Így hallucinál az MI a magyar cégekről: mintázatok a 48 hívásos mérésből

Amikor az MI nem ismeri a választ, ritkán mondja azt, hogy „nem tudom”. Inkább mond valamit. Egy kitalált cégnevet, egy létező rendelőhöz rossz címet, egy másik város szolgáltatóját — magabiztosan, mintha tény volna. Négy ingyenes modellt kérdeztem meg magyar fogászatokról, 48 lekérdezésben, 2026 májusában. A válaszok négy visszatérő tévedésmintázatba rendeződtek. Egyiket sem a rendelők okozták — és éppen ezért veszélyesek.

A cégneveket itt mind anonimizálom, mert nem az a célom, hogy bárkit megnevezzek vagy kipellengérezzek. A mintázat a lényeg, nem a konkrét eset. A teljes, nyers válaszhalmazt és a pontozási logikát a módszertan oldalon írom le, a mérés pedig néhány perc alatt bárki által megismételhető.

Milyen típusú tévedéseket láttam?

A nyers válaszokat végigolvasva négy mintázat tért vissza újra és újra. Mindegyik a hallucináció egy-egy arca: a modell nem hallgat, hanem kitölti a hézagot — csak éppen rosszul.

Az első: a tisztán kitalált név. Több modell magabiztosan adott meg rendelőneveket webcímmel együtt, amelyek visszakeresve nem létező vagy elgépelt címre vezettek. Egy válasz egy budapesti klinikát ajánlott olyan webcímmel, amelyben még a „fogászati” szó is el volt gépelve a doménben — a modell tehát nemcsak a nevet, hanem a hozzá tartozó címet is gyártotta:

„[egy budapesti klinika] — kiváló szolgáltatások, beleértve az implantációt is.” A megadott weboldal egy elgépelt, nem létező doménre mutatott.

A beteg ezt a címet beírná, és sehová sem jutna. A modell mégis ugyanolyan magabiztosan közölte, mint a valós adatokat.

A második: a jó név, a rossz adat. Ez alattomosabb. A modell egy létező, valódi rendelőt nevezett meg — de hibás kísérőadattal: rossz kerülettel, kitalált utcacímmel, vagy olyan szakterülettel, amit a rendelő nem is végez. Egy modell konkrét utcacímeket is megadott a belvárosi rendelőkhöz, „a Deák tér közelében”, „a Váci utca mellett” — magabiztos pontossággal, holott ezeket az adatokat semmilyen forrás nem támasztotta alá. A beteg a valós névben megbízik, és a hibás cím alapján indul el.

A harmadik: a másik város, a rossz célközönség. Amikor egy adott kerületi fogorvost kerestem, a modell nemegyszer turistáknak szánt, külföldi betegekre kihegyezett nemzetközi klinikákat sorolt fel — repülőtéri transzferrel, idegen nyelvű honlappal. Egy helyi beteg számára, aki a sarki rendelőt keresi, ez használhatatlan. A modell a „fogászat Budapesten” tanítóanyagból a legismertebb, turizmusra optimalizált neveket húzta elő, és nem vette észre, hogy a kérdés egy konkrét kerületről szólt.

A negyedik: a konkrétum helyett az általános kitérő. Néhány modell egyáltalán nem mondott nevet, helyette tanácsot adott: nézzek véleményeket, kérjek konzultációt, hasonlítsak árat. Egy válasz így indult:

„Sajnálom, de én egy általános információt nyújtó modell vagyok, és nem tudok valós idejű frissített információkat vagy személyes ajánlásokat nyújtani.”

Ez a négy közül a legtisztességesebb, mert nem talál ki semmit. De a beteg ekkor sem kapott választ — csak újabb házi feladatot. És a gyakorlatban ugyanaz lett a vége: a beteg továbblépett egy másik eszközhöz vagy egy versenytárs nevéhez.

A négy modell ráadásul négy különböző listát adott. Nem arról van szó, hogy van egy stabil nyertes, csak épp nem Ön az — hanem arról, hogy nincs stabil nyertes. Ugyanarra a kérdésre az egyik modell kitalált nevet mondott, a másik turistaklinikát, a harmadik kitért. A terep nem foglalt. Üres.

Miért veszélyesebb ez, mint a láthatatlanság?

Itt jön az a rész, amit a legtöbb cikk kihagy. Ha egy vállalkozás egyszerűen nem jelenik meg az MI válaszában, az rossz — de legalább látható, mérhető hiány. A hallucináció ennél rosszabb, mert a vásárló nem tudja, hogy hallucinációt kapott.

Képzelje el a beteg oldaláról. Megkérdezi a ChatGPT-t, kap öt nevet öt weboldallal, és a válasz magabiztos. Honnan tudná, hogy a harmadik név kitalált, az ötödik pedig egy másik város rendelője? Nem tudja. Megbízik benne, mert pontosnak hangzik. Vagy felhív egy nem létező rendelőt, vagy rossz címen jelenik meg, vagy egyszerűen egy versenytársnál köt ki, akit a modell éppen előrébb sorolt.

A hagyományos keresésnél legalább látható, hányadik helyen áll egy cég, és van mit javítani. Az MI-beszélgetés zárt: a cég nem látja, mit mondanak róla, és a hibás említést sem tudja korrigálni egy gombnyomással. Ezért nem elég azt kérdezni: „Megjelenek-e?” Azt is meg kell nézni: „Helyesen jelenek-e meg, vagy a modell rosszat mond rólam?”

Mit tehet ellene?

A jó hír, hogy a hallucináció nem véletlenszerű zaj — van mintázata, és van mit tenni ellene. A modell akkor talál ki adatot, amikor a hézagot nem tudja megbízható forrásból kitölteni. A munka tehát arról szól, hogy a hézagot Ön töltse fel, mielőtt a modell teszi meg helyette.

Az első lépés az entitástisztaság. A névnek, a címnek, a telefonszámnak és a nyitvatartásnak mindenhol pontosan ugyanúgy kell szerepelnie: a saját honlapon, a Google Cégprofilban, a katalógusokban, a közösségi oldalakon. Ha ezek az adatok ellentmondanak egymásnak a neten, a modellnek nincs egyetlen biztos pontja — és inkább kitalál egyet. Itt egy magyar sajátosság is súlyt kap: a hazai kkv-knak mindössze 34%-ának van egyáltalán Google Cégprofilja, vagyis a legtöbbnél hiányzik az a strukturált alapadat, amelyből a modell biztosan dolgozhatna.

A második a strukturált adat: a géppel olvasható cégadat a honlapon, hogy a modell ne értelmezésre kényszerüljön, hanem tényt olvasson. A harmadik a külső források frissessége — a vélemények, az említések, a katalógusbejegyzések karbantartása, mert a modell jellemzően ezekből merít, nem a honlap szövegéből.

A negyedik pedig a rendszeres önellenőrzés. Egy havi, dátumozott próba megmutatja, változott-e a kép: megjelent-e a név, javult-e a pontosság, eltűnt-e egy korábbi hibás említés. A lépésről lépésre haladó útmutatót a mit mond a ChatGPT a vállalkozásáról írásban szedtem össze, a teljes, hét dimenzióra bontott logikát pedig a módszertan oldalon.

Fontos azonban tisztán látni a határt is. A hallucináció teljesen nem szüntethető meg — egyetlen módszer sem garantálja, hogy a modell soha többé ne tévedjen Önnel kapcsolatban. A reális cél nem ez. A reális cél az, hogy amikor a modell Önről beszél, elsődleges, friss és következetes forrásokat találjon — így a tévedés esélye a töredékére csökken, a helyes említésé pedig sokszorosára nő. Ez nem ígéret a tökéletességre. Ez a hézag tudatos befoltozása, hogy a modellnek ne kelljen találgatnia.

Ha pedig dátumozott, ellenőrizhető mérést szeretne arról, mit talál ki ma az MI az Ön cégéről — és hol vannak a befoltozandó hézagok —, a kapcsolat oldalon jelezze. Megmérem, mit mond Önről a mesterséges intelligencia, és megmutatom, hol kezdődik a munka. Mérésekkel, nem ígéretekkel.

Kindl Dávid · Közzétéve: 2026. május 27. · Frissítve: 2026. június 4.