Ψεύτικα think tanks και AI: πώς κατασκευάζεται η ψηφιακή αυθεντία

Τι αποκάλυψε η υπόθεση IBI

Στις 25 Αυγούστου 2026, η OpenAI ανακοίνωσε ότι απαγόρευσε μια συστάδα λογαριασμών ChatGPT που, κατά την εκτίμησή της, προέρχονταν πολύ πιθανό από τη Ρωσία και προωθούσαν το International Burke Institute. Το IBI παρουσιαζόταν ως «κοινότητα ειδικών» με βάση το Ισραήλ. Η έρευνα ξεκίνησε από AI-generated social posts, αλλά οδήγησε σε έναν ιστότοπο με αντιγραμμένες ή λανθασμένα αποδιδόμενες ακαδημαϊκές εργασίες και σε έναν Burke Sovereignty Index που παρουσίαζε τη Ρωσία ευνοϊκά και ασκούσε πολεμική κριτική σε δυτικές χώρες.

Η υπόθεση δεν είναι απλώς μια ιστορία για ψεύτικα posts. Το κεντρικό asset ήταν ένας φαινομενικά θεσμικός προορισμός: site, δηλωμένη έδρα, κατάλογος experts, research archive και ένας αριθμητικός δείκτης. Τα posts λειτουργούσαν σαν κορυφή funnel που οδηγούσε σε αυτή την έτοιμη υποδομή. Έτσι, κάθε στρώμα έμοιαζε να επιβεβαιώνει το επόμενο.

Αυτό το μοντέλο αφορά άμεσα το ρίσκο ψευδών πληροφοριών για ένα brand. Μια ανακριβής αναφορά δεν κυκλοφορεί πάντα μόνη της· μπορεί να συνοδεύεται από πηγή που μοιάζει ανεξάρτητη, συγγραφέα που φαίνεται υπαρκτός και μεθοδολογία που δεν έχει ελεγχθεί. Το brand monitoring πρέπει επομένως να χαρτογραφεί την αλυσίδα αυθεντίας, όχι μόνο τη φράση που αναπαράγεται.

Πού χρησιμοποιήθηκε η AI και πού όχι

Σύμφωνα με την OpenAI, οι operators έδιναν ρωσόγλωσσα prompts για να παράγουν κυρίως αγγλόφωνα σχόλια και posts. Ζητούσαν να αφαιρούνται γλωσσικές ενδείξεις ρωσικής προέλευσης και χρησιμοποιούσαν VPN για πρόσβαση στην υπηρεσία. Το υλικό εντοπίστηκε σε Substack, Telegram, X, Facebook και LinkedIn. Κάποιο δημοσιευόταν από λογαριασμούς με το όνομα του IBI και άλλο από προφίλ που έμοιαζαν με καθημερινούς χρήστες και χαρακτηρίστηκαν πιθανώς μη αυθεντικά.

Η κύρια χρήση της AI ήταν η κλίμακα διανομής: δημιουργία posts που προωθούσαν άρθρα του IBI, replies προς πραγματικούς χρήστες του Substack και προσαρμογή ύφους ανά κοινό. Ένας operator παρήγαγε γερμανόγλωσσο υλικό για το Telegram κανάλι «Lahme Ente». Δεύτερος δημιούργησε οπτικά assets για περίπου δώδεκα κανάλια με στόχευση τη Γερμανία, τις ΗΠΑ, τη Γαλλία, την Πολωνία και την Τουρκία και ζητούσε ρωσόγλωσσες περιλήψεις της δραστηριότητάς τους.

Η διάκριση προστατεύει και από το αντίθετο λάθος: να θεωρηθεί ύποπτο κάθε AI-assisted κείμενο. Η παραγωγική χρήση AI σε ένα νόμιμο content workflow με άποψη, πηγές και ιδιοκτησία κοινού διαφέρει από τη συγκαλυμμένη μαζική διανομή που κρύβει ταυτότητα και προέλευση. Το πρόβλημα δεν είναι η συντακτική ρευστότητα· είναι η παραπλανητική επιχειρησιακή πρόθεση και η ψευδής αλυσίδα τεκμηρίων.

Τα στρώματα της ψεύτικης αυθεντίας

Η ψηφιακή αυθεντία κατασκευάζεται πιο πειστικά όταν κανένα μεμονωμένο στοιχείο δεν χρειάζεται να αντέξει βαθύ έλεγχο. Ένα πραγματικό paper δίνει υλικό, ένα ξένο βιογραφικό δίνει πρόσωπο, ένας καλοσχεδιασμένος ιστότοπος δίνει θεσμικό πλαίσιο και ένα δίκτυο λογαριασμών δίνει την εντύπωση οργανικής αποδοχής. Ο ιδιόκτητος δείκτης προσθέτει αριθμούς και κατατάξεις, ακόμη κι αν ο αναγνώστης δεν έχει δει τα δεδομένα ή τον τρόπο υπολογισμού.

Γι’ αυτό ο έλεγχος ενός post ή μιας εικόνας δεν αρκεί. Αν το claim παραπέμπει σε ένα φαινομενικά σοβαρό ινστιτούτο, ο αναλυτής πρέπει να ελέγξει domain, νομική ή οργανωτική παρουσία, ιστορικό εκδόσεων, συγγραφείς, πρωτογενή δεδομένα, μεθοδολογία και ανεξάρτητες αναφορές. Η προσέγγιση συνδέεται με το third-party risk management: ένας εξωτερικός εκδότης γίνεται μέρος του brand μόλις το claim του μπει σε καμπάνια, sales deck ή σελίδα προϊόντος.

Αντιγραμμένα άρθρα και ανασυντεθειμένες ταυτότητες

Η OpenAI εξέτασε δείγμα 36 άρθρων που συνδέονταν με υποτιθέμενους experts και είχαν δημοσιευθεί από τον Σεπτέμβριο του 2025 έως τον Μάιο του 2026. Από αυτά, τα 34 είχαν αντιγραφεί από αλλού στο διαδίκτυο. Ορισμένα ήταν παλαιότερα κείμενα και άλλα είχαν αποδοθεί σε λάθος συγγραφείς. Το εύρημα αφορά το συγκεκριμένο δείγμα· δεν είναι ποσοστό για όλα τα άρθρα του site ούτε γενικό benchmark για online research.

Σε ένα παράδειγμα, άρθρο για τον Οικονομικό Διάδρομο Κίνας–Πακιστάν φαινόταν αντιγραμμένο από εργασία που δημοσίευσε η Cambridge University Press στις 7 Ιουλίου 2025. Το πρωτότυπο είχε γράψει ο Yunas Samad, Research Fellow στο LUMS και Emeritus Professor στο University of Bradford, αλλά στο IBI αποδόθηκε σε καθηγήτρια του University of Nottingham. Η σύγκριση τίτλου, ημερομηνίας, κειμένου και αρχικής σελίδας εκδότη ήταν αρκετή για να φανεί η ασυμφωνία.

Σε άλλο παράδειγμα, κείμενο για τη διακυβέρνηση της μετανάστευσης που είχε δημοσιευθεί από το Migration Policy Institute αποδόθηκε σε Αυστραλή καθηγήτρια χημείας τροφίμων. Ακόμη και η φωτογραφία προφίλ ταίριαζε με παλαιότερη σελίδα ομιλήτριας. Δεν πρόκειται απλώς για plagiarism. Είναι ανασύνθεση ταυτότητας: πραγματικό κείμενο, πραγματική φωτογραφία και ψευδής σύνδεση μεταξύ τους.

Υπήρχαν επίσης γλωσσικά ίχνη, όπως η φράση «Svetofor coalition» σε άρθρο για τη Γερμανία — κυριολεκτική μεταφορά σλαβικής λέξης για το «φανάρι» αντί του καθιερωμένου traffic-light coalition ή Ampelkoalition. Ένα τέτοιο ίχνος δεν αποδεικνύει μόνο του προέλευση. Αποκτά αξία όταν συνδυάζεται με prompts, λογαριασμούς, VPN χρήση, κοινά assets και μοτίβα διανομής.

Περιορισμένη απήχηση, πολύτιμη υποδομή

Η άμεση απήχηση της επιχείρησης φαινόταν περιορισμένη. Τα τυπικά social posts είχαν χαμηλό αριθμό προβολών και οι επίσημοι λογαριασμοί του IBI λίγους subscribers. Τα Telegram κανάλια ήταν μεγαλύτερα, με την OpenAI να αναφέρει γενικά 10.000 έως 20.000 followers το καθένα. Με το Brookings Breakout Scale, η επιχείρηση αξιολογήθηκε στο χαμηλότερο άκρο της Category Three: παρουσία σε πολλές πλατφόρμες και κάποιες ενδείξεις μετάβασης σε αυθεντικά ακροατήρια.

Η Category Three δεν ισοδυναμεί με αποδεδειγμένη πολιτική επιτυχία ούτε οι follower counts αποδεικνύουν ενεργό κοινό. Η κλίμακα του Brookings περιγράφει πόσο μακριά «σπάει» μια επιχείρηση από αρχικές πλατφόρμες και κοινότητες με παρατηρήσιμα στοιχεία. Η σημασία της συγκεκριμένης υπόθεσης βρίσκεται περισσότερο στην έτοιμη υποδομή παρά στη μετρημένη απήχηση.

Ένα site με archive, experts, papers, logos, κανάλια και ιδιόκτητο index είναι επενδυμένο asset. Μπορεί να παραμείνει σχετικά αθόρυβο μέχρι να αποκτήσει το κατάλληλο γεγονός, budget ή συνεργάτη διανομής. Αυτό έχει ήδη φανεί και σε άλλες επιχειρήσεις επιρροής όπου η AI υποστηρίζει μεγαλύτερη μηχανή: ο έλεγχος πρέπει να αποτιμά λογαριασμούς, υποδομή, περιεχόμενο και πραγματική διάδοση χωριστά.

Τα red flags για brand safety και due diligence

Για μια ομάδα marketing, PR ή procurement, το πρώτο red flag είναι η ασυνέχεια μεταξύ ισχυρισμού και πρωτογενούς τεκμηρίου. Ένας index χωρίς δημοσιευμένη μεθοδολογία, ένας expert χωρίς επιβεβαιωμένη σχέση με τον οργανισμό, ένα paper με παλαιότερο όμοιο κείμενο και μια φωτογραφία που εμφανίζεται σε άσχετο επαγγελματικό προφίλ χρειάζονται παύση πριν από αναδημοσίευση.

Το δεύτερο red flag είναι το υπερβολικά κλειστό οικοσύστημα αποδείξεων. Τα social accounts παραπέμπουν στο think tank, το think tank παραπέμπει στους δικούς του experts και οι experts εμφανίζονται μόνο μέσα στο ίδιο domain. Το τρίτο είναι η ασυνήθιστη συγχρονισμένη διανομή: πολλαπλά προφίλ με ελάχιστη άλλη δραστηριότητα, παρόμοια captions και replies που συνδυάζουν κολακεία με πρόσκληση follow.

Το τέταρτο είναι η τεχνική εμφάνιση χωρίς τεχνική διαφάνεια. Αριθμοί, rankings και dashboards δεν είναι ουδέτερα επειδή μοιάζουν με research. Πριν ένας τρίτος δείκτης μπει σε thought-leadership άρθρο, ad, investor deck ή product page, χρειάζονται ορισμοί, πρωτογενή δεδομένα, τύπος υπολογισμού, χρονικό παράθυρο, limitations και πολιτική διορθώσεων. Ένα σύγχρονο brand monitoring πρόγραμμα πρέπει να κρατά και source-level alerts, όχι μόνο mentions.

Πρωτόκολλο ελέγχου σε επτά βήματα

Ο έλεγχος πρέπει να είναι αρκετά γρήγορος για καθημερινό content και αρκετά τεκμηριωμένος για να αντέχει σε audit. Η ομάδα δεν χρειάζεται να αποδείξει ποιος βρίσκεται πίσω από κάθε ύποπτο site. Χρειάζεται να αποφασίσει αν το συγκεκριμένο claim έχει επαρκή provenance για να χρησιμοποιηθεί με το brand της.

Η καταγραφή δημιουργεί διορθώσιμη αλυσίδα. Αν μια πηγή αλλάξει, ένα paper αποσυρθεί ή ένα account αποκαλυφθεί ως μη αυθεντικό, η ομάδα μπορεί να βρει γρήγορα πού χρησιμοποιήθηκε το claim. Είναι η ίδια λογική που χρειάζεται κάθε ψηφιακή παρέμβαση με μετρήσιμη αποτελεσματικότητα και σαφή ευθύνη: outcome χωρίς τεκμηριωμένη διαδικασία δεν αρκεί.

Η σωστή χρήση της AI στην άμυνα

Η AI μπορεί να βοηθήσει στο triage μεγάλου όγκου αναφορών, στην ομαδοποίηση παρόμοιων αφηγήσεων, στην αναζήτηση επαναλαμβανόμενων αποσπασμάτων και στην επισήμανση ασυνήθιστων attribution patterns. Μπορεί επίσης να συγκρίνει εκδόσεις κειμένου και να προτείνει ερωτήματα για ανθρώπινη διερεύνηση. Δεν πρέπει όμως να μετατρέπει ασθενείς ενδείξεις σε βέβαιο attribution.

Ένας AI detector δεν λύνει το πρόβλημα. Στην υπόθεση IBI, κρίσιμα στοιχεία ήταν μη-AI: ο ιστότοπος, οι λανθασμένες αποδόσεις, οι ταυτότητες, ο δείκτης και η σύνδεση μεταξύ καναλιών. Η ασφαλής προσέγγιση συνδυάζει provenance κειμένου, account signals, domain history, archived pages, verification συγγραφέα, γλωσσικές ενδείξεις και ανθρώπινη κρίση. Η ανάλυση για το AEO audit ενός brand χρειάζεται την ίδια διάκριση μεταξύ απλής εμφάνισης και επαληθεύσιμης πηγής.

Η OpenAI αφήνει επίσης ένα σημαντικό όριο ανοικτό: υπήρχαν online ίχνη ότι ορισμένα πραγματικά άτομα στο Ισραήλ μπορεί να εκπροσώπησαν το IBI σε submissions και συνέδρια, αλλά η εταιρεία δηλώνει ότι δεν μπορεί να προσδιορίσει τη σχέση τους με το IBI ή τους operators στη Ρωσία. Μια υπεύθυνη ομάδα κρατά αυτή την αβεβαιότητα ορατή και δεν παρουσιάζει inference ως αποδεδειγμένο γεγονός.

Τι αλλάζει για SEO, AEO και εταιρικό content

Το SEO/AEO ρίσκο είναι διπλό. Πρώτον, ένα brand μπορεί να δανείσει κύρος σε αναξιόπιστη πηγή μέσω backlink, quote ή structured content. Δεύτερον, AI answer engines μπορούν να συναντήσουν ένα πυκνό δίκτυο αλληλοαναφορών και να το συνοψίσουν χωρίς να είναι πάντα ορατή η αρχική ασυνέχεια. Γι’ αυτό οι content operations χρειάζονται source inventory, claim-level citations και review history.

Η Google συνιστά αξιολόγηση περιεχομένου με τα ερωτήματα «Who, How, Why» και δίνει ιδιαίτερο βάρος στην εμπιστοσύνη: ποιος δημιούργησε το περιεχόμενο, πώς παράχθηκε και γιατί υπάρχει. Στην περίπτωση ενός εξωτερικού research asset, η ίδια τριάδα πρέπει να εφαρμοστεί στον εκδότη και όχι μόνο στη σελίδα του brand που τον παραθέτει. Το information gain στο SEO δεν προκύπτει από ανακύκλωση ξένου κύρους, αλλά από πρωτογενή εμπειρία, καθαρή μεθοδολογία και πρόσθετη χρήσιμη ανάλυση.

Για AEO-ready περιεχόμενο, η καλύτερη άμυνα είναι answer-first διατύπωση μαζί με άμεση πηγή και όριο ισχυρισμού. Αν αναφέρεται το «34 από 36», πρέπει να λέγεται ότι είναι δείγμα που εξέτασε η OpenAI. Αν αναφέρεται Category Three, πρέπει να εξηγείται τι μετρά το Brookings scale και τι δεν αποδεικνύει. Ένα content framework για ανθρώπους και μηχανές λειτουργεί μόνο όταν evidence, explanation και limitation μένουν μαζί.

Η επιχειρηματική απόφαση: επαλήθευση πριν από ενίσχυση

Η υπόθεση IBI δείχνει ότι η παραπληροφόρηση μπορεί να λειτουργήσει σαν funnel. Στην κορυφή βρίσκονται posts, replies και οπτικά assets χαμηλού κόστους. Στη μέση βρίσκεται δίκτυο λογαριασμών που επαναλαμβάνει την ίδια πηγή. Στο βάθος υπάρχει ένας προορισμός σχεδιασμένος να μετατρέψει την προσοχή σε εμπιστοσύνη: ένα δήθεν ινστιτούτο με experts, papers και index.

Η πιο χρήσιμη επιχειρηματική αντίδραση δεν είναι ο πανικός για την AI. Είναι η αναβάθμιση του due diligence πριν ένα εξωτερικό claim αποκτήσει το logo, το media budget ή την οργανική ορατότητα της επιχείρησης. Όταν η τεχνητή αυθεντία χτίζεται στρώμα-στρώμα, η επαλήθευση πρέπει να ακολουθεί την ίδια διαδρομή προς τα πίσω — από το post στον εκδότη, από τον εκδότη στον συγγραφέα και από τον συγγραφέα στο πρωτογενές τεκμήριο.