Listen var virkemiddelet. AEO var poenget

For kort tid siden gikk en liste over Norges 200 mest innflytelsesrike personer på LinkedIn viralt. Alexander Haneng i Digital Norway delte den, Nicolai Tangen toppet listen, og teknologene dominerte. Rangeringen var laget av Favikon, et selskap jeg aldri hadde hørt om. For å få frem viktigheten av AEO lagde jeg en tilsvarende liste, basert på ChatGPT. Den påfølgende diskusjonen handlet derimot mer om prompt, modell og hvem som (ikke) var med på listen.

Favikons liste over de 200 mest innflytelsesrike på LinkedIn fikk store mengder gratis oppmerksomhet fordi de hadde laget noe vi mennesker elsker å diskutere, nemlig topplister. Hvem er med? Hvem mangler? Hvem burde vært høyere? Inspirert av den listen lagde jeg en tilsvarende liste, men da ved hjelp av ChatGPT. Jeg ba språkmodellen rangere de 50 norske stemmene den vurderte som viktigst, mest synlige og mest innflytelsesrike innen teknologi og kunstig intelligens.

Jeg visste at en slik Topp 50-liste ville få langt mer oppmerksomhet enn en artikkel om Answer Engine Optimization. Derfor brukte jeg listen som virkemiddel. Det fungerte både godt og dårlig. 

Enkelte avviste hele øvelsen. Andre ble opptatt av hvilken modell jeg hadde brukt, hvordan prompten var formulert og hvem som manglet. Flere mente listen hadde for få mennesker som faktisk bygger teknologi. Enkelte mente også at motivet mitt først og fremst var å skaffe meg oppmerksomhet.

Det siste er delvis riktig. Jeg ønsket oppmerksomhet rundt artikkelen. Ellers kunne jeg latt være å publisere den. Poenget var hva oppmerksomheten skulle brukes til.

Det interessante er hvem språkmodellen finner

Jeg skrev tydelig i den opprinnelige artikkelen at listen ikke var noen fasit. En annen modell, en annen prompt, andre kriterier eller et annet tidspunkt kunne gitt et annet resultat. Derfor var det heller ikke særlig interessant om noen burde vært nummer 17 i stedet for 31, men hvorfor akkurat disse menneskene ble funnet. For det bør ikke komme som en overraskelse nå på tampen av 2026 at stadig flere bruker språkmodeller til spørsmål vi tidligere startet i Google.

• Hvem bør vi booke til konferansen vår om kunstig intelligens? 
• Hvem kan kommentere denne saken i media? 
• Hvem er de mest relevante ekspertene på cybersikkerhet eller digital suverenitet?

Språkmodellen trenger ikke å gi det beste svaret. Den trenger ikke engang å ha rett. Men hvis researchen starter der, har den allerede påvirket hvem som kommer inn i vurderingen.

Det er derfor AEO blir viktig. SEO handler om å bli funnet i søkeresultatet. AEO handler om å bli forstått og valgt når språkmodellen formulerer svaret. Og dette er ikke lenger en nisjeadferd. SSB rapporterte nylig at 69 prosent av nordmenn mellom 16 og 79 år har brukt generative KI-verktøy de siste tre månedene, opp fra 54 prosent året før. Det betyr ikke at syv av ti har erstattet Google med ChatGPT, men det sier mye om hvor viktig språkmodellene har blitt på de snart fire årene siden OpenAI lanserte ChatGPT til offentligheten. 

//Artikkelen fortsetter etter annonsen//

Favikon illustrerer den samme mekanismen

Favikon bruker en langt mer strukturert metode enn min ChatGPT-øvelse. Selskapet rangerer profiler etter blant annet publikum, engasjement, visninger, aktivitet og vekst, og bruker algoritmer til å vekte signalene. Men også Favikon foretar et utvalg basert på kriterier som noen har bestemt. Likevel så jeg knapt noen diskusjon om metoden bak LinkedIn-listen. Listen ble delt, omtalt og diskutert. Favikon fikk dermed en mengde gratis synlighet fra mennesker som, i likhet med meg, kanskje aldri hadde hørt om selskapet før.

Jeg kan ikke dokumentere hvilken konkret SEO- eller AEO-effekt det ga Favikon. Men mer omtale, flere lenker, flere søk og flere åpne digitale referanser er nettopp den typen digitalt fotavtrykk som over tid kan gjøre et selskap lettere å finne og forstå.

Det samme gjelder min Topp 50-liste.

Når den publiseres, deles og diskuteres, skaper den nye koblinger mellom navn, fagområder og kompetanse. Dermed kan rangeringen i seg selv bidra til å forsterke synligheten til dem som allerede ble funnet.

Synlighet er ikke det samme som kompetanse

Innvendingen om at flere av dem som faktisk bygger teknologien manglet på listen, er derfor viktig. En dyktig utvikler eller forsker kan ha enorm faktisk innflytelse og samtidig etterlate seg få åpne digitale spor. En annen kan ha artikler, bøker, podkaster, medieoppslag og et tydelig fagområde knyttet til navnet sitt. Jeg er fullstendig klar over at kompetanse, faktisk innflytelse og maskinell synlighet er ikke det samme.

Det var heller ikke poenget mitt. Vi brukte mange år på å forstå hvordan Google påvirket hvilke nettsider vi fant. Nå må vi forstå hvordan språkmodellene påvirker hvilke mennesker vi finner.

De trenger ikke å ha rett for å få innflytelse. Det holder at vi spør dem først. 

Det var poenget mitt. 

Bilde: ChatGPT