Googles retningslinjer om AI er ikke nødvendigvis best practise
Google har nylig sluppet sine offisielle retningslinjer for optimalisering av synlighet i generativ AI. Det er lett å svelge ordene som absolutte sannheter. Skraper vi i overflaten, ser vi at Google rådgir ut fra eget perspektiv og modenhet, ikke nødvendigvis ut fra hva som er en best practice for generell synlighet i generativ AI. Tjenesten ChatGPT er fortsatt den mest brukte tjenesten for generativ AI i Norge.
Rocket har analysert den nye guiden grundig. Flere av rådene bør du ta med en solid klype salt. Google er unike i sin evne til å crawle, tolke og forstå webinnhold. Det betyr imidlertid ikke at rådene deres kan overføres direkte til hvordan andre tjenester tolker innhold.
Her er vår faglige gjennomgang av de fem myter som Google hevder å knuse, der vi legger et lag av fortolkning på toppen.
LLMS.txt er unødvendig:
– Ja, om du ikke vil eksperiementere
Ordrett fra guideline:
LLMS.txt files and other «special» markup: You don’t need to create new machine readable files, AI text files, markup, or Markdown to appear in Google Search (including its generative AI capabilities), as Google Search itself doesn’t use them. Note that Google may discover, crawl, and index many kinds of files in addition to HTML on a website: this doesn’t mean that the file is treated in a special way.
Google hevder i sin guide at man ikke trenger å opprette egne maskinlesbare filer, som llms.txt eller Markdown, for å bli synlig i AI-søk. De påpeker at de leser vanlig HTML mer enn godt nok, og at slike spesialfiler ikke kompenserer for et dårlig nettsted.
Her har Google delvis rett, men argumentasjonen overser kritiske nyanser. Egne studier vi har gjort, med blant annet Matprat gir indikasjon på at LLMS.txt korrelerer med trafikkvekst / synlighetsvekst i AI. Men veksten kan like gjerne skyldes modning i måleverktøyenes indeksering eller generelle algoritmeoppdateringer. Vi tar våre egne funn med en dose korrelasjonssalt, sammenhengen er nok kasual.
Vår skepsis til LLMS.txt er knyttet til å bygge et «skyggeinternett», tilsvarende black hat -praksisen med å bygge doorway pages før Google ble moden nok til å slå ned på det.
Standarden peker ofte til rene markdown-filer uten direkte kobling til URL-er. Det gjør det lett for AI-modeller å rappe innholdet ditt og servere det uten kreditering av din merkevare som opphavskilde eller trafikk tilbake til nettstedet.
Det er også fort gjort at disse filene ender opp som «døde filer». Når innholdet på nettsiden endres, men filen forblir uendret, spres utdatert informasjon. Dette er det selvsagt mulig å kode seg rundt, men trenger vi virkelig disse støttehjula i 2026?
Verktøyet Limy gjennomførte i begynnelsen av 2026 en analyse av over 500 millioner LLM-bot-trafikkhendelser. Analysen viste at både OpenAIs (ChatGPT) og Anthropics (Claude) roboter, og til og med Google-Extended (Gemini), hopper i stor grad over Markdown-filene og crawler i stedet det faktiske HTML-innholdet.
SEO-byrået Reboot Online fant nøyaktig det samme da de i et testeksperiment konkluderte med at botene over en periode på tre måneder ikke rørte llms.txt-filen i det hele tatt.
Vår råd om llms.txt:
Dropp det, med mindre du vil eksperimentere.
Google fraråder llms.txt ut fra sin egen teknologiske modenhet. De trenger ikke llms.txt fordi de har tyve års erfaring med å tolke HTML. For andre AI-tjenester og mindre modne roboter som mangler Googles infrastruktur, kan slike filer teoretisk ha en isolert verdi, men foreløpig er dette kun kvalifisert gjetting. Vi anbefaler å prioritere dynamisk innhold og kontekst fremfor statiske tekstfiler som fort støver ned. Faktisk mener en av Tysklands ledende GEO-eksperter, Kais Priestersbach, at ideen om en llms.txt-fil er dødfødt, ettersom søkemotorer aldri vil stole på nettstedseierens egen kuraterte (og potensielt selvforherligende) oppsummering av seg selv.
LLMS.txt er som meta keywords. En unødvendig øvelse å oppdatere og lite troverdig kilde for roboter å evaluere innhold.
Motargumentet vi hører er at “det skader vel ikke?”.
Det skader på to nivåer:
- Du bygger et skyggeinternett som krever ressurser og / eller ekstra kode og kompleksitet – som kan bryte sammen.
- Du bruker tid på noe som har en usikker gevinst. Du kunne brukt tiden på å lage verdifullt innhold, eksempelvis.
Innholdsoppdeling, aka «Chunking» er nytteløst:
Det kommer an på om det er Google eller Layla
Ordrett fra guideline:
There’s no requirement to break your content into tiny pieces for AI to better understand it. Google systems are able to understand the nuance of multiple topics on a page and show the relevant piece to users. However, sometimes shorter (or longer!) pages can work well depending on your audience and subject matter. There’s no ideal page length, and in the end, make pages for your audience, not just for generative AI search.
Google hevder at det ikke er nødvendig å dele opp («chunke») innholdet i mindre biter for at kunstig intelligens skal forstå det. Systemene til Google forstår nyanser på tvers av en lang side. De avslutter med at man bør skrive for publikumet sitt, ikke for maskiner.
Dette er en sannhet med modifikasjoner.
Ja, man skal alltid skrive for mennesker, og tunge, ugjennomtrengelige tekster fungerer dårlig for både folk og roboter. Men Google argumenterer utelukkende fra sitt eget ståsted. Lettvekteren Layla er en app du kan kjøre på mobilen din, som lar deg ha din egen lokale LLM. Det er stor forskjell på en motor som kan kjøres på en mobil – kontra Googles massive infrastruktur.
I realiteten er oppdeling av innhold helt essensielt for moderne AI-arkitektur. Måten LLM-er henter og bearbeider informasjon på (ofte gjennom RAG-systemer, Retrieval-Augmented Generation), er fundamentalt avhengig av hvordan data er segmentert og strukturert.
Hvis en tekst er for massiv og ustrukturert, øker risikoen for at viktige detaljer drukner i modellens kontekstvindu. Dersom tekst og innhold er godt delt opp og lettfordøyelig, kan lettere modeller forstå konteksten.
Å tilpasse innholdets struktur handler om det samme som vi gjør når vi tilpasser tekster til menneskers LIX-verdi (lesbarhetsindeks). Vi gjør informasjonen mer tilgjengelig og fordøyelig. Ved å strukturere innholdet i logiske, avgrensede semantiske deler, hjelper vi både menneske og maskin.
Den internasjonale SEO-autoriteten Lily Ray underbygger dette: Hennes studier viser at innhold som følger en logisk, hierarkisk overskriftsstruktur (eksempelvis H2, H3 og kulepunkter) har hele 40 % større sjanse for å bli foretrukket og ekstrahert av ChatGPT.
Ved egne tester har vi også sett dette når vi undersøker treningsgrunnlaget modellene direkte: grunnlaget for modellene (CommonCrawl m.fl.) tokeniserer innholdet i svært stor grad. Et lettere fordøyelig innhold letter denne prosessen vesentlig.
Vårt råd om lettfordøyelig tekst:
Chunk it like it’s hot.
Lettlesthet betyr som regel at innholdet får bedre brukervennlighet uansett. Her slår du to fluer i en smekk.
Myte #3 Omskriving av innhold er unødvendig: Roboter spiser dybde, mennesker spiser oppsummeringer
Ordrett fra guidelines:
Rewriting content just for AI systems: You don’t need to write in a specific way just for generative AI search. AI systems can understand synonyms and general meanings of what someone is seeking, in order to connect them with content that might not use the same precise words. This means you don’t have to worry that you don’t have enough «long-tail» keywords or haven’t captured every variation of how someone might seek content like yours.
Google mener du ikke trenger å skrive på en spesiell måte eller bekymre deg for «long-tail»-søk, ettersom AI-systemer forstår synonymer og intensjoner uavhengig av de eksakte ordene du bruker.
Vi er enige i at tradisjonell «keyword stuffing» og kunstig omskrivning for spesifikke søkeordvariasjoner er utdatert og er en unødvendig tidstyv. Men det betyr ikke at du skal slutte å tilpasse innholdet ditt. AI-roboter «gidder» å sette seg inn i ekstremt detaljert, omfattende og teknisk dybdeinnhold som vanlige brukere sjelden tar seg tid til å lese fra start til slutt.
Når roboten har tygget seg gjennom alt, serverer den en perfekt oppsummering.
Et levende eksempel på dette er DNBs strategi for fond. Ved å bygge ut detaljerte, dype dedikerte sider for hvert enkelt fond, en rigg på rundt 600 unike sider fylt med detaljer, har den ultimate «AI-maten» blitt servert. Nettsidene gir menneskene verdi fordi AI-en får fullstendig oversikt og kan svare presist på komplekse brukerspørsmål, med DNB som kilde.
Marie Haynes, ekspert på GEO, har påpekt at det er svært viktig å inkludere «faktasjekkbare snutter» som prosenter eller referanser fra studier for å tiltrekke seg LLM-er.
Kevin Indig har i en stor analyse med 1,2 millioner siteringer fra ChatGPT også slått fast at språk som fremstår definitivt («defineres som», «refererer til») foretrekkes av modellene.
Vårt råd om innhold for roboter:
Dersom du kan bygge innhold som går i dybden, gjør det!
Tørr å lage innhold for roboter, det er ikke lenger slik at du bare skal skrive for mennesker.
Myte #4 Dropp jakten på «mentions»: …og samtidig legge ned PR som et fag?
Ordrett fra guideline:
Just like the rest of Google Search, our generative AI features can show what’s being said about products and services across the web, including in blogs, videos, and forum discussions. However, seeking inauthentic «mentions» across the web isn’t as helpful as it might seem. Our core ranking systems focus on high-quality content while other systems block spam; our generative AI features depend on both.
I guiden advarer Google mot å jakte på uekte omtaler («inauthentic mentions») på tvers av blogger, videoer og forum, og hevder at kjernealgoritmer og spam-systemer uansett vil fange dette opp og nøytralisere effekten.
Her treffer Google spikeren på hodet når det gjelder uærlig manipulasjon. Å kjøpe falske omtaler eller spamme forum med merkevarenavnet sitt er dødfødt, på akkurat samme måte som useriøs lenkespamming har vært det i årevis.
Men Google bommer hvis de mener at proaktivt arbeid med merkevareomtaler er bortkastet.
Tvert imot: Å jobbe målrettet og strategisk med PR er mer kritisk enn noensinne. Når AI-modeller skal anbefale produkter eller tjenester, baserer de seg på etablerte mønstre og merkevare-assosiasjoner de finner på tvers av troverdige kilder på internett.
Å bygge ekte, redaksjonelle omtaler og sterke relasjoner i bransjeaviser, blogger og faglige forum er en ryddig og ekstremt effektiv måte å programmere AI-modeller til å huske din merkevare på.
Vårt råd om jakten på mentions:
Jobb målrettet med PR, om mulig; mer enn før.
Finn ut hvilke nyhetsmedier som ChatGPT, Claude og Gemini bruker som grunnlag for å forstå en kategori og jobb for å få redaksjonell omtale på ryddig vis.
Myte #5 Bare ta i bruk strukturerte data som Google støtter
Ordrett fra guideline:
Structured data isn’t required for generative AI search, and there’s no special schema.org markup you need to add. However, it’s a good idea to continue using it as part of your overall SEO strategy, as it helps with being eligible for rich results on Google Search.
Kanskje det mest oppsiktsvekkende punktet i guiden er at Google nedprioriterer strukturerte data (Schema-markup) for AI-søk. De hevder det ikke kreves for generative AI-funksjoner, og at det ikke finnes noen spesielle AI-skjemaer. De oppfordrer til å bruke det kun for å kvalifisere til «rich results» i tradisjonelt søk.
Her er vi i Rocket direkte uenige med Google. Ved å tone ned betydningen av strukturerte data, snakker Google igjen utelukkende fra sitt eget unike perspektiv som verdens beste søkemotor til å tolke fritekst. For resten av AI-verdenen er strukturerte data selve bærebjelken for presisjon. Schema.org gir en eksplisitt, deterministisk kontekst som fjerner enhver tvil for en maskinlæringsmodell [cite: 112, 113, 114].
Ta for eksempel skjemaet SatiricalArticle. En AI-modell eier ikke nødvendigvis forståelse for ironi; den kan fort tolke en satirisk spissformulering som en bokstavelig nyhetssak. Ved å bruke Schema-markup kan utgiveren eksplisitt fortelle modellen: «Dette er satire». Strukturerte data er ikke en utdatert SEO-taktikk; det er det universelle språket som sikrer at merkevaren din blir tolket riktig, uavhengig av om det er Google, OpenAI, Perplexity eller en intern bedrifts-bot som leser nettstedet ditt.
Vårt råd om strukturerte data:
Bruk det langt forbi det som trigger rich results i Google.
Dette bygger verdifull kontekst for gode og dårlige roboter som skal lese innholdet ditt.
Konklusjon: Ikke bygg strategien din på Googles premisser alene
Googles nye AI-guide er et nyttig innblikk i hvordan søkegiganten ønsker at internett skal se ut for å gjøre deres egen jobb enklest mulig. Men internett er mer enn Google.
For å lykkes med AI-synlighet i årene som kommer, må innholdsstrategien fungere på tvers av populære modeller i bruk. Det betyr at vi må fortsette å insistere på bunnsolid innholdsdybde – forbi det et menneske har båndbredde for, knallhard semantisk strukturering, ryddig PR, og et kompromissløst fokus på maskinlesbar kontekst gjennom strukturerte data.
Ta kontakt med Erik om du vil vite mer
