Google vừa công bố một nghiên cứu khiến tôi phải đọc lại hai lần: các model AI tiên tiến như Gemini-3-Pro và GPT-5 đã encode 95-98% sự kiện cần thiết, nhưng lại thất bại khi recall 26-34% trong đó. Nghĩa là vấn đề không nằm ở việc AI “chưa học đủ”, mà nằm ở cách AI truy xuất thông tin đã học. Và điều đáng chú ý nhất cho dân GEO: khi câu hỏi đảo ngược thứ tự subject và object entity so với lúc AI học, khả năng recall giảm rõ rệt.
Nghiên cứu của Google nói gì chính xác?
Theo nghiên cứu, encoding đã bão hòa ở các frontier LLM. Cụ thể, 95-98% facts được encode vào model, nhưng 26-34% không thể recall trực tiếp khi trả lời câu hỏi. Ngay cả khi bật thinking mode, con số thất bại vẫn còn 11-12%. Nghiên cứu ước tính recall failure chiếm hơn 70% lỗi của GPT-5.2 và tỷ lệ còn cao hơn ở các model mạnh hơn. Kết luận của tôi: nút thắt cổ chai của AI search không phải dữ liệu training, mà là cơ chế truy xuất. Đây là điểm mấu chốt mà mọi chiến lược GEO cần tính đến.
Subject và object entity là gì trong nghiên cứu này?
Subject entity là thực thể xuất hiện trước trong văn bản gốc, object entity xuất hiện sau. Ví dụ từ chính Google: “Oasis played their first gig at the Boardwalk club” — Oasis là subject, Boardwalk club là object. Câu hỏi có đáp án là object gọi là direct question, câu hỏi có đáp án là subject gọi là reverse question. Nghiên cứu phát hiện khi query đảo ngược thứ tự này so với dữ liệu training, LLM gặp khó khăn lớn trong việc recall fact đó, dù fact vẫn tồn tại trong model.
Vì sao đảo subject/object lại làm AI “quên”?
Cơ chế rất đơn giản: AI học quan hệ theo một chiều. Nếu hàng nghìn văn bản đều viết “Oasis chơi ở Boardwalk”, mối liên kết trong parametric memory được củng cố theo hướng Oasis-to-Boardwalk. Khi người dùng hỏi ngược lại “Câu lạc bộ nào là nơi Oasis chơi buổi đầu tiên”, model phải truy xuất theo chiều ngược — và tỷ lệ thất bại tăng vọt. Đáng thú vị là khi đưa fact đảo ngược này vào câu hỏi trắc nghiệm, AI lại nhận ra được. Điều đó chứng tỏ thông tin có trong model, chỉ là đường truy xuất trực tiếp bị chặn.
Kết quả nào đáng chú ý nhất cho SEOer?
Tôi tổng hợp các con số quan trọng nhất từ nghiên cứu:
| Chỉ số | Kết quả | Ý nghĩa |
|---|---|---|
| Facts được encode | 95-98% | Frontier LLM đã học gần hết tri thức phổ biến |
| Recall thất bại (trực tiếp) | 26-34% | Hơn 1/4 facts không truy xuất được khi trả lời |
| Recall thất bại (có thinking) | 11-12% | Thinking giúp nhưng không giải quyết triệt để |
| Thinking khôi phục facts | 40-65% | Chi phí compute cao, khó biết khi nào cần trigger |
| Rephrase câu hỏi | Không đáng kể | Thứ tự entity quan trọng hơn cách diễn đạt |
Một phát hiện nữa: long-tail facts, tức facts hiếm, có gap encoding nhỏ so với facts phổ biến nhưng gap recall lớn hơn nhiều. Với những thương hiệu nhỏ, đây vừa là tin xấu vừa là cơ hội — AI có thể đã biết bạn, nhưng truy xuất ra lại khó.
SEOer và dân GEO nên làm gì với phát hiện này?
Nghiên cứu không khẳng định việc sắp xếp entity theo thứ tự phổ biến sẽ giúp trang được AI chọn. Nhưng như một giả thuyết GEO, nó khá hợp lý: hãy viết nội dung theo thứ tự entity mà người dùng hay hỏi. Cụ thể, tôi đề xuất ba việc. Một, phân tích query thực tế để biết người dùng đặt thương hiệu làm subject hay object — “X có tốt không” khác với “cái nào tốt cho Y”. Hai, viết fact quan trọng theo cả hai chiều trong nội dung, ví dụ nói rõ cả “Oasis chơi ở Boardwalk” lẫn “Boardwalk là nơi Oasis từng biểu diễn”. Ba, với long-tail facts về thương hiệu, lặp lại và củng cố trên nhiều nguồn đáng tin cậy, vì đây là vùng recall yếu nhất của AI.
Liên quan gì đến parametric memory và GEO trước nay?
Phát hiện này bổ sung một lớp mới cho chuyện tôi từng phân tích trong bài Entity Mapping không đến được ChatGPT: sự thật về parametric memory và GEO. Khi đó, kết luận là entity mapping khó can thiệp trực tiếp vào parametric memory. Giờ nghiên cứu của Google cho thấy ngay cả khi entity đã ở trong memory, thứ tự entity còn quyết định AI có truy xuất được hay không. Nói cách khác, GEO không chỉ là “làm sao để AI biết bạn”, mà còn là “làm sao để AI nói về bạn theo chiều người dùng hỏi”. Hai bài viết nên đọc song song.
Góc nhìn của tôi: đừng vội đổi toàn bộ nội dung
Tôi muốn nhấn mạnh một điều để tránh hiệu ứng đám đông: đây là research paper, không phải xác nhận ranking factor. Việc rephrase câu hỏi không ảnh hưởng đáng kể đến recall cho thấy Google không dùng keyword matching cứng, nhưng thứ tự entity lại có tác động — nghĩa là cấu trúc ngữ nghĩa quan trọng hơn literal wording. Trước khi ai đó bán khóa học “Entity Order Optimization”, hãy tự test: lấy 10 facts cốt lõi về thương hiệu, hỏi ChatGPT và Gemini theo cả hai chiều, đo tỷ lệ AI trả lời đúng. Nếu reverse questions thất bại nhiều hơn, đó là tín hiệu nội dung của bạn cần viết hai chiều. Data trước, hành động sau — đó là cách tôi làm GEO.
Nguồn: nghiên cứu được Google công bố tháng 8/2026, tổng hợp qua Search Engine Journal.
