A Time.com elkezdte kiszolgálni a cikkei gépeknek szánt változatát, és ebbe a változatba hirdetéseket illesztett, kifejezetten AI-ügynökök számára, „Sponsored” jelöléssel. A Perplexity válaszul megtévesztő reklámnak minősítette a gyakorlatot, és letiltotta ezeket a hirdetéseket. A vita első ránézésre két amerikai cég ügye. Valójában arról szól, hogy egy AI modell szemében hol él egy állítás a márkádról: a saját oldaladon lévő állítás cégállítás, egy külső, szerkesztői környezetben megjelenő állítás viszont nagyobb hitelességet kaphat. Aki az AI-láthatóságát kizárólag a saját weboldalára építi, az a játék felét játssza.

Mi az az AI-natív hirdetés?

AI-natív hirdetés: olyan fizetett tartalom, amelyet nem emberi olvasónak, hanem a weboldalt feldolgozó AI rendszernek szánnak. A Time.com megoldásában az oldal két változatban létezik: egy HTML-változat az embereknek, és egy egyszerűsített, markdown-formátumú változat a gépeknek. A hirdetési technológiát adó Mobian a hirdető brief-jéből kérdés-válasz formátumú szöveget készít, és ezt illeszti a gépi változatba. Amikor egy AI-ügynök beolvas egy Time-cikket mondjuk a nyugdíj-megtakarításról, a cikk mellett a hirdető jóváhagyott üzeneteit is beolvassa. A rendszer méri, hogy az AI-keresők milyen gyakran és milyen összefüggésben jelenítik meg ezt a tartalmat.

Pontosan min vitatkozik a két cég?

A Time átlátható volt a saját olvasatában: a gépi változatba illesztett tartalmat hirdetésként jelölte. A Perplexity kommunikációs vezetője, Jesse Dwyer ennek ellenére megtévesztő reklámnak nevezte a gyakorlatot, és a Digiday 2026. augusztus 11-i cikke szerint közölte: az ilyen hirdetéseket alkalmazó kiadók a Perplexity keresőindexében hitelesség-leminősítést kockáztatnak, beleértve a bizalmi pontszámuk romlását. Az első tesztelő hirdetők között volt az Ally Bank és a Project Management Institute.

Két dolgot érdemes ehhez tudni a Perplexityről. Egy: a cég 2024-ben saját hirdetési programot indított szponzorált követő kérdésekkel, ami a The Information adatai szerint összesen nagyjából 20 ezer dollár hirdetési bevételt hozott, miközben a cég éves árbevétele kb. 34 millió dollár volt. 2025 októberében leállt az új hirdetők felvétele, 2026 februárjában a cég hivatalosan is kiszállt a hirdetési üzletből, arra hivatkozva, hogy a jelölt hirdetés is rombolja a válaszokba vetett bizalmat. Kettő: a cég 2025 novembere óta perben áll az Amazonnal, amiért a Comet böngészője automatizáltan vásárol az Amazon oldalán; az elsőfokú ideiglenes tiltást a fellebbviteli bíróság 2026-ban feloldotta, a per folyik. A Perplexity nyilvános álláspontja szerint az Amazon valódi motivációja a hirdetési bevételeinek védelme.

Amikor tehát egy AI-cég bizalomvédelemre hivatkozva tilt le egy hirdetési formát, érdemes megnézni, hogy az elvi álláspont és az üzleti érdek merre mutat. Ettől a Perplexity felvetése még nem alaptalan, de nem is semleges.

Miért számít, hogy hol él egy állítás a márkádról?

Ez a vita legértékesebb tanulsága, és független attól, kinek van igaza. A jelek szerint az AI modellek másképp súlyozzák ugyanazt az állítást attól függően, hogy hol találkoznak vele:

Egy hazai példával: ha egy magyar szoftvercég a saját oldalán azt írja magáról, hogy iparágvezető integrációkat kínál, az a modell számára egy cég önjellemzése. Ha ugyanez az állítás egy szakmai portál összehasonlító cikkében jelenik meg, az már külső kontextusból jövő megerősítés, még akkor is, ha a megjelenés fizetett volt, de jelölten és tartalmilag pontosan. A Time és a Mobian modellje pontosan erre a különbségre épített üzletet, és a Perplexity pontosan ezt a határvonalat vitatja.

Fontos kimondani: hogy a modellek pontosan hogyan súlyoznak, azt kívülről senki nem látja, maguk az AI-cégek is csak részben. A gyakorlati következtetés ettől még áll, mert nem a súlyozás részletein múlik, hanem az irányán.

Mit jelent ez egy magyar cégnek?

Négy következtetést látunk megalapozottnak:

1. A külső megjelenés nem linképítési kérdés többé, hanem hitelesség-forrás az AI-válaszokban. A szakmai sajtómegjelenések, független tesztek, összehasonlító cikkek és iparági listák eddig a klasszikus keresőhelyezést támogatták. Mostantól egy második funkciójuk is van: ezekből tudja egy AI modell ellenőrizni, hogy amit magadról állítasz, azt más is alátámasztja-e. Aki csak a saját domainjével foglalkozik, annak az állításai a modell szemében megerősítés nélkül maradnak.

2. Nincs egységes szabálykönyv, és ami ma megengedett, holnap tiltott lehet. Ugyanazt a hirdetési formát a Time legitim, jelölt szponzorációként kezeli, a Perplexity megtévesztésként. Más AI-keresők megint máshogy dönthetnek, és a döntéseiket előzetes bejelentés nélkül változtathatják. Ebből az következik, hogy AI-láthatóságot egyetlen platform aktuális szabályaira építeni ugyanolyan kockázat, mint egyetlen közösségi platform organikus elérésére építeni volt.

3. A jelölési kötelezettség nem az AI-cégek döntésén múlik. A fizetett tartalom felismerhetőségére vonatkozó hazai és uniós reklámszabályok a megjelenési felülettől függetlenül érvényesek. Az, hogy egy AI-kereső mit fogad el, üzleti döntés; az, hogy a fizetett tartalmat jelölni kell, jogi kötelezettség. A kettő nem váltja ki egymást.

4. Mérés nélkül az egész csak vélemény. Azt, hogy a te márkádról melyik AI-felület mit mond és milyen forrásra hivatkozva, nem lehet megérzésből tudni, mérni kell. Arról, hogy a Google AI-megjelenéseit hogyan lehet riportból olvasni, külön cikkben írunk. A mérési oldal szolgáltatásként is elérhető: digitális analitika szolgáltatásunk.

Mit tegyél most? Öt lépés

1. Térképezd fel, mire hivatkoznak rólad a modellek. Kérdezd meg a vevőid által használt AI-felületeket (ChatGPT, Gemini, Perplexity) a saját kategóriád valós vásárlói kérdéseivel, és rögzítsd, megjelensz-e, és milyen forrást idéznek. Ha mindig csak a saját oldaladat, az jelzés: nincs független megerősítésed.
2. Építs külső hitelesség-portfóliót. Szakmai megjelenések, vendégcikkek, független tesztek, iparági összehasonlítások. Nem a mennyiség számít, hanem hogy a kulcsállításaid külső forrásból is visszaigazolhatók legyenek.
3. Jelölj egyértelműen, minden felületen. A fizetett megjelenés jelölése akkor is kötelező, ha az adott AI-platform ma épp nem bünteti a jelöletlen tartalmat. A szabályozói kockázat a tiéd, nem a platformé.
4. Ne tegyél nagy, egyplatformos fogadást. Az AI-keresők hirdetési és hitelességi szabályai mozgásban vannak. Kis kísérletek, több felület, mérhető eredmény: ugyanaz a logika, amit a megfelelő KPI kiválasztásáról írtunk, itt is érvényes.
5. Tartsd karban a klasszikus alapokat. Az AI-válaszok jelentős részben a klasszikus keresési indexekből és a strukturált tartalomból dolgoznak, ezért a keresőoptimalizálás nem vált feleslegessé, hanem az AI-láthatóság egyik bemenete lett.

Gyakran ismételt kérdések

Betilthatja a Perplexity a Time hirdetéseit?

A saját válaszaiban igen: azt, hogy a saját keresője mit jelenít meg és hogyan rangsorol, minden AI-cég maga dönti el. Azt viszont nem tudja megakadályozni, hogy a Time és a hirdetői más AI-felületeken folytassák a gyakorlatot.

Akkor most érdemes AI-natív hirdetést venni?

Magyar piacon ma ez korai kísérleti terep: a felület kevés, a szabályok instabilak, a mérés éretlen. Kis téttel kísérletezni lehet, stratégiát építeni rá még nem érdemes.

A saját oldalam tartalma akkor nem is számít?

Számít, csak nem elég. A saját oldal adja az alapot, amit a modell megért; a külső források adják a megerősítést, amitől idézhetőnek tekint. A kettő együtt működik.

Mitől lesz egy külső megjelenés a modell számára is értékes?

Attól, hogy tartalmilag pontos, ellenőrizhető állításokat tartalmaz, és olyan felületen jelenik meg, amelyet a modellek forrásként kezelnek. Egy jelöletlen PR-cikk üres szuperlatívuszokkal ezt nem teljesíti.

Honnan tudom, hogy egy AI-felület idéz-e engem?

Rendszeres, dokumentált teszteléssel: valós vásárlói kérdések, rögzített válaszok, hivatkozott források listája, havonta ismételve. Ez kézzel is elvégezhető; a lényeg a rendszeresség, nem az eszköz.

Nem fog ez az egész vita elmúlni magától?

A konkrét vita el fog dőlni valahogy. A mögötte lévő kérdés, tehát hogy a fizetett és az organikus tartalom hogyan különüljön el a gépi olvasásban, hosszú távon velünk marad, mert minden AI-kereső üzleti modellje függ tőle.

Miért ez a lényeg, nem a gyorsaság

A kérdés, amit ez felvet, nem az, hogy gyorsabb-e a beszedés. Nyilván gyorsabb. A kérdés az, mi alapján dönt a rendszer arról, mi számít „rendes” esetnek és mi „kivételnek”.

Ha az alapadat rendben van, ez pontosan azt csinálja, amit ígér: a csapatod nem tölt időt olyan follow-upokkal, amik amúgy is lezajlanának, és a figyelmet arra fordíthatja, ami valóban probléma.

Ha az alapadat NEM rendben van – mondjuk egy befizetés rossz számlára lett rávezetve a könyvelésben -, a rendszer ezt nem fogja kivételnek látni. Nem azért, mert rossz a rendszer, hanem azért, mert a rendszer nem tudja, hogy hiba történt. Egy hibás párosítás neki pontosan úgy néz ki, mint egy valódi lejárt számla. Kiküldi a felszólítást, és a lejárt-számla-emlékeztető egy olyan ügyfélhez megy, aki már fizetett.

Ez nem hipotetikus eset. Ez a leggyakoribb hiba minden automatizált beszedési vagy emlékeztető-folyamatban, amit auditkor látok: a rendszer nem rosszul dönt, hanem jó döntést hoz rossz adaton, és a sebesség miatt a hiba gyorsabban ér el az ügyfélhez, mint eddig egy ember hibája érne. Korábban már írtam arról, hogy az automatizálás attól jó, ami mögötte áll – ott a folyamat érettsége volt a tétel, itt ugyanez igaz az adatminőségre.

Mit érdemes ellenőrizni, mielőtt bekapcsolod az automatikus számlabeszedést

Mielőtt egy csapat rábízza a beszedést egy autonóm agentre, három dolgot érdemes tudni:

1. Hogyan párosítja a rendszer a befizetést a számlával, és van-e ismert hibaforrás a folyamatban, ami már most is okoz téves párosítást.
2. Mit ismer fel kivételnek a rendszer, és ez lefedi-e azokat a hibatípusokat, amik a te adatodban tényleg előfordulnak – nem csak azokat, amikre a HubSpot alapból gondolt.
3. Hol látod utólag, mit küldött ki az agent, és mennyi idő alatt tudsz reagálni, ha valami rosszul ment. A gyorsaság előny, amíg te is gyorsan tudsz korrigálni – hátrány, ha csak az ügyfél jelzése után derül ki.

Ez pontosan az a kérdés, amit egy adat- és rendszeraudit tisztáz, mielőtt bármilyen automatizálást bekapcsolsz.

A tétel

A gyorsaság nem hozadék, ha rossz alapon gyors. Egy autonóm beszedési agent attól lesz jó döntés, hogy előtte megnézed, mit tud a „kivétel”-ről – nem attól, hogy bekapcsolod és bízol benne.

Gyakori kérdések

Mit csinál pontosan a HubSpot Revenue Agent?

Automatikusan felkeresi a lejárt számlájú ügyfeleket, kockázat, fiók-életkor és érték alapján rangsorolva. A HubSpot 2026 júniusában jelentette be, a Revenue Hub része, ma private beta.

Kell-e emberi jóváhagyás minden számla-emlékeztető előtt?

A HubSpot saját megfogalmazása szerint nem: „a csapatok a kivételeket kezelik, nem minden follow-upot.” A rendes eseteket a rendszer önállóan viszi végig, ember csak azt látja, amit a rendszer kivételnek ismer fel.

Mi a legnagyobb kockázata, ha rendezetlen adaton kapcsolod be?

A rendszer nem rosszul dönt, hanem jó döntést hoz rossz adaton – egy hibás számla-befizetés párosítás neki pontosan úgy néz ki, mint egy valódi lejárt számla, és kiküldi rá a felszólítást egy ügyfélnek, aki már fizetett.