Jak pisać treści pod AI? Co działa w 2026, a co Google podważa

Treść pod AI pisze się tak, żeby dało się z niej wyciąć jedno samodzielne zdanie i użyć go jako odpowiedzi. Cała reszta, czyli schematy, pliki llms.txt i dzielenie tekstu na „chunki”, to albo dodatek, albo strata czasu. W maju 2026 Google powiedział to wprost w oficjalnej dokumentacji, a niezależne badania cytowań z sierpnia i września 2026 pokazują, że modele różnią się między sobą tak bardzo, że optymalizacja pod konkretny czatbot nie ma sensu.

Czym jest pisanie treści pod AI?

Pisanie treści pod AI to redagowanie tekstu tak, żeby model językowy mógł wyciąć z niego pojedynczy fragment i wykorzystać go jako gotową odpowiedź bez interpretowania całości. W praktyce oznacza to trzy rzeczy: jedno zdanie odpowiedzi na początku sekcji, konkret zamiast ogólnika i taki układ akapitu, żeby miał sens wyrwany z kontekstu.

Nazwy krążą różne. GEO, AEO, LLMO, AI SEO. Z perspektywy Google optymalizacja pod generatywne funkcje wyszukiwarki to wciąż SEO, a firma odsyła przy okazji do swojego poradnika o ocenie zewnętrznych porad SEO. Warto to zapamiętać, zanim kupisz usługę z nowym akronimem w nazwie.

Mechanizm jest prostszy, niż sugeruje branżowy żargon. Google używa RAG, nazywanego też groundingiem, czyli pobiera z indeksu aktualne strony i dopiero na nich opiera generowaną odpowiedź. Do tego dochodzi query fan-out, czyli rozbicie jednego pytania użytkownika na kilka równoległych zapytań. Przykład z dokumentacji Google: pytanie o zachwaszczony trawnik rozgałęzia się na „najlepsze herbicydy”, „usuwanie chwastów bez chemii” i „jak zapobiegać chwastom”. Twoja treść nie konkuruje więc o jedno zapytanie, tylko o kilka podpytań naraz.

Dlaczego wysoka pozycja w Google przestała wystarczać

Ruch spada nawet wtedy, gdy pozycje stoją w miejscu. To dziś najczęstszy scenariusz w Search Console u firm, które nie zmieniły niczego w strategii.

Ostatni wiersz zaskakuje klientów najczęściej. Powtarzany w branży mit mówi, że AI Overviews dotyczy tylko zapytań informacyjnych, więc sklepy i firmy usługowe mogą spać spokojnie. Dane Peec AI to obalają: przy zapytaniach na dole lejka podsumowanie AI wyświetla się częściej niż średnia.

Jest też druga strona tej samej monety. Strona cytowana wewnątrz AI Overviews notuje o 35% więcej kliknięć organicznych i o 91% więcej płatnych. Cytowanie nie kanibalizuje SEO, tylko je wzmacnia.

Co Google każe odpuścić

To najbardziej praktyczna część oficjalnego przewodnika i jednocześnie ta, którą polskie poradniki pomijają najczęściej. Dokument o optymalizacji strony pod funkcje generatywne opublikował John Mueller 15 maja 2026 roku, a osobny rozdział poświęcił obalaniu mitów.

Dwie rzeczy Google mówi za to twierdząco. Po pierwsze, strona musi być zaindeksowana i spełniać wymagania techniczne, żeby w ogóle kwalifikować się do wyświetlenia w AI Overview.

“

Dlaczego tyle firm zaczyna od llms.txt, a nie od treści?

Bo to jedyny element z całej listy, który da się odhaczyć w piętnaście minut. Reszta wymaga napisania czegoś, czego nie ma nikt inny, a to trwa. Plik nie zastąpi treści, tylko daje poczucie, że coś się zrobiło.

Uderzająco brzmi też definicja treści, którą Google podaje jako przykład. Materiał towarowy w rodzaju „7 porad dla kupujących pierwsze mieszkanie” to wiedza powszechna, którą napisze każdy. Materiał nietowarowy to relacja z konkretnego doświadczenia, na przykład opis tego, dlaczego ktoś zrezygnował z odbioru technicznego i co znalazł potem w instalacji. Różnica nie polega na długości ani na strukturze. Polega na tym, czy ktoś to przeżył.

Jak zbudować akapit, który AI może zacytować

Najprostszy sprawdzian: zasłoń wszystko powyżej i poniżej akapitu. Jeśli nadal się broni, jest cytowalny.

Cytowalny akapit ma cztery elementy w tej kolejności:

1. Teza. Jedno zdanie, które odpowiada na pytanie z nagłówka. Bez rozbiegu.
2. Kontekst. Dla kogo to działa, kiedy i w jakich warunkach.
3. Dowód. Liczba, data, nazwa własna, źródło. Konkret, nie przymiotnik.
4. Zastrzeżenie. Kiedy to nie zadziała. Ten element wygląda niepozornie, a robi najwięcej dla wiarygodności.

Zamiast: „Oferujemy szeroki wybór rozwiązań dopasowanych do potrzeb klienta”.
Lepiej: „Wdrożenie skróciło czas realizacji zamówień z 48 do 32 godzin, czyli o około 33%”.

Druga zasada to miejsce. Odpowiedź ma paść w pierwszych 40-60 słowach po nagłówku, bo niemal połowa cytowań ChatGPT pochodzi z pierwszych 30% strony. Konkluzja schowana pod trzema akapitami wstępu to po prostu konkluzja niewidoczna.

Trzecia zasada dotyczy gęstości faktograficznej. Badanie Princeton, Georgia Tech, Allen Institute for AI i IIT Delhi objęło 10 000 zapytań i wykazało, że celowa optymalizacja podnosi widoczność w odpowiedziach generatywnych nawet o 40%. Trzy najskuteczniejsze techniki z dziewięciu przetestowanych to dodanie danych statystycznych, cytowanie źródeł zewnętrznych i wprowadzenie wypowiedzi eksperckich.

To zresztą tłumaczy, dlaczego nagłówki w formie pytania działają lepiej niż hasłowe. Nagłówek pytający tworzy naturalny punkt zaczepienia dla podpytania z fan-outu. Nagłówek „Koszty” nie tworzy żadnego.

Czy optymalizować pod konkretny model? Raczej nie

Nie, bo modele nie zgadzają się ze sobą prawie nigdy. To najświeższe i chyba najbardziej niewygodne ustalenie w całej branży.

Bill Widmer z Orbit Media zebrał 13 184 cytowania i 1765 odpowiedzi na 72 pytaniach zakupowych B2B, uruchamianych co tydzień w ChatGPT, Claude, Gemini i Perplexity. Dane sięgają 23 sierpnia 2026 roku.

Dwie liczby z tego badania warto zapamiętać na dłużej. Wszystkie cztery modele zgodziły się co do tej samej domeny dla tego samego pytania 30 razy na 1792 kombinacje, czyli w 1,7% przypadków. I druga: Claude w setkach odpowiedzi nie zacytował Reddita ani razu, mimo że 79% analizowanych artykułów branżowych o wyszukiwaniu AI zaleca budowanie obecności właśnie tam.

Wniosek praktyczny jest odwrotny do intuicji. Skoro silniki różnią się aż tak, osobne taktyki pod każdy z nich to droga donikąd. To, co nagradzają wszystkie cztery, jest wspólne: realna ekspertyza, spójne dane o firmie w całej sieci i potwierdzenie u zewnętrznych źródeł.

Dotyczy to też porównania z Google. Na poziomie dokładnych adresów URL pokrycie cytowań z pierwszej dziesiątki wyników wynosiło około 1–5% dla Gemini i ChatGPT, a Perplexity, który trzyma się Google najbliżej, mieścił się w przedziale 13–23%. Wysoka pozycja pomaga, ale niczego nie gwarantuje.

Cytowanie to nie to samo co wzmianka

Rozróżnienie, które ratuje przed panikowaniem nad dashboardem. Wzmianka to sytuacja, w której model wymienia markę w treści odpowiedzi. Cytowanie to podlinkowanie konkretnej strony jako źródła.

W badaniu Orbit Media luka między wzmiankami a cytowaniami wyniosła 30 punktów dla Claude, gdzie marki pojawiały się w 70% odpowiedzi, a były cytowane w 40%. Dla Gemini luka sięgnęła 31 punktów, dla Perplexity 23, a dla ChatGPT tylko 8.

Ciekawsze jest to, jak ta luka zależy od rozpoznawalności marki. Semrush, marka o ogromnym zasięgu, miał lukę 50-punktową: był wymieniany w 83–100% odpowiedzi, ale wskaźnik cytowań spadał miejscami do zera. Dwie mniejsze marki w tej samej próbie miały luki 4- i 5-punktowe. Hipoteza autora badania brzmi tak: znane marki siedzą w danych treningowych, więc model poleca je z pamięci, a źródłuje odpowiedź z cudzych stron. Nieznane marki bywają wymieniane dopiero wtedy, gdy model faktycznie odwiedzi ich stronę.

Dashboardy cytowań zaniżają więc widoczność dużych marek, a dla małych mierzą ją niemal jeden do jednego. Zanim ktoś wystraszy Cię zerowym tygodniem, sprawdź, na którym końcu tej skali jesteś.

Najczęstsze błędy, które widzimy w audytach

W pracy audytowej te same problemy wracają w kółko, niezależnie od branży.

FAQ w akordeonie ładowanym JavaScriptem. Google renderuje JS, ale modele językowe robią to znacznie mniej niezawodnie i mogą nie wykonać skryptu potrzebnego do odsłonięcia odpowiedzi. Jeśli FAQ ma być cytowane, musi istnieć w kodzie HTML, a nie pojawiać się dopiero po kliknięciu.

Kosmetyczne aktualizacje. Podmiana „2025” na „2026” w tytule bez zmiany treści to sygnał, który nowsze modele wykrywają jako konflikt między datą a niezmienionymi faktami. Aktualizacja liczy się wtedy, gdy zmieniają się dane, nie nagłówek.

Ekspert bez nazwiska. „Nasi specjaliści uważają” nie buduje żadnego powiązania. Model łatwiej przypisuje wiedzę osobie niż organizacji, więc podpis z imieniem, stanowiskiem i linkiem do profilu robi realną różnicę.

Rozjazd danych firmowych. Inna nazwa usługi na stronie, inna w wizytówce Google, inna w katalogu branżowym. Model nie ma jak potwierdzić, czym firma się zajmuje, więc jej nie poleca.

“

Co najczęściej blokuje widoczność w AI, gdy SEO jest w porządku?

Najczęściej to samo: firma opisuje się inaczej w każdym miejscu w sieci. Strona mówi o jednym, wizytówka o drugim, LinkedIn o trzecim. Model nie ma czego potwierdzić, więc wybiera konkurenta, który mówi jedno i to samo wszędzie.

Dla kogo ta zmiana ma największe znaczenie

Największą presję czują serwisy z dużym udziałem zapytań informacyjnych. Analiza polskich domen w Search Console pokazała, że portal informacyjny stracił 66,8% kliknięć, podczas gdy sklep tracił 24,7%, bo ktoś szukający konkretnego produktu i tak musi wejść na stronę, żeby go kupić. Zależność jest prosta: im więcej treści poradnikowej w profilu ruchu, tym większy spadek.

Firmom usługowym i lokalnym opłaca się przestawić priorytet z liczby artykułów na ich gęstość faktograficzną i na obecność poza własną domeną. Sklepom bardziej opłacają się porównania, karty produktów z pełną specyfikacją i opinie zewnętrzne, bo analiza 23 387 cytowań pokazała, że 57% cytowań przy zapytaniach brandowych trafia do recenzji, zestawień, forów i case studies, a materiały typu thought leadership zbierają tylko 5,4%.

Kiedy nie warto się tym przejmować? Jeśli cały ruch pochodzi z kampanii płatnych i poleceń, a strona pełni funkcję wizytówki, przebudowa treści pod cytowalność da niewiele. Wtedy sensowniej zacząć od uporządkowania danych firmowych w sieci.

Najczęściej zadawane pytania

Czy SEO nadal ma sens w erze AI?

Tak. Google potwierdził w dokumentacji, że dobre praktyki SEO pozostają aktualne, ponieważ funkcje generatywne opierają się na tych samych systemach rankingowych i jakościowych co klasyczne wyniki. Zmienia się cel pomiaru, nie warsztat.

Czy trzeba stworzyć plik llms.txt?

Nie na potrzeby Google. Wyszukiwarka ignoruje pliki llms.txt i podobne, więc ich obecność ani nie poprawi, ani nie pogorszy widoczności strony. Jeśli chcesz go utrzymywać dla innych systemów, nic złego się nie stanie, ale nie traktuj tego jako priorytetu.

Jak długi powinien być artykuł pod AI?

Nie ma idealnej długości strony, a Google odradza dzielenie treści na kawałki „dla AI”. Praktyczny wyznacznik to liczba pytań, na które tekst realnie odpowiada, a nie liczba znaków.

Co zrobić, gdy AI wymienia markę, ale jej nie linkuje?

Sprawdź najpierw, jak rozpoznawalna jest marka, bo u dużych marek luka między wzmiankami a cytowaniami sięgała 50 punktów, a u małych 4–5. Jeśli marka jest mała i nie ma cytowań, problem leży zwykle po stronie indeksowalności albo braku konkretów na stronie.

Jak często aktualizować treści?

Strony o dużym ruchu warto przeglądać kwartalnie, a materiały mocno oparte na danych częściej. Modele wykrywają odświeżenia pozorne, więc liczy się zmiana danych, języka i kontekstu, a nie samej daty.

Zamiast konkluzji

Najbardziej praktyczna rada z badania Orbit Media brzmi banalnie: oceniaj trendy na podstawie minimum trzech tygodni danych, bo przy 30–65% wymianie cytowań tydzień do tygodnia pojedyncze zrzuty każą Ci gonić duchy. Jedna odpowiedź AI to pogoda. Tempo mierzone tygodniami to klimat.

Reszta sprowadza się do dwóch pytań przy każdym tekście. Czy Google go zaindeksuje? I czy da się z niego wyciągnąć zdanie, które model zacytuje bez interpretowania całości?

Źródła

• Google Search Central, Optimizing your website for generative AI features on Google Search, maj 2026, aktualizacja lipiec 2026 – developers.google.com
• Google Search Central Blog, A new resource for optimizing for generative AI in Google Search, 15 maja 2026 – developers.google.com
• Bill Widmer, Orbit Media Studios, I Tracked 13,184 AI Citations Across 4 LLMs, 2 września 2026 – orbitmedia.com
• Aggarwal i in., GEO: Generative Engine Optimization, ACM SIGKDD 2024, Princeton University, Georgia Tech, Allen Institute for AI, IIT Delhi – dl.acm.org
• Omniscient Digital, analiza 23 387 cytowań w odpowiedziach LLM, 2026 – beomniscient.com
• Analiza czynników cytowania w wyszukiwaniu AI na podstawie Zyppy Signal i czterech zbiorów pierwotnych, Digital Applied, 2026 – digitalapplied.com