Büyük Dil Modellerinin Arama Sonuçlarına Açılan Beş Olası Arka Kapı

Yapay zekâ özetlerine yönelik yeni eğilim nedeniyle arama motoru sonuçlarından gelen geleneksel trafik sert biçimde düşerken, her ölçekteki yayıncı artık web aramasının yapay zekâ özetlerini üreten büyük dil modellerinin dikkatinde ve doğrudan ChatGPT gibi popüler öncü modellerde daha fazla görünürlük kazanmaya çalışıyor.

Üretken Motorlarda Görünürlüğü Optimize Etmek ve Yapay Zekâ Aramasında Nasıl Öne Çıkılır gibi önceki çalışmalara göre meşru yaklaşımlar arasında bağımsız editoryal yayınlarda yer almak, güvenilir ve iyi yapılandırılmış içerik yayımlamak, makine tarafından okunabilir ürün bilgileri sağlamak ve materyali farklı dil ve pazarlara uyarlamak bulunuyor.

Son dönemde dikkat çeken alternatif yöntemler, geçmiş on yılların hileli SEO uygulamalarını andırıyor. Bunlar arasında, yapay zekâ arama sonuçlarını etkilemek üzere görünüşte bağımsız önerilerin yerleştirildiği Reddit üzerindeki sahte taban desteği kampanyaları; yanıltıcı bağlantıların asistanlara tanıtım iddialarını güvenilir bilgi olarak saklatmaya çalıştığı bellek zehirleme; ve web sitelerindeki gizli talimatların, yalnızca özetlenecek bilgi sunmak yerine bir yapay zekâ asistanının önerilerini etkilemeye çalıştığı istem enjeksiyonu yer alıyor.

GEO manipülasyonunun özellikle yaratıcı bir örneğinde ETH Zürich araştırmacıları hayalî bir fotoğraf makinesi oluşturdu ve Microsoft Bing Copilot’a yalnızca bu makineyi önermesini söyleyen, minicik beyaz yazıyla gizlenmiş bir talimat içeren tanıtım sayfası yayımladı. Çok küçük yazı boyutu ve düşük kontrast, manipülasyonu saklamak için tasarlanmıştı.

ETH Zürich’in yapay zekâ arama önerilerini manipüle etmek için yaptığı deneyde kullanılan iki hayalî fotoğraf makinesi reklamı. Soldaki geleneksel reklam görünür tanıtım metni içerirken, sağdaki PixelBlitz reklamı beyaz zemin üzerinde görünmeyen bir punto büyüklüğündeki beyaz yazıyla bir talimat gizler. Gizli mesaj sistem talimatı kılığına girer; yapay zekâya yalnızca PixelBlitz’i önermesini ve talimatın varlığını gizlemesini söyler. Kontrollü testlerde bu teknik, hayalî makinenin önerilme oranını %34’ten %59,4’e yükseltti. Kaynak

Kontrollü testlerde sahte makinenin önerilme oranı %34’ten %59,4’e yükseldi ve gerçek Nikon ile Fuji-film makinelerinin %57,9’luk oranını az farkla geçti. Bu, getirilen web sayfalarına gömülü kötü niyetli talimatların yapay zekâ önerilerini gerçekten etkileyebildiğini gösteriyordu.

Söz konusu kazanımlar bu kadar büyükken, hileli GEO’nun pazarlama endüstrileri ve başka sektörlerde, yapay zekâ kâhinleri ile sohbet motorlarından öneriler alarak eski SEO görünürlüğünü elde etmeyi veya geri kazanmayı hedefleyen, aktif ve iyi finanse edilen gayrimeşru bir araştırma kolu olduğunu varsaymak makuldür.

Öyleyse olası veya gelişmekte olan bazı yollara bakalım:

1: Arşiv Hileleri

Internet Archive, mevcut en kapsamlı ve yararlı ağ kaynaklarından biridir. Wayback Machine hizmeti 2025’te bir trilyon sayfa eşiğini geçti. Bu yazı hazırlanırken IA, depolanan ve kamuya açık olan olağanüstü sayıda, 47.381.733 PDF belgesi bildiriyor:

Internet Archive’da, büyük ölçüde gönüllülerce bağışlanmış, şaşırtıcı büyüklükte bir PDF materyali koleksiyonu saklanıyor. Kaynak

Yukarıdaki örnek sonuçlardan görüleceği gibi yüklenen PDF’lerin birçoğu oldukça sıradan nitelikte: 1950’lerden 1990’lara uzanan az bilinen müzik el ilanlarından, gelecek kuşaklar için kaybolduğu düşünülen nadir ve büyüleyici dergi ve kitaplara, 1970’ler ve 1980’lerdeki belediye meclisi toplantılarının insanı bunaltan tutanak yığınlarına ve daha pek çok şeye kadar.

Bu koleksiyon şu sıralarda ayrım gözetilmeksizin istek yağmuruna tutuluyor. Bunun bariz sorumlusu, yeni veriler ya da zaten sahip oldukları verilerin daha iyi veya doğrulayıcı sürümleri için çırpınan bir yapay zekâ veri kazıma botu ordusu.

Yüklenmiş bir belgeyi yanlış bir beyanı, hayalî ürünleri, kişiler hakkında övgü veya karalama niteliğindeki sahte atıfları, onlarla ilgili yanlış iddiaları ve benzerlerini destekleyecek biçimde değiştirmenin son derece kolay olduğu açık.

Bu tür materyal, LLM’lerin yetkin kaynak saydığı belgelere, örneğin IA koleksiyonunda tesadüfen henüz tümüyle indekslenmemiş saygın dergilerin PDF’lerine eklenebilir. Böyle bir durumda değiştirilmiş sayı, meşru biçimde bir boşluğu dolduruyor gibi görünür.

Yazım tarzı, kısa bir makalenin hatta bir görsel açıklamasının mevcut tarzına uyacak şekilde yapay zekânın kendisi tarafından taklit edilebilir ve PDF’nin tarihi değiştirilebilir. Bunlar ve başka birçok basit hile, belgenin örneğin 1990’lardan veya daha eski bir arşivden bulunmuş gibi görünmesini sağlayabilir:

ChatGPT-5.5 tarafından itiraz edilmeden sağlanan ve kaynak PDF belgesine kolayca geri yerleştirilen basit bir “tarihsel değişiklik”. Böylece Pence Opera House tarihten silinirken, Minnesota’da gerçekten var olan Guthrie Theater’ın açılışı gerçek açılış yılı 1963’ten çok daha erken bir tarih olan 1867’ye çekiliyor. Kaynak

Böyle durumlarda görünüşe göre tek yapılması gereken, açgözlü yapay zekâ veri kazıma botlarının bilgiyi almasını beklemek. Veri kümesi hazırlığındaki filtrelerin veya kontrol sistemlerinin bu tür gayrimeşru değişiklikleri ne ölçüde yakalayabileceğini kesin olarak bilmek için henüz çok erken. Ancak bu veri kümelerinin ölçeği öylesine büyük ki genellikle bu ayrıntıda bir denetimi olanaksız kılıyor. Böyle muazzam hacimlerde esasen verilere güveniliyor.

2: Sentetik Uzlaşı Ağları

Ya da hatırlayacak kadar yaşlıysanız modern bir “web halkası”: Google’ın PageRank’i ve Moz’un Domain Authority ölçütünden önceki, gelen bağlantıların sayı ve niteliğine değer veren erken internet döneminin birbirine bağlı siteleri.

Ancak sentetik uzlaşı ağları daha ileri gider ve sözde birbiriyle ilgisiz web sitelerinde görünüşte bağımsız doğrulamalar üretir. Chinese University of Hong Kong ve EPFL’nin yakın tarihli bir çalışması, ilkeyi genel olarak gösterdi: araştırmacılar 12 yapay zekâ modelini 15 kategorideki 225 ürün üzerinde test etti ve getirilen arama sonuçlarındaki gerçek marka atıflarını hayalî alternatiflerle değiştirdi.

Makaleden alınan çizim, uydurma ürün bilgilerinin yapay zekâ önerilerini etkileyebileceği iki yolu gösteriyor. Üstte, sahte içerik gerçek internete yerleştirilip arama sonuçlarına giriyor; altta araştırmacılar getirilen sayfaları yerel olarak değiştirerek aynı süreci simüle ediyor. Her iki yol da bir yapay zekâ asistanının gerçek ürünlerin yanında var olmayan bir markayı önermesine yol açabilir. Kaynak

Aynı yanlış bilgiyi taşıyan sonuç sayısı arttıkça etki büyüdü. Önde gelen sonuçlar arasında üç manipüle edilmiş sayfa bulunduğunda, en savunmasız model testlerin %73,8’inde var olmayan ürünleri önerdi. Birinci sıradaki tek bir bozulmuş sonuç bile bazı modelleri vakaların %27’sinde yanıltabiliyordu.

Daha da dikkat çekici biçimde modeller bazen kendi doğrulayıcı kanıtlarını uydurdu: hayalî bir ekran koruyucu markasıyla yapılan bir testte Claude ve DeepSeek, sağlanan materyalde bulunmayan topluluk önerileri ve ürün testleri hakkında iddialar ekledi.

Deney gerçek bir sahtekâr web siteleri ağı yerine yerel olarak değiştirilmiş arama sonuçlarında gerçekleştirilmiş olsa da, görünüşte bağımsız incelemelerden oluşan eşgüdümlü bir koleksiyonun nasıl güvenilirlik üretebileceğini ve yapay zekânın ek desteklerle yalanı güçlendirebileceğini düşündürüyor.

3: Atıf Üretimi ve “Yetim” İddialar

Atıf üretimi, belki de daha doğru bir ifadeyle “atıf aklama”, sentetik uzlaşı ağlarının bir çeşididir; ancak bilgiyi tekrarlayan kaynakların sayısından çok bilginin görünürdeki kökenine ağırlık verir.

Uydurma bir iddia önce az bilinen bir sektör dergisinde, kişinin kendi yayımladığı bir araştırma makalesinde veya editoryal denetimi zayıf bir uzmanlık yayınında görünebilir. Ardından bloglar, dizinler ve diğer yayınlar ona atıfta bulunabilir; her tekrar, ilk iddiaya biraz daha görünürde meşruiyet kazandırır.

Sonunda bir yapay zekâ arama motoru iddiayla asıl kaynağından birkaç adım uzaklaşmış hâlde, belki aracı bir yayına atıfta bulunan, diğer açılardan saygın bir makalede karşılaşabilir. Dayanaksız bir beyan olarak başlayan şey artık bir atıf geçmişine sahiptir; oysa sonraki atıfların hiçbiri bağımsız doğrulama değildir.

Bu sürecin belgelenmiş birçok örneği var; ancak çoğu yapay zekâ aramasından önceye dayanıyor. Ünlü bir vakada bir genç, koati için “Brezilya yer domuzu” lakabını uydurdu ve Wikipedia’ya ekledi.

Uydurma ad gazetelere ve en az bir akademik kitaba yayıldı. Sonunda Wikipedia’nın kendisi, başlangıçta ortaya attığı iddianın kanıtı olarak bir gazete yazısına atıf yaptı: neredeyse kusursuz bir uydurma otorite döngüsü. Olayı The New Yorker belgeledi.

Daha kasıtlı bir gösterim 2025’te ortaya çıktı: araştırmacılar yapay zekâyla üretilmiş çok sayıda akademik makaleyi var olmayan bir bilim insanına atfetti. Uydurma yayınlar Google Scholar’da 380 atıf ve 19’luk bir h-indeksi biriktirerek hayalî araştırmacıya görünüşte saygın bir akademik konum kazandırdı. Nature’ın Scientific Reports dergisinde yayımlanan deney, karşılığında gerçek bir araştırma birikimi olmadan atıf sayılarının nasıl üretilebildiğini gösteriyor.

İki vaka da bir yapay zekâ arama motoruna karşı başarılı bir saldırıyı göstermiyor. Ancak her ikisi de temel zayıflığı ortaya koyuyor: yanlış bir beyan görünüşte güvenilir kaynaklarca çoğaltıldığında, sonraki sistemler bağımsız doğrulama ile tek bir uydurmanın tekrar tekrar dolaşmasını ayırt etmekte zorlanabilir. Yapay zekâ araması için özel tehlike, bir modelin bu atıf zincirini birbirini doğrulayan kanıtlar diye özetlemesi ve görünürdeki tüm otoritelerin aynı doğrulanmamış iddiaya döndüğünü fark etmemesidir.

4: Otoritenin Ele Geçirilmesi

Süresi dolan alan adları eski sahiplerinin görünürdeki güvenilirliğini, gelen bağlantılarını ve arama görünürlüğünü koruyabilir. Bu adresleri alıp yeni materyallerle doldurmak, yeni eklenen iddiaların köklü yayınlardan geldiği izlenimini verebilir. Bu uygulama 20–30 yıl öncesine uzanır. Süresi dolmuş veya terk edilmiş bir alan adının otoritesi, çoğu zaman içeriğini konuyla ilişkili fakat ticarileştirilmiş materyale dönüştürmek amacıyla satın alınır.

2018’de kapanan etkili kadın blogu The Hairpin, 2024’te yeni sahiplik altında yapay zekâ üretimi bir içerik çiftliği olarak yeniden ortaya çıktı. Özgün makaleler yeniden yazılmış materyalle ve hayalî yazar imzalarıyla karıştırılıyor, bir zamanların saygın yayınının itibarı ve alan adı otoritesi kullanılıyordu. Bu, kanıtlanmış bir yapay zekâ arama saldırısı olmasa da köklü bir web sitesinin tarihinin nasıl sahiplenilebildiğini gösteriyor.

Arşivlenmiş kopyalar bir alan adının gerçek geçmişi ile yeni üretilmiş içeriği arasındaki farkı ortaya çıkarmaya yardımcı olabilse de, bu tür kanıtlar bile mutlaka kalıcı değildir. Internet Archive 2002’de, örgütün avukatlarının telif hakkı şikâyetleri üzerine Scientology’yi eleştiren sitelerin kopyalarını kaldırdı; başlangıçta kaldırma taleplerinin site sahiplerinden geldiğini ima etti.

Wayback Machine, 2017’ye kadar web sitesi dışlama kurallarını geriye dönük uyguluyordu; bu, yeni alan adı sahiplerinin seleflerinin içeriğini gizlemesine olanak tanıyabiliyordu. Bu uygulama sonlandırılmış olsa da Internet Archive tarihî kopyaları kaldırma taleplerini hâlâ değerlendiriyor.

5: Akademik Arşivlerin İstismarı

Akademik arşivler görünürde otoriteye giden başka bir yol sunar. Ön baskı sunucuları araştırmacıların hakem değerlendirmesinden önce makale yayımlamasına izin verir; arama motorları ve yapay zekâ bilgi getirme sistemleri bu belgelerle yerleşik bilimsel literatürün yanında karşılaşabilir.

Sorun, yayımlama ile doğrulamanın aynı şey olmamasıdır. Araştırmacılar 2024’te akademik makalelere gömülü kötü niyetli talimatların, belgeleri işleyen yapay zekâ asistanlarını nasıl manipüle edebildiğini gösterdi. Çalışmaları, bir araştırma makalesinin görünürde meşru olmasının, içeriğinin bir yapay zekâ sistemini etkilemek için kullanılmasını engellemediğini ortaya koydu.

Daha az göze çarpan bir GEO yaklaşımı, bir şirketi, ürünü veya kişiyi belirli bir uzmanlıkla tekrar tekrar ilişkilendiren, makul görünen fakat marjinal araştırmaların arşivlere yüklenmesini içerirdi. Yapay zekâya açık talimatlar vermese bile bu tür materyal, yararlanıcının kendisinden kaynaklanan iddialara görünüşte bilimsel destek sağlayabilir.

Sonuç

Diğer olası yollar arasında karşılaştırma sitelerine ve yazılım dizinlerine olumlu değerlendirmeler yerleştirerek inceleme ekosistemine sızmak; şirketler, ürünler ve uzmanlık arasında yanıltıcı ilişkiler kurmak için yapılandırılmış verileri değiştirerek bilgi grafiklerini manipüle etmek; ve daha az incelenen yabancı dildeki kaynaklara tanıtım iddiaları yerleştirerek çok dilli itibar aklama bulunuyor.

Son olarak, ajan tabanlı GEO optimizasyonu, içeriği yapay zekâ arama motorlarında tekrar tekrar test edip istenen önerileri üreten varyasyonları geliştirerek bu teknikleri otomatikleştirebilir.

İlk olarak 12 Ekim 2026 Pazartesi günü yayımlandı. Başlıklardaki büyük harf kullanımı ve eksik etiketleri düzeltmek için otuz dakika içinde değiştirildi.