GEO 革命：AI 如何改變永續溝通？

過去，企業在數位世界爭取曝光的方式是 SEO（Search Engine Optimization，搜尋引擎最佳化），透過關鍵字與內容策略，讓品牌在搜尋結果中排名靠前。然而，隨著 AI 驅動的搜尋時代來臨，這套規則正在被顛覆，我們正在步入 GEO （Generative Engine Optimization，生成式引擎最佳化）時代。因為使用者不再只是「搜尋」，而是直接向 AI 提問，並獲得生成的答案。

這場轉變不只是數位行銷的革命，對永續溝通更是關鍵挑戰：如果永續資訊無法被 AI引用，企業的永續努力可能在新時代中「隱形」。本文將帶領永續從業人員了解 SEO → GEO 的轉換，以及如何在 AI 主導的資訊生態中，讓永續價值被看見、被信任、被採納。

生成式搜尋改變流量與價值鏈：高品質內容的基礎正在鬆動

近期兩篇研究——Google Research 團隊發表的 Trusted Source Alignment 與刊登在 Nature上的 LLM Reliability——共同指出：AI 的可靠性不會憑空存在，而是仰賴外部世界仍持續生產高品質、更新頻繁且可驗證的內容，所以當內容生態萎縮，AI 的可靠性與可信度也將同步下滑。

GEO 的出現，讓使用者在搜尋結果頁（SERP）的最上方就能獲得整合後的 AI 回答，無需再點擊進入原始網站。研究顯示，只要搜尋結果中出現 AI 摘要，第一頁的自然點擊率平均下降達三成以上；對新聞、教育與專業內容網站而言，流量降幅有時更高，甚至可能達到 80%。代表著使用者只「停留在摘要層」而不是「回到內容來源」。

在這種情況下，支撐高品質內容的商業模式開始承受壓力。需要長時間投入的調查報導、仰賴專業審稿的科學寫作，以及需要人力與查證流程的事實查核，人力成本相對高昂。然而當流量流向 AI 層而非原站時，內容供給端開始縮減，更新速度放慢、產量下降，整體生態將愈來愈依賴低成本、薄弱、為演算法曝光而寫的內容。

當可信來源變少，模型也失去站穩的位置

Google Research 的 TSA（Trusted Source Alignment）研究提供了 AI 可靠性的一個關鍵切口：AI 在面對爭議性或多版本資訊時，並不會自動辨識「真相為何」，而是傾向對齊其訓練資料中出現較多、較可靠的出版者。

研究團隊為此建立了 FactCheckQA 資料集，包含約兩萬筆由 IFCN（國際事實查核聯盟）認證事實查核機構審核過的可爭議聲明，用來測量模型是否能「站在可信來源同一邊」。實驗顯示，模型規模越大，這項能力提升越明顯：從接近隨機的水平，逐步拉高到約八成的對齊準確率——但研究同時提醒，這種能力並非模型內建，而是依賴外部可信內容是否仍然存在，並持續更新。

因此，一旦高品質內容減少、更新速度變慢，模型就會失去穩定的參考座標而「不知道該對齊誰」。

模型愈聽話，愈難說「我不知道」：可靠性研究揭示新的風險

刊登於《Nature》的 LLM Reliability 研究，從另一個角度補上了關鍵拼圖。研究團隊透過檢視多個語言模型家族的演進，觀察模型在規模變大、指令微調與對齊後的表現。結論呈現出三個重要現象：

模型變得更少拒答，但錯誤答案反而增加。
過去模型在不確定時會保留或避免回答；然而經過訓練後的模型更傾向「給出某個答案」，即便缺乏足夠資訊，也會生成看似合理但不正確的內容。研究將此稱為「ultracrepidarianism」，意指模型在不知道時仍會自信回答。
模型在「簡單問題」上仍會出錯，缺乏可靠的操作區間。
即便是基礎題目，模型也難以提供穩定且錯誤率低的回答，顯示模型並不存在一個「可以完全依賴」的穩定低風險區域。
指令（prompt）形式的微調會造成答案大幅波動。
縱使模型在平均表現上更成熟，但對prompt（指令）的敏感度仍然顯著，使得相同問題因不同問法，而產生不一致甚至矛盾的回答。這讓人類監督者難以穩定辨識哪些答案是可靠的。

整體看來，模型的可靠性並沒有隨著變大和變聽話而自然穩定，反而呈現更複雜的不確定性，所以當模型失去可依循的穩定正確區間、缺乏足夠的外部高品質資訊作為校準基準時，會導致AI無從對齊，並更容易生成不準確甚至錯誤的回答。換句話說，AI的可靠性，會在資訊供給減弱時大幅下滑。

維繫可信資訊生態的三個日常行動

關於如何支持可靠內容的持續生產，或許我們仍沒有一套完整的解方——這涉及內容產業自身的商業模式、平台制度與企業規劃。然而，作為使用者，我們可以從日常行為中開始採取行動：

維持資訊來源的多元性
多閱讀不同立場、不同地區、不同格式的內容，不要只依賴一種來源、單一媒體或 AI 摘要，並用多個平台交叉查證，以此保持開放的視角。
支持透明的資訊
支持有標註來源、引用連結和數據佐證的內容，以及開放的資料與公共科學，讓資訊能被重複的驗證與修正。
成為資訊生態的一部分
不必成為內容創作者，但可以透過微小行動參與知識生態：在自己的專業領域留下可引用的知識、補充脈絡、釐清誤解或分享可靠來源，使得資訊生態如同活水般生生不息，並且能持續被校正。

如果我們都能採取這些行動，未來的 AI 能否保持可靠、社會能否維持判斷力，就不再取決於誰握有流量，而在於我們是否一起守住「真相能被比對、能被更新」的這個可能性。

在 GEO 時代，永續資訊如何被 AI 採用？

當我們步入 GEO 時代，企業永續溝通正面臨前所未有的挑戰。AI 不再只是資訊的「讀者」，而正逐漸成為知識的「分發者」。永續資訊能否被 AI 引用，已經不只是曝光問題，而是企業影響力的一部分，也關係到利害關係人如何形成對企業永續表現的判斷。

從兩份研究來看，若企業的永續資訊沒有被 AI 抓取到並識別成為可信來源，即使企業做得再多，其回答仍可能偏向不完整、過時，甚至是錯誤的版本。不過，企業其實只需要把原本在做的事，更有策略地用另一種「讓 AI 也能看懂」的方式呈現：

公開透明的數據與成果
讓 AI 能看到最新、最準確的永續數據，包括排放量、年度目標、進展成果。以清楚、可抓取的方式公開資訊，而非藏在冗長的PDF裡，讓模型能引用正確版本
善用標題及專有名詞，用更結構化的方式整理永續內容
內容要有明確的小標、段落，及可辨識的欄位，如年度排放量表格、目標與進度的對照等。專有名詞要一致，並使用關鍵字標記主題，讓 AI 能快速抓取每段內容的主軸。
多平台留下可引用的訊息，並與外部研究、標準接軌
永續資訊除了放在官網，也應出現在新聞、論壇、專業平台或公開資料庫，讓 AI 能交叉比對。同時對齊國際標準，或引用外部研究的方法論，能建立模型對企業資訊的可信度，並讓 AI 更容易掌握其脈絡。
用一致、可驗證的方式敘述ESG行動
企業在不同文件、不同場域的敘事要一致，例如減碳方法、盤查邏輯、目標年份等。資訊若前後矛盾，AI 將會無法判斷真實版本。

在上述實務原則之上，企業亦需理解，生成式 AI 在引用外部資訊時，通常依賴可被辨識與比對的線索。雖然 E-E-A-T（Experience經驗、Expertise專業、Authoritativeness權威與Trustworthiness可信度）原為搜尋系統的人工作業評定框架，其所揭示的評估面向，仍為理解資訊系統如何區辨高品質與可信內容，提供了一個具體的分析參考。

Google 於其《搜尋品質評定指南》（Search Quality Rater Guidelines）指出，具備 E-E-A-T 特徵的內容，較可能被視為高品質來源。

因此，企業在進行永續溝通時，應確保內容經由永續領域專業人士審核，並納入第一手的實務經驗與操作脈絡，以提升資訊的專業深度與可辨識性；同時，透過與具公信力之第三方機構合作並取得認證，有助於為外部資訊系統提供穩定的對齊基準，進而強化其資訊在整體知識體系中的可信定位。

隨著 GEO 時代來臨，永續溝通的方式與對象正被重新定義。企業不再只需要向「人」說明永續行動，也必須讓「模型」能順利讀取、解析與採用相關資訊。未來的永續競爭力，將取決於企業能否以結構化、可驗證、機器可讀的方式呈現資料，使其在 AI 的知識體系中被正確引用，而不被資訊雜訊淹沒。

唯有讓永續資料在新的資訊生態中保持「可找到、可採用」，企業的永續行動才能持續被看見，並成為 AI 系統中可靠且可延展的參考來源。

核稿編輯：繆葶