Izrael finansuje kampanię mającą kształtować źródła stojące za odpowiedziami AI

Izrael sfinansował wielomilionową kampanię wymierzoną w widoczność w Google News oraz źródła internetowe stojące za odpowiedziami generowanymi przez AI. Operacja nie wymaga bezpośredniego dostępu do ChatGPT, Claude, Gemini ani ich modeli bazowych. Zamiast tego ma na celu publikowanie, pozycjonowanie i rozpowszechnianie wystarczającej ilości przychylnego materiału, aby systemy AI napotykały te narracje podczas przeszukiwania sieci.

To rozróżnienie stanowi sedno tej historii. Izrael nie płaci firmie AI za potajemne przepisanie chatbota. Finansuje zewnętrzną sieć komunikacyjną, która próbuje wpływać na środowisko informacyjne zasilające wyszukiwarki, silniki odpowiedzi i systemy wyszukiwania informacji.

Kampania jest powiązana z Clock Tower X, firmą kontrolowaną przez byłego menedżera kampanii Trumpa, Brada Parscale’a. Publiczne zgłoszenia opisują prace obejmujące strony internetowe, treści społecznościowe, optymalizację wyszukiwania oraz materiały mające wpływać na sposób ujmowania kwestii w rozmowach GPT. Strategia podważa uspokajające założenie dotyczące generatywnej AI: że odpowiedź staje się wiarygodna, gdy zawiera aktualne źródła internetowe.

Kontrakt jest skierowany zarówno do ludzi, jak i maszyn

Kampania traktuje publikowanie w sieci jako infrastrukturę służącą jednoczesnemu wpływaniu na odbiorców ludzkich i zautomatyzowane systemy odpowiedzi.

Clock Tower X zarejestrowała się na mocy ustawy Foreign Agents Registration Act we wrześniu 2025 roku. W zgłoszeniu wskazano Havas Media Germany jako pośrednika działającego w imieniu Państwa Izrael.

Zgłoszenie kontraktowe do władz federalnych wskazuje, że Clock Tower miała świadczyć usługi komunikacji strategicznej, planowania i medialne dla ogólnokrajowej kampanii w Stanach Zjednoczonych. Deklarowanym celem publicznym było zwalczanie antysemityzmu.

Pierwotna umowa opisywała kampanię wycenioną na sześć milionów dolarów. Późniejsze zgłoszenia i doniesienia określały rozszerzony kontrakt Clock Tower na dziewięć milionów dolarów, z płatnościami w wysokości około półtora miliona dolarów miesięcznie.

Prace nie ograniczały się do konwencjonalnej reklamy. Język kontraktu opisywał „operację wyszukiwania i języka”, a także uruchamianie stron internetowych i treści mających dostarczać określone sposoby ujmowania kwestii w rozmowach GPT.

To sformułowanie ma znaczenie, ponieważ wskazuje odpowiedzi AI jako wyraźny cel kampanii. Nie opisuje jedynie wykorzystywania AI do szybszego tworzenia reklam.

Planowana kampania zakładała również ambitne cele dystrybucyjne. Według doniesień opartych na zgłoszeniu co najmniej 80 procent materiałów miało być skierowanych do odbiorców z pokolenia Z. Wśród docelowych platform znalazły się TikTok, Instagram, YouTube, podcasty i inne kanały cyfrowe.

Kampania dążyła do uzyskania co najmniej 50 milionów wyświetleń miesięcznie. Wyświetlenia te miały pomóc wiadomościom dotrzeć bezpośrednio do ludzi, lecz dystrybucja tworzy również linki, cytowania, ponowne publikacje i sygnały zaangażowania, które systemy wyszukiwania mogą wykrywać.

Clock Tower miała według doniesień planować użycie Market Brew, platformy optymalizacyjnej modelującej sposób, w jaki wyszukiwarki mogą pozycjonować treści. Optymalizacja pod kątem wyszukiwarek, czyli SEO, to praktyka ułatwiająca systemom wyszukiwania odnajdywanie i pozycjonowanie stron.

Nie ma nic niezwykłego w tym, że organizacja korzysta z SEO. Firmy, kampanie polityczne, redakcje, rządy i grupy rzecznicze rywalizują o widoczność.

Nietypowy jest deklarowany cel kształtowania sposobu, w jaki systemy AI ujmują rozmowy. Kampania wydaje się zaprojektowana tak, by łączyć tradycyjne techniki wywierania wpływu z procesami selekcji źródeł wykorzystywanymi przez nowoczesne silniki odpowiedzi.

Tworzy to szerszy obszar oddziaływania niż pojedynczy chatbot. Strona zajmująca wysoką pozycję w zwykłym wyszukiwaniu może trafić do Google News, pojawić się w podsumowaniu wygenerowanym przez AI albo zostać zacytowana w odpowiedzi chatbota. Może też zostać skopiowana przez innych wydawców, zwielokrotniając pozorną skalę swojej obecności.

Wczesne śledztwo dotyczące kontraktu informowało, że operacja będzie tworzyć i rozpowszechniać treści na wielu platformach, jednocześnie rozwijając strony internetowe mające wpływać na sposób ujmowania kwestii przez GPT. Późniejsze relacje wykazały, że działania trwały poza zakresem pierwotnej umowy.

Clock Tower i Parscale kwestionowali określanie projektu jako tajnej operacji zagranicznego wpływu. Rejestracja firmy na mocy FARA formalnie ujawnia jednak pracę powiązaną z zagranicznym mocodawcą.

To rozróżnienie ma znaczenie prawne i redakcyjne. Rejestracja FARA nie dowodzi, że każde twierdzenie opublikowane przez zarejestrowany podmiot jest fałszywe. Informuje czytelników, że praca była wykonywana w ramach płatnej relacji z udziałem zagranicznego rządu.

Użytkownicy Google News rzadko widzą ten kontekst przed otwarciem artykułu. Użytkownicy AI jeszcze rzadziej się z nim spotykają, gdy system wyodrębnia jedno twierdzenie ze strony i kondensuje je w odpowiedzi.

Dlaczego Google News jest częścią łańcucha dostaw AI

Google News nie jest już wyłącznie miejscem docelowym dla czytelników, ponieważ indeksowane przez niego artykuły mogą również stać się dowodami dla maszyn.

Produkty generatywnej AI opierają się na kilku ścieżkach informacyjnych. Ich modele bazowe uczą się wzorców statystycznych na dużych zbiorach danych zgromadzonych przed treningiem. Wiele produktów wykorzystuje następnie wyszukiwanie na żywo, licencjonowane bazy danych lub systemy wyszukiwania informacji, aby odpowiadać na pytania dotyczące bieżących wydarzeń.

Generowanie wspomagane wyszukiwaniem, zwykle nazywane RAG, to proces, w którym model otrzymuje wybrane dokumenty przed napisaniem odpowiedzi. Model wykorzystuje te dokumenty jako tymczasowe dowody, bez trwałego ponownego trenowania na ich podstawie.

Proces ten sprawia, że chatbot jest bardziej aktualny. Przenosi też znaczną władzę na systemy wybierające dokumenty.

Jeśli warstwa wyszukiwania pobiera wiarygodne relacje, oficjalne rejestry i zróżnicowane analizy, model ma mocniejszą podstawę. Jeśli pobiera skoordynowane strony rzecznicze przypominające niezależne źródła, końcowa odpowiedź może przejąć ich sposób ujmowania kwestii.

Google News ma znaczenie w tym środowisku, ponieważ porządkuje dużą część publicznej sieci informacyjnej. Jego klastry, decyzje dotyczące indeksowania i widoczność w wyszukiwaniu wpływają na to, co znajdują czytelnicy. Wpływają też na to, jakie strony napotykają inne narzędzia wyszukiwania i monitorowania.

Nie oznacza to, że Google News bezpośrednio trenuje każdy główny model AI. Nie oznacza też, że obecność w usłudze gwarantuje, iż chatbot zacytuje daną stronę.

Związek jest bardziej pośredni i trudniejszy do audytu. Artykuł zyskuje widoczność dzięki wyszukiwaniu, zostaje podlinkowany przez innego wydawcę, pojawia się w zbiorze danych, a później staje się dostępny dla narzędzia wyszukiwania AI. Każdy etap może wzmacniać poprzedni.

Firmy AI korzystają z różnych rozwiązań dotyczących wyszukiwania, systemów rankingowych i mechanizmów bezpieczeństwa. OpenAI, Anthropic, Google, Microsoft i inni dostawcy nie publikują pełnych list wszystkich źródeł rozważanych przy każdej odpowiedzi.

Użytkownicy widzą zatem tylko ostateczny wybór. Nawet gdy pojawiają się cytowania, rzadko wyjaśniają one, dlaczego jedno źródło wyprzedziło inne lub czy wiele cytowanych stron prowadzi do tej samej kampanii.

W tym miejscu sieci treści zyskują przewagę. Dziesięć stron internetowych może przedstawiać ten sam argument pod różnymi markami, nagłówkami i nazwami domen. System wyszukiwania może uznać je za niezależne potwierdzenie, jeśli nie wykryje wspólnej własności lub skoordynowanej produkcji.

Google News stosuje zasady mające oceniać przejrzystość, oryginalność, praktyki wprowadzające w błąd i odpowiedzialność wydawców. Egzekwowanie tych zasad w otwartej sieci pozostaje trudne, ponieważ relacje mogą przebiegać przez wykonawców, agencje reklamowe, firmy fasadowe lub luźno oznakowane projekty.

Śledztwo dotyczące stron internetowych z marca 2026 roku zidentyfikowało sieć witryn publikujących przychylne Izraelowi materiały. Parscale potwierdził starania mające wpływać na wyniki wyszukiwania i chatbotów, odrzucając jednocześnie określenie ich jako kampanii zagranicznego wpływu.

To przyznanie usuwa jedną istotną niejasność. Wysiłki na rzecz wpływania na źródła czytelne dla maszyn nie są jedynie interpretacją narzuconą przez krytyków. Są zgodne zarówno z językiem kontraktu, jak i opisem strategii przedstawionym przez operatora.

Niepewny pozostaje rzeczywisty efekt kampanii. Znalezienie strony wspieranej przez kampanię w odpowiedzi AI dowodzi, że strona weszła na ścieżkę wyszukiwania. Nie dowodzi, że kampania zmieniła ogólne stanowisko modelu, trwale zmodyfikowała dane treningowe ani kontrolowała przyszłe odpowiedzi.

Wyniki mogą się różnić w zależności od sformułowania pytania przez użytkownika, lokalizacji, ustawień konta, dostawcy wyszukiwania, wersji modelu i daty. Źródło pojawiające się w jednej odpowiedzi może zniknąć w następnej.

Mimo to skuteczne umieszczenie ma znaczenie. Wielu użytkowników zadaje jedno pytanie, czyta jedno podsumowanie i przechodzi dalej. Kampania nie potrzebuje trwałej kontroli, jeśli może wpływać na niewielki zestaw źródeł widzianych w chwili podejmowania decyzji.

Dla pracowników opierających się na wiedzy kluczowe staje się pochodzenie źródeł. Osobista lub organizacyjna baza wiedzy AI jest tylko tak wiarygodna, jak jej dokumenty źródłowe i rejestry pochodzenia.

Prawdziwa rywalizacja dotyczy wyboru źródeł, a nie treningu modelu

Centralnym założeniem kampanii jest to, że kontrolowanie możliwych do odnalezienia dowodów może być bardziej praktyczne niż zmienianie samego modelu AI.

Publiczna dyskusja często opisuje tę operację jako próbę „trenowania ChatGPT”. To sformułowanie jest zrozumiałe, lecz technicznie nieprecyzyjne.

Clock Tower nie może samodzielnie dodawać materiałów do zbioru treningowego OpenAI. Nie może zmusić Anthropic do ponownego trenowania Claude na stronie kampanii. Nie może też nakazać Google traktowania konkretnego artykułu jako autorytatywnego.

Może natomiast wytworzyć dużą podaż treści możliwych do odnalezienia w wyszukiwarkach. Materiały te mogą celować w frazy używane przez ludzi, odpowiadać na przewidywalne pytania, zdobywać linki i rywalizować o pozycje w wynikach wyszukiwania.

Jest to bliższe umieszczaniu informacji niż bezpośredniemu treningowi modelu. Kampania stara się udostępniać preferowane twierdzenia w momentach, gdy maszyna gromadzi dowody.

Podejście to odzwierciedla zmianę w sposobie działania perswazji internetowej. Tradycyjne kampanie kierowały przekaz do wyborców poprzez reklamy telewizyjne, przesyłki pocztowe, reklamy w wyszukiwarkach i kanały społecznościowe. Te kanały pozostają istotne, ale AI wprowadza pośrednika, który podsumowuje materiał, zanim zobaczy go człowiek.

Ten pośrednik może usuwać widoczne oznaki perswazji. Czytelnik otwierający stronę rzeczniczą może sprawdzić jej markę, ton, autorów i ujawnione informacje. Chatbot może zredukować tę samą stronę do jednego neutralnie brzmiącego zdania.

Źródło może nadal być podlinkowane, lecz kontekst perswazyjny jest słabszy. Wielu użytkowników nie otwiera cytowań, zwłaszcza gdy odpowiedź brzmi pewnie i zawiera kilka odwołań.

Strategia Clock Tower przeciwstawia zatem przejrzystość źródeł nasyceniu źródłami. Przejrzystość zachęca użytkowników i platformy do sprawdzania, kto stworzył dane twierdzenie. Nasycenie ma zapewnić, że preferowane twierdzenia są wielokrotnie dostępne w całym środowisku wyszukiwania.

Model ten nie należy do jednego kraju ani stanowiska politycznego. Może go stosować każdy rząd, korporacja, grupa lobbingowa, sieć aktywistów lub podmiot komercyjny.

Bariery są stosunkowo niskie. Skoordynowana grupa może znacznie szybciej tworzyć artykuły, tłumaczyć je, budować wyspecjalizowane strony internetowe i optymalizować strony dzięki generatywnej AI. Automatyzacja ułatwia również dostosowywanie sieci, gdy zmieniają się priorytety polityczne.

Doniesienia wskazują, że serwisy Clock Tower zmieniały akcenty wraz ze zmianą wydarzeń. Wczesne materiały miały przedstawiać Izrael jako kraj pokojowy i produktywny technologicznie. Późniejsze treści dotyczyły wojen związanych z Gazą i Iranem, a także krytyki dziennikarzy oraz instytucji międzynarodowych.

Ta elastyczność ujawnia operacyjną przewagę kampanii. Statyczne archiwum propagandowe szybko się dezaktualizuje. Nieustannie zarządzana sieć źródeł może celować w dokładnie te pytania, które zyskują na znaczeniu w ruchu wyszukiwania.

Google News i systemy chatbotów mierzą się tu z podobnymi problemami, lecz ich zadania nie są identyczne. Agregator wiadomości musi identyfikować wydawców, grupować podobne relacje i odpowiednio rangować aktualne materiały. Chatbot musi wybierać źródła, uzgadniać twierdzenia i tworzyć odpowiedź.

Oba rozwiązania mogą zawieść, gdy pozorna różnorodność ukrywa wspólną koordynację. Pięć domen nie oznacza pięciu perspektyw, jeśli wszystkimi pięcioma kieruje jeden wykonawca.

Odpowiedzi AI wprowadzają dodatkową komplikację. Modele często łączą źródła na poziomie zdań, co utrudnia ustalenie, która strona wniosła wkład do każdego fragmentu. Interfejsy cytowań mogą sugerować większą identyfikowalność źródeł, niż system faktycznie zapewnia.

Operatorzy kampanii nie muszą doprowadzić do zaakceptowania każdego twierdzenia. Mogą koncentrować się na niejednoznacznych pytaniach, w których sposób ujęcia tematu ma większe znaczenie niż pojedynczy weryfikowalny fakt.

Rozważmy użytkownika pytającego, czy działanie wojskowe było uzasadnione, czy relacje medialne są stronnicze albo czy dane państwo pozostaje wiarygodnym sojusznikiem. Pytania te wymagają doboru wydarzeń, interpretacji prawnych i przesłanek moralnych. Wybór źródeł może wyznaczyć granice odpowiedzi jeszcze przed rozpoczęciem generowania.

Artykuł wspierany przez kampanię może podkreślać ataki na izraelskich cywilów, regionalne zagrożenia dla bezpieczeństwa lub kwestionowane praktyki reporterskie. Organizacja działająca na rzecz praw Palestyńczyków może natomiast podkreślać śmierć cywilów, wysiedlenia, okupację albo ograniczenia pomocy.

Rzetelna odpowiedź powinna wskazywać te perspektywy i oddzielać weryfikowalne fakty od spornych interpretacji. Kampania optymalizująca źródła zyskuje, gdy system zamiast tego traktuje jedną perspektywę jako neutralne tło.

Dlatego problemu nie da się rozwiązać przez zakazanie jednego zestawu domen. Taka reakcja sprzyjałaby arbitralnej cenzurze i stworzyłaby kolejną drogę nacisku politycznego.

Platformy potrzebują silniejszych sygnałów pochodzenia. Mogą one obejmować ujawnienia własności, status FARA, wspólne identyfikatory analityczne, identyczne wzorce publikacji, wspólną infrastrukturę hostingową oraz powtarzający się język w nominalnie odrębnych serwisach.

Potrzebują również miar różnorodności opartych na niezależności instytucjonalnej, a nie na liczbie domen. Trzy strony finansowane w ramach tego samego kontraktu nie powinny mieć takiej samej wagi dowodowej jak trzy niepowiązane organizacje.

Dowody wpływu są realne, lecz kontroli nie udowodniono

Pojawianie się stron kampanii w odpowiedziach AI dowodzi dostępu do procesu, a nie kontroli nad ostateczną odpowiedzią.

Niedawne doniesienia traktowały pojawienie się materiałów powiązanych z Clock Tower w wynikach chatbotów jako dowód, że strategia działa. Taki wniosek wymaga ostrożnego wyznaczenia granic.

Jeśli system AI cytuje jedną ze stron sieci, kampania osiągnęła wykrywalność. Umieściła materiał w puli dowodów, z których system może korzystać.

To istotny rezultat. Kontrakt wyraźnie opisywał działania mające wpływać na wyszukiwanie i sposób ujmowania tematów przez GPT, więc pozyskiwanie materiałów jest zgodne z deklarowanym celem.

Nie jest to jednak równoznaczne z udowodnieniem szerokiej perswazji. Aby wykazać systematyczną zmianę, badacze potrzebowaliby powtarzalnych, kontrolowanych testów obejmujących modele, prompty, lokalizacje, języki i daty.

Testy te wymagałyby również punktu odniesienia. Bez zarchiwizowanych odpowiedzi sprzed kampanii analitycy nie mogą z przekonaniem przypisać zmiany Clock Tower, a nie bieżącym wydarzeniom, aktualizacjom modeli lub innym nowo opublikowanym informacjom.

Niezależne audyty napotykają kolejny problem: odpowiedzi AI są niestabilne. To samo pytanie może podczas oddzielnych sesji prowadzić do różnych źródeł. Indeksy wyszukiwarek również się zmieniają, gdy strony zyskują lub tracą widoczność.

Właściwe badanie powinno rejestrować pełną odpowiedź, cytowania, wersję modelu, czas pozyskania informacji, lokalizację użytkownika i brzmienie promptu. Następnie powinno klasyfikować cytowane źródła według własności, finansowania i niezależności redakcyjnej.

Żadne publicznie dostępne dowody przeanalizowane na potrzeby tego artykułu nie wykazują, że Izrael uzyskał trwałą kontrolę nad ogólnym zachowaniem ChatGPT, Claude lub Gemini.

Silniejsze, zweryfikowane twierdzenie jest węższe. Izrael finansował ujawnionego wykonawcę usług komunikacyjnych, którego plany obejmowały strony internetowe, optymalizację wyszukiwania, dystrybucję na dużą skalę i próby wpływania na sposób ujmowania tematów przez GPT.

Śledztwo z kwietnia podało, że Izrael zapłacił Clock Tower dziewięć milionów dolarów i odnowił współpracę. Opisywało również obawy zwolenników Izraela, że platformy AI w dużej mierze opierały się na materiałach, które uznawali za wrogie wobec Izraela.

Ta obawa pomaga wyjaśnić moment rozpoczęcia działań. Publiczne poparcie dla Izraela osłabło podczas wojny w Gazie, zwłaszcza wśród młodszych Amerykanów.

Międzynarodowe badanie opinii z 2025 roku wykazało, że w wielu badanych krajach dominowały nieprzychylne opinie o Izraelu. Opinie o izraelskim premierze Binjaminie Netanjahu również były w większości negatywne.

Kampania wpływu może zwiększać widoczność przekazu, lecz nie może automatycznie odwrócić takich postaw. Opinia publiczna reaguje na politykę, osobiste doświadczenia, zaufane relacje, obrazy ze stref konfliktu i relacje wielu instytucji.

To tworzy centralną słabość kampanii. Traktuje ona problem legitymizacji częściowo jako problem dystrybucji informacji.

Bardziej przychylne treści mogą wypełniać luki w wynikach wyszukiwania lub podważać fałszywe twierdzenia. Mogą też przynieść odwrotny skutek, jeśli odbiorcy odkryją, że pozornie niezależne strony należą do sieci finansowanej przez rząd.

Ujawnienie nie jest więc drobną kwestią zgodności z wymogami. Zmienia sposób, w jaki rozsądny czytelnik ocenia materiał.

FARA zapewnia jeden mechanizm ujawniania działań w Stanach Zjednoczonych. Czytelnik musi jednak najpierw wiedzieć, że należy przeszukać federalną bazę danych, powiązać domenę z wykonawcą i zinterpretować zgłoszenie.

Interfejsy AI mogłyby automatycznie ujawniać ten kontekst. Etykieta przy cytowaniu mogłaby wskazywać, że źródło powstało w ramach zarejestrowanej relacji z zagranicznym mocodawcą. Mogłaby również identyfikować finansowanie rzecznicze, własność rządową lub wspólną kontrolę nad cytowanymi domenami.

Takie etykiety nie przesądzałyby o prawdzie. Dokumenty rządowe mogą być dokładne, a niezależne strony mogą publikować błędy. Etykieta dostarczałaby użytkownikom informacji potrzebnych do oceny motywacji i niezależności.

Platformy muszą także unikać egzekwowania zasad w sposób stronniczy politycznie. Kampanie wpływu nie są zjawiskiem wyłącznie izraelskim, a poziom kontroli nie powinien zależeć od tego, czy platforma zgadza się z przekazem.

Rządy, w tym Rosji, Iranu, Chin i Stanów Zjednoczonych, wykorzystywały komunikację cyfrową do kształtowania opinii zagranicznych odbiorców. Organizacje polityczne z całego spektrum ideologicznego optymalizują materiały pod kątem wyszukiwania i dystrybucji w mediach społecznościowych.

Dający się obronić standard powinien być oparty na zachowaniu i przejrzysty. Platformy powinny badać skoordynowaną produkcję, ukryte sponsorowanie, fałszywie przedstawianą niezależność oraz manipulowanie systemami rankingowymi niezależnie od sponsora.

Google News znajduje się pod szczególną presją, ponieważ wydawcy oczekują jasnych powodów uwzględnienia, obniżenia pozycji lub usunięcia. Zbyt tajne egzekwowanie zasad może ukrywać błędy. Zbyt szczegółowe reguły mogą nauczyć operatorów, jak unikać wykrycia.

Dostawcy AI stoją przed tym samym kompromisem. Potrzebują wystarczającej przejrzystości, aby użytkownicy i badacze mogli audytować odpowiedzi, lecz nie pełnego planu manipulowania pozyskiwaniem informacji.

Kampania stwarza również wyzwanie dla dziennikarzy. Przedrukowanie prowokacyjnego twierdzenia o zmanipulowanej AI może zwiększać widoczność kampanii, nawet gdy relacja ma charakter krytyczny.

Redakcje powinny linkować do pierwotnych zgłoszeń, identyfikować relacje kontraktowe i odróżniać dowody prób wywierania wpływu od dowodów skutecznej perswazji. Nagłówki twierdzące, że rząd „wytrenował” chatbota, mogą wyolbrzymiać to, co wynika z dowodów.

Czytelnicy mogą stosować tę samą dyscyplinę. Otwórz cytowaną stronę, zidentyfikuj jej wydawcę, sprawdź datę i poszukaj autora oraz informacji o finansowaniu. Następnie porównaj ją z oficjalnym dokumentem i relacją niepowiązanej organizacji.

W przypadku dłuższych projektów zachowanie kontekstu źródeł jest bardziej niezawodne niż zaufanie wyłącznie wygenerowanemu podsumowaniu. Przeszukiwalna baza wiedzy może zachowywać dokumenty, daty i otaczające je dowody do późniejszego przeglądu.

Co firmy AI i wydawcy muszą zrobić dalej

Kolejny etap pokaże, czy platformy potrafią ujawnić skoordynowane sieci źródeł, zanim staną się one zwykłą częścią pozyskiwania informacji przez AI.

Pierwszym sygnałem, na który należy zwrócić uwagę, jest ujawnianie informacji przy cytowaniach. Google, OpenAI, Anthropic, Microsoft i inni dostawcy powinni wyjaśnić, kiedy cytowany wydawca działa na rzecz zagranicznego rządu lub skoordynowanej sieci rzeczniczej.

Widoczny system ujawnień wzmocniłby wniosek, że pochodzenie informacji stało się kluczową kwestią bezpieczeństwa AI. Dalsze milczenie pozostawiłoby użytkownikom obowiązek prowadzenia dochodzeń, które platformy mogą wykonywać skuteczniej.

Drugim sygnałem są niezależne pomiary. Badacze powinni sprawdzić, czy domeny powiązane z kampanią pojawiają się częściej przy pytaniach o Izrael, Gazę, Iran, antysemityzm, dziennikarstwo i politykę zagraniczną Stanów Zjednoczonych.

Badania te muszą porównywać modele i rejestrować wyniki w czasie. Kilka zrzutów ekranu może wykazać, że pozyskanie materiału nastąpiło, lecz nie pozwala zmierzyć częstotliwości ani wpływu.

Konsekwentna nadreprezentacja w różnych modelach wzmocniłaby twierdzenia, że optymalizacja źródeł wpływa na odpowiedzi AI. Rzadkie lub krótkotrwałe pojawienia się sugerowałyby, że kampania osiągnęła umieszczenie materiałów, nie uzyskując trwałego wpływu.

Trzecim sygnałem jest egzekwowanie zasad w całej sieci wydawniczej. Google News i inne usługi odkrywania treści mogą badać, czy powiązane strony ujawniają własność, tworzą oryginalne materiały i przestrzegają zasad przeciwko praktykom wprowadzającym w błąd.

Wszelkie działania egzekucyjne powinny obejmować jasne wyjaśnienia i procedurę odwoławczą. Usuwanie stron wyłącznie dlatego, że wyrażają określone stanowisko polityczne, budziłoby poważne obawy dotyczące wolności wypowiedzi i uczciwości.

Bardziej uzasadniona reakcja skupiałaby się na nieujawnionej koordynacji, fałszywych deklaracjach niezależności, zautomatyzowanym powielaniu lub manipulacjach naruszających istniejące zasady platform.

Wydawcy powinni przygotować się na wyższe standardy dotyczące pochodzenia informacji, nawet jeśli platformy działają powoli. Organizacje informacyjne mogą publikować informacje o własności, historię korekt, kwalifikacje autorów i odczytywalne maszynowo ujawnienia.

Firmy AI mogą następnie wykorzystywać te sygnały przy rangowaniu dowodów. Powinny także ograniczać wagę przypisywaną skupiskom stron, które powtarzają zasadniczo identyczne twierdzenia pod różnymi markami.

Interfejsy odpowiedzi również wymagają poprawy. Cytowania powinny łączyć poszczególne twierdzenia z konkretnymi fragmentami, a nie jedynie wyświetlać kilka linków pod całą odpowiedzią.

System powinien odróżniać fakty poparte dokumentami pierwotnymi od analiz dostarczanych przez źródło rzecznicze. Gdy autorytety się nie zgadzają, odpowiedź powinna nazwać tę różnicę zdań, zamiast łączyć stanowiska w fałszywy konsensus.

Użytkownicy potrzebują także informacji o koncentracji źródeł. Jeśli większość dowodów pochodzi od organizacji mających wspólne finansowanie lub własność, interfejs powinien to wskazać.

Zmiany te nie wyeliminują operacji wpływu. Rankingi wyszukiwania zawsze przyciągały manipulacje, a aktorzy polityczni będą nadal dostosowywać się do nowych systemów dystrybucji.

Celem jest uczynienie koordynacji widoczną, zanim wygenerowany tekst pozbawi ją kontekstu.

Sprawa ta stanowi również ostrzeżenie dotyczące produktów AI do przeglądania sieci. Chatbot z wyszukiwaniem w czasie rzeczywistym wydaje się bardziej wiarygodny, ponieważ może pokazywać przypisy. Przypisy zwiększają jednak zaufanie tylko wtedy, gdy system wyszukiwania identyfikuje wiarygodne, niezależne i istotne dowody.

W przeciwnym razie interfejs może przekształcić powtarzalność w autorytet. Pewna siebie odpowiedź poparta kilkoma skoordynowanymi stronami może wyglądać na lepiej udokumentowaną niż ostrożna odpowiedź oparta na jednym pierwotnym źródle.

To szersze znaczenie izraelskiej kampanii. Ujawnia ona wprost to, co wielu marketerów, propagandystów i firm zarządzających reputacją już zrozumiało: internet staje się bazą danych, którą można odpytywać za pomocą promptów.

Publikowanie z myślą o takiej bazie danych różni się od publikowania dla ludzkiego czytelnika. Strony można budować wokół przewidywanych pytań, zwięzłych twierdzeń, powtarzanych nazw podmiotów oraz języka, który system AI może łatwo wyodrębnić.

Odbiorca może nigdy nie odwiedzić tej strony. Kampania odnosi sukces, jeśli jej sposób przedstawienia sprawy przetrwa wewnątrz odpowiedzi.

Google News pozostaje ważnym polem walki, ponieważ znajduje się na styku wydawców, zachowań wyszukiwawczych i automatycznego odkrywania treści. Odpowiedzialność nie spoczywa jednak wyłącznie na Google.

Każdy dostawca AI, który pobiera informacje z otwartej sieci, podejmuje decyzje dotyczące rankingu. Każdy wydawca, który syndykuje materiały, współtworzy środowisko dowodowe. Każdy użytkownik, który akceptuje podsumowanie bez sprawdzenia źródeł, wzmacnia zachętę do kierowania przekazu do maszyn, a nie do czytelników.

Zweryfikowane fakty nie pokazują, że Izrael kontroluje główne chatboty. Pokazują coś bardziej ograniczonego, ale wciąż istotnego: wykonawca finansowany przez rząd otwarcie stworzył operacje dotyczące treści i wyszukiwania, których celem było wpłynięcie na to, co te systemy pobierają i mówią.

Bezpośrednie pytanie nie brzmi, czy jedna kampania może przepisać cały model. Chodzi o to, czy firmy AI potrafią rozpoznać skoordynowaną perswazję, zanim ich produkty przedstawią ją jako niezależny dowód.

Czytelnicy powinni obserwować przypisy. Następnie powinni zapytać, kto finansował źródła, ile z nich jest rzeczywiście niezależnych oraz czy Google News lub podsumowanie AI zachowały kontekst potrzebny do ich oceny.