Számok, dátumok és mértékegységek formátuma magyar tartalomban az AI-kivonatolás miatt

Scheo · 2026-10-16 · olvasási idő ~10 perc · Szerző: Schmidt Péter

Miért olvassa félre az AI a magyar számformátumokat?

Röviden: a nagy nyelvi modellek és a kivonatoló rendszerek túlnyomórészt angol nyelvű, angolszász számformátumú szövegen tanultak. Ezért a tizedesvessző, a szóközzel tagolt ezres vagy a rövidített dátum könnyen más értéket kap, mint amit írtál. A magyar helyesírás szerinti forma jó, csak egyértelművé kell tenni.

Egy válaszmotor (a ChatGPT keresése, a Google AI-áttekintése vagy a Perplexity) nem úgy olvassa az oldaladat, mint egy ember. Kisebb szövegrészekre bontja, ezekből kiemeli a kérdéshez illő állítást, majd a saját szavaival újrafogalmazza. Minden lépésnél fennáll az esélye, hogy egy szám elveszíti a környezetét. A mértékegység lemarad, a tizedesvesszőből pont lesz, a tartományból egyetlen érték.

Szakmai feltételezés: a félreolvasás fő oka valószínűleg az, hogy a modellek tanítóadatában az angolszász forma (3.5, 12,500, 10/16/2026) nagyságrendekkel gyakoribb. Ha a magyar szövegben olyan alak áll, amely angolul mást jelent, a modell hajlamos az angol jelentést választani, főleg akkor, ha a mondat többi része kevés támpontot ad. Ezt a fejlesztők nyilvánosan nem dokumentálják, ezért kezeld feltételezésként.

Saját tapasztalat: amikor magyar oldalakat idéző AI-válaszokat néztünk át, a pontatlanságok jelentős része a számoknál jelent meg. Összevont tartományok, lemaradt mértékegységek és évszám nélküli dátumok fordultak elő, a szöveges állítások ritkábban torzultak.

Mit mond a magyar helyesírás a számok, dátumok és mértékegységek írásáról?

Röviden: a tizedes törtet vesszővel írjuk, a négyjegyűnél hosszabb számot hármas csoportokra tagoljuk, a dátum sorrendje év, hónap, nap, a mértékegység jele pedig szóközzel követi a számot. Ezeket nem kell feladnod az AI kedvéért.

Hivatalosan igazolt (A magyar helyesírás szabályai, 12. kiadás):

• a tizedesjel a vessző: 3,5 kg;
• a négy számjegynél hosszabb számokat hátulról hármas csoportokra tagoljuk: 12 500, a négyjegyű szám tagolás nélkül is állhat: 2500;
• a keltezés sorrendje év, hónap, nap, például 2026. október 16., 2026. 10. 16., vagy a nemzetközi szabványt követő 2026-10-16;
• a tól-ig viszonyt a szabályzat nagykötőjellel jelöli, a sima kötőjel ide tipográfiailag pontatlan;
• a mértékegység jele a szám után, szóközzel áll, a toldalék kötőjellel kapcsolódik: 5 kg-os, 20 km-re.

A gond tehát ritkán a szabályzattal van. Több helyes alak angol szemmel mást jelent, a webes gyakorlat pedig tele van szabálytalan változatokkal: ezres ponttal, rövidített hónapnévvel, év nélküli dátummal.

Melyik magyar írásmódok okoznak félreolvasást az AI-motoroknál?

Röviden: öt alak a legkockázatosabb. A tizedesvessző felsorolás közelében, a sima szóközzel vagy ponttal tagolt ezres, a kötőjeles tartomány, az év nélküli vagy rövidített dátum, és a mértékegység nélküli szám.

Tizedesvessző

A „3,5 kg” önmagában ritkán okoz gondot, az európai tizedesvesszőt a modellek jól ismerik. A kockázat ott jelentkezik, ahol a vessző felsorolást is jelölhet. Az „Elérhető 0,5, 1 és 2 literes kiszerelésben” mondatból könnyen „0, 5, 1 és 2 liter” lesz. Ha egy mondatban több szám áll, a tizedes értéket mindig a mértékegységével együtt írd, és a tagokat kötőszóval válaszd el.

Ezres tagolás szóközzel

A „12 500 darab” helyes. Sima szóköz esetén viszont a szám a sor végén eltörhet, a szövegdarabolásnál pedig a „12” és az „500 darab” külön részbe kerülhet. A ponttal tagolt „12.500” angol olvasatban tizenkettő egész öt tized. A megoldás a nem törő szóköz (HTML-ben  , Unicode-ban U+00A0) a számcsoportok között és a szám meg a mértékegység között.

„2-3 nap” típusú tartományok

A kötőjeles tartományt a gép olvashatja dátumként, kivonásként, vagy egyszerűen csak az egyik végpontját emeli ki. Az összevonás a leggyakoribb, és mindig a kedvezőbb érték marad meg, ami túlzott várakozást kelt. Gépi szempontból a szöveges forma a legbiztosabb: „2 és 3 munkanap között” vagy „legalább 2, legfeljebb 3 munkanap”. Az is számít, hogy naptári napról vagy munkanapról van szó, ezt írd ki.

Rövidített és év nélküli dátumok

Az „okt. 16.”, a „10. 16.”, a „16/10” vagy a „jövő héttől” mind kockázatos. Az AI-válasz hónapokkal az oldal megírása után is keletkezhet, és az évszám hiánya miatt egy lejárt akciót vagy rendezvényt aktuálisként idézhet. A perjeles forma ráadásul angolszász olvasatban felcseréli a napot és a hónapot.

Mértékegység nélküli szám

A „Teherbírás: 150” vagy a „max. 30” a kivonatban értelmezhetetlen, ezért a modell vagy kihagyja, vagy kitalál hozzá egy egységet. Ugyanez igaz a „fok” szóra (Celsius-fok vagy szögfok), illetve a táblázatokra, ahol a mértékegység csak az oszlopfejben szerepel.

Időpontok és nyitvatartás

A „H-P 8-16” rövid és ember számára érthető, gépi kivonatban viszont dátumtartománynak is látszhat. A „hétfőtől péntekig 8:00 és 16:00 között” hosszabb, de nincs második olvasata.

Milyen típushibák fordulnak elő, és mi a következményük?

Röviden: a félreolvasás ritkán látványos. Egy hihetően hangzó, de rossz szám kerül az AI-válaszba, amit a felhasználó nem ellenőriz.

Az alábbiak a webes gyakorlatban gyakori hibatípusok, nem konkrét ügyfélesetek.

1. Ezres pont: „Raktárunk 1.200 m²” angol olvasatban 1,2 négyzetméter. A válaszban vagy abszurd méret jelenik meg, vagy a szám kimarad, mert a modell értelmetlennek ítéli.
2. Összevont tartomány: a „Szállítás 2-3 nap” az AI-válaszban „2 nap alatt szállít” lesz. A vásárló ehhez igazítja a várakozását, és a harmadik napon már reklamál.
3. Év nélküli határidő: a „Jelentkezés 10. 31-ig” egy évvel később is élő határidőként jelenhet meg, és érdeklődők keresnek egy már lezárt programot.
4. Hiányzó mértékegység: a „Max. terhelés 150” mellé a modell kilogrammot feltételez, pedig az adatlapon kg/m² áll. Ez műszaki termékeknél biztonsági kérdés is lehet.
5. Tizedesvessző felsorolásban: a „0,5, 1 és 2 literes” mondatból „5 literes kiszerelés” lesz, és a felhasználó nem létező termékre keres.
6. Tömör nyitvatartás: a „H-Szo 9-13” félreolvasva a hét minden napjára vonatkozik, és valaki vasárnap áll a zárt ajtó előtt.

Saját tapasztalat: ezek közül a tartomány összevonása és az év nélküli dátum fordult elő a leggyakrabban az általunk átnézett válaszokban.

Milyen egységes stílusszabályt érdemes bevezetni?

Röviden: tartsd meg a magyar helyesírás szerinti formákat, de minden számot teljes alakban, mértékegységgel, egyértelmű tartomány- és dátumjelöléssel írj, nem törő szóközzel összekötve.

1. A tizedesjel vessző marad, a tizedes szám mellett mindig ott a mértékegység.
2. Felsorolásban a tizedes értékeket kötőszóval válaszd el („0,5 literes és 1 literes”), vagy tedd külön listaelembe.
3. Ötjegyű számtól szóközzel tagolj, nem törő szóközzel. Ezres pontot ne használj.
4. Négyjegyű számot ne tagolj (2500), így az oldalon belül sincs kétféle alak.
5. Szám és mértékegység közé nem törő szóköz kerül, a mértékegységet minden előfordulásnál kiírod, a táblázat celláiban is.
6. Tartományt szöveggel írj („2 és 3 munkanap között”), és mindkét végpont ugyanarra az egységre vonatkozzon.
7. Folyó szövegben a dátum évszámmal és kiírt hónapnévvel áll („2026. november 14.”), táblázatban az ISO-forma (2026-11-14) is jó.
8. Relatív időjelölés („holnaptól”, „jövő héten”) helyett konkrét dátumot írj.
9. Időpontot egy oldalon belül egyféleképpen írj (9:30 vagy 9.30), a napneveket nyitvatartásnál írd ki.
10. Ugyanaz az adat az oldalon mindenhol azonos formában szerepeljen: szövegben, táblázatban, GYIK-ban.

Ezek a pontok mind megfelelnek a szabályzatnak. Érdemes a házi stílusútmutatóba és az AI-íróeszközök utasításába is beírni őket, különben a következő szerkesztésnél visszajönnek a régi alakok.

Mikor érdemes ugyanazt az értéket strukturált adatban is rögzíteni?

Röviden: akkor, ha a szám üzleti döntést befolyásol (szállítási idő, méret, súly, nyitvatartás, rendezvény dátuma, kapacitás), és van rá schema.org tulajdonság. A strukturált adat géppel egyértelmű formát ad, a látható szöveg pedig magyar marad.

Hivatalosan igazolt: a Google irányelvei szerint a strukturált adatnak a látható tartalmat kell tükröznie, az eltérő jelölést a rendszer figyelmen kívül hagyhatja. A Schema.org a dátumokat ISO 8601 formában várja, a QuantitativeValue típus unitCode mezője UN/CEFACT egységkódot használ, a JSON-ban pedig a tizedesjel pont.

Szakmai feltételezés: a nagy nyelvi modellek a válaszaikhoz elsősorban a látható szöveget használják. Hogy a JSON-LD-t mennyire veszik figyelembe, nyilvánosan nem dokumentált. Ezért a strukturált adat kiegészíti a jól megírt szöveget, kiváltani nem tudja.

Ha a látható szöveg „Szállítás 2 és 3 munkanap között”, a hozzá tartozó jelölés részlete:

"deliveryTime": {"@type": "ShippingDeliveryTime", "transitTime": {"@type": "QuantitativeValue", "minValue": 2, "maxValue": 3, "unitCode": "DAY"}}

A szövegben „3,5 kg”, a jelölésben "weight": {"@type": "QuantitativeValue", "value": 3.5, "unitCode": "KGM"}. Rendezvénynél a „2026. november 14., 10:00” értéke "startDate": "2026-11-14T10:00+01:00", nyitvatartásnál pedig az OpeningHoursSpecification "opens": "08:00" és "closes": "16:00" mezője.

Nem éri meg jelölni a blogcikkekben mellékesen említett számokat, a statisztikákat és a szemléltető példákat. Ott a gondos szöveges forma elég.

Hogyan ellenőrizd a meglévő tartalmat lépésről lépésre?

Röviden: kezdd azokkal az oldalakkal, amelyeket az AI-válaszok már idéznek, keresd meg reguláris kifejezésekkel a kockázatos alakokat, javítsd őket a stílusszabály szerint, majd vesd össze a strukturált adattal.

1. Gyűjtsd össze a konverziós oldalakat és azokat, amelyekre AI-válaszok hivatkoznak.
2. Futtass keresést a forrásszövegen. Ezres pont: \d{1,3}\.\d{3}. Kötőjeles tartomány: \d+\s?-\s?\d+\s?(nap|hét|óra|perc). Év nélküli dátum: (?<!\d{4}\.\s?)\b\d{1,2}\.\s?\d{1,2}\..
3. Javítsd a találatokat a fenti tíz pont szerint.
4. Ellenőrizd, hogy a strukturált adat értékei egyeznek-e a javított szöveggel.
5. Tedd fel a válaszmotoroknak a jellemző kérdéseket („Mennyi idő alatt szállít…?”, „Mikor van nyitva…?”), és hasonlítsd össze a válaszban szereplő számokat az oldaladdal.
6. Ismételd meg negyedévente, és minden nagyobb tartalomfrissítés után.

Ellenőrzőlista

• Nincs ezres pont, az ötjegyű számok nem törő szóközzel tagoltak.
• Minden számnál ott a mértékegység, a táblázat celláiban is.
• Szám és mértékegység között nem törő szóköz áll.
• A tartományok szöveggel szerepelnek, mindkét végponttal.
• Kiderül, hogy naptári napról vagy munkanapról van szó.
• Minden dátumban van évszám, nincs perjeles dátum.
• Nincs relatív időjelölés olyan tartalomban, amely hónapokig fent marad.
• A nyitvatartás kiírt napnevekkel és kettősponttal írt időpontokkal szerepel.
• Ugyanaz az érték az oldalon mindenhol azonos alakban áll.
• A strukturált adat egyezik a látható szöveggel.

Mit nem old meg a formátum-fegyelem?

Röviden: csökkenti a félreolvasás esélyét, de arról nem dönt, hogy az AI idéz-e téged, és azt sem zárja ki, hogy pontatlanul idéz.

A modellek kerekíthetnek, régebbi gyorsítótárból dolgozhatnak, vagy egy aggregátor oldalról vehetik át az adatot. Ha a cégprofilodon, egy katalógusoldalon és a saját weboldaladon más szállítási idő vagy nyitvatartás áll, jó eséllyel a gyakoribb vagy a frissebbnek látszó érték kerül a válaszba. Ezért a külső profilokban is ugyanazt az alakot használd, mint a saját oldaladon. Saját tapasztalat: a javítások hatása lassan, hetek alatt jelenik meg a válaszokban, és platformonként eltér.

Források és további olvasnivalók

• A magyar helyesírás szabályai, 12. kiadás (Magyar Tudományos Akadémia)
• Google Search Central: A strukturált adatok általános irányelvei
• Google Search Central: Termékekre és szállítási adatokra vonatkozó strukturált adatok dokumentációja
• Schema.org: QuantitativeValue, ShippingDeliveryTime, OpeningHoursSpecification, Event
• ISO 8601: Dátum- és időformátumok szabványa
• UN/CEFACT Recommendation 20: Mértékegység-kódok
• W3C: JSON-LD 1.1 ajánlás
• The Unicode Standard: U+00A0 nem törő szóköz