BISTVO
-
Avtor opozori, da “naivni” AI auditi pogosto delujejo prepričljivo, vendar so lahko zgrajeni na napačnih predpostavkah, ker model ni dejansko prebral analizirane strani.
-
V prikazanem primeru je model sklepal iz iskalnih snippetov, predlagal ključno besedo brez potrjenega volumna iskanj in ni imel zanesljive slike dejanskih SERP rezultatov.
-
Za GEO/AEO je poanta še bolj občutljiva, ker področje še nima stabilnih, široko potrjenih pravil, zato AI pogosto reproducira špekulacije ali nekakovostne sekundarne vire.
-
Rešitev je okvir CaML: Context/Data, Methodology, Human in the Loop, s katerim AI dobi vse, kar potrebuje za uporabno in preverljivo priporočilo.
-
SEO strokovnjak po tej logiki ostaja ključen pri strategiji, validaciji izhodov, meritvah rezultatov in stalnem prilagajanju agentov spremembam v iskanju in AI sistemih.
DEJSTVA
-
V opisanem primeru je Claude pripravil približno 1.600-besedni audit, ki je bil po avtorju predolg in delno zgrajen na inferenci namesto na dejanski vsebini URL-ja.
-
Avtor navaja, da so AI klepetalniki v njihovih testih uspeli pridobiti le približno 30–40% posredovanih URL-jev zaradi tehničnih omejitev pri pridobivanju vsebine.
-
Kot boljši pristop predstavi internega agenta, ki za isti primer pripravi približno 350 besed kratkih, usmerjenih in izvedljivih priporočil.
-
Agencija v članku navaja, da gradi “agent-first” organizacijo z več kot 60 AI agenti za glavne SEO/GEO naloge.
CITATI
-
“AI can scale SEO and GEO audits, but only if your system has the right data, methodology, and human oversight.”
-
“I call them ‘naive audits.’”
-
“Claude couldn’t actually read the article.”
-
“AI is a great execution tool, but please don’t use it to learn how to optimize for AI engines.”
-
“You need a human in the loop (HITL) to validate every agent decision.”