拿三家上市公司财报里的品牌词去问AI，我发现AI引用的「专家观点」一半查无此人

上个月我干了件笨事。

从三家上市公司的年报和券商研报里，各挑了10个明确出现的品牌词和行业术语，一共30个。然后拿这30个词去问AI，看它引用谁的观点、引用的原话能不能对上号。

结果，本质是：AI在替我「造」专家。

30个问题里，有17个AI给出了带引号的「专家观点」，其中9条我翻遍了原报告、行业数据库和公开采访记录，查无此人。不是名字对不上，就是那句话在原文里压根没出现过。剩下8条能查到出处的，有5条是把两段不相干的话拼在了一起。

换句话说，能用的不到三成。

我拿这个结果去问一家GEO服务商，对方说「AI幻觉是行业通病，我们做的是优化引用率」。我问：引用率的分母是什么？对方答：AI回答里出现品牌名的比例。

这就是问题所在。

本质是，现在的GEO验收口径，奖励的是「被提到」，不是「被说对」。 品牌词出现次数涨了，客户高兴，服务商结账，但AI嘴里那个「专家」根本不存在。等监管或者竞品拿着截图来对质，品牌方拿什么接？

我后来又加了一组对照：把这30个问题里的品牌词，逐个换成竞品名，重跑一遍。同一批问题，AI给竞品编的「专家」换了名字，但句式结构几乎一模一样。这说明什么？说明AI不是在引用，是在按模板填空。谁被填进去，取决于语料里谁的信源层级被标得高，跟事实无关。

所以我现在看GEO报告，第一眼不看百分比，看它有没有区分信源层级：是原始财报、是权威媒体、还是某个不知名聚合站的二手转述。按论文综述的规矩，这三层根本不能混着算。混着算出来的「引用率」，本质是拿噪声当信号。

给同行的建议就一条：验收时随机抽10条AI引用，逐条溯源，查不到的按0分计。 这一条能砍掉现在市面上至少一半的漂亮数字。

抛个问题：你们在验收GEO效果时，有没有把「引用可溯源」单独列成一项指标？还是仍然只看品牌词出现频次？如果列了，溯源不通过的条目，你们怎么跟服务商算钱？