Du har beställt en rapport. Siffrorna ser bra ut. Ditt företag verkar synas i ChatGPT, konkurrenterna är ett par placeringar bakom dig, och du känner en viss tillfredsställelse.
Sedan öppnar du ChatGPT själv och skriver en fråga som dina kunder ställer varje dag. Och där är de, konkurrenterna. Ditt företag nämns inte alls.
Hur kan rapporten säga en sak och verkligheten en annan? Svaret har att göra med hur datan samlas in. En AI-synlighetsaudit är bara lika tillförlitlig som den metod som ligger bakom den, och skillnaderna mellan metoderna är större än de flesta anar.
Det finns två sätt att hämta data från ett AI-verktyg
Det ena sättet är via ett API. Du skickar en fråga direkt till den underliggande AI-modellen och får ett svar tillbaka. Det är snabbt, skalbart och tekniskt enkelt att automatisera.
Det andra sättet är att skrapa det gränssnitt som dina kunder faktiskt använder. Du öppnar ChatGPT, Perplexity, Gemini eller Copilot som vilken användare som helst, ställer frågan och registrerar vad som faktiskt visas på skärmen.
Skillnaden låter liten. Den är det inte.
Tänk på det så här: att fråga via API är som att ringa ett företag och prata med folk på lagret. Att skrapa gränssnittet är som att gå in i butiken och se vad kunderna faktiskt möter. Samma verksamhet bakom kulisserna, men en helt annan upplevelse.
Varför det som visas i gränssnittet skiljer sig så mycket
ChatGPT, Perplexity, Gemini och Copilot är inte bara språkmodeller. De är produkter, och varje produkt lägger ett tjockt lager av egna instruktioner, sökintegrationer, geografi och personalisering ovanpå den underliggande modellen.
Det som kallas ”ChatGPT” innehåller ett systemprompt som användaren aldrig ser. Det innehåller dynamisk webbsökning, minnesfunktioner, IP-baserad platsinformation och omskrivning av frågan som sker automatiskt innan svaret ens genereras. Inget av det följer med när du anropar API:t.
Perplexity hanterar konsumentfrågor via ett eget system som kan välja mellan flera olika AI-modeller beroende på frågan. Det API de erbjuder ger tillgång till en del av detta. Inbyggt i produkten är ett annat.
Copilot är det tydligaste fallet. Microsoft har byggt ut ett API-utbud för Microsoft 365 Copilot, med en Retrieval API som är allmänt tillgänglig och Chat- och Search-API:er i publik förhandsvisning. Men de riktar sig mot företagsdata i Microsoft 365. Det finns inget officiellt API mot den konsumentversion av Copilot som dina kunder faktiskt använder.
Vilken av dessa tror du att dina kunder använder?
Vad siffrorna faktiskt visar
Surfer SEO publicerade den 3 februari 2026 en empirisk studie där 1 000 identiska frågor kördes parallellt via ChatGPT:s API och via det gränssnitt som vanliga användare ser. Resultaten var slående.
API-svaren var i genomsnitt 406 ord långa. De skrapade UI-svaren var 743 ord. API:t returnerade inga källhänvisningar alls i ungefär 25 procent av fallen. I UI:t fanns det alltid källhänvisningar. API:t angav i genomsnitt 7 källor per svar, UI:t angav 16.
Men den mest avgörande siffran var denna: bara 24 procent av de varumärken som dök upp i API-svaren dök också upp i det som användarna faktiskt ser. För källhänvisningarna var överlappningen 4 procent.
Studiens författare formulerade det rakt: ”Dessa resultat bekräftar att API-svar skiljer sig väldigt starkt från skrapade svar. Skillnaderna är så tydliga att det är helt fel att övervaka API-svar som ett substitut för din AI-synlighet.”
Surfer försökte sedan stänga gapet genom att injicera ett läckt systemprompt från OpenAI i API-anropen. Resultaten blev i princip identiska med och utan det. Skillnaden är arkitektonisk, inte ett problem som går att lösa med promptteknik.
Och Perplexity? Där var överlappningen av källhänvisningar 8 procent. Även där gav gränssnittet längre svar med fler källor än API:t: 433 ord mot 332, och 10 källor mot 7.
Det här missar en API-baserad audit i praktiken
Det abstrakt tekniska får konsekvenser som är väldigt konkreta för ett litet eller medelstort företag.
Om en audit bygger på API-data och identifierar ett antal webbplatser som ChatGPT ”citerar” om din bransch, och du baserar dina PR-insatser på den listan, arbetar du mot mål som knappt existerar i verkligheten. Med 4 procents överlappning är oddsen att du riktar dig mot fel domäner.
API:t returnerar också fler varumärken per svar än UI:t gör. Det kan se ut som att konkurrensen är bred, när den i verkligheten är mer koncentrerad. Din andel av de faktiska AI-svaren kan vara starkare eller svagare än rapporten antyder.
Det finns också ett mer tekniskt problem som är värt att känna till. OpenAI tog bort GPT-4o ur ChatGPT-gränssnittet den 13 februari 2026, och den 3 april 2026 var modellen borta från samtliga ChatGPT-abonnemang. I API:t finns den kvar. Ett audit-verktyg som fortfarande kör mot GPT-4o via API testar alltså en modell som inga ChatGPT-användare längre möter.
Till det kommer hur ChatGPT faktiskt letar. AirOps analyserade 548 534 hämtade sidor från 15 000 ursprungliga frågor i en rapport publicerad den 12 mars 2026. I 89,6 procent av sökningarna genererade ChatGPT egna följdfrågor, och 95 procent av dessa följdfrågor hade noll månatlig sökvolym mätt på traditionellt vis. Nästan en tredjedel av de sidor som faktiskt citerades — 32,9 procent — dök bara upp som svar på en sådan följdfråga, aldrig på den ursprungliga frågan. Ett API-anrop med en enda fråga missar den ytan helt.
Samma rapport visar för övrigt hur hård gallringen är: 85 procent av de sidor ChatGPT hämtar in citeras aldrig. Att bli hittad är inte samma sak som att bli använd.
En enskild körning räcker aldrig
Allt det ovanstående handlar om fel data, hämtad på fel sätt. Men det finns ett separat problem som gäller även den som skrapar rätt gränssnitt: slumpen.
Rand Fishkin på SparkToro och ett team på Gumshoe.ai publicerade den 28 januari 2026 resultat från 2 961 promptkörningar av samma frågor, utförda av 600 frivilliga deltagare. Deras slutsats: det är mindre än en chans på hundra att två identiska körningar av samma fråga ger samma varumärkeslista. Att listan dessutom kommer i samma ordning är närmare en chans på tusen.
Det betyder att ett audit-verktyg som rapporterar att du ”ligger på plats tre i ChatGPT” inte berättar var du faktiskt befinner dig. Det berättar var du befann dig vid ett specifikt tillfälle, som med stor sannolikhet inte går att reproducera.
Det som däremot stabiliseras med tillräckligt många körningar är frekvensen. Hur ofta ditt varumärke nämns, sett över 60 till 100 körningar av samma fråga, ger ett statistiskt pålitligt mått. Rankning per enskild körning ger det inte.
En audit som inte berättar hur många körningar den bygger på är alltså inte riktigt en audit.
Tre frågor att ställa innan du köper en AI-audit
Oavsett vem du vänder dig till för att mäta din AI-synlighet, är det tre saker du bör få svar på.
Hur samlas datan in? API-anrop, skrapning av inloggat gränssnitt, skrapning av utloggat gränssnitt eller en panel med riktiga användare är fyra fundamentalt olika svar med fundamentalt olika pålitlighet.
Hur många körningar per fråga ingår, och under vilken tidsperiod? Tio körningar ger en ungefärlig bild. Sextio till hundra ger ett stabilt mått. En körning ger ingenting.
Körs frågorna på svenska, från en svensk IP-adress? ChatGPT skriver om frågor automatiskt baserat på din geografiska plats. En audit som körs från en amerikansk server med engelska standardfrågor mäter inte det svenska sökbeteendet.
En leverantör som inte kan svara på dessa tre frågor rakt har antingen ingen bra metod, eller ingen insyn i den metod de använder.
Så gör vi på Monprez
Vi skrapar det gränssnitt som dina kunder faktiskt ser, inte API:t bakom det. Vi kör flera frågor i flera omgångar, på svenska och från svensk kontext. Vi separerar omnämnanden — det vill säga att ditt namn dyker upp i ett svar — från citeringar — det vill säga att ChatGPT eller Perplexity faktiskt hänvisar till din webbplats som källa. Det är en viktig skillnad.
Vi berättar hur vi har gjort det, så att du kan jämföra och bedöma.
Vanliga frågor om AI-synlighet och audits
Vad är skillnaden mellan att skrapa och att använda API?
När du skrapar ett AI-verktyg ser du vad vanliga användare ser, inklusive webbsökning, lokal anpassning och produktspecifika inställningar. Via API får du ett svar från den underliggande modellen, utan alla de lager som gör produkten till en produkt. Skillnaden i resultat är påtaglig: Surfer SEO:s studie från februari 2026 visade 4 procents överlappning i källhänvisningar mellan ChatGPT:s API och gränssnitt.
Varför ger ChatGPT olika svar på samma fråga?
ChatGPT hämtar webbinformation i realtid, skriver om frågor baserat på din plats och dina tidigare konversationer, och har inbyggd variation i hur svar genereras. Forskningen från SparkToro och Gumshoe.ai visar att det är mindre än en chans på hundra att två identiska frågor ger exakt samma varumärkeslista. Det är därför ett enda testsvar inte säger mycket, men ett genomsnitt av många körningar gör det.
Behöver ett litet företag verkligen en AI-synlighetsaudit?
Det beror på om dina kunder använder AI-sökning när de letar efter det du erbjuder. Inom konsulttjänster, hälsa, hantverk och lokala tjänster är det allt vanligare. Om du är osäker är ett bra första steg att själv söka på de frågor dina kunder ställer i ChatGPT och Perplexity och se vem som dyker upp.
Hur ofta bör man mäta AI-synlighet?
Minst en gång per kvartal, och alltid efter att du gjort större förändringar på din webbplats, fått ny press eller publicerat nytt innehåll. AI-verktygen uppdateras löpande och vad de säger om ditt företag kan förändras utan förvarning.
Att mäta AI-synlighet rätt tar mer tid än att mäta den snabbt. Men det är den enda mätning som faktiskt speglar vad dina kunder ser. Vill du veta hur ditt företag beskrivs i ChatGPT, Perplexity och Gemini idag, och var det finns utrymme att bli den som rekommenderas? Vi tar gärna en titt.