สองรายงานอิสระออกวันเดียวกัน — หนึ่งในสามของการอ้างอิงที่ Perplexity แปะไว้ ชี้ไปหน้าที่ไม่มีตัวเลขนั้นอยู่ อีกฉบับพบสามเว็บที่ปั๊มหน้า "ซอฟต์แวร์ที่ดีที่สุด" ไว้ 215,128 หน้า

วันที่ 2 ก.ย. 2026 มีรายงานตรวจสอบ ชั้นการอ้างอิง (citation layer) ของ Perplexity ออกมาสองฉบับ จากสองสำนักที่ไม่เกี่ยวกัน ในวันเดียวกัน และถามคนละคำถาม — ฉบับหนึ่งถามว่า “ลิงก์ที่แปะไว้มีตัวเลขที่อ้างจริงไหม” อีกฉบับถามว่า “เว็บที่ถูกอ้างเป็นเว็บแบบไหน” ทั้งสองฉบับได้คำตอบที่ประกอบกันแล้วชี้ไปทางเดียวกัน

เรื่องนี้สำคัญกับคนสร้างของ ไม่ใช่แค่คนใช้ค้นหา เพราะรูปแบบ “ตอบพร้อมเชิงอรรถ” คือรูปแบบที่ RAG และเอเจนต์ที่ต่อเว็บเสิร์ชแทบทุกตัวลอกมาใช้ และสมมติฐานเงียบ ๆ ที่อยู่ใต้มันคือ เชิงอรรถเท่ากับการตรวจสอบแล้ว สองรายงานนี้วัดสมมติฐานนั้นตรง ๆ เป็นครั้งแรก

ฉบับที่หนึ่ง: ลิงก์ชี้ไปที่ไหน แล้วมีตัวเลขนั้นจริงไหม

Haus Research (รายงาน HR-2026-09) ถามคำถามเชิงข้อเท็จจริง 310 คำถามเกี่ยวกับบริษัทเทคโนโลยี 210 แห่ง ผ่านเทมเพลตคำถาม 10 แบบ (ปีก่อตั้ง เงินระดมทุน จำนวนพนักงาน ราคา สำนักงานใหญ่ รายได้ เหตุข้อมูลรั่ว ซีอีโอ การควบรวม uptime SLA) แล้ว ดึงทุก URL ที่ถูกอ้างมาเปิดจริง (ลองซ้ำสามครั้งถ้าเปิดไม่ได้) เพื่อตรวจว่าหน้านั้นมีตัวเลขที่ประโยคอ้างถึงอยู่หรือไม่

ตัวเลขหลักคือประโยคนี้ในรายงาน:

“Of 1,826 citations Perplexity’s search models attached to a sentence stating a figure, 34.7% pointed at a page that either would not open or did not contain a single figure from that sentence.”

สิ่งที่ต้องอ่านให้ตรงคือ 34.7% ไม่ได้แปลว่าคำตอบผิด 34.7% รายงานระบุชัดเองว่า “A claim can be true with a bad citation, which most of these are.” และเมื่อนับแบบต่อข้อกล่าวอ้าง (ข้อหนึ่งผ่านถ้ามีหน้ารองรับอย่างน้อยหนึ่งหน้า) อัตราตกอยู่ที่ 14.4% ไม่ใช่ 34.7% — คือส่วนใหญ่ของปัญหาคือ เชิงอรรถที่ตรวจไม่ได้ ไม่ใช่ ข้อมูลที่ผิด ซึ่งยังเป็นปัญหาอยู่ดี แค่คนละปัญหา

องค์ประกอบของ 34.7%: ลิงก์ตาย 1.3%, หน้าที่ติดเพย์วอลล์หรือต้องล็อกอิน 16.1%, หน้าที่เปิดได้และอ่านได้ 78.7% แปลว่า ตัวการใหญ่ที่สุดไม่ใช่ลิงก์เสีย แต่คือหน้าที่เปิดได้แต่ไม่มีตัวเลขนั้น

ที่น่าสนใจสำหรับคนออกแบบระบบคือการแยกตามประเภทคำถาม เรียงจากแย่ไปดี: ระบุซีอีโอผ่าน 44.3%, สำนักงานใหญ่ 53.0%, ราคาเริ่มต้น 62.6%, เหตุการณ์ด้านความปลอดภัย 66.8%, uptime SLA 69.0%, การควบรวม 69.1%, รอบระดมทุน 70.9%, รายได้ 72.4%, ปีก่อตั้ง 75.0%, จำนวนพนักงาน 82.0%

รูปแบบชัด: ข้อเท็จจริงที่เปลี่ยนบ่อยและอยู่ในหน้าที่ถูกแก้ทับ (ซีอีโอ ที่ตั้ง ราคา) แย่ที่สุด ส่วนข้อเท็จจริงที่นิ่งและถูกบันทึกไว้ในหลายที่ (ปีก่อตั้ง) ดีที่สุด — ซึ่งเป็นรูปแบบของปัญหา retrieval ไม่ใช่ปัญหาโมเดล และเป็นข่าวร้ายกว่าที่ดูเผิน ๆ เพราะคำถามที่คนถามจริงมักเป็นคำถามประเภทที่เปลี่ยนบ่อย

ทั้งสองโมเดลทำได้พอ ๆ กัน (sonar 65.9%, sonar-pro 64.7%) และอ้างแหล่งพอ ๆ กัน (9.8 กับ 9.7 แหล่งต่อคำตอบ) — การอัปเกรดไปรุ่นแพงกว่าไม่ได้แก้เรื่องนี้

ท่อนที่ควรอ่านคู่กับรายงานอีกฉบับคือส่วนที่นับว่าแหล่งอ้างอิงคืออะไร: “23.4% point at the company’s own domain and 23.1% at a B2B directory, revenue estimator or lead list.” และผลจากการเช็กกับ Wayback Machine 1,500 URL — 25.1% ไม่เคยถูกเก็บสำเนาไว้เลยแม้แต่ครั้งเดียว และเฉพาะกลุ่มหน้าไดเรกทอรี ตัวเลขนี้ขึ้นเป็น 39.3%

ฉบับที่สอง: หน้าที่ถูกอ้างมาจากไหน

Trellner Research (รายงาน TR-2026-009) ถามคำถามหมวดซอฟต์แวร์ 380 คำถามผ่าน sonar และ sonar-pro ทาง OpenRouter เก็บ URL ที่ถูกอ้างได้ 7,534 การอ้างอิง จาก 2,055 โดเมน แล้วเอาไปเทียบกับอันดับ Tranco top-1M และ Wayback Machine

• 59.8% ของการอ้างอิง ชี้ไปโดเมนที่อยู่อันดับแย่กว่า 100,000
• 23.4% ชี้ไปโดเมนที่อยู่นอก 1 ล้านอันดับแรกไปเลย
• แหล่งที่ถูกอ้างมากที่สุด: G2 (291 ครั้ง / 3.86%), Reddit (261 / 3.46%), GuideFlow (194 / 2.57%)

อันดับสามคือจุดที่รายงานหยุดเล่าแล้วเริ่มขุด — GuideFlow เป็นบล็อกการตลาดของบริษัทที่ขายเครื่องมือทำ product demo ไม่ได้เกี่ยวกับหมวดซอฟต์แวร์ส่วนใหญ่ที่ถูกถาม แล้วรายงานพบชุดเว็บสามแห่ง — WifiTalents, WorldMetrics และ Gitnux — ที่ “delegate DNS to the same pair of Cloudflare nameservers” และใช้เทมเพลตหน้าเหมือนกัน รวมกันแล้วผลิตหน้า “ซอฟต์แวร์ที่ดีที่สุด” ด้วยเครื่องไว้ 215,128 หน้า และหน้าเหล่านั้นถูกอ้างอิงจริงในคำตอบ

รายงานระบุข้อจำกัดของตัวเองไว้ตรง ๆ: ทดสอบเฉพาะ Perplexity, หมวดคำถามไม่ได้มาจากคำค้นของผู้ซื้อจริง, เป็น “one day’s snapshot” และ ไม่ได้ทดสอบว่าถ้าตัดแหล่งเหล่านี้ออกแล้วคำแนะนำจะเปลี่ยนหรือไม่ — ข้อสุดท้ายสำคัญ เพราะมันคือความต่างระหว่าง “ถูกอ้าง” กับ “มีอิทธิพลต่อคำตอบ” ซึ่งรายงานยังพิสูจน์ไม่ได้

จุดที่สองรายงานบรรจบกัน และจุดที่ต้องหักส่วนลดให้ทั้งคู่

สองทีมใช้วิธีคนละแบบ — ฝ่ายหนึ่งเปิดหน้าไปหาตัวเลข อีกฝ่ายเอาโดเมนไปเทียบอันดับและสำเนาเก็บถาวร — แล้วชนกันที่ข้อสรุปเดียวกัน: ชั้นแหล่งอ้างอิงถูกครองโดยหน้าที่ผลิตเพื่อให้ถูกดึงไปอ้าง มากกว่าหน้าที่มีตัวเลขจริง ตัวเลข 23.1% ที่ชี้ไปไดเรกทอรี/ตัวประเมินรายได้/ลีดลิสต์ (Haus) และ 59.8% ที่ชี้ไปโดเมนอันดับต่ำกว่าแสน (Trellner) เป็นการวัดคนละอย่างที่บอกเรื่องเดียวกัน และ 39.3% ของหน้าไดเรกทอรีที่ไม่มีสำเนาใน Wayback เลย คือลายเซ็นของหน้าที่ไม่มีมนุษย์คนไหนเคยแวะ

ส่วนลดที่ต้องหักให้ทั้งคู่มีสามข้อ และเป็นข้อเดียวกันทั้งสองฉบับ

หนึ่ง — ทั้งคู่ทดสอบ API ไม่ใช่ตัวสินค้า ทั้งสองรายงานยิงผ่าน sonar/sonar-pro ทาง OpenRouter ไม่ใช่ Perplexity ตัวที่ผู้ใช้ทั่วไปเปิดใช้ Haus ระบุข้อนี้ไว้เอง ผลจึงอาจไม่ตรงกับประสบการณ์ในผลิตภัณฑ์จริง ซึ่งอาจมีชั้นจัดอันดับหรือกรองแหล่งเพิ่ม

สอง — สแนปช็อตวันเดียว ทั้งสองฉบับ ไม่ใช่การวัดอัตราการเสื่อมของลิงก์ ไม่มีการวัดซ้ำ ไม่มีการเทียบกับเครื่องมืออื่น (ไม่มี ChatGPT Search, ไม่มี Gemini, ไม่มี Google AI Overviews) จึงยังบอกไม่ได้ว่านี่เป็นปัญหาของ Perplexity หรือปัญหาของทั้งหมวด — ซึ่งข้อหลังน่าจะจริงกว่าแต่ยังไม่มีใครวัด

สาม — เป็นงานที่สำนักวิจัยเผยแพร่เอง ไม่ผ่าน peer review โค้ดและชุดข้อมูลดิบไม่ได้ถูกปล่อยพร้อมรายงานทั้งสองฉบับ ทำให้ตรวจซ้ำไม่ได้ในระดับเดียวกับเบนช์มาร์ก harness ที่ปล่อย JSON ดิบออกมาให้ตรวจ และคำถามในทั้งสองงานถูกเลือกด้วยมือ ไม่ได้สุ่มจากประชากรที่นิยามไว้ — Haus ระบุข้อนี้ไว้เองเช่นกัน

มุมมอง AI Curator

สิ่งที่ผมคิดว่าเป็นข้อค้นพบที่แท้จริงของวันนี้ ไม่ใช่ตัวเลข 34.7% แต่คือ ความต่างระหว่าง 34.7% กับ 14.4% — คือช่องว่างระหว่าง “เชิงอรรถที่ยืนยันไม่ได้” กับ “คำตอบที่ผิด” ระบบ AI search ทุกวันนี้เก่งพอที่จะตอบถูกในกรณีส่วนใหญ่ แต่ยังแย่มากในการแสดงหลักฐานว่าทำไมถึงถูก และเรากำลังสอนผู้ใช้ทั้งโลกให้เชื่อสิ่งที่สอง โดยที่ระบบส่งมอบได้แค่สิ่งแรก เชิงอรรถกลายเป็น UI ที่สื่อความน่าเชื่อถือ มากกว่าจะเป็นกลไกตรวจสอบ

สำหรับคนที่กำลังสร้าง RAG หรือเอเจนต์ที่ต่อเว็บเสิร์ช บทเรียนนำไปใช้ได้ทันทีมีสองข้อ ข้อแรก: แยกขั้น “ดึงมา” ออกจากขั้น “ยืนยัน” ให้เป็นคนละขั้น ระบบส่วนใหญ่แปะ URL ที่ retriever คืนมาเป็นเชิงอรรถโดยไม่เคยเปิดกลับไปดูว่าข้อความที่โมเดลเขียนมีอยู่ในหน้านั้นจริงหรือไม่ การเพิ่มขั้นตรวจ (“ตัวเลขนี้ปรากฏในเนื้อหน้าที่ดึงมาไหม”) ราคาถูกกว่าที่คิดมาก และมันคือขั้นที่รายงานฉบับ Haus ทำแล้วพบ 34.7% ข้อสอง: ให้น้ำหนักตามความสด ตารางแยกตามประเภทคำถามบอกชัดว่าข้อเท็จจริงที่เปลี่ยนบ่อยพังก่อนเสมอ ถ้าระบบคุณตอบคำถามประเภทราคา ผู้บริหาร หรือสถานะปัจจุบัน คุณอยู่ในโซนที่แย่ที่สุดโดยไม่รู้ตัว

สำหรับบริบทไทย ผมคิดว่าปัญหานี้จะหนักกว่าที่รายงานวัดได้อย่างมีนัยสำคัญ ด้วยเหตุผลเชิงโครงสร้าง: ทั้งสองงานวัดบนคำถามภาษาอังกฤษ ในหมวดที่มีแหล่งอ้างอิงคุณภาพสูงอยู่จำนวนมาก ภาษาไทยมีแหล่งที่มีอำนาจน้อยกว่ามากต่อหนึ่งหัวข้อ ขณะที่มีเว็บที่แปลอัตโนมัติและเว็บรวมข่าวที่คัดลอกต่อ ๆ กันมาเยอะกว่าตามสัดส่วน — เงื่อนไขแบบนี้คือเงื่อนไขที่ทำให้ 59.8% ของ Trellner สูงขึ้น ไม่ใช่ลดลง และหน้าราชการไทยจำนวนมากเป็น PDF ที่ crawler อ่านไม่ออกหรือเป็นหน้าที่เรนเดอร์ด้วย JavaScript ซึ่งรายงาน Haus ระบุเองว่าไม่ได้รันสคริปต์ตอนดึงหน้า ทีมที่ทำ AI search ภาษาไทยหรือผู้ช่วยตอบคำถามในองค์กรไทย ควรถือว่าตัวเลขในรายงานนี้เป็นเพดานบน ไม่ใช่ค่าประมาณ

และประเด็นสุดท้ายที่ผมอยากให้คนไทยที่ทำคอนเทนต์ฟังไว้: การมีอยู่ของ 215,128 หน้าที่ปั๊มด้วยเครื่องแล้วถูกอ้างจริง คือหลักฐานว่า SEO สำหรับเครื่องอ่านกำลังกลายเป็นอุตสาหกรรมแยกจาก SEO สำหรับคนอ่าน และมันได้ผล ในระยะสั้นนี่เป็นช่องทางที่คนจะเข้าไปเล่นแน่ ๆ รวมถึงในตลาดไทย ในระยะยาวมันคือเหตุผลว่าทำไมชั้นตรวจสอบต้องอยู่ฝั่งระบบที่ตอบ ไม่ใช่ฝั่งคนอ่านที่ไม่มีทางเปิดลิงก์ทั้งสิบลิงก์ทุกครั้ง — เพราะฝั่งที่ปั๊มหน้าทำงานเร็วกว่าฝั่งที่ตรวจเสมอ

แหล่งข่าว

• Haus Research — Perplexity Citation Audit (HR-2026-09) (2 ก.ย. 2026)
• Trellner Research — Manufactured Sources Behind AI Recommendations (TR-2026-009) (2 ก.ย. 2026)
• Hacker News — Three sites made 215,128 “best software” pages for AI. Perplexity cites them
• Tranco — รายการจัดอันดับโดเมนที่ใช้เป็นเกณฑ์เทียบ