O lucrare Google DeepMind publicată în 2026 demonstrează teoretic că un singur model autoregresiv poate ranka un număr arbitrar de documente fără un index separat. Consecința practică: lista ordonată nu mai e ceva ce vezi, ci un pas intern pe care modelul îl calculează spre răspuns. Vizibilitatea devine binară, iar SEO-ul trece de la poziții la includere.

Ce a demonstrat, de fapt, lucrarea

Duane Forrester a scris pe Search Engine Journal o analiză a acestei lucrări, iar punctul central e simplu de formulat: cercetătorii au arătat, pe hârtie, că un model de limbaj poate ranka un număr arbitr numere de documente fără un index extern, separat de model. Nu e un produs, nu e o lansare. E o dovadă teoretică, plus un experiment pe două seturi mici de date.

Contextul istoric contează. În 2021, patru cercetători Google publicau o lucrare care propunea ca sistemul de căutare să răspundă direct dintr-un corpus citabil, nu să dea o listă de referințe. În 2022 venea Differentiable Search Index, care arăta că un Transformer poate mapa o interogare direct la identificatori de document. Lucrarea din ianuarie 2026 închide golul teoretic: dimensiunea de embedding a unui dual encoder trebuie să crească liniar cu numărul de documente pentru a exprima orice ranking posibil, în timp ce un model autoregresiv cu dimensiune ascunsă fixă poate ranka orice număr de documente.

Forrester numește arcul ăsta propunere, prototip, dovadă. Cinci ani de cercetare publicată în aceeași direcție. Asta nu e o idee aruncată pe piață.

Detaliile experimentului trebuie citite cinstit. Echipa a fine-tunat Mistral-7B, nu un model de frontieră. Rankingul s-a făcut în context, adică identificatorii candidați au fost puși în prompt și modelul a ales dintre ei. Asta e reranking, nu retrieval dintr-un corpus deschis. WordNet are aproximativ 82.000 de concepte substantivale. Evaluarea pe shopping a rulat pe 310 exemple. O configurație a devenit mai slabă la plasarea celui mai bun rezultat pe primul loc, chiar dacă restul listei s-a îmbunătățit. E o fundație, nu un deployment.

Documentele devin coduri, iar codul e cel care rankează

În arhitectura asta, un document nu mai e un URL. E un docID, o secvență scurtă de tokenuri pe care modelul le generează unul câte unul, exact cum generează cuvinte. În experimentul pe shopping, identificatorul fiecărui produs era derivat din embeddingul titlului, comprimat la trei numere, așa că identificatorul poartă sens, iar produsele similare împart primele cifre. Modelul rankează generând identificatorul cel mai probabil, apoi următorul, prin beam search. Nu există lookup. Adresa e produsă, nu recuperată.

Din asta decurg trei consecințe pentru cine are ca meserie să facă conținutul ales.

Distinctivitatea devine obiectivul de optimizare. Dacă o pagină nu e separabilă de vecinii ei în spațiul de embedding, nu poate ține un identificator stabil și distinct. Două pagini de produs aproape identice nu mai concurează pentru poziții adiacente. Concurează pentru aceeași adresă, iar una pierde complet.

Funcția de ranking e setul de antrenament. Antrenamentul se face pe triplete: o interogare, un identificator de document și rangul real al documentului într-o listă gradată. Orice a produs listele gradate, fie că sunt loguri de click, judecăți de rateri, semnale de engagement sau un amestec, devine algoritmul. Nu mai există un strat separat de factori de ranking de descifrat.

Freshness devine o problemă de antrenament. Într-un index clasic, o pagină nouă e crawluită și inserată. Într-un index generativ parametric, ea trebuie învățată. Lucrarea ulterioară DSI++ a găsit că indexarea continuă a documentelor noi cauza uitare considerabilă a documentelor deja indexate. Pentru un publisher de știri, „indexat” și „cunoscut de ranker” încetează să mai fie același eveniment.

Beam-ul e tot universul

Aici e afirmația pe care merită construită strategia. Beam search e modul în care un model generativ produce o listă scurtă în loc de un singur răspuns: la fiecare pas păstrează doar un număr fix de secvențe parțiale cele mai probabile, să zicem zece, le extinde și aruncă restul. Lista finală nu poate fi mai lungă decât numărul păstrat.

Un dual encoder cu index de vecini apropiați îți dă primele o mie aproape gratis, pentru că scorarea e ieftină și lista e un produs secundar. Un beam de zece îți dă zece. Poziția unsprezece nu e un rezultat slab. Nu a fost generată niciodată. Pagina a doua încetează să mai fie o decizie de design și devine ceva ce nu există.

Rank trackingul sub beam nu măsoară nimic, pentru că sub beam nu e nimic de măsurat. Vizibilitatea devine binară: în setul generat sau absent din el. Iar din exterior nu poți distinge „rankează prost” de „nu a fost produs”, pentru că ambele arată identic pentru cine privește.

Întrebarea practicianului se mută de la „pe ce poziție suntem” la „suntem în setul generat, cât de consecvent și pentru ce forme de interogare”. Există și o ironie în lucrare: contribuția ei reală e ranking mai bun sub poziția unu. Pe WordNet, antrenamentul conștient de rang a împins recall-ul la pozițiile doi până la cinci din anii cincizeci în anii nouăzeci. O ordonare mai bună a rezultatelor doi până la cinci sosește exact în momentul în care suprafața arată mai puține dintre ele.

Ce înseamnă pentru un marketer român

Hai să coborâm la un magazin online din România, categoria electrocasnice mici sau cosmetice, cu câteva mii de SKU-uri și un buget de SEO care nu e infinit.

Astăzi, logica e cunoscută: ai pagini de categorie, pagini de produs, conținut de blog, iar lupta se dă pe poziții în pagina unu. Dacă arhitectura din lucrare ajunge în producție, munca nu dispare, dar se mută. Nu mai optimizezi pentru o poziție, optimizezi pentru a fi separabil de restul corpusului tău și de cel al concurenței.

Trei lucruri concrete de făcut, proporționale cu stadiul real al lucrurilor.

Primul, audit de distinctivitate. Caută paginile care nu pot fi deosebite prin sens una de alta: variante de culoare cu descrieri identice, pagini de produs duplicate între categorii, articole de blog care spun aceeași poveste cu cuvinte schimbate. Sub orice index generativ, paginile astea se bat pentru o singură adresă.

Al doilea, mută măsurarea de la poziție la includere. Construiește baseline-ul acum, pentru că în ziua în care beam-ul devine granița vizibilității, vei vrea istoric. Asta înseamnă să urmărești prezența în răspunsuri AI pe seturi de interogări relevante, nu doar poziția în Search Console. Merită citit și de ce raportul de performanță din Google Search Console întârzie peste 64 de ore, pentru că latența datelor schimbă felul în care interpretezi trendurile.

Al treilea, citește-ți strategia plătită prin prisma sistemului de reclame AI. Partea de creative generată la momentul interogării a început deja să apară. Iar dacă vinzi pe marketplace-uri, calculează costul de oportunitate al retail media în ecommerce, pentru că bugetul se mută între suprafețe care se schimbă.

Lucrurile pe care le-aș verifica înainte să tragi concluzii: cât de stabile sunt identificatorii în timp, cum se comportă beam-ul pe interogări lungi și specifice, și dacă frecvența de includere e consistentă sau zgomot statistic. O verificare incompletă nu dovedește absența unei funcții. Și nu avem dovezi că pierzi vânzări din asta azi.

Ce rămâne neclar și ce nu trebuie afirmat

Lucrarea demonstrează o capacitate teoretică și arată o metodă de antrenament pe două seturi mici. Nimeni nu a înlocuit un index web cu ea. Asta trebuie spus clar, pentru că e ușor să transformi o ipoteză într-o lansare.

Nu există date publice despre cât de repede ajunge asta în producție, nici dacă va ajunge vreodată în forma pură. Varianta plauzibilă pe termen scurt e hibridul: retrieval clasic care hrănește un ranker generativ, exact cum experimentele ARR păstrează candidații în prompt. Varianta pură e direcția pe termen lung.

Nici despre efectele pe venituri nu se poate afirma nimic direct. Lucrarea nu atinge licitația de reclame, care e sistem separat. Unde contează pentru bani e costul: pipeline-ul în două etape există pentru că cross-encoderii sunt prea scumpi de rulat pe tot corpusul. Rankingul autoregresiv elimină indexul separat de vecini apropiați și nu scorează fiecare document individual, ceea ce e o reducere structurală de cost. Costul a fost constrângerea tăcută asupra cât de departe împinge Google răspunsurile AI ca experiență implicită.

Pentru consumator, rezultatul probabil: mai puține opțiuni, mai bine ordonate, o coadă invizibilă și niciun semnal care să distingă „nimeni altcineva nu era relevant” de „nimeni altcineva nu a fost generat”.

FAQ

Google a lansat un search fără index? Nu. Lucrarea demonstrează o capacitate teoretică și arată o metodă de antrenament pe două seturi mici de date. Niciun index web nu a fost înlocuit. Direcția e serioasă pentru că Google publică cercetare în aceeași direcție din 2021, dar asta nu e o lansare.

Ce fac acum, concret, cu SEO-ul? Trei mișcări mici. Fă audit de pagini care nu pot fi deosebite prin sens. Începe să măsori includerea, nu doar poziția, ca să ai istoric. Și citește-ți strategia plătită prin prisma sistemelor de reclame AI care deja se schimbă.

De ce contează beam search pentru vizibilitatea mea? Pentru că lățimea beam-ului e setul complet de rezultate pe care sistemul îl calculează. Dacă lista generată are zece elemente, poziția unsprezece nu e un rezultat slab, ci unul care nu a fost produs niciodată. Rank trackingul sub beam nu măsoară nimic.

AI-ul ajută, dar decizia și execuția rămân umane

Ce facem cu lucrarea asta? AI-ul e bun la analiza de corpus, la grupat pagini similare, la găsit duplicate semantice, la construit seturi de interogări pentru măsurarea includerii. E un instrument de diagnoză, nu un înlocuitor de judecată.

Decizia rămâne la operator. Ce pagini consolidezi, ce conținut diferențiezi, pe ce interogări vrei să fii inclus, cât buget muți între SEO și paid. Astea sunt alegeri de media buyer și de strateg, nu output-uri de model. Iar execuția, adică restructurarea unui catalog de mii de SKU-uri fără să pierzi trafic, se face de oameni care înțeleg businessul.

Pasul concret îl face ALLSoft Agency, cu audit de distinctivitate, măsurare de includere în răspunsuri AI și plan de acțiune legat de cifrele tale, nu de un slide.

Google a demonstrat acum că un singur model poate ranka fără un index separat. Dacă ajunge în producție, lista ordonată devine un pas intern, beam-ul devine marginea vizibilității, iar meseria se mută de la a câștiga o poziție la a câștiga o adresă pe care modelul alege să o genereze. Asta e speculație, și am scris-o ca speculație. E și direcția în care arată fiecare lucrare din linia asta din 2021.