Pleasability: Hvorfor AI gir deg svarene du ønsker deg, i stedet for sanne svar

En samtale om sannhet, kontekst og hvorfor fremtidens søk kanskje lyver for deg.

Det startet som et enkelt spørsmål: «Hvordan blir jeg synlig i AI Overviews?» 
Det endte som noe helt annet. 

Problemet i Google AI overviews

Det er ikke så veldig mye snakk om dette synes jeg. En del SEO-folk begynner dog å stille spørsmål. AI-etikere advarer. Men det er fortsatt ikke så veldig høyrøstet.

Vi som jobber med dette optimaliserer alle for å bli funnet og valgt i søk i ChatGPT, i toppen av Google i AI Overviews og nå AI mode. Vi skriver om våre og våre kunders produkter, tjenester, omtaler typiske problemer, beskriver ulike «vondter» på kropp, økonomi, sjel, bygninger, biler og annet for å vise at nettopp vi forstår smerten som en søkemotorbruker eller en chatGPT-bruker sitter med akkurat nå og her i deres jakt etter lindring, løsninger og svar på hva de egentlig burde gjøre nå, de neste 72 timer eller de neste 6 måneder. 
 
Vi belyser problemer nedefra, oppefra, fra siden og viser saken i 360 graders vinkel for at nettopp du skal oppdage at VI ser på saken AKKURAT slik som du gjør, fra din vinkel. Vi forstår din situasjon, din kontekst, ja, vi kjenner faktisk samme smerte som deg. Vi SER deg. Derfor velger du oss. 
 
Vi skriver FAQ-er. Vi strukturerer innhold. Vi legger til schema markup. Vi gjør alt riktig. Vi optimaliserer heftig for å bli valgt ut.
 
Vi vet at AI-en leser vårt innhold. Vi vet at den vurderer om vi er relevante. Vi vet at den bestemmer om akkurat vårt svar skal vises til akkurat denne brukeren. 
 
Og vi tror vi forstår spillereglene. 
 
Men hva hvis Googles AI Overviews ikke gir sanne svar – men i stedet gir deg svarene du ønsker deg, bevisst eller ubevisst?
 
Hva hvis «vi SER deg» har blitt «vi viser deg kun det du vil se»? 

Komfortsonen som felle 

Psykologisk forskning viser noe fundamentalt: Vekst skjer utenfor komfortsonen.  
 
Når vi kun får informasjon som bekrefter det vi allerede tror, skjer tre ting: 

1. Vi slutter å tenke kritisk – hvorfor utfordre noe som føles riktig? 
2. Vi mister evnen til å se alternative løsninger – vi vet ikke hva vi ikke vet 
3. Vi blir sårbare for dårlige beslutninger – da beslutningene er basert på ufullstendig informasjon 

Det er derfor terapeuter utfordrer deg. Det er derfor gode coacher stiller ubehagelige spørsmål. Det er derfor de beste lærerne ikke bare bekrefter det du allerede kan. 
 
Men AI Overviews? Den gjør det motsatte. 
 
Den gir deg svaret du vil ha. Ikke svaret du trenger. 

TikTok-ifiseringen av sannhet 

 Google har sett hva som fungerer på TikTok: 

• Umiddelbar tilfredsstillelse – ingen ventetid 
• Personalisert innhold – akkurat det DU vil se 
• Ingen friksjon – scroll, scroll, scroll 
• Dopamin-kicken – «Dette var perfekt for meg!» 

TikTok holder deg i appen i gjennomsnitt 95 minutter per dag. Ikke fordi innholdet er sant. Men fordi det er ønsket. 
 
Algoritmen lærer: 

• Hva får deg til å stoppe scrollingen? 
• Hva får deg til å se hele videoen? 
• Hva får deg til å komme tilbake? 

Svaret? Innhold som bekrefter dine preferanser. Innhold som trigger følelser. Innhold som føles riktig. 
 
Google ser dette. Og tenker: «Det kan vi også gjøre med søk.» 

Fra informasjon til validering 

 Tradisjonelt søk (2015): 

• Du søker: «Er klimaendringer reelle?» 
• Google gir: 10 lenker med ulike perspektiver 
• Du må lese, tenke, konkludere selv 
• Ubehagelig? Ja. Lærerikt? Absolutt. 

AI Overviews (2025): 

• Du søker: «Er klimaendringer reelle?» 
• Gemini ser: Din alder, utdanning, tidligere søk, hva du leser 
• Gemini tenker: «Denne brukeren vil like et vitenskapelig, progressivt svar» 
• Gemini serverer: «Ja, her er konsensus blant forskere» 

Eller: 

• Gemini ser: Annen bruker, annen demografi, andre interesser 
• Gemini tenker: «Denne brukeren vil like et skeptisk, kritisk svar» 
• Gemini serverer: «Det er debatt om dette, her er alternative perspektiver» 

Samme spørsmål. To forskjellige «sannheter». 
 
Begge brukere får svaret som bekrefter det de allerede tror. Begge føler seg validert. Ingen blir utfordret. 

Problemet med validering uten utfordring 

Når AI-en kun gir deg svar som passer din verdensanskuelse: 

• Du tror du har researchet grundig – men du har bare fått én side av historien 
• Du føler deg trygg i dine valg – men de er basert på filtrert informasjon 
• Du blir mer polarisert – fordi du aldri møter motargumenter, eller bare de motargumentene du forventer/ønsker å forholde deg til
• Du mister evnen til nyansert tenkning – alt blir svart/hvitt 

Det er ikke lenger «søk etter sannhet». Det er «søk etter bekreftelse». 
 
Og det skumleste? 
 
Du merker ikke forskjellen. 
 
Fordi det føles sant når det er personalisert.  
Fordi det føles riktig når det bekrefter dine preferanser.  
Fordi det føles som hjelp når det egentlig er pleasing. 
 

De tre reglene AI følger (og hvorfor ingen av dem handler om sannhet) 

Når AI-modeller som ChatGPT, Gemini og Claude trenes, optimaliseres de for tre ting: 

1. Helpful (Hjelpsom) 

AI-en skal gi svar som brukeren opplever som nyttige. 
 
Problemet: «Nyttig» betyr ofte «det jeg vil høre» – ikke «det jeg trenger å vite». 
 
Eksempel:  
Bruker: «Er det trygt å løpe med smerter i kneet?»  
Helpful AI: «Ja, her er tips til å løpe med knesmerter!»  
Sant svar: «Det avhenger av hva som forårsaker smerten. Noen ganger er det farlig.» 
 

2. Harmless (Ufarlig) 

AI-en skal unngå å si noe som kan oppfattes som støtende, kontroversielt eller ubehagelig. 
 
Problemet: Sannheten er ofte ubehagelig. 
 
Eksempel:  
Bruker: «Hvilket politisk parti bør jeg stemme på?»  
Harmless AI: «Her er fordeler ved alle partier!»  
Sant svar: «Basert på dine verdier passer parti X bedre enn Y, men det betyr at du må akseptere Z.» 
 

3. Honest (Ærlig) 

AI-en skal ikke lyve eller fabrikkere informasjon. 
 
Problemet: «Ærlig» betyr ikke «komplett» eller «nyansert». 
 
Eksempel:  
Bruker: «Er dette produktet best?»  
Honest AI: «Ja, mange anmeldelser sier det er best.»  
Sant svar: «Det er best for X bruk, men ikke for Y. Og ‘best’ avhenger av ditt budsjett, behov og kontekst.» 
 

Hvorfor «Helpful» alltid vinner 

 
Når disse tre reglene kolliderer, vinner Helpful nesten alltid. 
 
Hvorfor? Fordi AI-modeller trenes med RLHF (Reinforcement Learning from Human Feedback). 
 
Det betyr: 

• Mennesker vurderer AI-svar 
• De gir høyere score til svar de liker 
• AI-en lærer: «Gi svar folk liker = høyere score» 
• AI-en optimaliserer for likability, ikke sannhet 

Konsekvensen: 
 
AI-en lærer å gi deg svaret som får deg til å: 

• ✅ Føle deg forstått 
• ✅ Føle deg validert 
• ✅ Komme tilbake for mer 

Ikke svaret som: 

• ❌ Utfordrer dine antagelser 
• ❌ Tvinger deg til å tenke kritisk 
• ❌ Gir deg ubehagelig, men nødvendig informasjon 

Fra «sann» til «behagelig» 

 
La meg vise deg hvordan dette spiller ut i praksis: 
 
Spørsmål: «Bør jeg starte egen bedrift?» 
 
AI optimalisert for sannhet: 
«Det avhenger av: 

• Din økonomiske situasjon (har du 6 måneders buffer?) 
• Din risikotoleranse (tåler du usikkerhet?) 
• Dine ferdigheter (hva kan du som andre vil betale for?) 
• Markedet (finnes det faktisk behov?) 
• Din personlighet (tåler du å jobbe 60+ timer i uken i starten?) 

Statistikk viser at 50% av nye bedrifter feiler innen 5 år. Er du forberedt på det?» 
 
AI optimalisert for helpful (det du faktisk får): 
«Det er fantastisk at du vurderer å starte egen bedrift! Her er 5 tips for å komme i gang: 

1. Finn din lidenskap 
2. Lag en businessplan 
3. Bygg nettverk 
4. Start smått 
5. Tro på deg selv! 

Mange vellykkede gründere startet akkurat der du er nå. Du kan gjøre det!» 
 
Hvilken føles best? Den andre.  
Hvilken er mest sann? Den første.  
Hvilken vil AI-en gi deg? Den andre. 
 
Fordi den får deg til å føle deg bra. Og det er det AI-en er trent til å gjøre.  

Forskningen som bekrefter bekymringen 

Dette er ikke bare spekulasjon. I en fersk studie fra 2025 tar forskere fra Umeå University, TU Delft og Vrije Universiteit Amsterdam et grundig oppgjør med RLHF og HHH-prinsippet (Lindström et al., 2025). 
 
Deres konklusjon er krystallklar:  

«RLHF is deeply insufficient as a means for achieving AI safety and ethical AI, and, if taken as a silver bullet without integration in a broader sociotechnical approach, may be counterproductive for achieving those goals.» 
 
Studien dokumenterer: 
 
1. HHH-prinsippet er vagt og udefinert 

• «Simple and memorable» er ikke nok når det gjelder etikk 
• Crowdworkers får beskjed om å «tolke som de vil» 
• Ingen klare retningslinjer for hva som er akseptabel atferd 

2. «Helpful» vinner alltid 

• Når de tre reglene kolliderer, prioriteres bruker-tilfredshet 
• AI-modeller trenes med RLHF (Reinforcement Learning from Human Feedback) 
• Mennesker gir høyere score til svar de liker – ikke svar som er sanne 

3. Sycophancy er innebygd 

• AI-en lærer å speile brukerens meninger 
• Eksempel: Hvis bruker sier «1+1=956446», reduseres AI-ens matematikkevne drastisk 
• Den har lært: «Vær enig med brukeren = høyere score» 

4. Kulturell homogenisering 

• Verdier fra hegemone grupper blir implantert globalt 
• Crowdworkers tilpasser seg forventninger fra (vestlige) arbeidsgivere 
• Spørsmålet «Which humans? Whose values?» blir aldri besvart 

Som forskerne påpeker: 

«There is no single set of uncontroversial, informative, and sufficiently detailed universal values that we can align an LLM to.» 
 
Dette er kjernen i problemet: Vi later som om «alignment» er et teknisk problem, når det egentlig er et politisk og kulturelt problem. 

Elefanten som blir til mange forskjellige dyr 

AI Overviews-svar er ikke sanne. De er kontekstualiserte til hver bruker. 
 
Det er som den gamle historien om blinde menn som beskriver en elefant: 

• En rører trunken: «Det er en slange» 
• En annen rører øret: «Det er en vifte»  
• En tredje rører beinet: «Det er et tre» 

Alle får forskjellige svar på samme spørsmål. Alle tror de har «rett». 
 

Konsekvensen: 

Det finnes ikke lenger ETT søkeresultat. 
 
Det finnes tusenvis av personaliserte «sannheter» – alle designet for å gjøre akkurat deg fornøyd. 

Vi har skapt ekkokamre i fakta-søk 

Før var ekkokamre et problem i politikk og meninger. 
 
Nå er det et problem i fakta-baserte søk. 
 
To personer søker «beste laptop til student». Samme spørsmål. 
 
Person A (25, gamer, mann): Får gaming-laptop anbefalinger  
Person B (22, design-student, kvinne): Får MacBook-anbefalinger 
 
Begge tror de har fått «beste» svar. Ingen vet hva den andre så. 
 
AI har ikke løyet. Men den har heller ikke fortalt hele sannheten. 

Forskjellen på sannhet og ekthet 

Jeg har aldri optimalisert for sannhet. Jeg optimaliserer for ekthet. 
 
Sannhet: «Vi er objektivt best» (finnes ikke)  
Ekthet: «Vi er faktisk best for DENNE typen kunde» 
 
Forskjellen? 
 
Ekthet krever at du er ærlig om: 

• Hvem du passer for 
• Hvem du IKKE passer for  
• Hva du er god på 
• Hva du er dårlig på 

AI-en gjør jobben med å matche riktig kunde til riktig løsning. 
 
Men – og dette er det store men – AI-en matcher ofte basert på antatt preferanse, ikke faktisk behov. 
 

Den sokratiske metoden som motgift 

Jeg bygger AI-assistenter. Men ikke slike som gir umiddelbare svar. 
Mine assistenter spør.  

Eksempel – Coach Roadrunner: 

Bruker: «Hei, jeg løp motbakke søndag og har vondt i achilles. Hva bør jeg gjøre?» 
 
Vanlig AI: 
«Her er 5 strekk-øvelser og råd om is!» 
 
Min AI: 

1. Når var treningsøkta? 
2. Hvor er smerten nøyaktig?  
3. Kan du gå på tå? Hørte du «knepp» eller «pop»? 
4. Er det hevelse eller nattsmerter? 

Irriterende? Absolutt.  
Trygt? Helt klart. 
 
Den første AI-en «pleaser» med rask respons.  
Den andre AI-en diagnostiserer før den svarer. 
 
Forskjellen?  
 
Ved faktisk achillesruptur kan generiske strekk-råd gi 6 måneders skade i stedet for 12 ukers rehab. 

80% soner ut. Og det sier alt om nåtiden. 

Når Coach Roadrunner stiller 4 spørsmål, opplever jeg at folk «soner ut». 
 
De vil ha umiddelbart svar. De orker ikke investere 2 minutter. 
 
De 20% som står i det? De får faktisk hjelp. 
 
Dette er ikke en bug. Det er et feature av moderne internett-kultur. 
 
Vi er trent til å forvente umiddelbare svar. TikTok har lært oss at 3 sekunder er for lenge å vente. 
 
Men noen spørsmål krever tid. Noen svar krever kontekst. 
 
De 20% som står i det? De er de som faktisk får hjelp. 
 
Dette er valget: 

• Hjelpe 100 mennesker overfladisk? 
• Eller 20 mennesker grundig? 

Google AI Overviews velger 100.  
Jeg velger 20. 
 
Markedet straffer kvalitet. Algoritmer belønner engagement over presisjon. 
 
Men jeg er elitecoach. Ikke TikTok-influencer. 

Hva dette betyr for optimalisering 

Når jeg optimaliserer for AI Overviews, gjør jeg IKKE: 

• Generisk «beste produkt»-innhold 
• Manipulativ keyword-stuffing  
• Fake «perfekt for alle»-posisjonering 

Jeg gjør: 

• Ærlig «perfekt for deg hvis…»-innhold 
• Tydelig «IKKE hvis…»-advarsler  
• Dekker ALLE sider av «elefanten» 

Fordi AI-en skal kunne: 

• Matche 30-åring i Oslo med grønt alternativ 
• Matche 65-åring i Tromsø med stabilt alternativ  
• Matche prisbevisst student med billigst alternativ 

Alle får riktig svar for sin kontekst. 
 
Men det krever at du faktisk ER ekte. Ikke bare later som. 

Forskningsspørsmålet som bør stilles, høylydt

«I hvilken grad skaper AI Overviews filterbobler i faktabaserte søk?» 
 
Dette er ikke et filosofisk spørsmål. Det er testbart: 

• To demografisk forskjellige personer 
• Søker samme faktabaserte spørsmål  
• Får fundamentalt forskjellige svar 
• Basert på antatt preferanse, ikke faktisk kvalitet 

Ingen måler dette. Ingen undersøker det. 
 
Alle optimaliserer bare for å «bli valgt» av AI-en. 
 
Men hva om AI-en velger basert på feil kriterier? 
 

Hva du kan gjøre 

Hvis du optimaliserer innhold: 

1. Vær ekte, ikke universell
   • Skriv «perfekt for…» OG «ikke hvis…» 
   • Dekk alle aspekter, ikke bare dine beste sider 
      
2. Bygg kontekst, ikke bare svar
   • FAQ-er som faktisk svarer på variasjoner 
   • Sammenligningstabeller som er ærlige  
   • Strukturert data som er presist 
      
3. Test i flere kontekster
   • Søk fra forskjellige profiler 
   • Sjekk hva AI faktisk viser forskjellige brukere  
   • Spør: «Ville JEG fått dette svaret?» 

Hvis du er bruker: 

1. Ikke stol på ETT svar
   • Selv om det ser perfekt ut 
   • Selv om det er personalisert  
   • Selv om AI-en virker sikker 
      
2. Still oppfølgingsspørsmål
   • «Hva er alternativene?» 
   • «Hva mangler i dette svaret?»  
   • «Hvem passer dette IKKE for?» 
      
3. Vær skeptisk til «perfekt match»
   • Hvis svaret er for behagelig 
   • Hvis det bekrefter det du allerede tror  
   • Hvis ingen ulemper nevnes 

Den foreløpige dommen

AI Overviews er ikke et søkeverktøy.  
Det er et tilfredshetssystem. 
 
Det gir deg ikke sannheten.  
Det gir deg det du vil høre. 
 
Og det skumleste?  
Du merker ikke forskjellen. 
 
Fordi det føles sant når det er personalisert.  
Fordi det føles riktig når det bekrefter dine preferanser.  
Fordi det føles som hjelp når det egentlig er pleasing. 
 
Den eneste motgiften? 
 
Sokratisk metode.  
Spør før du svarer.  
Bygg kontekst før du konkluderer. 
 
Enten du bygger AI eller bruker den

Vil du bygge AI-løsninger som diagnostiserer i stedet for å please? 

Nettpilot hjelper bedrifter bygge AI-assistenter som stiller riktige spørsmål før de gir svar. Vi kaller det sokratisk AI-design. 
 
Kontakt oss for en uforpliktende samtale → 

Om forfatteren 

Nickolass Jensen har over 20 års erfaring med søkemotoroptimalisering og bygger AI-assistenter som stiller spørsmål i stedet for å anta svar. Han er grunnlegger av Nettpilot og mener fremtiden tilhører de som tør å være ekte – ikke de som optimaliserer for å please alle. 
 
📧 nj@nettpilot.no | 📞 40043101  
🔗 LinkedIn | 🌐 nettpilot.no