Zašto AI pogrešno čita sredinu stranice: lost in the middle fenomen i kako ga popraviti
AI modeli najbolje čitaju početak i kraj teksta, a sredinu ignorišu. Saznajte kako lost in the middle fenomen utiče na SEO i kako da optimizujete sadržaj.
Zamislite sledeću situaciju: napisali ste detaljan članak od 3.000 reči. Uvod je odličan, zaključak ubedljiv, a sredina sadrži vaše najvažnije argumente, statističke podatke i praktične savete. Kada ChatGPT, Gemini ili Perplexity citiraju vaš tekst, uvod se tačno parafrazira, zaključak se lepo prenese, ali ključni podaci iz sredine? Pogrešno protumačeni, preskočeni ili potpuno ignorisani.
Ovo nije slučajnost. Ovo je fenomen koji istraživači nazivaju “lost in the middle”, i ako pravite sadržaj za AI pretrage, morate da razumete kako funkcioniše, zašto se dešava i, najvažnije, kako da ga popravite.
Šta je “lost in the middle” fenomen
Termin potiče iz Stanford istraživanja objavljenog 2023. godine pod naslovom “Lost in the Middle: How Language Models Use Long Contexts”. Istraživači Nelson Liu, Kevin Lin i ostali testirali su kako veliki jezički modeli (LLM) koriste informacije raspoređene na različitim pozicijama unutar dugačkog teksta.
Rezultati su bili iznenađujući, ali i zabrinjavajući. Modeli su pokazali izrazitu sklonost ka početku i kraju teksta, dok su informacije u sredini sistematski slabije obrađivali. Istraživači su ovaj obrazac nazvali “U-shaped” ili “dog-bone” krivom: visoka pažnja na početak, pad u sredini, pa ponovo rast ka kraju.
Zašto je ovo važno za SEO
Ako optimizujete sadržaj za AI pretrage, ovaj fenomen direktno utiče na to kako AI sistemi interpretiraju i citiraju vaš sadržaj. Nije dovoljno samo da se pojavljujete u AI odgovorima: bitno je da AI tačno prenosi vaše ključne informacije. Kada model pogrešno interpretira podatke iz sredine vašeg teksta, to može da dovede do pogrešnih citata, netačnih preporuka ili potpunog ignorisanja vaših najvažnijih argumenata.
Dva filtera koja uništavaju sredinu vašeg sadržaja
Problem nije samo u tome kako modeli “čitaju” tekst. Postoje dva zasebna mehanizma koja doprinose gubitku informacija iz sredine stranice.
Filter 1: model attention bias
Transformer arhitektura, na kojoj su zasnovani svi veliki jezički modeli, koristi mehanizam pažnje (attention) za obradu teksta. Ovaj mehanizam prirodno daje veći značaj tokenima na početku sekvence (tzv. “attention sink” efekat) i tokenima bliže kraju (recency bias).
Rezultat je predvidljiv: model “pamti” uvod jer su ti tokeni prvi obrađeni i dobijaju snažne attention veze. Kraj pamti jer su to poslednji tokeni pre generisanja odgovora. Sredina ostaje u nekom vakuumu, sa slabijim attention scorovima i manjom verovatnoćom da će uticati na konačni odgovor.
Filter 2: sistemska kompresija konteksta
Drugi filter je manje poznat, ali jednako destruktivan. Pre nego što vaš tekst uopšte stigne do modela, prolazi kroz sisteme za upravljanje kontekstom: kompresiju, sumarizaciju ili selektivno biranje delova teksta.
Sistemi poput ATACompressor-a (Auto-compressor with Token-level Adaptive encoding, objavljen 2026. na arxiv-u) kompresuju dugačke kontekste u kraće reprezentacije kako bi model mogao da obradi više informacija u okviru ograničenog context window-a. Problem je što ovi kompresori takođe pokazuju pristrasnost: bolje čuvaju početak i kraj, dok sredinu agresivnije kompresuju.
To znači da čak i pre nego što model počne da “čita” vaš tekst, sredina je već delimično izgubljena. Dva filtera rade zajedno i pojačavaju jedan drugog, stvarajući ono što bismo mogli nazvati “dvostrukim uskim grlom” za informacije iz sredine sadržaja.
Kako prepoznati simptome na svom sajtu
Pre nego što krenete sa popravkama, korisno je proveriti da li vas ovaj problem pogađa. Evo nekoliko praktičnih znakova.
Testiranje AI citata
Otvorite ChatGPT, Gemini ili Perplexity i postavite pitanja na koja vaš članak daje odgovor. Uporedite šta AI kaže sa onim što ste zaista napisali. Obratite pažnju na:
- Da li se informacije iz uvoda tačno prenose?
- Da li se zaključci korektno citiraju?
- Da li su podaci, statistike ili saveti iz sredine članka ispravno interpretirani?
Ako primetite obrazac u kom uvod i zaključak stižu tačno, ali sredina ne, suočavate se sa “lost in the middle” problemom.
Provera sa dugačkim sadržajem
Ovaj problem je izraženiji kod dužih tekstova. Članci od 500 do 800 reči uglavnom prolaze bolje jer su dovoljno kratki da model može da obradi ceo tekst bez značajne kompresije. Članci od 2.000 reči i više su najugroženiji.
Ako radite content refresh starih članaka, ovo je dobar trenutak da proverite da li vaši najduži tekstovi “gube” sredinu u AI citatima.
Rešenje: strukturirana sredina, a ne kraći sadržaj
Prva reakcija mnogih SEO stručnjaka kada čuju za ovaj problem je: “Onda ćemo pisati kraće tekstove.” To bi bila greška. Kraći sadržaj znači manje prostora za pokrivanje teme, manje šanse za featured snippete, manji topical authority i slabiji ukupni SEO rezultat.
Rešenje nije kraći sadržaj, nego bolje strukturiran srednji deo. Cilj je da sredina vašeg teksta bude otporna na kompresiju i attention bias, tako što ćete je organizovati na način koji AI sistemi ne mogu lako da zanemare.
Tehnika 1: answer blocks umesto vezivnog teksta
Umesto dugačkih, narativnih pasusa koji teku jedan u drugi (tzv. “connective prose”), koristite jasno definisane blokove odgovora. Svaki blok treba da:
- Počinje jasnim potpitanjem (H3 naslov ili boldiran tekst)
- Sadrži konkretan odgovor u prve dve rečenice
- Pruži dokaz ili primer odmah nakon odgovora
Ova struktura funkcioniše jer svaki blok deluje kao mini dokument. Čak i ako kompresija “sažme” taj deo, ključna informacija (pitanje + odgovor) ostaje sačuvana jer je na vrhu bloka.
Tehnika 2: re-keying na polovini teksta
Re-keying znači da na polovini članka ponovo uvedete ključne termine i kontekst, kao da čitalac (ili AI) upravo počinje da čita. Praktično, to izgleda ovako:
- Na sredini teksta ponovite glavni entitet ili termin o kojem pišete
- Stavite kratku rekapitulaciju (“Do sada smo videli da…”)
- Uvedite nov H2 naslov koji jasno signalizira promenu teme
Ovo pomaže jer attention mehanizam tretira svaki nov H2 kao svojevrsni “reset point”, dajući tokenima nakon naslova pojačane attention scorove.
Tehnika 3: lokalni dokazi u svakoj sekciji
Ne ostavljajte sve statističke podatke za jedan deo članka. Raspršite ih kroz ceo tekst, tako da svaka sekcija ima svoj “dokaz”: broj, procenat, studiju slučaja ili konkretan primer.
Kada kompresijski sistem obrađuje sredinu teksta, verovatnije je da će zadržati numeričke podatke i konkretne činjenice nego apstraktne tvrdnje. Podatak “konverzija je porasla za 37%” je otporniji na kompresiju od rečenice “rezultati su bili veoma pozitivni”.
Tehnika 4: konzistentno imenovanje entiteta
AI modeli bolje prate informacije kada koristite iste termine za iste koncepte kroz ceo tekst. Ako na početku koristite termin “organski saobraćaj”, nemojte ga na sredini menjati u “prirodne posete” ili “neplaćeni promet”. Konzistentnost u terminologiji pomaže modelu da poveže informacije iz različitih delova teksta.
Ovo je posebno važno za tehničke SEO termine koje AI treba precizno da prenese.
Tehnika 5: strateško korišćenje strukturiranih podataka
Schema markup i strukturirani podaci služe kao dodatni signal koji pomaže AI sistemima da identifikuju ključne informacije, bez obzira na poziciju u tekstu. FAQ schema, HowTo schema i Article schema sa jasno definisanim sekcijama daju AI-ju “mapu” vašeg sadržaja koja kompenzuje gubitak pažnje u sredini.
Praktičan plan optimizacije za srpske SEO stručnjake
Evo konkretnog plana u pet koraka koji možete primeniti na svoje postojeće i buduće članke.
Korak 1: audit dugačkih tekstova
Pregledajte sve članke duže od 1.500 reči. Za svaki od njih, testirajte kako AI sistemi interpretiraju sredinu. Ako koristite Google Search Console, proverite da li stranice sa dužim sadržajem imaju manje AI citata nego kraći tekstovi na slične teme.
Korak 2: restrukturiranje sredine
Za svaki problematičan članak, primenite tehnike iz prethodne sekcije:
- Razbijte dugačke pasuse u answer blocks
- Dodajte H2/H3 naslove na svakih 200 do 300 reči
- Ubacite re-keying na polovini
- Raspršite konkretne podatke kroz ceo tekst
Korak 3: optimizacija za citiranje
Pored strukture, pobrinite se da svaka sekcija sadrži jednu do dve rečenice koje su “spremne za citiranje”: kratke, činjenične, sa jasnim subjektom i predikatom. AI sistemi preferiraju ovakve rečenice jer ih je lakše ugraditi u odgovor.
Na primer, umesto “Rezultati istraživanja sugerišu da postoji tendencija ka smanjenju vidljivosti u određenim kontekstima,” napišite: “Stanford istraživanje pokazuje da AI modeli propuštaju do 40% informacija iz sredine dugačkih tekstova.”
Korak 4: testiranje i iteracija
Posle svake izmene, ponovo testirajte kako AI sistemi citiraju vaš sadržaj. Ovaj proces zahteva strpljenje jer AI indeksiranje nije trenutno, ali u roku od dve do četiri nedelje trebalo bi da vidite razliku.
Koristite AI prompt tracking da pratite kako se vaš sadržaj pojavljuje u AI odgovorima i da li su citati iz sredine sada tačniji.
Korak 5: primena na nove tekstove
Kada pišete nove članke, od samog početka primenjujte principe otporne na “lost in the middle”:
- Planirajte strukturu pre pisanja
- Svaka sekcija mora biti samodovoljna (razumljiva i bez konteksta ostalih sekcija)
- Najvažnije informacije ponovite na dva mesta: jednom u prirodnom kontekstu i jednom u zaključku sekcije
Budućnost: da li će se problem rešiti sam
Stanford istraživanje je iz 2023, pa se nameće pitanje: da li su noviji modeli prevazišli ovaj problem? Delimično, ali ne potpuno.
Modeli poput GPT-4o, Claude 3.5 i Gemini 2.0 pokazuju manje izražen “lost in the middle” efekat nego njihovi prethodnici, ali on i dalje postoji, posebno kod veoma dugačkih konteksta. Istraživanja iz 2025. i 2026. pokazuju da se problem pomera: umesto klasičnog U-oblika, noviji modeli pokazuju nepredvidljivije obrasce gubitka, što optimizaciju čini još važnijom.
Dodatno, sistemska kompresija konteksta postaje sve agresivnija kako modeli pokušavaju da obradu više informacija u realnom vremenu. Alati poput ATACompressor-a i sličnih sistema za kompresiju su tu da ostanu, što znači da se “lost in the middle” neće potpuno rešiti na strani modela. Odgovornost je na kreatorima sadržaja da strukturiraju tekstove na način koji preživljava i attention bias i kompresiju.
Za SEO profesionalce u Srbiji, ovo znači da investiranje u kvalitetan, strukturiran sadržaj nije samo pitanje korisničkog iskustva. To je tehnička optimizacija koja direktno utiče na to kako AI sistemi citiraju i preporučuju vaše stranice.
Zaključak: sredina teksta je novo bojno polje
“Lost in the middle” fenomen menja pravila igre za SEO. Više nije dovoljno napisati dobar uvod i jak zaključak. Sredina vašeg sadržaja, taj deo koji čitaoci (i AI) najčešće preskače, postala je ključna tačka optimizacije.
Primenite pet tehnika iz ovog članka: answer blocks, re-keying, lokalni dokazi, konzistentno imenovanje entiteta i strukturirani podaci. Testirajte kako AI sistemi interpretiraju vaš sadržaj. Iterirajte dok ne budete zadovoljni rezultatom.
AI pretraga ne zamenjuje Google, ali ga dopunjuje. Sajtovi koji optimizuju za oba kanala, i klasični SEO i AI vidljivost, imaće značajnu prednost u godinama koje dolaze. A ta prednost počinje sa jednom prostom promenom: prestanite da zanemarujete sredinu svojih tekstova.
