AI-citeringsundersøgelse: bliver GitHub citeret af AI?

GitHub er en primær kilde i ordets strenge forstand: siderne skrives af de mennesker, der bygger softwaren. En README forklarer, hvad et projekt gør, en udgivelsesside fortæller, hvad der er ændret i hver version, og issue-listen viser, hvilke fejl der er kendt, og om de er rettet. AI-modeller behandler disse sider som belæg, når de beskriver et værktøj.

Fire typer GitHub-sider dukker typisk op i svar:

• Repositoriernes forsider, hvor README fungerer som projektets officielle beskrivelse.
• Udgivelser og changelogs, der bruges til spørgsmål som »hvad er den nyeste version« eller »hvornår blev denne funktion tilføjet«.
• Issues og diskussioner, som citeres, når nogen spørger om en fejl, en begrænsning eller en løsning.
• Sikkerhedsadvarsler fra GitHub Advisory Database, der dokumenterer kendte sårbarheder i open source-pakker.

Organisationsprofiler betyder også noget. En virksomhed, der holder sine SDK'er, plugins og integrationer i en offentlig GitHub-organisation, giver AI-modeller et verificerbart spor af, at dens produkt findes og vedligeholdes.

Citationerne samler sig om tekniske hensigter. Typiske prompts er »open source-alternativ til Jira«, »sådan installerer du Stripe CLI«, »vedligeholdes denne npm-pakke stadig«, »bedste selvhostede adgangskodeadministrator« eller »sådan patcher jeg Log4j-sårbarheden«. I hvert tilfælde er repositoriet det mest direkte bevis, en assistent kan tilbyde.

Spørgsmål om almindelige virksomheder fører sjældent til GitHub. Ingen har brug for et repositorium for at finde »en pålidelig VVS-mester i Lyon« eller »det bedste revisionsfirma for en startup«. Derfor koncentrerer GitHub-citationer sig om spørgsmål om softwareudgivere, cybersikkerhedsleverandører og IT-serviceselskaber og forbliver marginale i andre brancher.

Sproget spiller også en rolle. Dokumentation på GitHub er overvældende skrevet på engelsk, så engelske svar når dertil langt mere naturligt end franske, tyske eller spanske svar, som oftere citerer oversatte vejledninger eller lokale medier.

Det meste af forskellen kommer af, hvordan hver model henter information. Gemini forankrer mange svar i Google-søgning, hvor repositorier rangerer godt på projektnavne, så et GitHub-link kan følge med svaret. ChatGPT kombinerer det, den har lært under træningen, med live-resultater fra ChatGPT-søgning, og tilføjer et repositoriumlink mest, når spørgsmålet nævner et bestemt projekt.

Perplexity søger på nettet for hvert spørgsmål og viser sine kilder, men ved sammenligninger bruger den ofte anmeldelsesartikler og leverandørers sites frem for rå repositorier. Grok tilføjer opslag fra X, hvor udviklere annoncerer udgivelser og diskuterer fejl. Claude citerer som standard kilder sjældnere og beskriver tit et projekt med egne ord, medmindre websøgning er slået til.

En del af GitHubs indflydelse er usynlig i citationstallene. Offentlig kode og dokumentation, der hostes på GitHub, indgår i træningsdata for mange store modeller, så en assistent kan forklare, hvordan et bibliotek virker, uden at nævne siden, den lærte det fra.

En citation her betyder, at svaret gav en side på github.com som kilde: et repositorium, et issue, en advisory eller GitHub-dokumentationen. Råd som »host din kode på GitHub« uden et link er en anbefaling af tjenesten, et andet signal, som denne rate ikke fanger.

Sites bygget med GitHub Pages ligger på github.io eller på egne domæner, så de bedst læses som websites i sig selv. For et brand er den værdifulde case et af dets egne repositorier, der dukker op i et svar om dets kategori: en teknisk reference, som en assistent kan kontrollere, noget marketingsider sjældent opnår.