一位经理在观察到生成式人工智能提及他的公司时，常常会草率地得出结论：被提及就已经是良好的声誉了。然而，答案的可见性和答案如何描述业务是两件不同的事情。第一个表示是否出现；第二，一旦命名，人们会如何看待它。由 Vectors 和 Trickstr 联合制作的 2026 年版 CAC 40 AI 声誉晴雨表于 2026 年 6 月首次发布，使得在 CAC 40 公司规模上具体化这一区别成为可能。本文着眼于该研究具体为通信或数字化转型部门带来了什么。
被引用并不受欢迎
生成式人工智能模型可能会在公开回应其行业时提及一家公司，但不会对其进行正面描述。相反，他可能会对他很少引用的公司保留平衡和真实的描述。将两者混淆等于在单一指标（即引用频率）上控制一个人的声誉，该指标既不提供所使用的语气，也不提供所使用的事实，也不提供模型构建其响应所使用的来源。
对于通信部门来说，这种细微差别会带来实际后果。大量提及可能会掩盖不完整、过时或不平衡的描述，而更谨慎的提及可能会导致准确的描述。分别跟踪这两个维度可以避免从仅衡量问题的一部分的指标得出结论。
大规模方法
为了客观化这一区别，2026 年版《AI 声誉晴雨表 2026》针对四个生成式 AI 模型管理了近 39,800 个问题，而上一版则涉及 7 个维度的 4,536 个问题。现在，每家 CAC 40 公司都根据九个声誉维度进行评级：愿景和战略、产品和服务、创新、雇主品牌、财务绩效、企业社会责任、品牌资产、治理和人工智能的采用。
这种规模上的变化使我们能够检验更多的反应和维度；然而，比较的可靠性取决于协议和可能的偏差。仅问题数量并不足以保证结果的可靠性：查询的制定、所质疑模型的选择和收集周期同样重要。
2026 年排名说明了什么
根据本期报告，施耐德电气在声誉排名中名列前茅。这一结果值得我们认真解读：衡量调查模型如何在保留的九个维度上描述公司，而不是对公司本身质量的客观判断。
2026 年版本还对之前排名中的行业偏见进行了修正，奢侈品和服务公司的进步显着。这一运动要求我们不要认为从一个版本到另一个版本的工业统治是理所当然的：分类的构成随着模型所基于的方法和可用内容而演变。
Vectors 和 Trickstr，两个互补的角色
该研究结合了两个角色不同的组织。 Vectors 是一家战略传播咨询机构，提供对大公司特有的声誉和认知问题的见解。 Trickstr 提供技术测量链：PromptForge 是该公司开发并集成到 Kosmos 平台中的工具，可协调问题的生成、大规模管理、结构化回答收集及其分析。
这种结合使得研究能够同时拥有企业沟通话语和基于记录协议的测量方法，可以通过记录每个集合的条件来重复使用该方法。随着模型和可用信息的发展，一项活动的条件和结果都不能保证与另一项活动相同。
观察或因果关系：引用来源的说法
有一点值得特别注意。来源标识描述了回复中引用的参考文献。它并不仅仅表明它们对成绩的影响。媒体报道和看法之间可能存在的相关性需要单独分析，并且不能证明因果关系。
每个公司和每个部门特有的其他因素也可能发挥作用。识别来源对于理解模型所基于的内容仍然是一个有用的步骤，前提是您没有得出有关模型在最终成绩中的真实权重的结论。
监控您在人工智能领域声誉的具体方法
希望利用可见性和感知之间区别的公司可以分四个阶段构建其方法：
- 建立初始状态 ：该公司今天在有关其行业的公开问题中表现如何，当直接命名时如何描述它？
- 查看获得的答复 以及模型在支持中引用的来源，以了解当前描述基于什么内容。
- 如有必要，更正公共信息 在公司上可用，以便它们具有相关性和最新性，而不寻求人为地指导模型的响应或保证其内容。
- 执行新的测量，在与第一个类似的条件下，观察事态发展，而不自动将其归因于所做的更正。
这种方法既不能保证可见性的提高，也不能保证生成人工智能响应的参考结果：模型根据自己的训练周期发展，独立于公司采取的行动。另一方面，它提供了一个转变直觉的框架，“我们的公司是否被人工智能很好地感知？”，在结构化监控中，随着时间的推移并且基于数据而不是一次性印象进行比较。
