Språklig nepotism – en möjlighet för ökad AI-synlighet?

Ni har med stor sannolikhet sett det i AI-modellernas källistor. Källor som friskt blandas på svenska och engelska utan någon som helst uppenbar konsekvens eller logik. Detta trots att prompten är skriven på svenska. Här benar vi ut fenomenet ur ett semantiskt, tekniskt och ett digitalt marknadsföringsperspektiv. Mycket nöje.

Källor på engelska i svenska kontexter

I samband med den svenska lanseringen av Google AI Mode i oktober 2025 blev det särskilt tydligt för mig. En stor del av AI-modellens svar efter mina första prompts (på svenska ska tilläggas) hänvisade nästan uteslutande till sidor skrivna på engelska. Fenomenet i sig var visserligen någonting jag hade stött på tidigare i andra modeller, men utan att egentligen stannat upp och reflekterat över varför det sker eller vilken betydelse det kan ha.

Redan etablerat i SEO-kretsar är ju att relevanta ”mentions” till stor del lägger grunden för vilka varumärkesnamn som i slutändan blir omnämnda i AI-modellernas svar. Nämns du inte i någon av de källor som modellen anser vara mest auktoritära och relevanta inom den givna kontexten, kommer du med stor sannolikhet inte heller nämnas i promptsvaret. Källorna är därmed något vi behöver förhålla oss till och i stor grad grunda våra strategier på.

Att kanske den viktigaste aspekten för att få dessa åtråvärda AI-omnämningar (alltså just källorna), delvis tenderar att vara skrivna på engelska, är väl därmed lite för stort för att ignorera.

En ny språklogik i sök

När vi söker är vi vana att tänka ganska enkelt: språk in, språk ut. Det har alltså alltid funnits en tydlig koppling mellan språket vi använder och de resultat vi får tillbaka. Det är så vi har lärt oss att webben fungerar. Men i takt med att LLM:s tar en större roll i hur information presenteras förändras också den underliggande logiken.

Skillnader i hur traditionella sökmotorer och LLM:s hanterar språk

För traditionella sökmotorer utgör språket en tydlig signal för vilka resultat som ska dyka upp i SERP:en. Söker du på svenska, prioriteras svenska sidor. Tydligt, naturligt och logiskt, ju. Språket fungerar därmed som en av de starkaste filtreringssignalerna i algoritmerna.

LLM:s fungerar annorlunda. Enkelt förklarat översätter de i praktiken alla språk till matematiska representationer i ett gemensamt “vektorrum” . Svenska, engelska och andra språk mappas alltså in och behandlas i samma kontextuella struktur. Det innebär att modellen inte nödvändigtvis “ser” språk som en tydlig avgränsande faktor.

Med detta sagt, krävs en nyansering. LLM:s är inte att betrakta som helt språkneutrala. Det avgörande i det här fallet ligger i hur språk används i modellernas interna processer. Språket behandlas inte som ett filter, utan snarare som en egenskap i ett större semantiskt och kontextuellt sammanhang. Det innebär att även om modellen kan upptäcka och återge språk korrekt i svaren, är det inte säkert att språket i sig styr vilka källor som i slutändan prioriteras.

Den språkliga nepotismen

Termen språklig nepotism, som jag tycker ringar in fenomenet väl, myntades tyvärr inte av mig, utan av en forskargrupp från University of Maryland och Johns Hopkins University. I deras studie framgår det att språkmodeller tenderar att uppvisa en tydlig språkpreferens under processen av att välja vilka källor som används för att besvara en prompt.

Engelskan premieras

I undersökningen fick modellerna välja mellan dokument som innehöll samma information men som var skrivna på olika språk. Trots att innehållet var likvärdigt, visade resultaten att vissa språk oftare valdes som källa. Engelska visade sig i många fall ha ett tydligt övertag. Även när frågan ställdes på ett annat språk kunde engelskspråkiga dokument prioriteras framför motsvarande innehåll på det lokala språket. Vilket är precis det mönster vi ibland kan se prov på i praktiken.

Språkpreferens framför relevans

Det däremot kanske mest intressanta perspektivet i studien och som jag tycker speglar verkligheten, är inte bara att engelska ofta prioriteras, utan att språket i vissa fall verkar kunna väga tyngre än innehållets faktiska relevans och kvalitet.

Jag har sett åtskilliga exempel på “referred domains” som varken är att betrakta som kvalitativa eller särskilt relevanta för kontexten, men trots detta alltså anses vara de mest auktoritära källorna för att besvara prompten i fråga. Det dessa källor brukar ha gemensamt är just att de är skrivna på engelska.

Sammanfattning & key takeaways

Sammanfattningsvis finns det, för oss som arbetar med organisk synlighet, flera anledningar till att bredda vår syn på språk när vi arbetar med AI-synlighet. Vad som rent tekniskt ligger bakom det vi har gått igenom (mängden träningsdata på engelska, query fan-outs, etc.) förtjänar nog en egen artikel. Men det vi kan fastslå är att det finns en del värde att hämta i både källor på det lokala språket och på engelska. Just nu i alla fall.

Key takeaways:

• Språk behandlas annorlunda i LLM:s än i traditionella sökmotorer
• Engelskspråkiga källor kan ibland prioriteras i AI-modellernas källistor
• Att komplettera viktigt innehåll med engelska versioner kan öka sannolikheten för ökad AI-synlighet
• Outreach-arbete för varumärkesomnämnanden kan med fördel ske i både lokala och engelskspråkiga källor

Avslutningsvis återstår det att se hur länge denna språkliga “brist” kommer att bestå. Men så länge den finns där, finns det också en möjlighet att förhålla sig strategiskt till den.