Google-sökning i den artificiella intelligensens tidsålder: En ekonomisk omorientering av den digitala informationsekonomin

Artificiell intelligens som ett omedelbart hot mot den klassiska sökmotormodellen – eller en strategisk utveckling av en redan dominerad marknad?

Under första kvartalet 2025 presenterar sig Google fortfarande officiellt som den obestridda härskaren över det globala söklandskapet. Med en marknadsandel på 91,55 procent bearbetar företaget cirka 8,9 miljarder sökfrågor dagligen, vilket motsvarar ungefär 103 000 frågor per sekund, eller totalt 2,6 biljoner årligen. På mobila enheter upprätthåller Google en praktiskt taget hegemonisk position med en marknadsandel på 96,3 procent. Dessa siffror förmedlar en bild av orubblig dominans, men under den statistiska ytan finns en betydligt mer komplex och volatil bild av ekonomisk omvälvning. Enbart marknadsandelar maskerar en fundamental förändring i värdeförhållandet mellan sökvolym, användarbeteende och realiserade intäktsströmmar.

Under de sista månaderna av 2024 inträffade ett sällsynt fenomen: Googles globala marknadsandel föll under den symboliskt signifikanta tröskeln på 90 procent för första gången på ett decennium. I oktober 2024 låg andelen på 89,34 procent, i november på 89,99 procent och i december på 89,73 procent. Detta markerar den första konsekventa nedgången under denna nivå sedan 2015. Medan analytiker delvis tillskriver denna nedgång regionala förändringar i Asien, signalerar utvecklingen konvergensen av flera strukturella krafter som börjar fundamentalt destabilisera det traditionella sökmotorekosystemet. Det handlar mindre om en radikal utvandring av befintliga användare än om en omvandling av sökbeteende och de därmed sammanhängande ekonomiska vägarna till framgång.

Googles affärsmodell vilar på en elegant, men alltmer skör, arkitektur. År 2024 genererade företaget cirka 307 miljarder dollar i totala intäkter, varav sökannonsering stod för ungefär 175 miljarder dollar. Detta representerar inte bara 57 procent av de totala intäkterna utan utgör också den finansiella ryggraden i hela företagsstrukturen. Mekaniken i denna modell är enkel men effektiv: användare formulerar sökfrågor med explicit eller implicit köpintention; Google presenterar annonser från annonsörer som betalar för klick; användare klickar på dessa annonser eller på organiska sökresultat; och en tresidig marknadsplats skapas mellan användare, utgivare och annonsörer.

Denna arkitektur utmanas fundamentalt av integrationen av artificiell intelligens, särskilt genom tekniken för ”AI-översikter”.

AI-översikter som affärsmodellförstörare: Nedgångens mätvärden

Introduktionen av AI Overviews av Google markerar en vändpunkt. Denna teknik presenterar användarna syntetiserade sammanfattningar av information, genererad av generativa modeller, direkt på sökresultatsidan, utan att de behöver klicka sig vidare till externa webbplatser. Utrullningen gick anmärkningsvärt snabbt: I januari 2025 förekom AI Overviews i 6,49 procent av alla sökfrågor. I mars 2025 hade denna andel fördubblats till cirka 13,14 procent. Det innebär att idag, i mer än en av sju Google-sökningar på den amerikanska marknaden, är initiativet att samla in information genom AI-syntes uppfyllt innan användaren aktiverar ett traditionellt organiskt sökresultat eller en betald annons.

De ekonomiska konsekvenserna av denna expansion blev snabbt uppenbara. Klickfrekvensen, det grundläggande måttet för alla digitalkapitalistiska ekonomiska modeller, reagerade dramatiskt. För sökfrågor som använder AI-översikter sjönk den organiska klickfrekvensen från 1,76 procent i juni 2024 till 0,61 procent i september 2025. Detta motsvarar en minskning med cirka 65 procent, eller, i affärstermer, har tillgången "klicka på organiskt sökresultat" blivit ungefär två tredjedelar mer volatil under trycket från artificiell intelligens. Samtidigt upplevde betalda sökannonser en ännu mer drastisk nedgång: klickfrekvensen kraschade från 19,7 procent till 6,34 procent, en minskning med 68 procent.

Särskilt anmärkningsvärt är samspelet mellan dessa två effekter: Minskningen av klickfrekvenser orsakade av AI-översikter är inte begränsad till sökfrågor där AI-översikter faktiskt visas. Organiska klickfrekvenser minskade också med cirka 41 procent jämfört med föregående år för sökfrågor utan AI-översikter. Detta tyder på en mer djupgående beteendeeffekt: Användare anpassar i grunden sina interaktionsmönster. De lär sig att sökresultat i allt högre grad inte längre är värda att klicka på eftersom AI-system redan ger svar på resultatsidan. Ur ett teoretiskt perspektiv kan denna inlärningseffekt förstås som en form av irrationell riskaversion eller rutinbildning; i verkligheten reagerar dock användarna rationellt på ett föränderligt informationslandskap.

De sammanlagda effekterna av denna omvandling är slående i sin omfattning. Andelen "sökningar utan klick" – sökningar som inte resulterar i ett klick på ett externt resultat – ökade från 56 procent till 69 procent. Omvänt leder nu endast 31 procent av sökfrågorna till ett klick på en extern destination. För utgivare och innehållsskapare representerar detta en trafikförlust av katastrofala proportioner. En analys av Similarweb visade att organisk trafik till nyhetswebbplatser sjönk från över 2,3 miljarder månatliga besök till under 1,7 miljarder på ett år – en förlust på cirka 600 miljoner besök per månad, eller cirka 26 procent av den tidigare trafikvolymen. Enskilda utgivare rapporterar ännu mer dramatiska siffror: En stor amerikansk livsstilstidning observerade en minskning av sin klickfrekvens från 5,1 procent till 0,6 procent, vilket i praktiken är en minskning med cirka 88 procent.

Detta är inte en gradvis, evolutionär justering av sökmotorlandskapet. Detta är en revolution. Implikationen för Google själv är tvåsidig och paradoxal: Å ena sidan leder integrationen av AI Overview till färre klick, medan Google å andra sidan motstår pressen att lansera den här funktionen och argumenterar för att varje klick som inte går förlorat till ChatGPT är värdefullt – och därför är även ett minskat antal klick bättre än inget klick alls. Ett internt Google-memorandum, som har rapporterats, formulerade kortfattat denna kognitiva spänning: Google skulle hellre förlora minskande sökningar till Gemini (Googles egenutvecklade AI-modell) än till ChatGPT, eftersom detta skulle bevara möjligheten att behålla användare inom Googles ekosystem. Med andra ord riskerar Google en minskning av den intäktsgenererande trafikvolymen på medellång sikt för att behålla sin marknadsposition mot decentraliserade AI-konkurrenter på lång sikt.

Denna strategi återspeglar ett grundläggande dilemma inom plattformskapitalismen: när det traditionella måttet på värde – klickgenerering – sätts under press måste alternativa vägar för värdeskapande utvecklas. Google experimenterar med detta genom att utveckla AI-läge, en mer omfattande, konversationsbaserad sökupplevelse utformad för att generera långsiktigt användarengagemang. Affärsmodellen skiftar från transaktionella ("användarklick")-modeller till potentiellt mer integrerade eller till och med prenumerationsbaserade modeller. Prognosen för sökmarknadsföringsintäkter för 2025 på cirka 190,6 miljarder dollar – en ökning med cirka 7 procent jämfört med 2024 – upprätthåller en nominalistisk optimism mot bakgrund av dessa trender. Denna tillväxt kommer dock sannolikt främst att uppnås genom prisökningar (ökningar av kostnad per klick) snarare än ökad volym.

Robby Steins produktfilosofi: Från Snapchat till AI-sökning

Mot denna bakgrund får Robby Steins biografi och explicita produktstrategi, produktchef på Google Search, en särskild betydelse. Stein blev en nyckelfigur i Googles försök att orkestrera omvandlingen av sökmotorer. Hans karriärväg är avslöjande för att förstå den strategiska logiken bakom AI-planerna.

Stein är känd för att ha utvecklat Instagram Stories. Detta produktbeslut ger en insiktsfull fallstudie av både produktutveckling under extremt osäkra förhållanden och hur etablerade plattformar kan neutralisera konkurrenter genom "tillräckligt bra" kopior. År 2013 introducerade Snapchat "Stories", en innovativ funktion för kortlivat, automatiskt försvinnande innehåll på sociala medier. Innovationen var tekniskt elegant och omvälvande när det gäller användarbeteende, och etablerade en ny kategori av interaktion på sociala medier. Snapchat nådde cirka 150 miljoner dagliga aktiva användare år 2016. Instagram, som redan är en del av Facebooks ekosystem och har över 500 miljoner dagliga aktiva användare, kopierade funktionen den 2 augusti 2016.

Konsekvenserna var förödande för Snapchat. Instagram Stories nådde över 150 miljoner dagliga användare inom sex månader. Visningarna på Snapchat Stories sjönk med 15 till 40 procent. Inom ett år hade Snapchat funktionellt neutraliserats i detta segment. Det som skilde Instagram Stories från Snapchat Stories var inte teknisk överlägsenhet, utan operativ överlägsenhet: Instagram integrerade funktionen i ett redan dominerande ekosystem, erbjöd bättre analyser för kreatörer, tillät varumärkes- och användartaggning (vilket Snapchat inte erbjöd) och drivde befintlig teknisk infrastruktur. Detta var ett skolboksexempel på plattformsekonomi: skalfördelar, integrationsmöjligheter och operativ excellens slog innovation på fragmenterade marknader.

I nyligen genomförda intervjuer beskriver Stein sin produktutvecklingsfilosofi som vägledd av tre kärnelement: För det första, "obeveklig förbättring" – ett besatt fokus på iterativ optimering. För det andra, en djup förståelse för användarbeteende inom ramen för komplexa tekniska system. För det tredje, en vilja att fatta kontraintuitiva beslut när data kräver det.

Denna filosofi manifesteras i Googles AI-strategi. Stein har offentligt sagt att Google har identifierat tre pillerliknande komponenter i "nästa generations sökning": AI-översikter (snabba, AI-genererade sammanfattningar), multimodal sökning (bilder, video, Lens) och AI-läge (en konversationsbaserad, turtagningsbaserad sökupplevelse som tidigare varit okänd för Google). Dessa tre element är avsedda att "konvergera" för att skapa en sömlös och mer omfattande sökupplevelse.

Implementeringshastigheten är anmärkningsvärd. AI Mode gick från koncept till lansering på ungefär ett år, vilket är exceptionellt snabbt för ett företag av denna storlek. Detta återspeglar hur nyare produktledare på Google – uttryckligen vägledda av Steins principer – bryter igenom gammal organisatorisk långsamhet.

Steins filosofi innehåller dock också en strukturell svaghet: den innebär en förståelse av "obeveklig förbättring" som en process fokuserad på själva produkten, inte på dess ekosystemiska och distributiva effekter. Ur ett rent användarcentrerat perspektiv kan aggressiva AI-översikter representera "förbättrad" tillgång till information. Men ur utgivares och det bredare webbekosystemets perspektiv, som förlitar sig på klickgenerering, utgör de en destruktiv intervention. Detta skapar ett dilemma: produktchefen som strävar efter maximal användarentusiaster kan samtidigt undergräva företagets affärsmodell eftersom användarupplevelsen och den kommersiella realiseringen inte är kongruenta.

Akademisk spridning: Tre pelare i en fragmenterad omvandling

I nyligen genomförda intervjuer har Stein presenterat ett konceptuellt ramverk för förändringarna i söklandskapet: tre icke-ekvivalenta pelare. Denna kategorisering är mer betydelsefull än den först verkar eftersom den avslöjar hur Google internt förstår fragmenteringen av sin sökstrategi.

Den första pelaren är AI-översikter. Dessa är AI-genererade sammanfattningar av information som presenteras på sökresultatsidan. De fungerar genom att en specialiserad Gemini-modell (Googles egenutvecklade stora språkmodell) tolkar sökfrågan, exekverar en sökstrategi (kallad "query fanout") där modellen automatiskt formulerar och exekverar flera dussin hjälpfrågor för att samla in kontext och sedan genererar ett strukturerat svar. AI-översikter är inriktade på informationsfrågor – "kokande vattentemperatur", "bästa restaurangerna i Berlin", "hur fungerar Bitcoin". De är inte väl lämpade för navigationsfrågor (där en användare söker efter en specifik destination). De är inte heller idealiska för kommersiella frågor med hög prioritet (köpintention), eftersom traditionella annonsformat och produktlistningar fortfarande presterar överlägset inom dessa områden.

Den andra pelaren är multimodal sökning, främst medierad av Google Lens. Detta gör det möjligt för användare att söka med visuell input – att ta ett foto av ett objekt och sedan fråga Google vad objektet är, hur man reparerar det och var man kan köpa det. Google Lens tillväxttakt är imponerande: 15 procents tillväxt jämfört med föregående år och når cirka 20 miljarder månatliga sökfrågor. Detta är en viktig pelare eftersom den visar att Google-sökning inte enbart är textbaserad – interaktionsmediet diversifieras.

Den tredje pelaren är AI-läget. Detta är det nyaste och konceptuellt mest ambitiösa experimentet. Medan AI-översikter är inriktade på punkt-till-punkt-svar (fråga → svar → slut), fungerar AI-läget genom en mer långsiktig, konversationsbaserad interaktion. En användare kan ställa komplexa frågor i flera steg ("Jag letar efter en restaurang i Berlin, min vän har jordnötsallergi, jag skulle vilja ha uteservering, budgetera runt 60 euro per person"), och AI-läget ger steg-för-steg-rekommendationer, förtydligar och förfinar dem, och presenterar alternativ. Det är mindre av en sökmotor och mer av en interaktiv informationsagent.

Denna differentiering av sökstrategin i tre inte helt likvärdiga lägen återspeglar en metastrategi av flexibilitet och valfrihet. Google avstår från att definiera en monolitisk "ny sökning" och presenterar istället en portfölj av söklägen som adresserar olika söktyper och användarpreferenser. Detta är strategiskt intelligent eftersom det placerar flera satsningar samtidigt utan att förbinda sig till en enda innovation som kanske inte är universellt framgångsrik.

Denna portföljstrategi avslöjar dock också en djup osäkerhet. Att tjäna pengar på en fragmenterad sökupplevelse är svårare än att tjäna pengar på en enhetlig arkitektur. När användare väljer mellan olika lägen skapar de förväntningsstabilitet, vilket leder till churn. Och om Google erbjuder olika lägen internt kan ett läge kannibalisera ett annat.

B2B-support och SaaS för SEO och GEO (AI-sökning) kombinerat: Allt-i-ett-lösningen för B2B-företag - Bild: Xpert.Digital

AI-sökning förändrar allt: Hur denna SaaS-lösning revolutionerar dina B2B-rankningar för alltid.

Det digitala landskapet för B2B-företag genomgår snabba förändringar. Drivet av artificiell intelligens skrivs reglerna för synlighet online om. Det har alltid varit en utmaning för företag att inte bara synas i den digitala massan, utan också att vara relevanta för rätt beslutsfattare. Traditionella SEO-strategier och lokal närvarohantering (geomarketing) är komplexa, tidskrävande och ofta en kamp mot ständigt föränderliga algoritmer och intensiv konkurrens.

Men tänk om det fanns en lösning som inte bara förenklar den här processen, utan också gör den smartare, mer förutsägbar och betydligt mer effektiv? Det är här kombinationen av specialiserad B2B-support med en kraftfull SaaS-plattform (Software as a Service), specifikt utformad för SEO och GEO:s behov i AI-sökningens tidsålder, kommer in i bilden.

Denna nya generation verktyg förlitar sig inte längre enbart på manuell sökordsanalys och backlänkstrategier. Istället utnyttjar den artificiell intelligens för att mer exakt förstå sökintentioner, automatiskt optimera lokala rankningsfaktorer och genomföra konkurrensanalyser i realtid. Resultatet är en proaktiv, datadriven strategi som ger B2B-företag en avgörande fördel: De blir inte bara hittade, utan uppfattade som den auktoritativa auktoriteten inom sin nisch och plats.

Här är symbiosen mellan B2B-support och AI-driven SaaS-teknik som förändrar SEO- och GEO-marknadsföring och hur ditt företag kan dra nytta av den för att växa hållbart i den digitala världen.

Mer om detta här:

• B2B-support och blogg för SEO, GEO och AIS – Artificiell intelligenssökning
• Glöm dyra SEO-verktyg – detta alternativ dominerar med oslagbara B2B-funktioner

Gemini-modellens ekokammare: Teknisk arkitektur och dess affärsmässiga konsekvenser

Den underliggande tekniska arkitekturen för Gemini, AI-modellen som driver AI-läge, AI-översikter och multimodal sökning, är relevant för att förstå varför Google driver denna transformation. Till skillnad från många språkmodeller är Gemini utformad för att vara multimodal från grunden. Det innebär att modellen integrerar text, bilder, ljud och video i ett enda neuralt nätverk, snarare än att lägga till dessa modaliteter senare. Detta ger Gemini en strukturell elegans ur ett teoretiskt perspektiv.

Tekniskt sett använder Gemini en så kallad transformer-decoder-arkitektur, optimerad för effektivitet. Modellen körs på Google Clouds Tensor Processing Units (TPU), vilket ger Google en proprietär fördel i inferenshastighet – Google kan köra AI-modeller snabbare och billigare än konkurrenter baserade på generella molninfrastrukturer. Gemini kan utföra tankekedja – det kan dela upp komplexa problem i flera konceptuella steg innan ett svar formuleras. Detta möjliggör djupare logiska strukturer än den ytliga tokengenereringen i tidigare LLM:er.

Avgörande är att Gemini är integrerat med Googles egna datalager. Googles Shopping Graph innehåller cirka 50 miljarder produkter, som uppdateras 2 miljarder gånger i timmen via handlarflöden. Google har tillgång till 250 miljoner platser och kartinformation. Google har tillgång till finansiell data, aktiemarknadsinformation i realtid och hela webben som en källa till kontext. Dessa datalager är inte offentligt tillgängliga – de är proprietära resurser som endast är tillgängliga för Google. Detta ger Gemini (och därmed AI-läge, AI-översikter etc.) en grundläggande fördel som konkurrenter som ChatGPT eller Perplexity saknar. OpenAI måste förlita sig på offentligt tillgänglig data och data som hämtas via API:er. Perplexity måste använda webbskrapning. Google har redan informationen internt.

Denna arkitektur illustrerar varför Googles AI-integration bör ses som strategiskt nödvändig, inte bara valfri. Infrastrukturen finns redan på plats. Informationen finns redan där. Beräkningskapaciteten är redan tillgänglig. Den ekonomiskt rationella handlingsplanen är att utnyttja dessa resurser. Den enda frågan är hur aggressivt monetiseringen bör bedrivas, med tanke på biverkningarna på den traditionella affärsmodellen.

Förvirringsproblemet: konkurrens i bullret

En ofta förbisedd aspekt av diskussionen om AI-sökning är rollen för Perplexity AI. Perplexity grundades 2022 av Aravind Srinivas, en tidigare Google-praktikant, och positionerar sig uttryckligen som ett AI-nativt sökgränssnitt. I augusti 2024 hade Perplexity cirka 15 miljoner månatliga aktiva användare. Företaget rapporterade intäktsprognoser på cirka 40 miljoner dollar för 2024. OpenAI rapporterade prognostiserade intäkter på cirka 11,6 miljarder dollar för 2025 genom sina API-erbjudanden och kommersiell användning av ChatGPT Search.

De aggregerade användarsiffrorna visar dock en överraskande bild: Perplexity och ChatGPT Search bearbetar tillsammans för närvarande cirka 37,5 miljoner sökfrågor per dag för ChatGPT, plus en multipel av den för Perplexity (konservativt uppskattad till cirka 10–20 miljoner), vilket resulterar i totalt cirka 47,5–57,5 miljoner AI-sökfrågor per dag. Samtidigt bearbetar Google cirka 14 miljarder sökfrågor per dag. Det betyder att Google bearbetar ungefär 250–370 gånger fler sökfrågor än Perplexity och ChatGPT tillsammans. Aggregerad AI-söktrafik står för ungefär 0,1 till 0,25 procent av den totala globala webbtrafiken. Detta är brus, inte en signal om ett paradigmskifte.

Detta är betydelsefullt eftersom det visar att trots den massiva riskkapitalfinansieringen av AI-sökföretag, trots mediehypen kring "sökrevolutionen" och trots de genuina tekniska förbättringarna i Perplexity och ChatGPT Search, är klassisk Google Search fortfarande den dominerande informationskällan. Detta betyder inte att Perplexity och ChatGPT Search är oviktiga – de signalerar ett skifte i användarnas förväntningar. Men de betyder inte att Googles marknadsposition är existentiellt hotad.

Dessa siffror kan dock vara missvisande. Medan Perplexity bara representerar 0,01 procent av Googles dagliga sökvolym globalt, är dess penetration bland specifika användargrupper (unga, teknikkunniga, informationsintensiva arbetare) betydligt högre. En riskkapitalanalytiker skulle kunna hävda att Perplexity inte konkurrerar med Google, utan snarare skapar den användartyp som kommer att utgöra den dominerande användargruppen om tio år. Detta är ett klassiskt disruptionsargument. Detta är dock spekulation; aktuell data tyder på en samexistens av sökmodeller snarare än en substitutionsprocess.

Förlagets kollaps: Ekonomisk förstörelse eller omstrukturering av affärsmodellen?

För en fullständig ekonomisk analys måste den destruktiva process som orsakas av Googles AI-integration för utgivare undersökas. Detta är ett verkligt och omedelbart fenomen, inte bara en prognos. Utgivare rapporterar trafikförluster på 70 till 80 procent. En stor amerikansk nyhetstidning förlorade 27 till 38 procent av sin trafik mellan 2024 och 2025. En specialiserad nischblogg om hemrenoveringar förlorade cirka 86 procent av sina intäkter, från cirka 7 000–10 000 dollar per månad till cirka 1 500 dollar per månad.

De ekonomiska konsekvenserna är dramatiska. Nyhetsbranschen i USA förlorade cirka 600 miljoner månatliga besök på mindre än ett år – en minskning med cirka 26 procent. För en bransch baserad på annonsintäkter leder detta direkt till färre visningar, färre klick på annonser, lägre CPM-priser (på grund av konkurrens om färre visningar) och minskande totala intäkter.

Detta är ett klassiskt fall av ekonomisk externalisering av negativa effekter. Google internaliserar vinsterna från den förbättrade användarupplevelsen (användare behöver inte klicka, de får omedelbara svar), men externaliserar kostnaderna till utgivare som inte längre genererar trafik. Denna asymmetriska kostnadsfördelning är ett strukturellt drag i plattformsekonomier, där plattformsoperatörer har förhandlingsstyrka för att flytta kostnadscentra.

Vissa utgivare börjar experimentera med modeller som anammar denna nya verklighet: Istället för att optimera för trafikvolym optimerar de för synliga/varumärkesomnämnanden i AI-resultat. Om Google genererar ett svar för "bästa restaurangerna i Berlin" kan ett omnämnande av en specifik restaurang vara mer värdefullt för den restaurangen än ett klick, eftersom omnämnandet stärker varumärkesigenkänningen och skapar en "top-of-mind"-ingångspunkt. Användare som läser AI-svar som nämner en specifik restaurang kan vara mer benägna att besöka den restaurangen senare, även om de inte klickar omedelbart.

Detta är ingen tröst för utgivare som förlitar sig på omedelbar trafikmonetisering. Men det pekar på en möjlig omstrukturering av utgivarnas affärsmodeller: bort från "trafikvolym × annons-CPM" till "varumärkesaktoritet × premiuminnehållsprenumeration" eller "varumärkesaktoritet × partnerrelationer med högt värde".

Den olösta faktureringsfrågan: Vem betalar för utbildningsdata?

En subtilt viktig men systematiskt förbisedd fråga är frågan om träning av dataattribution. AI-modellerna som driver AI Overviews, AI Mode och ChatGPT Search tränades på webbdata som till 99 procent skapades av enheter som inte är AI-baserade. Utgivare betalar journalister för att skriva artiklar. Nyhetsbyråer betalar korrespondenter för att samla in fakta. Forskare investerar tid i forskning för att publicera dessa resultat. Alla dessa enheter finansierar sin verksamhet genom affärsmodeller som vanligtvis baseras på trafikgenerering eller direkta prenumerationer. Men skapandet av webbinnehåll anses vara ett "allmänt nyttigt" om det inte kompenseras genom direkt intäktsgenerering.

AI-utbildningsprocessen har aldrig kompenserat dessa innehållsskapare. OpenAI utbildade GPT-4 med miljarder artiklar utan att kompensera utgivarna. Google utbildade Gemini med webbinnehåll utan kompensation. Perplexity utbildar sina modeller på liknande sätt. Detta är tekniskt och juridiskt möjligt eftersom det innebär "fair use" (enligt amerikansk upphovsrättslag), men det är etiskt och ekonomiskt asymmetriskt: Innehållsskaparna finansierar AI-utbildningen men får ingen direkt kompensation. Istället skadas de av minskad trafikgenerering.

Detta kan visa sig vara en långsiktig risk för AI-branschen. Om utgivare inte kompenseras för sina träningsdata har de mindre incitament att skapa högkvalitativt innehåll. Webbens kvalitet kommer att försämras. Detta kommer senare att skapa ett problem för AI-modeller som tränas på webbdata – de kommer att träna på innehåll av lägre kvalitet. Detta är ett klassiskt "allmänningens tragedi"-problem. Vissa aktörer (särskilt OpenAI med sina kommersiella resurser och Google med sin inbyggda webbintegration) har redan börjat experimentera med licensierade datakällor (t.ex. OpenAI som samarbetar med nyhetsutgivare för innehållsflöden). Detta kan leda till en framväxande norm där AI-utbildning är delvis licensierad. Men för närvarande är detta fortfarande undantaget, inte regeln.

Destabilisering av värdekedjan: Från annonser till… vad?

Ett grundläggande ekonomiskt problem som skapats av Googles AI-integration är frågan om alternativa intäktsgenereringsvägar när traditionell annonsering blir mindre effektiv. Den klassiska Google-värdekedjan var: användaren formulerar en sökfråga → Google presenterar organiska resultat + annonser → användarens klick → utgivaren eller annonsören får trafikvärde eller en konvertering. Denna värdekedja utgjorde grunden för den digitala ekonomin i 25 år.

AI-översikter destabiliserar denna värdekedja genom att eliminera "klick"-steget. Google behöver etablera nya värdekedjor. Flera metoder testas:

Först: Integrera annonser direkt i AI-översikter och AI-läge. Detta är svårt eftersom användare uttryckligen förstår dessa AI-genererade svar som "icke-annonser". Att integrera annonser i AI-svar riskerar att urholka användarnas förtroende. Google är försiktig här.

För det andra: Monetisering via prenumeration. Google experimenterar med premiumversioner av AI-läge, som så småningom kan bli betalda. Detta skulle innebära att konversationsbaserad AI-sökning skulle vara en premiumfunktion, medan standardsökning skulle förbli gratis. Detta är en freemium-modell, liknande Spotify eller Adobe. Utmaningen är att upprätthålla en tillräckligt hög penetrationsgrad för betalversionerna för att kompensera för förlusten av annonsintäkter.

För det tredje: Monetisering via affärsmodeller som inte baseras på individuell användarmonetisering. Google skulle till exempel kunna erbjuda ett "API för Enterprise AI Search" där företagskunder hyr specifika Gemini-modeller för sina interna sökbehov. Detta skulle flytta affärsmodellen till en B2B-modell, liknande Google Cloud.

Fjärde: Monetisering via datamonetisering. När Google genomför miljontals AI-interaktioner med användare genereras enorma mängder användaravsiktsdata. Denna data är otroligt värdefull för annonsinriktning. Google skulle kunna använda denna data för att förbättra annonsörernas inriktning, även om klickfrekvensen minskar. Detta är en form av indirekt monetisering.

Inget av dessa alternativ är uppenbarligen lika lönsamt som den klassiska formeln ”klick × CPM”. Men tillsammans skulle de potentiellt kunna skapa ett nytt ekosystem för värdeskapande.

Det strategiska dilemmaet med obeveklig förbättring

Steins filosofi om "obeveklig förbättring" stöter på en grundläggande konfliktstruktur: Produktförbättringsprocessen ur användarens perspektiv står i direkt konflikt med affärsmodellens stabilitet. En bättre produkt (AI-översikter som ger omedelbara svar) skadar affärsmodellen (annonsklick minskar). Detta är inte ett gradvis, måttligt dilemma – det är ett strukturellt radikalt sådant.

Problemet är ännu mer komplext eftersom det är en timingfråga. Google skulle teoretiskt sett kunna sakta ner eller stoppa utrullningen av AI Overviews. Detta skulle skydda annonsintäkterna på kort sikt. Men det skulle också innebära att Perplexity och ChatGPT Search skulle bli tekniskt överlägsna, och användare skulle migrera till dessa plattformar. Med andra ord, genom att inte agera riskerar Google att förlora marknadsandelar till konkurrenter som prioriterar användarupplevelsen. Detta skapar ett fångens dilemma: alla aktörer tvingas maximera användarupplevelsen, även om detta tillsammans leder till en intäktskris.

Ett annat sätt att förstå detta: AI-integration är inte bara ett funktionsbeslut; det är en existentiell strategi mot decentraliserad konkurrens. Google måste bygga in AI-funktioner, annars kommer sökmotorer att migrera till ChatGPT. Men denna integration skapar omedelbara problem med affärsmodellen. Google accepterar denna kortsiktiga uppoffring som nödvändig för sin långsiktiga marknadsposition.

Paradoxen med tillväxt med fallande intäktsmultiplar

En sista viktig punkt: Googles sökvolym fortsätter att växa. Den årliga tillväxttakten för sökfrågor låg på cirka 4,7 procent år 2025, jämfört med 4,1 procent år 2024. Det betyder att den absoluta sökvolymen ökar. Denna expansion har dock skett samtidigt som intäktsgenereringsmultiplikatorerna minskar. En Google-sökfråga är värd mindre än den var för ett år sedan eftersom sannolikheten för ett klick är lägre.

Om denna trend fortsätter – volymtillväxt × fallande intäktsgenerering – kommer det att leda till en ekonomi av att "frossa i ruiner", där Google genererar mer trafik men får mindre intäkter från den. Även om detta är bättre för användaren (fler sökningar, bättre kvalitet), är det dåligt för Google (mindre intäkter per sökning, potentiellt minskande totala intäkter).

Prognosen för sökmarknadsföringsintäkter på 190,6 miljarder dollar för 2025 (jämfört med 178,2 miljarder dollar år 2024) tyder på att Google kompenserar för volymförluster genom aggressiva CPM-ökningar (vilket tvingar annonsörer att betala högre priser). Detta är ett kortsiktigt spel – annonsörer kommer så småningom att migrera till alternativa kanaler (t.ex. direkt till återförsäljare, Amazon Ads, TikTok Ads) om Googles effektivitet fortsätter att minska. Den nuvarande "prognosen" kan vara en prognos på sand, inte på stabil grund.

Innovation under press och omständigheterna i scenariot

Googles omvandling från en klassisk sökmotor till ett AI-baserat sökgränssnitt är inte en frivillig strategiförändring; det är en påtvingad anpassning mot flera samtidiga störningar: ChatGPT/OpenAI som ny konkurrens, Perplexity AI som en ny sökkanal, internt teknologiskt tryck (Gemini och andra AI-modeller är redan byggda; det är irrationellt att inte använda dem) och en förändring i användarnas förväntningar (användare förväntar sig AI-funktioner i alla digitala produkter).

Robby Steins produktutvecklingsfilosofi – ständig förbättring, besatt optimering av användarupplevelsen och en beredskap för konvertering – fungerar när användarförbättring och affärsmodellstabilitet är i linje. Men i samband med AI-disruption står dessa mål i konflikt. Steins tillvägagångssätt gör det möjligt för Google att aggressivt driva AI-innovation men misslyckas med att ge omedelbara lösningar på de affärsmodellproblem som denna innovation skapar.

Det långsiktiga scenariot är oklart. Flera möjligheter finns: (1) Google stabiliseras på en ny ekonomisk grund där AI-sökning, premiumabonnemang, B2B-tjänster och förbättrad annonsörsinriktning kombineras för att skapa en ny intäktsportfölj. (2) Google förlorar gradvis marknadsandelar till Perplexity, ChatGPT Search och andra decentraliserade modeller eftersom dessa konkurrenter erbjuder bättre användarupplevelser och inte begränsas av affärsmodeller som prioriterar intäktsgenerering. (3) En regulatorisk kris hindrar Google från att utnyttja sin datafördel, och konkurrenslandskapet förblir fragmenterat.

För närvarande är scenario 1 det mest troliga eftersom Googles strukturella fördelar (databas, användarbas, infrastruktur) fortfarande är betydande. Men osäkerheten är verklig, och omvandlingen är permanent och strukturell, inte bara gradvis. I vilket fall som helst är en sak klar: eran av ren klickbaserad sökmonetisering är över. Något nytt framträder, men dess form har ännu inte stabiliserats.

☑ Vårt affärsspråk är engelska eller tyska

☑ Nytt: korrespondens på ditt nationella språk!

Konrad Wolfenstein

Jag är glad att vara tillgänglig för dig och mitt team som personlig konsult.

Du kan kontakta mig genom att fylla i kontaktformuläret eller helt enkelt ringa mig på +49 89 674 804 (München) . Min e -postadress är: Wolfenstein ∂ xpert.digital

Jag ser fram emot vårt gemensamma projekt.

☑ SME -stöd i strategi, rådgivning, planering och implementering

☑ skapande eller omjustering av den digitala strategin och digitaliseringen

☑ Expansion och optimering av de internationella försäljningsprocesserna

☑ Globala och digitala B2B -handelsplattformar

☑ Pioneer Business Development / Marketing / PR / Measure

Vår globala bransch- och affärsexpertis inom affärsutveckling, försäljning och marknadsföring - Bild: Xpert.Digital

Branschfokus: B2B, digitalisering (från AI till XR), maskinteknik, logistik, förnybar energi och industri

Mer om detta här:

• Xpert Business Hub

Ett ämnesnav med insikter och expertis:

• Kunskapsplattform om global och regional ekonomi, innovation och branschspecifika trender
• Insamling av analyser, impulser och bakgrundsinformation från våra fokusområden
• En plats för expertis och information om aktuell utveckling inom näringsliv och teknologi
• Ämnesnav för företag som vill lära sig om marknader, digitalisering och branschinnovationer

Dra nytta av Xpert.Digitals omfattande, femfaldiga expertis i ett heltäckande tjänstepaket | FoU, XR, PR och optimering av digital synlighet - Bild: Xpert.Digital

Xpert.Digital har djup kunskap i olika branscher. Detta gör att vi kan utveckla skräddarsydda strategier som är anpassade efter kraven och utmaningarna för ditt specifika marknadssegment. Genom att kontinuerligt analysera marknadstrender och bedriva branschutveckling kan vi agera med framsyn och erbjuda innovativa lösningar. Med kombinationen av erfarenhet och kunskap genererar vi mervärde och ger våra kunder en avgörande konkurrensfördel.

Mer om detta här:

• Använd 5 -Fold -kompetensen hos Xpert.digital i ett paket - från 500 €/månad