Blir du funnet når maskinene søker? 

Stadig flere bruker AI for å finne informasjon, sammenligne alternativer og velge leverandør. SSB oppgir at sju av ti nordmenn brukte generativ AI i 2025. Samtidig viser analyser av Google-søk at færre klikker seg videre når de får et AI-sammendrag direkte i søkeresultatet. 

En viktig del av vurderingen kan dermed skje før noen besøker nettstedet ditt. AI-tjenesten har allerede lest tilgjengelige kilder, tolket hvem dere er og satt sammen et svar. Virksomheten må derfor både bli funnet, forstått og gjengitt riktig. 

AI velger det den forstår 

Be en AI-tjeneste om å anbefale et produkt ut fra flere kriterier, og svaret kan virke svært sikkert. Det er likevel ikke sikkert at anbefalingen er det beste valget. Ofte bygger den på produktet tjenesten fant mest tydelig og konsistent informasjon om. 

Det samme gjelder når AI omtaler en virksomhet. Thomas Aalerud viste eksempler på at ulike AI-tjenester kan gi helt forskjellige svar på det samme spørsmålet. En virksomhet kan bli utelatt, få tillagt et tilbud den ikke har, bli blandet sammen med en annen aktør eller se eget innhold kreditert til en konkurrent. 

Når informasjonen er spredt, gammel eller motsier seg selv, må maskinen fylle hullene. Da mister virksomheten kontroll over historien som blir fortalt. 

Nettsiden er en kilde 

Nettsiden er fortsatt stedet der mange brukere leser mer, tar kontakt eller gjennomfører et kjøp. Samtidig fungerer den som kilde for søkemotorer og AI-tjenester som setter sammen svar. 

Tre spørsmål gir en nyttig kontroll: Kan maskinen finne innholdet? Forstår den hvem dere er og hva dere tilbyr? Har den nok tillit til å bruke dere som kilde? Hvis ett av leddene svikter, blir det vanskeligere å bli sitert riktig. 

Struktur, innhold og kontekst må henge sammen 

God synlighet i AI-søk bygger på tre deler som må støtte den samme historien: 

• Struktur: Viktig innhold må være tilgjengelig for maskiner. Roboter, statuskoder, omdirigeringer, nettstedskart, semantisk HTML og strukturerte data må være satt opp riktig.
• Innhold: Svar tidlig og tydelig. Bruk presise navn, korte avsnitt og konsistente fakta. Ett viktig faktum bør ha én tydelig hovedkilde.
• Kontekst: AI vurderer også hva andre kilder sier. Tydelige fagpersoner, omtale, lenker og oppdatert virksomhetsinformasjon gjør det enklere å forstå hvem som står bak innholdet. 

Mye av dette kjenner vi fra godt arbeid med søk, universell utforming og redaksjonell kvalitet. Forskjellen er at innholdet nå også må kunne hentes ut, kombineres og gjengis som del av et svar uten at brukeren nødvendigvis besøker siden først. 

AI anbefaler på grunnlag av informasjonen den finner og forstår. Derfor må viktig informasjon være tydelig, tilgjengelig og riktig. 

Det du lover må også fungere 

Et tydelig løfte må også kunne innfris av den digitale løsningen. Tenk deg en B2B-nettbutikk som lover at en vare blir levert neste dag. Bestillingssiden kan se riktig ut, men løftet avhenger av at varen er tilgjengelig, at bestillingen kommer før fristen, at integrasjonen mot leverandøren fungerer og at det finnes leveringskapasitet. 

Når AI trekker frem leveringsløftet i en anbefaling, er forventningen etablert før brukeren kommer til nettstedet. Hvis løsningen ikke kan innfri, oppstår det et brudd mellom grunnen til at virksomheten ble valgt og det kunden faktisk opplever. 

God synlighet kan føre brukeren frem til virksomheten. Deretter må nettstedet og de underliggende systemene holde det AI-svaret har lovet.

Synlighet i AI-søk har liten verdi hvis nettstedet ikke holder det AI-svaret lover.

Test tidligere og gjør kravene konkrete 

Dalbir Singh anbefaler å flytte testarbeidet tidligere i utviklingsløpet. I testfaget kalles det shift left. I stedet for å vente til løsningen er ferdig, begynner teamet allerede i planleggingen med å avklare hva virksomheten vil oppnå, hvilke forutsetninger som må være oppfylt og hvordan resultatet kan kontrolleres. 

Et krav som sier at kunden skal kunne bestille en vare, er for uklart. Teamet trenger konkrete forretningsregler og bruksscenarioer. Da blir det mulig å teste integrasjoner og avhengigheter, prioritere områdene der feil får størst konsekvenser og oppdage problemer før de blir dyre å rette. 

Testing fjerner ikke all risiko. Den gjør risikoen synlig og gir teamet et bedre grunnlag for å avgjøre hva som er trygt å lansere. 

God kvalitet starter før løsningen er ferdig. Kravene må være konkrete nok til at de kan testes.

Automatisering frigjør tid til vurdering 

Gjentakende kontroller bør automatiseres når det gir mening. Automatiserte tester kan kjøres ved kodeendringer og fange opp om eksisterende funksjonalitet er brutt. Det frigjør utviklere og testere til å undersøke det som krever menneskelig vurdering, som nye risikoer, brukeropplevelse og komplekse integrasjoner. 

I et eksempel fra Huma HR reduserte strukturert og automatisert testing tiden brukt på regresjonstesting fra flere døgn til omtrent én time. Målet er ikke å få flest mulig tester, men å få raskere tilbakemelding og et bedre beslutningsgrunnlag gjennom hele leveransen. 

Mål hele veien fra AI-svar til oppgave 

Virksomheter bør følge med på hvordan de omtales og siteres i AI-tjenester. Samtidig må de se på hva brukeren får til etterpå. Finner brukeren riktig informasjon? Fungerer skjemaet eller kjøpet? Holder løsningen lovet kapasitet, tilgjengelighet og leveringstid? 

Marked, kommunikasjon, fag, utvikling og test må derfor se på hele brukerreisen sammen. Innholdet påvirker om virksomheten blir funnet og valgt. Teknologien og kvaliteten på løsningen avgjør om brukeren lykkes når forventningen skal innfris. 

Et godt sted å begynne 

1. Se hva AI sier om virksomheten: Test sentrale spørsmål i flere tjenester og noter hva som mangler, er feil eller varierer.
2. Kontroller kildene: Sjekk at viktig innhold er tilgjengelig, oppdatert, konsistent og teknisk lesbart.
3. Velg de viktigste brukeroppgavene: Finn løftene og handlingene som har størst betydning for kunden og virksomheten.
4. Gjør kravene testbare: Beskriv forretningsregler, avhengigheter og forventet resultat før utviklingen er ferdig.
5. Mål hele veien: Følg både synlighet og sitering i AI-tjenester og om brukerne faktisk får løst oppgaven sin.

Synlighet i AI-søk avhenger av klare kilder, et teknisk fundament som maskiner kan lese, og løsninger som er testet mot oppgavene brukeren skal løse. Når disse delene henger sammen, øker sjansen både for å bli valgt i AI-svaret og for å levere en god opplevelse etterpå.