AI บอกข้อมูลบริษัทผิดเพราะมันรู้จักบริษัทจากข้อมูลสาธารณะ ซึ่งมักซ้ำกัน ขัดกัน หรือว่างเปล่า Claude, Microsoft Copilot, ChatGPT และ Gemini รู้จักบริษัทจากสองทาง คือสิ่งที่โมเดลเรียนจากข้อมูลบนเว็บจนถึงวันตัดข้อมูล และหน้าที่มันค้นเจอตอนตอบ ทั้งสองทางอ่านข้อมูลตัวตนชุดเดียวกัน ได้แก่ เว็บของบริษัทและ markup บนหน้านั้น Wikipedia, Wikidata และ Knowledge Panel ของ Google งานวิจัยใน ACL 2023 พบว่าโมเดลตอบเรื่องที่คนรู้จักน้อยผิดบ่อยกว่ามาก GPT-3 ตอบคำถามกลุ่มที่คนรู้จักน้อยที่สุดถูกเพียง 19% เราสำรวจบริษัทใน SET50 เมื่อ 13 พ.ย. 2026 ทั้ง 50 บริษัทมี item ใน Wikidata ที่ระบุชื่อย่อหลักทรัพย์ แต่ 5 บริษัทมีชื่อย่อไปอยู่บนหลาย item ซึ่งรวม item ของรัฐวิสาหกิจและบริษัทลูก อีก 9 บริษัทเพิ่งมี item เมื่อเมษายน 2026 และไม่มีเว็บไซต์ โลโก้ หรือลิงก์ Wikipedia มีเพียง 22 บริษัทที่ข้อมูลพื้นฐานครบ ส่วนหน้าแรกที่อ่านได้ 35 เว็บ มี Organization markup 14 เว็บ และลิงก์ไป Wikipedia หรือ Wikidata แค่ 2 เว็บ บทความนี้มีผลสำรวจ ลำดับการแก้ ตาราง property ของ Wikidata และ template markup ที่ใช้ได้ทันที
ผลสำรวจทำโดย TRAINIAC เมื่อ 13 พ.ย. 2026 วิธีสำรวจอยู่ในหัวข้อผลสำรวจ เราไม่เปิดเผยชื่อบริษัท ข้อมูลของ Google, Microsoft, OpenAI, Anthropic และ Wikimedia ตรวจจากหน้าทางการวันเดียวกัน
AI รู้จักบริษัทจากไหน
| AI | ความรู้ในตัวโมเดล | ค้นข้อมูลใหม่จาก |
|---|---|---|
| Claude | Anthropic ระบุว่าโมเดลเรียนจากข้อมูลบนเว็บที่เปิดเผยต่อสาธารณะร่วมกับข้อมูลชุดอื่น โมเดลรุ่นปัจจุบันตัดข้อมูลที่มิถุนายน 2026 | Brave Search และดัชนีของ Claude-SearchBot |
| Microsoft Copilot | Microsoft ไม่ได้ระบุวันตัดข้อมูลในเอกสารที่เราตรวจ | Bing ซึ่ง Microsoft ระบุว่า Copilot ใช้ฐานการเก็บหน้าและการจัดอันดับเดียวกับ Bing |
| ChatGPT | OpenAI ระบุว่าข้อมูลหลักมาจากข้อมูลบนอินเทอร์เน็ตที่เปิดเผยต่อสาธารณะ โมเดลหลัก GPT-6 Astra ตัดข้อมูลที่ 30 เม.ย. 2026 | ดัชนีของ OAI-SearchBot และผู้ให้บริการค้นหาพันธมิตร |
| Gemini | ไม่ได้ตรวจในรอบนี้ | ดัชนีของ Google Search |
ผลที่ตามมามีสองข้อ
- ข้อมูลที่ผิดก่อนวันตัดข้อมูลค้างอยู่ในโมเดล จนกว่าจะมีรุ่นใหม่ ส่วนที่แก้ได้เร็วคือข้อมูลที่ AI ค้นเจอตอนตอบ Anthropic ระบุว่าการค้นเว็บช่วยให้ Claude ตอบด้วยข้อมูลหลังวันตัดข้อมูลได้ และ OpenAI ระบุว่า ChatGPT ค้นเว็บเองเมื่อคำถามต้องใช้ข้อมูลปัจจุบัน
- บริษัทที่คนรู้จักน้อยเสียเปรียบที่สุด งานวิจัยของ Mallen และคณะ (ACL 2023) สร้างชุดคำถาม 14,000 ข้อจาก Wikidata แล้ววัดความนิยมด้วยยอดเข้าชม Wikipedia พบว่าในกลุ่ม 4,000 ข้อที่คนรู้จักน้อยที่สุด GPT-3 ตอบถูก 19% และการเพิ่มขนาดโมเดลแทบไม่ช่วย แต่ระบบที่ค้นข้อมูลมาประกอบตอบได้ดีกว่ามาก บริษัทไทยขนาดกลางส่วนใหญ่อยู่ในกลุ่มนี้ ข้อมูลสาธารณะที่ค้นเจอและตรงกันทุกที่จึงสำคัญกับบริษัทเหล่านี้มากกว่าแบรนด์ดัง
ฝั่ง Google ระบุว่าข้อมูลใน Knowledge Panel มาจากหลายแหล่งบนเว็บและสร้างขึ้นอัตโนมัติ บล็อกของ Google เมื่อปี 2020 ระบุว่า Wikipedia เป็นแหล่งที่ถูกอ้างบ่อยแต่ไม่ใช่แหล่งเดียว และฐานความรู้สาธารณะอย่าง Wikidata ช่วยระบบของ Google ได้มาก ฝั่ง Bing ระบุว่าใช้ markup เพื่อเสริมและตรวจสอบแหล่งข้อมูลของตัวเอง และการตั้งชื่อองค์กรให้ชัดและตรงกันช่วยให้ถูกใช้เป็นแหล่งข้อมูลและถูกอ้างอิงได้แม่นขึ้น ไม่มีผู้ให้บริการรายใดบอกว่าการแก้ Wikidata หรือ markup จะเปลี่ยนคำตอบของ AI ได้ทันที สิ่งที่ทำได้คือทำให้ข้อมูลที่ระบบเหล่านี้อ่านถูกต้องและตรงกัน
ผลสำรวจ: ตัวตนของบริษัท SET50 บน Wikidata และหน้าแรก
เมื่อ 13 พ.ย. 2026 เราใช้รายชื่อ SET50 และเว็บไซต์ที่แต่ละบริษัทแจ้งในหน้าข้อมูลบริษัทของตลาดหลักทรัพย์แห่งประเทศไทย ชุดเดียวกับผลสำรวจ robots.txt ในคู่มือ GEO แล้วตรวจสองส่วน
- Wikidata ดึงทุก item ที่ระบุตลาดหลักทรัพย์แห่งประเทศไทยพร้อมชื่อย่อหลักทรัพย์ผ่าน Wikidata Query Service แล้วจับคู่กับ 50 ชื่อย่อ ดูวันสร้าง item จากประวัติการแก้ไข
- หน้าแรก ขอหน้าแรกของ 48 เว็บที่มีเว็บไซต์ด้วย user agent ของ browser ปกติ ไม่รัน JavaScript นับเป็นอ่านได้เมื่อตอบ 200 มีข้อความเกิน 300 ตัวอักษร และไม่ใช่หน้า intro แล้วอ่าน JSON-LD ที่เป็นประเภทองค์กร
| สิ่งที่ตรวจ | ผล | หมายเหตุ |
|---|---|---|
| มี item ใน Wikidata ที่ระบุชื่อย่อหลักทรัพย์ | 50 จาก 50 | ชื่อย่อเก็บเป็น qualifier ของ property ตลาดหลักทรัพย์ |
| ชื่อย่อเดียวกันอยู่บนมากกว่าหนึ่ง item | 5 จาก 50 | 2 รายเป็น item ซ้ำของบริษัทเดียวกัน · 3 รายชื่อย่อไปอยู่บน item ขององค์กรอื่นด้วย |
| item เพิ่งสร้างเมื่อเมษายน 2026 | 9 จาก 50 | ทั้ง 9 ไม่มีเว็บไซต์ โลโก้ หรือลิงก์ Wikipedia |
| ระบุเว็บไซต์ทางการ (P856) | 30 จาก 50 | 27 รายตรงกับเว็บที่แจ้งตลาดหลักทรัพย์ · 3 รายต่างกัน |
| มีโลโก้ (P154) | 27 จาก 50 | |
| มีชื่อภาษาไทย | 49 จาก 50 | |
| มีบทความ Wikipedia ภาษาไทย · ภาษาอังกฤษ | 40 · 28 จาก 50 | 10 รายไม่มีทั้งสองภาษา |
| ครบสี่อย่าง: เว็บไซต์ โลโก้ ชื่อไทย และ Wikipedia ไทย | 22 จาก 50 | |
| หน้าแรกอ่านได้ (จาก 48 เว็บ) | 35 จาก 48 | 8 เว็บปฏิเสธคำขอหรือไม่ตอบ · 5 เว็บเป็นหน้า intro หรือหน้าว่าง |
| หน้าแรกมี markup ประเภทองค์กร | 14 จาก 35 | 11 รายใส่โลโก้ |
| markup มี sameAs | 8 จาก 35 | 1 รายใส่ sameAs เป็นข้อความ ไม่ใช่ URL |
| sameAs ลิงก์ไป Wikipedia หรือ Wikidata | 2 จาก 35 |
ข้อผิดพลาด 5 แบบที่เจอในบริษัทใหญ่
ทุกแบบทำให้ระบบที่อ่าน Wikidata หรือหน้าเว็บเห็นบริษัทเดียวเป็นหลายตัว หรือเห็นสองบริษัทเป็นตัวเดียวกัน
- item ซ้ำ บริษัทเดียวมีสอง item ที่ข้อมูลแยกกัน ตัวหนึ่งมีเว็บไซต์และลิงก์ Wikipedia อีกตัวแทบว่าง ระบบที่หยิบตัวว่างไปก็ไม่ได้อะไร
- ชื่อย่อหลักทรัพย์ไปอยู่ผิดองค์กร เจอสามแบบ คือ รัฐวิสาหกิจที่ชื่อคล้ายบริษัทจดทะเบียน บริษัทลูกในกลุ่มเดียวกัน และบริษัทเดิมก่อนปรับโครงสร้างเป็นบริษัทโฮลดิ้ง ทั้งสามแบบทำให้ข้อมูลของสององค์กรปนกัน
- item ว่าง มีแค่ชื่อและชื่อย่อ ไม่มีเว็บไซต์ โลโก้ หรือลิงก์ใด ๆ ที่ยืนยันว่าเป็นบริษัทไหน
- เว็บไซต์ไม่ตรงกับที่แจ้งตลาดหลักทรัพย์ เจอโดเมนเก่าที่ redirect ไปเว็บใหม่ เว็บของแบรนด์ลูก และโดเมนที่ไม่ตอบแล้ว
- markup บนหน้าแรกไม่ชี้ไปที่ไหน 6 จาก 14 เว็บที่มี markup ไม่มี sameAs เลย และอีกรายใส่ sameAs เป็นข้อความแทน URL schema.org กำหนดให้ sameAs เป็น URL ของหน้าที่ยืนยันตัวตน เช่น Wikipedia, Wikidata หรือเว็บทางการ
แก้ตามลำดับนี้
1. ตรวจ Wikidata ของบริษัท
ค้นชื่อบริษัททั้งไทยและอังกฤษใน wikidata.org แล้วดูว่ามีกี่ item และแต่ละ item พูดถึงบริษัทเราจริงหรือไม่ Wikidata อนุญาตให้แก้ item ของตัวเองหรือองค์กรที่เราเป็นตัวแทนได้ แต่ทุกข้อความต้องมีแหล่งอ้างอิงที่ตรวจสอบได้ ใช้เว็บของบริษัทเองเป็นแหล่งอ้างอิงได้เฉพาะข้อมูลของบริษัทเอง ห้ามลบข้อความที่มีแหล่งอ้างอิงของคนอื่น ถ้าเห็นต่างให้คุยในหน้าพูดคุย
- item ซ้ำ Wikidata รวม item ได้เมื่อสอง item พูดถึงสิ่งเดียวกันจริง โดยใช้ gadget รวม item ซึ่งย้ายข้อมูลแล้วเปลี่ยน item เก่าเป็น redirect หน้าช่วยเหลือเน้นว่าต้องแน่ใจก่อนรวมว่าเป็นเรื่องเดียวกัน
- ชื่อย่อบน item ขององค์กรอื่น ย้ายชื่อย่อมาไว้บน item ที่ถูกต้อง พร้อมแหล่งอ้างอิงจากหน้าข้อมูลบริษัทของตลาดหลักทรัพย์
- ไม่มี item Wikidata ให้ทุกคนสร้าง item ได้ แต่ item ต้องผ่านเกณฑ์ความโดดเด่น คือมีบทความใน Wikipedia หรือเป็นสิ่งที่อธิบายได้ด้วยแหล่งอ้างอิงสาธารณะที่น่าเชื่อถือ และ Wikidata แนะนำว่าไม่ควรสร้าง item ของตัวเองถ้าไม่แน่ใจว่าผ่านเกณฑ์
- ถ้าจ้างคนแก้ Wikidata มีนโยบายตั้งแต่ปี 2022 ให้ผู้ที่ได้ค่าตอบแทนเปิดเผยชื่อองค์กรที่จ่ายเงิน
| property | ชื่อไทยใน Wikidata | ใส่อะไร |
|---|---|---|
| P31 | เป็น | ประเภท เช่น บริษัทมหาชน |
| P856 | เว็บไซต์ทางการ | เว็บเดียวกับที่แจ้งตลาดหลักทรัพย์และใช้ใน markup |
| P414 + P249 | ตลาดหลักทรัพย์ + ชื่อย่อหลักทรัพย์ | ตลาดหลักทรัพย์แห่งประเทศไทย และชื่อย่อเป็น qualifier |
| P1448 | ชื่อทางการ | ชื่อนิติบุคคลตามที่จดทะเบียน |
| P13857 | (ยังไม่มีชื่อไทย) | เลขทะเบียนนิติบุคคล property นี้ชี้แหล่งข้อมูลไปที่คลังข้อมูลของกรมพัฒนาธุรกิจการค้า |
| P1278 | (ยังไม่มีชื่อไทย) | รหัส LEI ถ้ามี |
| P154 | โลโก้ | ไฟล์โลโก้บน Wikimedia Commons |
| P571 · P159 | วันที่ก่อตั้ง · ที่ตั้งสำนักงานใหญ่ | วันก่อตั้งและจังหวัดหรือเมือง |
| P749 · P355 | บริษัทแม่ · หน่วยงานลูก | ใช้แยกบริษัทในกลุ่มเดียวกันออกจากกัน |
| ป้ายชื่อและคำอธิบาย | ภาษาไทยและอังกฤษ | คำอธิบายที่ทำให้แยกจากบริษัทชื่อคล้ายได้ Wikidata ไม่ให้สอง item มีป้ายชื่อและคำอธิบายซ้ำกัน |
2. ใส่ Organization markup ที่ตรงกับหน้าเว็บ
Google ระบุว่า Organization markup ช่วยให้ Google แยกองค์กรของเราออกจากองค์กรอื่น ไม่มี property ใดบังคับ แนะนำให้ใส่บนหน้าแรกหรือหน้าเกี่ยวกับเราหน้าเดียว และใช้ประเภทที่ตรงที่สุด เช่น Corporation สำหรับบริษัทมหาชน กติกาทั่วไปของ Google คือ markup ต้องสะท้อนเนื้อหาจริงของหน้า ห้าม mark up สิ่งที่ผู้อ่านมองไม่เห็น และห้ามแอบอ้างเป็นองค์กรอื่น Bing ระบุแบบเดียวกันว่า markup ต้องตรงกับเนื้อหาที่มองเห็น
{
"@context": "https://schema.org",
"@type": "Corporation",
"name": "ตัวอย่างกรุ๊ป",
"alternateName": "Example Group",
"legalName": "บริษัท ตัวอย่างกรุ๊ป จำกัด (มหาชน)",
"url": "https://www.example.co.th/",
"logo": "https://www.example.co.th/logo-512.png",
"foundingDate": "1995-03-01",
"iso6523Code": "0199:รหัส LEI ของบริษัท",
"address": {
"@type": "PostalAddress",
"streetAddress": "เลขที่ ถนน",
"addressLocality": "เขต",
"addressRegion": "กรุงเทพมหานคร",
"postalCode": "10xxx",
"addressCountry": "TH"
},
"sameAs": [
"https://www.wikidata.org/wiki/Q000000",
"https://th.wikipedia.org/wiki/ชื่อบทความ",
"https://www.linkedin.com/company/ชื่อบริษัท",
"https://www.facebook.com/ชื่อเพจ"
]
}
- name กับ alternateName Google ให้ใช้ชื่อเดียวกับชื่อเว็บไซต์ที่ตั้งไว้ ถ้าบริษัทใช้ชื่อไทยและอังกฤษ ให้ใส่อีกชื่อใน alternateName
- logo อย่างน้อย 112x112 พิกเซล Google ใช้เลือกโลโก้ในผลค้นหาและ Knowledge Panel
- iso6523Code Google แนะนำให้ใส่ LEI ด้วยรหัสนำหน้า 0199: แทน property leiCode
- sameAs ใส่ URL ของ item ใน Wikidata ที่ถูกต้องหลังจากแก้ในขั้นที่ 1 แล้ว ไม่ใช่ item ที่ซ้ำ
3. ยืนยันตัวกับ Knowledge Panel
Google ให้ตัวแทนทางการกด "Claim this knowledge panel" แล้วยืนยันผ่านบัญชีที่ผูกกับเว็บทางการ เช่น Search Console หรือ YouTube แต่ระบุว่ายังไม่ใช่ทุก panel ที่ยืนยันได้ หลังยืนยันแล้วเสนอแก้ข้อมูลพร้อมลิงก์หลักฐานได้ แต่คำอธิบายใน panel มาจากแหล่งข้อมูลอื่นและแก้ตรงไม่ได้ ต้องแก้ที่แหล่ง ซึ่งย้อนกลับมาที่ขั้นที่ 1 และ 4 ร้านหรือสาขาที่ลูกค้าเดินทางไปใช้บริการให้ใช้ Google Business Profile แทน ดูบทความเรื่อง AI กับร้านและสาขา
4. Wikipedia: อย่าเขียนเอง
Wikipedia ภาษาไทยถือว่าบริษัทโดดเด่นพอจะมีบทความเมื่อถูกพูดถึงอย่างมีนัยสำคัญจากแหล่งทุติยภูมิที่น่าเชื่อถือหลายแหล่งที่เป็นอิสระต่อกัน ข่าวประชาสัมพันธ์ บทความที่จ่ายเงิน และเว็บของบริษัทเองไม่นับ จำนวนพนักงาน รายได้ หรืออายุบริษัทก็ไม่ทำให้ผ่านเกณฑ์
แนวปฏิบัติเรื่องผลประโยชน์ทับซ้อนของ Wikipedia ภาษาไทยห้ามแก้ไขเพื่อผลประโยชน์ของตัวเอง ให้เปิดเผยถ้าเกี่ยวข้อง แล้วเสนอการแก้ในหน้าพูดคุยแทนการแก้บทความตรง ส่วนข้อกำหนดการใช้งานของมูลนิธิวิกิมีเดียบังคับให้ผู้ที่แก้ไขโดยได้ค่าตอบแทนเปิดเผยผู้ว่าจ้าง ลูกค้า และผู้ได้ประโยชน์ทุกราย แนวปฏิบัติภาษาไทยยังเตือนว่าสื่อเคยรายงานบริษัทที่แอบแก้ Wikipedia จนเสียชื่อเสียง และบทความที่ขึ้นแล้วไม่มีใครเป็นเจ้าของ คนอื่นเพิ่มเรื่องที่บริษัทไม่ชอบได้
สิ่งที่บริษัททำได้คือทำให้มีแหล่งอิสระพูดถึงจริง เช่น ข่าวที่สื่อเขียนเองหรือบทสัมภาษณ์ แล้วให้บรรณาธิการอาสาเป็นคนเขียน ถ้าบทความมีอยู่แล้วแต่ข้อมูลผิด ให้เสนอแก้ในหน้าพูดคุยพร้อมแหล่งอ้างอิง
5. ใช้ชื่อและข้อมูลชุดเดียวกันทุกที่
ชื่อไทย ชื่ออังกฤษ ชื่อนิติบุคคล เว็บไซต์ และที่อยู่ต้องตรงกันบนเว็บของบริษัท หน้าข้อมูลบริษัทของตลาดหลักทรัพย์ Wikidata, LinkedIn, Facebook และไดเรกทอรีอื่น Bing ระบุว่าการตั้งชื่อองค์กร คน สินค้า และสถานที่ให้ชัดและเหมือนกันช่วยให้ถูกอ้างอิงได้แม่นขึ้น และให้ลบข้อมูลที่ล้าสมัยออก
TRAINIAC ช่วยเรื่องนี้อย่างไร
TRAINIAC รับทำ GEO ให้ธุรกิจ รวมถึงตรวจและแก้ตัวตนของบริษัทตามขั้นตอนในบทความนี้ โดยทำตามนโยบายของ Wikidata และ Wikipedia ซึ่งรวมถึงการเปิดเผยเมื่อแก้ในนามของลูกค้า ถ้าต้องการให้ทีมสื่อสารองค์กรทำเอง มีหลักสูตร GEO 1 วัน ส่งรายละเอียดมาที่หน้าติดต่อ ก่อนจ้างใคร อ่านวิธีจ้างทำ GEO และ TOR ประกอบ
แหล่งอ้างอิง
- Organization structured data Google Search Central ปรับล่าสุด 8 ก.ย. 2026
- General structured data guidelines Google Search Central ปรับล่าสุด 10 ก.ค. 2026
- About knowledge panels · Get verified on Google · Submit feedback on content about you Google Search Help
- A reintroduction to our Knowledge Graph and knowledge panels Google, 20 พ.ค. 2020
- Organizing the world's information: where does it all come from? Google, 3 ธ.ค. 2020
- Marking up your site with structured data และ Bing Webmaster Guidelines Microsoft
- Wikidata:Notability · Wikidata:Autobiography · Wikidata:Disclosure of paid editing · Help:Merge · Help:Items Wikidata
- วิกิพีเดีย:ความโดดเด่น (องค์การและบริษัท) และ วิกิพีเดีย:ผลประโยชน์ทับซ้อน วิกิพีเดียภาษาไทย
- Terms of Use Wikimedia Foundation (หัวข้อ Paid Contributions Without Disclosure)
- sameAs schema.org
- Transparency Hub และ Models overview Anthropic
- Web search tool Claude Docs
- How ChatGPT and our foundation models are developed และ Searching the web with ChatGPT OpenAI Help Center
- Models OpenAI (วันตัดข้อมูลของแต่ละรุ่น)
- When Not to Trust Language Models Mallen และคณะ, ACL 2023
- SET50 ตลาดหลักทรัพย์แห่งประเทศไทย และ Wikidata Query Service (ข้อมูลในการสำรวจ)
อ่านต่อ
ภาพรวมว่า AI แต่ละตัวค้นเว็บจากที่ไหนอยู่ในคู่มือ GEO สำหรับธุรกิจไทย และเรื่องที่ไม่ควรทำเพื่อให้ AI พูดถึงบริษัท เช่น ปั่นรีวิวหรือซ่อนข้อความสั่ง AI อยู่ในGEO ที่ผิดกติกาและผิดกฎหมาย