Czym różni się pozycjonowanie w AI od klasycznego SEO
Klasyczne pozycjonowanie, czyli SEO (search engine optimization), ma jeden cel: wysoka pozycja na liście linków w wyszukiwarce. Użytkownik i tak sam wybiera, który link kliknie.
Model językowy działa inaczej. Składa jedną odpowiedź z kilku źródeł naraz i tylko część z nich cytuje albo linkuje. Strona musi więc nie tylko dać się znaleźć, ale też dać się łatwo zacytować — krótkim, samodzielnym zdaniem blisko pytania, które ktoś mógłby zadać modelowi.
To nie zastępuje klasycznego SEO, tylko dokłada do niego drugi cel. Firma, która dba wyłącznie o pozycję w wynikach Google, może wciąż być pomijana w odpowiedziach ChatGPT.
Cztery warstwy pracy nad widocznością w AI
| Warstwa | Co obejmuje |
|---|---|
| Techniczna | tytuł, opis meta, dane strukturalne, plik llms.txt, zgłoszenie do indeksów Google i Bing |
| Treściowa | format pytanie-odpowiedź, jasne definicje, krótkie samodzielne zdania |
| Dowodowa | etykieta przy każdej informacji — FAKT, INTERPRETACJA, BENCHMARK, HIPOTEZA, DO_POTWIERDZENIA |
| Pomiarowa | sprawdzanie, czy model faktycznie cytuje stronę, i korekta tam, gdzie nie cytuje |
Żadna warstwa osobno nie wystarcza. Stronę można świetnie zbudować technicznie i wciąż być pomijaną, jeśli treść nie odpowiada wprost na pytanie. Pełny opis metody: widoczność w odpowiedziach AI.
Dlaczego indeks Bing ma znaczenie, nawet dla ChatGPT
FAKT Bing zasila częścią wyników i odpowiedzi system ChatGPT. Strona nieobecna w indeksie Bing może być pomijana w odpowiedziach ChatGPT, nawet jeśli dobrze radzi sobie w wynikach Google.
FAKT Google nie obsługuje protokołu IndexNow, czyli szybkiego zgłaszania nowych i zmienionych stron. Z IndexNow korzystają między innymi Bing, Yandex i Seznam — dlatego zgłoszenie do Bing bywa szybsze niż czekanie, aż robot Google odwiedzi stronę sam.
FAKT Google wyłączył automatyczny ping mapy witryny w 2023 roku. Nowe adresy zgłasza się dziś przez Google Search Console, nie przez jednorazowe powiadomienie po każdej zmianie.
Co to jest plik llms.txt
Plik llms.txt to plik tekstowy w głównym katalogu strony, który opisuje firmę i jej treści w formacie czytelnym dla modeli językowych — coś w rodzaju wizytówki skierowanej do maszyn, nie do ludzi.
Sam plik nie zastępuje reszty pracy. Jest jednym z elementów warstwy technicznej, obok danych strukturalnych i poprawnie wypełnionego nagłówka strony. Traktujemy go jako uzupełnienie, nie jako gotowe rozwiązanie samo w sobie.
Jak mierzyć widoczność w odpowiedziach AI
Nie istnieje jeden, niezależny licznik, który pokazuje, ile razy dana strona pojawiła się w odpowiedziach modelu. Praktyczny sposób pomiaru wygląda inaczej.
- Zadanie modelowi pytania, na które strona ma odpowiadać, i sprawdzenie, czy pojawia się jako źródło.
- Porównanie wyniku w czasie — czy po zmianach na stronie cytowanie pojawia się częściej, czy nie.
- Traktowanie tego wskaźnika jak każdego innego na kokpicie decyzyjnym: z punktem odniesienia i progiem, przy którym trzeba coś poprawić.
To pomiar przybliżony, nie naukowy dowód przyczyny. Sam wzrost cytowań po zmianie na stronie nie dowodzi jeszcze, że to ta zmiana go wywołała — dlatego wyniki czytamy razem z zasadą rozdzielenia korelacji od wpływu.
Czego nikt nie gwarantuje
O tym, które źródło model zacytuje, decyduje sam model — na podstawie reguł, których żadna agencja nie kontroluje i które zmieniają się bez zapowiedzi.
Można zbudować wszystkie cztery warstwy poprawnie i wciąż nie pojawić się w konkretnej odpowiedzi konkretnego dnia. Dlatego nie obiecujemy pozycji ani liczby cytowań. Obiecujemy pracę nad czterema warstwami i jawny pomiar tego, co się zmienia.
Zaufali nam, gdy potrzebowali porządku, dobrych decyzji i skutecznego działania.
Skąd modele biorą wiedzę o firmach — dane, nie przypuszczenia
To pytanie, od którego zaczyna się cała praca, i jedyne, na które odpowiedź jest zmierzona. Największe dotychczas badanie tego tematu objęło ponad 25 milionów odnośników z odpowiedzi ChatGPT, Claude i Gemini (Muck Rack, „What Is AI Reading?", maj 2026).
- 84% cytowanych źródeł to media zdobyte — publikacje, których marka nie kupiła: artykuły, badania, źródła publiczne, niezależne serwisy. FAKT.
- 0,3% to treści płatne. Reklamą nie kupisz sobie miejsca w odpowiedzi modelu — nie ma też panelu, przez który dałoby się to zrobić. FAKT.
- 27% cytowań to samo dziennikarstwo, a przy pytaniach o trendy branżowe odsetek odpowiedzi cytujących media dziennikarskie sięga 46%. FAKT.
- Ponad połowa cytowanych tekstów ma mniej niż rok, a po pół roku liczba cytowań wyraźnie spada. Świeżość jest warunkiem, nie ozdobą. FAKT.
Wniosek jest niewygodny dla budżetów reklamowych i dobry dla firm z realnym dorobkiem: w odpowiedziach AI wygrywa ten, o kim piszą inni — nie ten, kto najwięcej mówi o sobie. Dlatego widoczność w modelach jest w większej części pracą public relations niż pracą techniczną na stronie.
Każdy model odpowiada inaczej — i to zmienia plan
Traktowanie „AI" jako jednego bytu to najczęstszy błąd w planowaniu tej pracy. Cztery modele, o które najczęściej pytają klienci, zachowują się mierzalnie różnie.
- ChatGPT dołącza źródła do 96% odpowiedzi — jest najbardziej „cytujący", więc najłatwiej wpłynąć na niego publikacją w dobrym źródle. FAKT.
- Gemini — 82% odpowiedzi ze źródłami, mocno związany z tym, co widzi w wynikach wyszukiwania Google. FAKT.
- Claude — 55%. Cytuje rzadziej, za to wybiera źródła oszczędniej, więc obecność w nich waży więcej. FAKT.
- Perplexity pokazuje źródła zawsze i jako jedyny z tej czwórki bywa używany wprost jak wyszukiwarka.
W praktyce znaczy to, że plan, który podniósł widoczność w jednym modelu, nie musi zadziałać w pozostałych trzech. Pomiar robimy zawsze na czterech naraz.
Co to jest GEO i AEO
To dwa określenia branżowe na tę samą pracę. GEO (ang. generative engine optimization, czyli optymalizacja pod silniki generatywne) i AEO (optymalizacja pod silniki odpowiedzi) oznaczają przygotowanie marki i treści tak, by modele językowe wymieniały ją w odpowiedziach i opisywały poprawnie.
Jedna pułapka warta zapamiętania: w Polsce skrót AEO oznacza najczęściej celny status Upoważnionego Przedsiębiorcy. Kto celuje w samą tę frazę, trafia do zupełnie innej grupy odbiorców.
Co dokładnie mierzymy
Sześć rzeczy, każda z liczbą, żeby rozmowa o postępie nie opierała się na wrażeniach:
- Obecność — w ilu odpowiedziach na ile pytań marka w ogóle się pojawia.
- Pozycja w odpowiedzi — czy jest wymieniana pierwsza, czy na końcu listy pięciu dostawców.
- Poprawność opisu — czy to, co model mówi o zakresie usług i faktach, zgadza się z rzeczywistością.
- Źródła — z jakich serwisów model bierze wiedzę o kategorii i czy jesteśmy w którymkolwiek z nich.
- Udział na tle konkurencji — kto jeszcze jest wymieniany przy tych samych pytaniach i jak często.
- Świeżość — z jakiego okresu pochodzą cytowane materiały o marce.
Pomiar powtarzany co miesiąc na tym samym zestawie pytań jest jedyną rzeczą, która odróżnia pracę nad widocznością od opowiadania o niej.
Cztery błędy, przez które to nie działa
- Traktowanie tego jak pozycjonowania. Zmiany na własnej stronie pomagają, ale strona własna to mniejszość sygnału. Firma, która robi wyłącznie zmiany u siebie, mierzy własną pracę, nie widoczność.
- Jednorazowy pomiar. Odpowiedź modelu zmienia się z tygodnia na tydzień. Jeden zrzut ekranu nie jest pomiarem, tylko anegdotą.
- Publikacje sponsorowane jako droga na skróty. Treści płatne to 0,3% cytowań. Wydatek realny, wpływ na widoczność w AI bliski zeru.
- Zaniechanie po trzech miesiącach. Cytowania wyraźnie spadają po pół roku. Widoczność w AI jest stanem utrzymywanym, nie projektem z datą końca.
Od czego zależy budżet
Nie od liczby publikacji, tylko od czterech zmiennych: liczby pytań zakupowych objętych pomiarem, liczby rynków i języków (model odpowiada inaczej po polsku i po angielsku, cytując inne źródła), stanu wyjściowego marki oraz tempa, w jakim media publikują — a tego rytmu nie da się kupić szybciej.
Widełki dla stałej obsługi podajemy po pomiarze stanu wyjściowego, bo przed nim każda liczba byłaby zgadywaniem.
Kto za tym stoi
Commplace® prowadzi public relations od 1996 roku. Widoczność w modelach AI traktujemy jako przedłużenie tego, co robimy od trzydziestu lat — zdobywania publikacji w źródłach, którym ludzie ufają. Zmieniło się to, że teraz czytają je także maszyny.
Za ten obszar odpowiada Sebastian Kopiej, prezes Commplace®.
Pozycjonowanie w ChatGPT i audyt AI w praktyce
Pozycjonowanie w ChatGPT to nie walka o miejsce na liście linków. To praca nad tym, żeby model wymieniał Twoją firmę w odpowiedziach i opisywał ją zgodnie z faktami. Na rynku ta sama praca ma kilka nazw: pozycjonowanie stron w AI, pozycjonowanie pod AI albo SEO AI. SEO AI to klasyczne pozycjonowanie w wyszukiwarce rozszerzone o odpowiedzi modeli językowych.
Jako agencja SEO AI zaczynamy od audytu AI, bo pozycjonowanie strony w AI bez pomiaru to zgadywanie. Zadajemy czterem modelom pytania, które zadaje Twój klient, i zapisujemy, kto jest wymieniany, w jakiej kolejności i z jakich źródeł. Widoczność w AI opisujemy liczbami, a nie wrażeniem. Z audytu wychodzi lista braków i kolejność poprawek.
Potem robimy trzy rzeczy. Porządkujemy stronę tak, by dało się ją zacytować. Zdobywamy publikacje w źródłach, z których korzystają modele. Co miesiąc powtarzamy pomiar na tych samych pytaniach. Nie obiecujemy miejsca w odpowiedzi. O tym decyduje model, nie agencja.
Skąd te informacje
- FAKT Fraza „pozycjonowanie w ai” — ok. 200 wyszukiwań miesięcznie w Polsce; fraza „widoczność w chatgpt” — ok. 80 wyszukiwań miesięcznie. Dane Ahrefs, 19.09.2026.
- FAKT Szacowany koszt kliknięcia w reklamie płatnej dla frazy „pozycjonowanie w ai” należy do najwyższych w zestawieniu tematów opisanych na stronach tego działu — dane Ahrefs, 19.09.2026.
- FAKT Google nie obsługuje protokołu IndexNow; z IndexNow korzystają m.in. Bing, Yandex i Seznam.
- FAKT Bing zasila częścią wyników i odpowiedzi system ChatGPT.
- FAKT Google wyłączył ping mapy witryny (sitemap ping) w 2023 roku.
Pytania i odpowiedzi
SEO dba o pozycję na liście linków w wyszukiwarce. Pozycjonowanie w AI dba o to, czy model językowy zacytuje zdanie ze strony w swojej odpowiedzi. Cele się uzupełniają, ale to dwa różne mierniki sukcesu.
To plik tekstowy w głównym katalogu strony, który opisuje firmę i jej treści w formacie prostym do odczytania przez modele językowe. Jest elementem warstwy technicznej, nie samodzielnym rozwiązaniem.
Nie. Google nie korzysta z protokołu IndexNow. Z IndexNow korzystają między innymi Bing, Yandex i Seznam. Nowe strony trafiają do indeksu Google innymi kanałami, głównie przez Google Search Console.
Bing zasila częścią wyników i odpowiedzi system ChatGPT. Strona obecna w indeksie Bing ma większą szansę pojawić się jako źródło odpowiedzi ChatGPT, niezależnie od jej pozycji w wynikach Google.
Nie. Google wyłączył automatyczny ping mapy witryny w 2023 roku. Mapę witryny zgłasza się dziś przez Google Search Console, a nie przez powiadomienie po każdej zmianie.
Najprościej zadać modelowi pytanie, na które strona odpowiada, i sprawdzić, czy pojawia się w odpowiedzi jako źródło. To nie jest metoda naukowa, ale daje szybki, praktyczny sygnał.
Nie. Nikt nie kontroluje reguł, według których model wybiera źródło, i reguły te zmieniają się bez zapowiedzi. Można poprawnie zbudować cztery warstwy i mierzyć efekt, nie da się obiecać wyniku.
Nie da się podać jednego terminu. Zależy to od tego, jak często dany model odświeża źródła i jak duża jest konkurencja o dane pytanie. Efekt sprawdzamy przez powtarzalne testowanie pytań, nie przez z góry ustaloną datę.
To praca nad tym, żeby ChatGPT wymieniał Twoją firmę w odpowiedziach i opisywał ją zgodnie z faktami. Nie ma tu listy z pozycjami jak w Google. Liczy się to, czy model Cię cytuje, w jakiej kolejności wymienia dostawców i czy opis jest poprawny. Miejsca w odpowiedzi nie da się kupić ani obiecać z góry.
Audyt AI to pomiar stanu wyjściowego. Zadajemy czterem modelom te same pytania, które zadaje klient, i zapisujemy, kto jest wymieniany, w jakiej kolejności i z jakich źródeł. Sprawdzamy też, czy strona daje się łatwo zacytować. Wynikiem jest lista braków i kolejność poprawek. Na jej podstawie podajemy widełki budżetu.
Czytaj dalej
Ekosystem Commplace® AI
Ta strona jest częścią większej całości. Każdy moduł odpowiada za inny rodzaj decyzji.