รายงาน “AI กำลังอ่านอะไร?” ของ Muck Rack พบว่าสัดส่วนการอ้างอิงข่าววารสารศาสตร์โดย AI ลดลงเหลือ 22%

รายงาน AI กำลังอ่านอะไร? ของ Muck Rack ประจำเดือนตุลาคม 2026 พบว่าสัดส่วนการอ้างอิงข่าววารสารศาสตร์โดย AI ลดลงจากประมาณ 27% ในเดือนพฤษภาคม เหลือ 22% แม้แหล่งข้อมูลจากสื่อที่ได้รับการกล่าวถึงและแหล่งข้อมูลจากบุคคลภายนอกยังคงคิดเป็นประมาณ 84% ของการอ้างอิงทั้งหมด รายงานฉบับที่ 4 รวบรวมข้อมูลจากคำตอบของ AI มากกว่า 40 ล้านรายการ และการอ้างอิง 207 ล้านรายการจาก ChatGPT, Claude, Perplexity และ Gemini

งานวิจัยที่เผยแพร่เมื่อวันที่ 28 ตุลาคมชี้ให้เห็นถึงการเปลี่ยนแปลงของประเภทเนื้อหาที่ใช้สนับสนุนคำตอบที่ AI สร้างขึ้น ข่าวยังคงเป็นแหล่งข้อมูลสำคัญ แต่สัดส่วนที่มากขึ้นมาจากเนื้อหาบุคคลภายนอกประเภทอื่น ๆ และเนื้อหาที่แบรนด์เผยแพร่เอง สำหรับผู้จัดพิมพ์และทีมสื่อสาร ผลการศึกษาชี้ว่าการมองเห็นเนื้อหาขึ้นอยู่กับผู้ให้บริการ คำถามที่ป้อน และรูปแบบเนื้อหา

สัดส่วนข่าววารสารศาสตร์ลดลง ขณะที่แหล่งข้อมูลจากสื่อที่ได้รับการกล่าวถึงยังคงมีบทบาทสำคัญ

การลดลงจาก 27% เหลือ 22% คิดเป็นประมาณ 5 จุดเปอร์เซ็นต์ ตัวเลขนี้หมายถึงสัดส่วนการอ้างอิงข่าววารสารศาสตร์ ไม่ได้หมายความว่าจำนวนลิงก์ข่าวหรือปริมาณผู้เข้าชมที่ส่งไปยังผู้จัดพิมพ์ลดลงในสัดส่วนเดียวกัน

การแยกความแตกต่างระหว่างข่าววารสารศาสตร์กับสื่อที่ได้รับการกล่าวถึงเป็นสิ่งสำคัญต่อการทำความเข้าใจผลลัพธ์นี้ Muck Rack ใช้หมวดหมู่สื่อที่ได้รับการกล่าวถึงในความหมายกว้าง ซึ่งครอบคลุมงานวิจัยทางวิชาการ แหล่งข้อมูลจากหน่วยงานภาครัฐและองค์กรพัฒนาเอกชน (NGO) เว็บไซต์สารานุกรม แพลตฟอร์มโซเชียล และเนื้อหาจากบริษัทบุคคลภายนอก ควบคู่ไปกับข่าววารสารศาสตร์ ดังนั้น ตัวเลขประมาณ 84% ในรายงานจึงครอบคลุมระบบนิเวศของแหล่งข้อมูลที่กว้างกว่าสำนักข่าวมืออาชีพเพียงอย่างเดียวมาก

สื่อที่แบรนด์เป็นเจ้าของเพิ่มขึ้นจาก 13.7% เป็น 15.2% ขณะที่เนื้อหาจากภาครัฐ สารานุกรม และงานวิชาการก็มีสัดส่วนเพิ่มขึ้นเช่นกัน เนื้อหาแบบชำระเงินและบทความเชิงโฆษณายังคงอยู่ที่ 0.3% ซึ่งไม่เปลี่ยนแปลงจากเดือนพฤษภาคม สัดส่วนการอ้างอิงที่น้อยนี้บอกเพียงว่าหน้าเว็บประเภทดังกล่าวปรากฏเป็นแหล่งข้อมูลบ่อยเพียงใด ไม่ได้วัดประสิทธิภาพโดยรวมของการโฆษณา

ChatGPT เป็นปัจจัยสำคัญที่ทำให้เกิดการเปลี่ยนแปลงส่วนใหญ่

Muck Rack ระบุว่า ChatGPT เป็นปัจจัยสำคัญที่ทำให้สัดส่วนการอ้างอิงข่าววารสารศาสตร์ลดลง แผนภูมิข้อมูลตามช่วงเวลาของรายงานแสดงให้เห็นการเปลี่ยนแปลงอย่างชัดเจนในปี 2026 และมีค่าสุดท้ายอยู่ที่ 22% ในเดือนกันยายน ส่วน Claude และ Gemini มีแนวโน้มค่อนข้างคงที่กว่าในช่วงเวลาส่วนใหญ่

ความแตกต่างเหล่านี้มีความสำคัญต่อผู้ที่ต้องการทำความเข้าใจว่าเหตุใดสิ่งพิมพ์หรือแบรนด์หนึ่งจึงปรากฏในคำตอบของผู้ช่วย AI รายหนึ่ง แต่ไม่ปรากฏในอีกรายหนึ่ง การมองเห็นที่เปลี่ยนไปอาจสะท้อนการเปลี่ยนแปลงในการเลือกแหล่งข้อมูลของผู้ให้บริการ มากกว่าจะเป็นการเปลี่ยนแปลงในระดับใกล้เคียงกันของเนื้อหาหรือความเกี่ยวข้องของผู้จัดพิมพ์

ผลการศึกษานี้เกี่ยวข้องกับแหล่งข้อมูลที่มีการอ้างอิงในคำตอบที่ AI สร้างขึ้น แต่ไม่ได้ยืนยันว่าเนื้อหาใดถูกรวมไว้ในข้อมูลฝึกโมเดล และไม่ควรตีความสัดส่วนการอ้างอิงว่าเป็นตัวชี้วัดจำนวนผู้อ่านหรือความน่าเชื่อถือโดยตรง

มีเพียง 212 โดเมนที่ปรากฏในผู้ให้บริการทั้งสี่ราย

ในการเก็บข้อมูลเดือนกันยายน ซึ่งใช้คำถาม 1,020 ข้อต่อผู้ให้บริการแต่ละราย มีเพียง 212 โดเมนที่ปรากฏในระบบทั้งสี่แห่ง ตัวเลขนี้คือจำนวนโดเมนที่ปรากฏร่วมกันในกลุ่มตัวอย่างของงานวิจัย ไม่ใช่จำนวนแหล่งข้อมูลทั้งหมดที่บริการเหล่านั้นเข้าถึงได้

ผลลัพธ์นี้ทำให้แนวคิดที่ว่าควรปรับปรุงการมองเห็นใน AI ด้วยการไต่อันดับเดียวอ่อนลง ตำแหน่งที่ผู้ให้บริการรายหนึ่งอ้างอิงบ่อยอาจเข้าถึงผู้ใช้ของอีกรายได้จำกัด ในทำนองเดียวกัน หน้าเว็บที่เป็นประโยชน์ของบริษัทและการนำเสนอข่าวจากแหล่งอิสระอาจมีบทบาทแตกต่างกันไปตามคำถามที่กำลังหาคำตอบ

หน้าเว็บหลักของรายงานชี้ให้เห็นปัจจัยอีกประการที่ทำให้ผลลัพธ์แตกต่างกัน นั่นคือการถามคำถามเดิมซ้ำอีกครั้งอาจทำให้ได้ชุดการอ้างอิงที่ไม่เหมือนเดิม ข้อสรุปเชิงปฏิบัติคือ การพิจารณาคำตอบเพียงครั้งเดียวเป็นพื้นฐานที่ไม่น่าเชื่อถือสำหรับตัดสินว่าการมองเห็นเปลี่ยนแปลงอย่างต่อเนื่องหรือไม่

ระเบียบวิธีวิจัยบอกอะไรได้บ้าง และบอกอะไรไม่ได้บ้าง

รายงานฉบับเต็มและระเบียบวิธีวิจัยรวบรวมข้อมูลจากการวิจัยเฉพาะกิจ ซึ่งส่วนใหญ่ใช้คำถามจากผู้บริโภคที่ไม่ระบุแบรนด์ ร่วมกับการติดตามอย่างต่อเนื่องของ Generative Pulse ซึ่งมุ่งเน้นแบรนด์เป็นส่วนใหญ่ ชุดข้อมูลเหล่านี้มีวัตถุประสงค์ต่างกัน จึงไม่ควรนำมาปฏิบัติเสมือนเป็นกลุ่มตัวอย่างเดียวกันทั้งหมด

รายงานยังระบุด้วยว่าผู้ให้บริการมีการเปิดตัวและยุติการใช้งานโมเดลระหว่างการศึกษา ดังนั้น การเปรียบเทียบข้อมูลตามช่วงเวลาจึงสะท้อนทั้งการเปลี่ยนแปลงของโมเดลและผลิตภัณฑ์ ตลอดจนเวลาที่ผ่านไป ข้อสังเกตเหล่านี้อธิบายเฉพาะระบบ คำถาม และช่วงเวลาการเก็บข้อมูลที่นำมาทดสอบ

คำอธิบายก่อนหน้านี้ของ Muck Rack เกี่ยวกับแนวทางการวิจัยแสดงให้เห็นอย่างชัดเจนว่าการเลือกคำถามมีความสำคัญเพียงใด รายงานอธิบายวิธีสร้างคำถามจากอุตสาหกรรม แบรนด์ และปัญหาในโลกจริง จากนั้นจำแนกการอ้างอิงตามทั้งประเภทสื่อและรูปแบบเนื้อหา คำถามที่นักวิจัยเลือกใช้มีส่วนกำหนดแหล่งข้อมูลที่พบ

สิ่งที่เปลี่ยนแปลงสำหรับผู้จัดพิมพ์และทีมสื่อสาร

บทเรียนที่นำไปใช้ได้ทันทีคือ ควรติดตามการเลือกแหล่งข้อมูลแยกตามผู้ให้บริการและคำถาม ชุดคำถามที่เกี่ยวข้องกับกลุ่มผู้ชมและใช้ซ้ำอย่างสม่ำเสมอในช่วงเวลาต่าง ๆ อาจให้ข้อมูลเชิงลึกได้มากกว่าการปรากฏเพียงครั้งเดียว การบันทึกการเปลี่ยนแปลงของโมเดลควบคู่ไปกับผลลัพธ์เหล่านี้ยังช่วยแยกให้เห็นว่าเกิดผลจากงานบรรณาธิการหรือการเผยแพร่เนื้อหา หรือเกิดจากการเปลี่ยนแปลงของบริการ AI เอง

สำหรับสำนักข่าว การที่สัดส่วนโดยรวมของแหล่งข่าวด้านวารสารศาสตร์ลดลงไม่ได้ทำให้บทบาทของสื่อในการอธิบายพัฒนาการใหม่ ๆ หรือประเมินผลิตภัณฑ์และองค์กรหมดไป สำหรับแบรนด์ การเติบโตของเนื้อหาที่แบรนด์เป็นเจ้าของเปิดช่องทางใหม่ให้เนื้อหาปรากฏในคำตอบ แต่การที่แหล่งข้อมูลจากบุคคลที่สามยังคงมีบทบาทโดดเด่นหมายความว่า การเผยแพร่เนื้อหาบนเว็บไซต์ของบริษัทครอบคลุมระบบนิเวศของแหล่งข้อมูลได้เพียงบางส่วน

รายงานเดือนตุลาคม 2026 AI กำลังอ่านอะไร? รายงาน นำเสนอผลการศึกษาและระเบียบวิธีวิจัยทั้งหมด ใจความสำคัญคือ การอ้างอิงของ AI ยังคงอิงเนื้อหาจากแหล่งข้อมูลของบุคคลที่สามเป็นส่วนใหญ่ ขณะที่องค์ประกอบของแหล่งข้อมูลแตกต่างกันอย่างมากตามผู้ให้บริการ คำถาม และช่วงเวลา