Muck Rack की रिपोर्ट में सामने आया: AI के स्रोतों में पत्रकारिता की हिस्सेदारी घटकर 22% हुई

Muck Rack की अक्टूबर 2026 की AI क्या पढ़ रहा है? रिपोर्ट के अनुसार, AI के स्रोत-संदर्भों में पत्रकारिता की हिस्सेदारी मई के लगभग 27% से घटकर 22% रह गई है, जबकि अर्जित मीडिया और तीसरे पक्ष के स्रोत अब भी करीब 84% स्रोत-संदर्भों के लिए जिम्मेदार हैं। इसके चौथे संस्करण में ChatGPT, Claude, Perplexity और Gemini के 4 करोड़ से अधिक AI जवाबों और 20.7 करोड़ स्रोत-संदर्भों का विश्लेषण किया गया है।

28 अक्टूबर को जारी यह शोध, AI से तैयार जवाबों के आधार में इस्तेमाल होने वाली सामग्री के स्वरूप में बदलाव की ओर संकेत करता है। समाचार कवरेज अब भी एक अहम स्रोत है, लेकिन तीसरे पक्ष की अन्य तरह की सामग्री और खुद ब्रांडों द्वारा प्रकाशित सामग्री की हिस्सेदारी बढ़ रही है। प्रकाशकों और संचार टीमों के लिए, ये निष्कर्ष बताते हैं कि दृश्यता इस बात पर निर्भर करती है कि जवाब कौन-सा प्रदाता दे रहा है, सवाल क्या है और सामग्री किस स्वरूप में है।

अर्जित स्रोतों की अहमियत बरकरार, पत्रकारिता की हिस्सेदारी घटी

27% से 22% की गिरावट लगभग पाँच प्रतिशत अंक के बराबर है। यह स्रोत-संदर्भों में पत्रकारिता की हिस्सेदारी को दर्शाती है, न कि समाचार लिंक की कुल संख्या या प्रकाशकों को मिलने वाले ट्रैफ़िक में इतनी ही गिरावट को।

इस नतीजे को समझने के लिए पत्रकारिता और अर्जित मीडिया के बीच का अंतर अहम है। Muck Rack अर्जित मीडिया की व्यापक श्रेणी का इस्तेमाल करता है, जिसमें पत्रकारिता के साथ अकादमिक शोध, सरकारी और गैर-सरकारी संगठन (NGO) के स्रोत, विश्वकोशीय वेबसाइटें, सोशल प्लेटफ़ॉर्म और तीसरे पक्ष की कॉर्पोरेट सामग्री शामिल हैं। इसलिए, रिपोर्ट का लगभग 84% का आँकड़ा केवल पेशेवर समाचार कक्षों से कहीं बड़े स्रोत-परितंत्र को दर्शाता है।

स्वामित्व वाले मीडिया की हिस्सेदारी 13.7% से बढ़कर 15.2% हो गई, जबकि सरकारी, विश्वकोशीय और अकादमिक सामग्री की हिस्सेदारी भी बढ़ी। सशुल्क और विज्ञापन-प्रायोजित सामग्री 0.3% पर बनी रही—मई से इसमें कोई बदलाव नहीं हुआ। स्रोत-संदर्भों में यह छोटी-सी हिस्सेदारी बताती है कि ऐसे पेज कितनी बार स्रोत के रूप में दिखाई देते हैं; इससे विज्ञापन की कुल प्रभावशीलता का पता नहीं चलता।

इस बदलाव में ChatGPT की बड़ी भूमिका

Muck Rack के अनुसार, पत्रकारिता की हिस्सेदारी में गिरावट के पीछे ChatGPT की बड़ी भूमिका है। समय के साथ बदलाव दिखाने वाला इसका चार्ट 2026 के दौरान उल्लेखनीय उतार-चढ़ाव और सितंबर में 22% के अंतिम स्तर को दर्शाता है। इस अवधि के बड़े हिस्से में Claude और Gemini के रुझान तुलनात्मक रूप से अधिक स्थिर रहे।

ये अंतर उन सभी के लिए अहम हैं जो यह समझना चाहते हैं कि कोई प्रकाशन संस्थान या ब्रांड एक AI सहायक के जवाबों में तो दिखाई देता है, लेकिन दूसरे के जवाबों में क्यों नहीं। दृश्यता में बदलाव किसी प्रदाता के स्रोत चुनने के तरीके में परिवर्तन का नतीजा हो सकता है; इसका अर्थ यह ज़रूरी नहीं कि प्रकाशक की सामग्री या उसकी प्रासंगिकता में भी उतना ही बदलाव आया हो।

ये निष्कर्ष तैयार किए गए जवाबों में उद्धृत स्रोतों से जुड़े हैं। इनसे यह साबित नहीं होता कि किसी मॉडल के प्रशिक्षण डेटा में कौन-सी सामग्री शामिल थी, और स्रोत-संदर्भों की हिस्सेदारी को पाठक संख्या या भरोसे का प्रत्यक्ष माप नहीं समझना चाहिए।

चारों प्रदाताओं में केवल 212 डोमेन साझा थे

सितंबर में किए गए संग्रह में, हर प्रदाता के लिए 1,020 प्रॉम्प्ट इस्तेमाल किए गए और चारों प्रणालियों में केवल 212 डोमेन दिखाई दिए। यह उस शोध नमूने में साझा डोमेन की संख्या है, न कि उन सभी स्रोतों की गिनती जिन तक ये सेवाएँ पहुँच सकती हैं।

यह नतीजा इस धारणा को कमजोर करता है कि AI में दृश्यता बढ़ाने के लिए एक ही रैंकिंग को बेहतर बनाना पर्याप्त है। किसी एक प्रदाता द्वारा अक्सर उद्धृत सामग्री की पहुँच दूसरे प्रदाता पर सीमित हो सकती है। इसी तरह, सवाल के संदर्भ के अनुसार कंपनी का उपयोगी पेज और स्वतंत्र कवरेज अलग-अलग भूमिकाएँ निभा सकते हैं।

रिपोर्ट का लैंडिंग पेज बदलाव के एक और कारण पर प्रकाश डालता है: एक ही सवाल दोबारा पूछने पर स्रोत-संदर्भों का अलग समूह मिल सकता है। इसका व्यावहारिक अर्थ यह है कि दृश्यता में लंबे समय तक बने रहने वाले बदलाव का आकलन करने के लिए एक अकेला जवाब कमज़ोर आधार है।

कार्यप्रणाली क्या दिखा सकती है—और क्या नहीं

पूरी रिपोर्ट और कार्यप्रणाली में विशेष रूप से किए गए शोध-संग्रह शामिल हैं, जिनमें मुख्यतः बिना ब्रांड-नाम वाले उपभोक्ता प्रॉम्प्ट इस्तेमाल किए गए; इनके साथ Generative Pulse की निरंतर और ज़्यादातर ब्रांड-केंद्रित निगरानी भी शामिल है। इन डेटासेट के उद्देश्य अलग-अलग हैं, इसलिए इन्हें एक समान नमूना नहीं मानना चाहिए।

रिपोर्ट यह भी बताती है कि अध्ययन के दौरान प्रदाताओं ने कुछ मॉडल पेश किए और कुछ को बंद कर दिया। इसलिए, समय के साथ की गई तुलनाओं में बीते समय के साथ-साथ मॉडल और उत्पाद में हुए बदलाव भी झलकते हैं। ये अवलोकन केवल जाँची गई प्रणालियों, सवालों और डेटा-संग्रह की अवधियों का वर्णन करते हैं।

Muck Rack की शोध-पद्धति की पहले दी गई व्याख्या स्पष्ट करती है कि प्रॉम्प्ट का चुनाव क्यों अहम है। इसमें बताया गया है कि उद्योगों, ब्रांडों और वास्तविक दुनिया की समस्याओं के आधार पर सवाल कैसे तैयार किए जाते हैं, और फिर स्रोत-संदर्भों को मीडिया श्रेणी तथा सामग्री के स्वरूप—दोनों के आधार पर वर्गीकृत किया जाता है। शोधकर्ता कौन-से सवाल चुनते हैं, इससे तय होता है कि वे किन स्रोतों को देखेंगे।

प्रकाशकों और संचार टीमों के लिए क्या बदलता है

तत्काल सीख यह है कि स्रोतों के चयन पर प्रदाता और सवाल—दोनों के स्तर पर नज़र रखी जाए। दर्शकों के लिए प्रासंगिक प्रॉम्प्ट का एक स्थिर समूह, जिसे समय-समय पर दोहराया जाए, किसी एक बार की उपस्थिति से अधिक जानकारी दे सकता है। इन नतीजों के साथ मॉडल में हुए बदलावों का रिकॉर्ड रखने से यह समझने में मदद मिलती है कि बदलाव का कारण संपादकीय या वितरण संबंधी असर है, या खुद AI सेवा में हुआ परिवर्तन।

प्रकाशकों के लिए, कुल हिस्सेदारी में पत्रकारिता का कम होना नए घटनाक्रमों की व्याख्या करने या उत्पादों और संगठनों का मूल्यांकन करने में उसकी भूमिका को समाप्त नहीं करता। ब्रांडों के लिए, अपनी सामग्री का बढ़ता चलन जवाबों में जगह बनाने का एक और रास्ता खोलता है; लेकिन तृतीय-पक्ष स्रोतों की निरंतर प्रमुखता का अर्थ है कि कंपनी की वेबसाइट पर प्रकाशित सामग्री स्रोतों के पूरे तंत्र के केवल एक हिस्से को ही संबोधित करती है।

अक्टूबर 2026 की What Is AI Reading? रिपोर्ट में पूरे निष्कर्ष और कार्यप्रणाली दी गई है। इसका मुख्य संदेश यह है कि एआई उद्धरण अब भी बड़े पैमाने पर तृतीय-पक्ष सामग्री पर आधारित हैं, जबकि स्रोतों का मिश्रण अलग-अलग प्रदाताओं, प्रश्नों और समयावधियों के अनुसार काफी बदलता है।