Danskernes ugentlige brug af AI er steget fra 17 til 37 procent på et år, viser Danmarks Statistiks seneste opgørelse. Det har tre konkrete konsekvenser for branchen.
Earned media – og især nichemedierne – betyder mere. Citationerne i et AI-svar er ikke koncentreret om de store, landsdækkende medier, de er spredt ud over mange mindre, fagspecifikke kilder.
Et fagblad eller en brancheorganisations hjemmeside kan derfor veje lige så tungt som den store profilartikel, de fleste virksomheder ellers går efter.
Omtalelandskabet er bredere end pressen. En model læser ikke kun journalistik. Den læser også brancheregistre, medlemslister hos organisationer og virksomhedens eget website.
PR-arbejde skal i praksis dække mere end pitching af journalister. En forældet tekstlinje i et brancheregister eller en upræcis beskrivelse på egen hjemmeside tæller med i det billede, en model bygger op.
Gammel omtale lever videre. Et AI-svar nulstilles ikke ved årsskiftet. Det er bygget af alt, hvad der gennem tiden er skrevet, og en historie fra for flere år siden kan sagtens veje med i dag. Det gør en enkeltstående kampagne omkring en lancering mindre værd og en konsekvent, langsigtet tilstedeværelse mere værd, end de fleste kommunikationsbudgetter i dag afspejler.
AI former selve beslutningen
Hvorfor det forholder sig sådan, handler om mere end omfanget af AI-brugen.
En artikel i det videnskabelige tidsskrift Marketing Science finder, at AI’s værdi er begrænset ved simple køb, men stiger markant, når beslutningen er sammensat af flere hensyn.
Her strukturerer AI informationen, gør alternativer sammenlignelige og bliver en aktiv del af selve beslutningsprocessen. Modellen bruges ikke blot til at slå noget op og blive forladt igen. Den bruges til at tænke sig frem til et valg.
Det gælder i den store skala og i den helt trivielle. En kommunal indkøber, der skal skrive en kravspecifikation til et udbud, beder i stigende grad en model om hjælp til at strukturere kategorien, før specifikationen overhovedet findes.
En rådgivende ingeniør, der skal vælge mellem tekniske løsninger, gør det samme. Men det gælder lige så meget forbrugeren, der spørger, hvad man skal kigge efter i en god plæneklipper.
I alle tre tilfælde er det, man får tilbage, ikke bare et svar. Det er et sæt kriterier, man ender med at tænke videre i: Hvad er overhovedet vigtigt, før man har set en eneste leverandør eller et produkt?
Kampen om at definere kategorien
De kriterier kommer et sted fra. Har man selv sat ord på dem først et sted, en model har læst, er det ens egen ramme, beslutningstageren ender med at bruge.
Har en konkurrent gjort det, er det konkurrentens sprog, der former samtalen – og ingen af parterne bliver nødvendigvis nævnt ved navn undervejs.
Det er en langt mere usynlig kamp end at blive citeret i et svar. Man kan tabe den, uden at nogen nogensinde har skrevet en shortlist.
Uafhængig omtale vejer tungest
Muck Rack har gennemgået 25 millioner links fra svar i ChatGPT, Claude og Gemini og finder, at 84 procent af citationerne kommer fra earned media – uafhængigt indhold, virksomheden ikke selv har skrevet.
Journalistik alene udgør 27 procent. Betalt indhold som annoncer og advertorials udgør kun 0,3 procent.
Muck Rack sælger software til PR-branchen og er ingen neutral kilde. Men tallet stemmer med den bredere logik i, hvordan modellerne er bygget: De læner sig op ad det, en uafhængig tredjepart har skrevet, langt oftere end det, en virksomhed har betalt for at få sagt om sig selv.
Det vindes ikke med én kampagne
Kampen om at eje sproget i en kategori – og dermed, hvad der overhovedet er kriterierne for et godt valg – er flyttet et sted hen, de fleste virksomheder endnu ikke har øje på.
Den vindes ikke med en kampagne. Den vindes med fagligt indhold og reel tredjepartsomtale, gentaget over tid, længe før nogen sætter sig ned og skriver et udbud, en kravspecifikation – eller søger råd om den næste plæneklipper.
Jonas Rugaard er partner i Kudos Kommunikation.
