Optymalizacja treści pod AI: jak być cytowanym

Optymalizacja treści pod AI to dziś temat, wokół którego narosło więcej mitów niż konkretów. Sprzedaje się pliki, znaczniki i “tajne formaty”, które rzekomo wpuszczają stronę do odpowiedzi ChatGPT czy Google. Odpowiedź, poparta oficjalną dokumentacją obu firm, jest mniej efektowna i bardziej użyteczna: nie istnieje żaden osobny mechanizm dopuszczenia do AI. Istnieje za to zestaw warunków technicznych, które musisz spełnić, oraz sposób pisania, który sprawia, że model ma co zacytować. Poniżej rozdzielamy jedno od drugiego.

Ile ruchu naprawdę zabierają odpowiedzi AI

Zacznijmy od skali problemu, bo bez niej trudno ocenić, ile pracy w to inwestować. Najmocniejszy dowód nie pochodzi z branżowych ankiet, tylko z randomizowanego eksperymentu terenowego. Saharsh Agarwal (Indian School of Business) i Ananya Sen (Heinz College, Carnegie Mellon University) rozdali 1065 użytkownikom rozszerzenie do Chrome, które losowo pokazywało albo ukrywało podsumowania AI Overviews podczas zwykłych wyszukiwań. Badanie trwało od 7 stycznia do 10 lutego 2026 roku.

Wynik: gdy pojawiało się podsumowanie AI, liczba kliknięć w wyniki organiczne spadała o 39,8 procent, a odsetek wyszukiwań kończących się bez żadnego kliknięcia rósł o 34,5 procent. Dwie rzeczy są tu równie ważne jak sama liczba. Po pierwsze, kliknięcia w wyniki sponsorowane pozostały bez zmian, czyli uderzenie dotyczy ruchu darmowego, nie płatnego. Po drugie, satysfakcja użytkowników nie różniła się istotnie między grupami. To nie jest więc funkcja, która zniknie, bo ludziom się nie podoba.

Losowy przydział jest tu kluczowy. Odróżnia to badanie od obserwacyjnych analiz, w których zawsze można się spierać, czy spadek ruchu wynikał z AI, czy z innej zmiany w wyszukiwarce. Tutaj przyczynowość jest wykazana, a nie domniemana.

Optymalizacja treści pod AI zaczyna się od indeksu

Teraz najważniejsze zdanie tego tekstu, wprost z oficjalnej dokumentacji Google dla twórców stron: nie ma żadnych dodatkowych wymagań, żeby pojawić się w AI Overviews lub AI Mode, ani żadnych specjalnych optymalizacji. Google pisze to jeszcze dosadniej: nie musisz tworzyć nowych plików odczytywanych maszynowo, plików tekstowych dla AI ani znaczników, a nie istnieje też żadna specjalna struktura danych schema.org, którą trzeba dodać.

Warunki są dokładnie te same, co w zwykłym wyszukiwaniu. Strona musi być zaindeksowana i musi kwalifikować się do wyświetlenia ze zwykłym fragmentem opisu. Wniosek praktyczny jest odwrotny do tego, co sugeruje rynek: jeśli blokujesz fragmenty tagiem nosnippet, data-nosnippet albo mocno przycinasz je przez max-snippet, sam ograniczasz swoją obecność w odpowiedziach AI. Szczegóły znajdziesz w dokumentacji Google o funkcjach AI.

ChatGPT to osobny system i osobne roboty

Google to nie wszystko. OpenAI używa trzech różnych robotów i to rozróżnienie jest źródłem kosztownych pomyłek. GPTBot zbiera treści do trenowania modeli. ChatGPT-User obsługuje akcje uruchamiane przez użytkownika. Za widoczność w wyszukiwarce ChatGPT odpowiada trzeci robot, OAI-SearchBot, którego zadaniem jest, cytując OpenAI, pokazywanie stron w wynikach wyszukiwania w ChatGPT.

Te ustawienia są od siebie niezależne. Możesz zablokować GPTBot, żeby Twoje teksty nie trafiły do treningu modelu, i nadal być cytowanym w ChatGPT. Ale jeśli w pliku robots.txt zablokujesz OAI-SearchBot, znikasz z wyników. Wiele firm, chcąc “chronić treści przed AI”, blokuje wszystko jak leci i sama odcina sobie kanał ruchu. Zasady opisuje dokumentacja robotów OpenAI.

Czego nie robić: llms.txt i inne skróty

Od dwóch lat krąży pomysł pliku llms.txt, czyli mapy treści przygotowanej specjalnie dla modeli językowych. Brzmi rozsądnie. Problem w tym, że nikt z tego nie korzysta. John Mueller z Google skomentował to 2 czerwca 2026 roku bez owijania: “nikt tego nie wie, to na razie czysto spekulacyjne (plik istnieje od lat, a mimo to żaden system AI go nie używa, co to znaczy?)”. Gary Illyes potwierdził, że Google nie wspiera llms.txt i nie planuje tego zmieniać, a Mueller porównał go do skompromitowanego meta tagu keywords, który przez lata robili wszyscy, choć nie robił nic.

Plik sam w sobie nie szkodzi. Problemem jest koszt alternatywny. Godzina włożona w generowanie pliku, którego roboty nie pobierają, to godzina nieprzeznaczona na treść, którą model faktycznie zacytuje. Ta sama zasada dotyczy modnych “znaczników AEO” i wtyczek obiecujących widoczność w AI. Jeśli dostawca nie potrafi pokazać dokumentacji dostawcy modelu, która potwierdza działanie mechanizmu, kupujesz marketing.

Jak pisać, żeby model miał co zacytować

Skoro nie ma dźwigni technicznej, zostaje treść. Modele językowe składają odpowiedź z fragmentów, więc premiują teksty, które łatwo pociąć na samodzielne kawałki. To zmienia sposób pisania w kilku konkretnych miejscach.

Odpowiadaj od razu. Sekcja powinna zaczynać się od odpowiedzi, a dopiero potem rozwijać kontekst. Klasyczne “wstęp, rozwinięcie, wnioski” działa przeciwko Tobie, bo najcenniejsze zdanie chowa się na końcu. Jeden nagłówek to jedno pytanie i jedna odpowiedź, która broni się bez reszty artykułu.

Podawaj nazwy, daty i liczby. Model potrzebuje czegoś, co da się zweryfikować i przypisać do źródła. “Badanie z 2026 roku pokazało duży spadek” jest bezużyteczne. “Eksperyment Agarwala i Sena na 1065 użytkownikach wykazał spadek kliknięć o 39,8 procent” jest cytowalne. Nazwane podmioty, konkretne daty i jednostki to waluta w tej grze.

Pisz o tym, o czym wiesz więcej niż model. Podsumowanie ogólnej wiedzy nie ma szans, bo model już to umie i nie musi nikogo cytować. Cytuje wtedy, gdy potrzebuje czegoś, czego sam nie wygeneruje: własnych danych, wyników testu, cen z rynku, doświadczenia z konkretnego wdrożenia. Jeśli prowadzisz sklep, Twoje realne liczby konwersji są wartościowsze niż przepisany poradnik. Fundamenty doboru fraz opisaliśmy zresztą przy okazji SEO dla sklepu internetowego, a szerszy obraz zmian w modelach znajdziesz w przeglądzie co się dzieje w AI.

Jak zmierzyć, czy to działa

Pozycja w rankingu przestaje być dobrą miarą, bo w odpowiedzi AI nie ma pozycji. Zamiast niej patrz na trzy rzeczy.

Ruch z odesłań od asystentów. W analityce pojawią się źródła takie jak chatgpt.com, perplexity.ai czy claude.ai. To ruch mały, ale gęsty. Semrush, analizując ponad 500 tematów, oszacował, że przeciętny odwiedzający z wyszukiwania AI jest około 4,4 razy cenniejszy od zwykłego odwiedzającego z organiku, mierząc współczynnikiem konwersji. Traktuj tę liczbę jako rząd wielkości, nie jako pewnik: to dane jednej firmy z jednej branży. Mechanizm jest jednak wiarygodny, bo taki użytkownik porównał opcje jeszcze przed wejściem na stronę.

Zapytania o markę. Jeśli AI cytuje Cię, nie linkując, część ludzi i tak wpisze nazwę firmy w wyszukiwarkę. Rosnąca liczba zapytań brandowych w Search Console przy płaskim ruchu ogólnym to sygnał, że jesteś w odpowiedziach.

Wreszcie: pytaj modele wprost. Zadaj ChatGPT, Perplexity i trybowi AI w Google dziesięć pytań, na które Twoja treść odpowiada, i sprawdź, kto jest cytowany. To prymitywne, ale to jedyny bezpośredni pomiar, jaki masz. Rób to raz w miesiącu i notuj, kto zajmuje miejsce, które chcesz zająć Ty.

Cała optymalizacja treści pod AI sprowadza się więc do trzech ruchów: nie blokuj robotów, które mają Cię pokazywać, przestań kupować pliki i znaczniki, których nikt nie czyta, i napisz coś, czego model nie potrafi wymyślić bez Ciebie.