Amikor az AI tévesen ír a cégedről: felismerés és javítás

Scheo · 2026-08-10 · Frissítve: 2026-09-11 · olvasási idő ~10 perc · Szerző: Schmidt Péter

A legtöbb hazai kisvállalkozás nem attól tart, hogy az AI nem ismeri, hanem attól, hogy ismeri, csak rosszul. Egy érdeklődő megkérdezi valamelyik asszisztenst, meddig tartotok nyitva szombaton, és olyan választ kap, ami két éve volt érvényes. Vagy összekever téged egy hasonló nevű céggel a szomszéd megyéből. Az ilyen hiba csendes: nincs értesítés, nincs riasztás, és jellemzően akkor derül ki, amikor egy vevő már zárt ajtó előtt áll, vagy amikor egy ajánlatkérésben olyan szolgáltatásra hivatkoznak, amit évek óta nem csináltok.

Az alábbiakban végigmegyünk azon, hogyan ellenőrzöd módszeresen, mit állít rólad egy nyelvi modell, honnan származhat a téves adat, mit tudsz ténylegesen javítani, és mi az, amire nincs közvetlen ráhatásod. A szövegben külön jelölöm, mi hivatalosan igazolt (gyártói dokumentáció alapján), mi saját tapasztalat (ügyfélmunkából származó megfigyelés), és mi szakmai feltételezés (logikus következtetés, de nem bizonyított).

Miért ír rólad tévesen az AI, ha a weboldaladon minden helyes?

Rövid válasz: mert a modell nem a weboldaladról él. Egy sokforrású, időben elcsúszott képből dolgozik, és ha hézagot talál, néha a saját összefűzését teszi hozzá.

Tovább a témában: Mit állítanak rólad az AI-motorok? Rendszeres tényellenőrzés lépésről lépésre · Honlap felújítás Várpalota

Négy jellemző mechanizmus áll a hibák mögött:

• Tanítási pillanatkép. A modell egy adott időpontig begyűjtött szövegeken tanult. Ha akkor még a régi címeden voltál, a modell belső tudásában az él tovább, függetlenül attól, hogy azóta frissítetted az oldalt.
• Élő lekérés harmadik felektől. Amikor az asszisztens keres, nem feltétlenül a te oldaladat olvassa be elsőként. Gyakran egy cégkatalógus, egy értékelő portál vagy egy régi sajtócikk kerül a válasz alá, mert az szerepel előrébb a találatok között.
• Entitás-összekeverés. Magyarországon rengeteg a hasonló cégnév. Ha van egy másik vállalkozás ugyanazzal a fantázianévvel, a modell összevonhatja a két cég adatait, mert nem lát elég megkülönböztető jelet.
• Hézagkitöltés. Ha a modell nem talál nyitvatartást, a szakmára jellemző általános mintát adhatja vissza (például hétköznap 8-tól 17-ig), mintha az tény lenne.

Hivatalosan igazolt: a nagy modellszolgáltatók dokumentációja egyértelműen leírja, hogy a modellek tudásvágási dátummal működnek, és a friss információt külön keresési vagy böngészési réteggel pótolják. Szakmai feltételezés: a hézagkitöltéses tévedések aránya nálad annál nagyobb, minél kevesebb egyértelmű, gépileg olvasható adat érhető el rólad a nyílt weben.

Hogyan deríted ki pontosan, mit állít rólad az AI?

Rövid válasz: strukturált teszttel, nem egyetlen kérdéssel. Egy próba nem mond semmit, mert a válaszok futásról futásra változhatnak.

Így érdemes felépíteni az ellenőrzést:

1. Készíts 12 - 15 kérdést, amit egy valódi érdeklődő feltenne. Például: „Mikor van nyitva a [cégnév] Székesfehérváron?", „Milyen szolgáltatásokat nyújt a [cégnév]?", „Mi a [cégnév] telefonszáma?", „Ki vezeti a [cégnév] céget?", „Melyik cím alatt működik a [cégnév]?"
2. Futtasd le legalább három asszisztensen, illetve a Google AI-összefoglalóján. A modellek különböző forrásokból dolgoznak, ezért az eredmények is eltérhetnek.
3. Használj kijelentkezett vagy memória nélküli munkamenetet. Ha be vagy jelentkezve, és korábban már beszéltél a cégedről, a válasz a saját korábbi mondataidat tükrözheti vissza. Ez a legygyakoribb önbecsapás az ilyen tesztekben.
4. Kérdezd meg magyarul és angolul is. Saját tapasztalat szerint az angol nyelvű kérdésre néha teljesen más forráskészlet kerül elő, jellemzően nemzetközi aggregátorok.
5. Dokumentálj mindent egy egyszerű táblázatban: dátum, asszisztens, kérdés, a válasz szó szerinti idézete, a megjelölt forrás, és hogy az állítás igaz, elavult vagy téves.

Ha az asszisztens megjelöl forrást, kattints rá, és nézd meg, tényleg abban szerepel-e a hibás adat. Saját tapasztalat: ha rákérdezel, honnan tudja a modell, sokszor kap egy megnyugtatóan hangzó, de utólag kitalált forrásmegjelölést. A csak szövegben említett forrást ne fogadd el bizonyítéknak, csak a kattintható, ellenőrizhető hivatkozást.

Milyen hibatípusokkal találkozol a gyakorlatban?

Rövid válasz: a hibák többsége nem légből kapott állítás, hanem valaha igaz adat, ami ottfelejtődött valahol.

• Elavult nyitvatartás: a szezonális vagy pandémia idején módosított rend maradt fenn egy katalógusban.
• Régi cím: költözés után a régi telephely még tucatnyi helyen szerepel.
• Összekevert cégnév: két hasonló nevű vállalkozás adatai keverednek, tipikusan akkor, ha az egyik ismertebb.
• Megszűnt vagy soha nem létezett szolgáltatás: a modell a szakma átlagos kínálatát vetíti rád.
• Hibás elérhetőség: régi vezetékes szám, megszűnt e-mail-cím.
• Rossz személyi kapcsolás: egy korábbi ügyvezető vagy egy névrokon szerepel a cég képviselőjeként.

Honnan veszi az AI a céged adatait?

Rövid válasz: rétegekből, és a rétegek nem egyforma súlyúak. A javítást ezért mindig fentről lefelé érdemes végigvinni.

• Saját weboldal: a leginkább kontrollálható réteg, de önmagában ritkán elég.
• Google cégprofil és térképes megjelenés: nyitvatartás és cím kérdésében ez az egyik legerősebb hivatkozási alap.
• Hivatalos nyilvántartások: cégjegyzék, közhiteles adatbázisok, ezek adják a jogi név és székhely referenciáját.
• Cégkatalógusok és aggregátorok: gyakran automatikusan másolják egymást, ezért az elavult adat sokszorozódik.
• Közösségi profilok: Facebook-oldal, LinkedIn-oldal, ezekben szintén szerepel cím és nyitvatartás.
• Wikipédia és Wikidata: nagyobb cégeknél kiemelt hatású, kkv-nál ritkábban játszik.
• Sajtó, szakmai listák, értékelő oldalak: ezek adják a „hírnév" réteget, amit egyáltalán nem te írsz.

Mit tudsz közvetlenül átírni, és mit nem?

Rövid válasz: az AI válaszát soha, a forrásait részben. Ez a legfontosabb elvárás-kezelési pont.

Közvetlenül szerkeszthető: a saját weboldalad tartalma és strukturált adatai, a Google cégprofilod, a saját közösségi oldalaid, a hírleveled, a saját dokumentumaid. Itt te vagy a tulajdonos, a változás azonnal él.

Kérésre módosítható: a cégkatalógusok és értékelő portálok adatlapjai. Ezeknél jellemzően van adatlap-igénylési vagy hibabejelentési folyamat, néha tulajdonosi igazolással. A válaszidő változó, és nem minden szolgáltató reagál.

Nem tudod átírni: a modell belső, tanítási adatból származó tudását, mások cikkeit és véleményeit, az asszisztens által generált mondatot. Hivatalosan igazolt: a nagyobb szolgáltatók kínálnak visszajelzési, illetve adatvédelmi és személyes adatokra vonatkozó kifogásolási csatornát, de ez nem szerkesztőfelület, hanem beadvány.

Hogyan tedd egyértelművé a saját oldaladon, mi az igazság?

Rövid válasz: legyen egyetlen kanonikus tényoldalad, gépileg olvasható adatokkal, és minden más felület erre mutasson vissza.

A gyakorlati minimum egy Kapcsolat vagy Rólunk oldal, amelyen szöveges formában és strukturált adatban is szerepel a jogi név, a márkanév, a cím, a telefonszám, a nyitvatartás és a szolgáltatások. Ehhez a Schema.org szókészletét érdemes használni:

{ "@context": "https://schema.org", "@type": "LocalBusiness", "name": "Példa Bútor", "legalName": "Példa Bútor Kereskedelmi és Szolgáltató Kft.", "url": "https://peldabutor.hu/", "telephone": "+3622123456", "address": { "@type": "PostalAddress", "streetAddress": "Fő utca 12.", "addressLocality": "Székesfehérvár", "postalCode": "8000", "addressCountry": "HU" }, "openingHoursSpecification": [{ "@type": "OpeningHoursSpecification", "dayOfWeek": ["Monday","Tuesday","Wednesday","Thursday","Friday"], "opens": "08:00", "closes": "17:00" }], "sameAs": [ "https://www.facebook.com/peldabutor", "https://www.linkedin.com/company/peldabutor" ] }

A sameAs mező szerepe itt kulcsfontosságú: ez köti össze a különálló profiljaidat egyetlen entitássá. Szakmai feltételezés: az összekevert cégnév eseteinek egy része éppen azért marad fenn, mert hiányzik ez a kapcsolóréteg, és a rendszereknek nincs jelük arról, hogy melyik profil melyik céghez tartozik.

Két további dolog segítheti a helyzetet. Az egyik egy rövid, dátumozott közlemény a változásról („2026. március 1-jétől a Fő utca 12. alatt fogadunk ügyfeleket, a korábbi Sárkeresztúri úti telephely megszűnt"), mert ez explicit módon kimondja, hogy a régi adat már nem érvényes. A másik a dateModified mező következetes használata, hogy látszódjon, mikor frissült a tartalom.

Mi a teendő, ha harmadik fél oldalán hibás az adat?

Rövid válasz: sorrendben haladj, és mindent dokumentálj, mert a legtöbb esetben több körben kell visszatérni ugyanoda.

1. Térképezd fel a terjedést. Keress rá a hibás adatra idézőjelben (például a régi telefonszámra), így kiderül, hány oldalon szerepel.
2. Rangsorold a forrásokat. Az kap prioritást, ami ténylegesen megjelenik az AI-válaszok hivatkozásai között, illetve a keresési találatok elején.
3. Igényeld az adatlap tulajdonjogát, ahol erre van mód, és javítsd az adatot. Ahol nincs, keresd a hibabejelentő űrlapot vagy a szerkesztőségi e-mail-címet.
4. Írj rövid, tényszerű megkeresést. Nevezd meg a hibás adatot, add meg a helyeset, és hivatkozz a saját kanonikus oldaladra mint referenciára.
5. Névösszekeverésnél kérj megkülönböztetést. Adj meg olyan azonosítót, ami egyértelmű: adószám, cégjegyzékszám, pontos székhely. Ezek segíthetnek elválasztani a két céget.
6. Vezess javítási naplót: melyik oldal, mikor jeleztél, milyen csatornán, mi lett a válasz. Ha három hónap múlva ismét felbukkan a hiba, ez a napló spórolja meg a munka nagy részét.

Saját tapasztalat: a katalógusok jelentős része automatikus adatátvétellel dolgozik, ezért ha csak a leszármaztatott oldalt javítod, de az eredeti forrás marad hibás, a régi érték idővel visszaíródik. Érdemes megkeresni, honnan másolják.

Mennyi idő alatt frissül az AI válasza?

Rövid válasz: attól függ, a válasz élő kereséssel készül vagy a modell belső tudásából, és erre a felhasználó oldaláról nincs rálátásod.

Ahol a rendszer keresést használ, ott a javítás akár napokon belül megjelenhet, amint az érintett oldalt újra bejárják és indexelik. Ahol a modell a betanított tudásából válaszol, ott a frissülés a következő modellváltásig is elhúzódhat, ez pedig hónapokban mérhető. Hivatalosan igazolt: a szolgáltatók nem vállalnak határidőt egyedi adatjavítás átvezetésére. Ezért reális elvárás az, hogy a hibás válaszok aránya idővel csökkenhet, nem az, hogy egy adott naptól helyes lesz.

Gyakorlatias megközelítés: a javítás után 2, 6 és 12 héttel ismételd meg ugyanazt a tesztsort, ugyanazokkal a kérdésekkel. Ha a hibás állítás arányában látsz csökkenést, jó irányba haladsz. Ha nem változik semmi, valószínűleg maradt egy erős forrás, amit még nem találtál meg.

Milyen ellenőrzőlistával haladj végig?

• Megvan a 12 - 15 kérdéses tesztsor, dátumozott naplóval?
• Kijelentkezett munkamenetben futott a teszt, memória nélkül?
• Van egyetlen kanonikus tényoldal a weboldaladon, strukturált adattal?
• Egyezik a név, cím, telefonszám az összes felületen, karakterre pontosan?
• A sameAs felsorolja az összes hivatalos profilodat?
• Naprakész a Google cégprofil, beleértve az ünnepnapi nyitvatartást?
• Megvan a hibás adatot terjesztő oldalak listája, prioritással?
• Elment a javítási kérés, és van róla feljegyzés?
• Ki van írva egy dátumozott közlemény a változásról?
• Be van ütemezve az ismételt ellenőrzés?

Mikor éri meg elengedni egy hibát?

Rövid válasz: akkor, ha a hibás állítás nem befolyásolja a vásárlási döntést, és a javítás aránytalanul sok munkát igényelne.

Egy rossz nyitvatartás vagy hibás telefonszám közvetlen bevételkiesést okozhat, ezt mindig javítsd. Egy pontatlan alapítási év vagy egy elavult munkatársi létszám jellemzően nem dönt el üzletet. A prioritás egyszerű szűrője: ha az érdeklődő a hibás adat miatt nem tud kapcsolatba lépni veled, vagy rossz helyre megy, az sürgős. Minden más ráér a következő körben.

Érdemes reálisan látni a keretet is: a leírt lépések segíthetik a pontosabb megjelenést, és jó eséllyel csökkentik a hibás állítások arányát, de egyik módszer sem garantál sem konkrét AI-választ, sem megjelenést. A cél az, hogy a valóságról szóló, ellenőrizhető adat legyen a legkönnyebben elérhető információ rólad a weben.

Források és további olvasnivalók

• Google Search Central: Structured data general guidelines, Local business structured data
• Google Search Central: AI features and your website (AI Overviews, AI Mode)
• Google Business Profile Súgó: Cégadatok szerkesztése és ellenőrzése
• Schema.org: LocalBusiness, Organization, PostalAddress, OpeningHoursSpecification, sameAs
• OpenAI dokumentáció: Model release notes és knowledge cutoff, ChatGPT search
• Anthropic dokumentáció: Claude models overview és web search tool
• W3C: JSON-LD 1.1 specifikáció
• Wikidata: Notability és Item quality irányelvek
• Európai Bizottság: GDPR tájékoztatók az adatpontosság és a helyesbítéshez való jog kérdésében