A név csak addig számít, amíg nincs mivel felülírni.
Mennyire megbízható ez a mérés?
Módszertanilag komolyabb, mint egy átlagos gyártói blogbejegyzés: közölt mintaméretek, illesztett névpárok, kikapcsolt webes keresés és több modell. Ugyanakkor egyetlen forrásból származik, azt a cég közölte, amelyik AI-láthatósági szoftvert árul, a cikk végén a saját fizetős termékét ajánlja, és nincs sem szakmai lektorálás, sem közzétett nyers adat, sem független ismétlés. Ezért minden számot a „Peec AI szerint” megszorítással érdemes olvasni. A jelenség viszont a saját cégeden ingyen ellenőrizhető, és az a próba nem függ attól, hogy a közölt számok pontosak-e.