Obecnie coraz więcej uwagi zwaracamy na pozycjonowanie w AI, systemy sztucznej inteligencji takie jak ChatGPT, Google Gemini, Perplexity czy Claude stają się nowymi doradcami zakupowymi Twoich klientów. Pytają ich o polecane firmy, sprawdzają oferty, porównują usługi. Problem w tym, że systemy LLM (Large Language Models) nie zawsze podają prawdziwe dane — i często w ogóle nie wymieniają firm, które na to zasługują.

W RSO Media od marca 2025 roku testujemy, analizujemy i wdrażamy rozwiązania z zakresu GEO (Generative Engine Optimization) — optymalizacji stron pod widoczność w odpowiedziach generowanych przez AI. Już w marcu 2025, podczas pierwszych testów AI Overview w Polsce, umieściliśmy treści klienta w Google Gemini na wysokiej pozycji.

Problem, którego większość firm jeszcze nie widzi

Systemy AI działają na zasadzie logicznych powiązań między encjami. Wyobraź sobie zdanie „Ala ma kota” — dla człowieka oczywiste. Ale model językowy wnioskuje wyłącznie z relacji, które znajdzie w tekście.

Firma produkuje śruby. Na stronie znajduje się informacja: „producent elementów złącznych”. AI zna śruby, nakrętki, podkładki — elementy złączne to szeroka kategoria. Klient pyta o śruby nierdzewne M8 — AI nie wie czy firma je produkuje, bo strona tego nie mówi wprost. Poleca konkurencję, która ma to napisane.
Dokładnie ten sam mechanizm dotyczy każdej firmy z ogólną ofertą na stronie.

Przykład z naszych testów:

Salon fryzjerski z bardzo ogólną stroną internetową — bez wypunktowanej listy usług. Google Gemini zapytany o ofertę tego salonu uzupełnił brakujące informacje własną wiedzą o tym, co zazwyczaj oferują salony fryzjerskie. Wynik? AI polecało usługi, których salon nie świadczył, i czasem pomijało te, na których właściciel zarabiał najwięcej.

To nie jest wyjątek. To jest reguła dla firm z ogólnymi stronami internetowymi. W środowisku LLM takie zachowanie nazywamy halucynacją — model generuje odpowiedź, która brzmi wiarygodnie, ale nie odpowiada rzeczywistości. Dlatego pozycjonowanie w AI to także uściślanie treści.

Czy AI wie gdzie jesteś i kim jesteś?

Systemy RAG (Retrieval-Augmented Generation) — używane przez ChatGPT i Gemini w trybie wyszukiwania — pobierają aktualne dane ze stron internetowych w czasie rzeczywistym, uzupełniając parametryczną wiedzę modelu. Oznacza to, że w praktyce także sprawdzają wyniki w Google na zapytania takie jakie zadają użytkownicy, chcą zweryfikować firmę.

Wyobraź sobie firmę logistyczną zarejestrowaną na adres domowy właściciela, z biurem w centrum miasta i magazynem na obrzeżach. Klient pyta ChatGPT: „Gdzie mogę odebrać fakturę z firmy X?”

AI sprawdza dane w CEIDG, KRS, wizytówce Google oraz na stronie internetowej — i może otrzymać trzy różne adresy. Odpowiedź którą udzieli może być błędna.

Z naszych testów wynika, że systemy LLM traktują CEIDG jako główne źródło danych o firmie, a KRS jako pomocnicze, w przypadku problemów z odczytem CEIDG. Jeśli dane są niespójne między tymi rejestrami a stroną internetową — AI ma problem z ujednoznacznieniem encji firmy.

Warto też zwrócić uwagę na sposób prezentacji danych adresowych. Systemy LLM znacznie lepiej przetwarzają dane podane w takiej formie:

„Biuro RSO znajduje się przy ulicy Dolna Panny Marii 56/8 w Lublinie”

niż w formie tabelarycznej lub skróconej:

„RSO — Dolna Panny Marii 56/8 — Lublin”

Rozwiązaniem jest precyzyjne opisanie firmy na stronie oraz wdrożenie danych strukturalnych schema.org (szczególnie znacznik Organization), które eliminują niejednoznaczność i pomagają AI jednoznacznie zidentyfikować firmę jako wiarygodny byt prawny.

Jak szybko AI aktualizuje dane o Twojej firmie?

To pytanie zadaje każdy klient, który zmienia ofertę lub adres.

Z naszych testów wynika: dla strony z dobrym linkowaniem wewnętrznym i zewnętrznym — zmiany w odpowiedziach AI pojawiają się zazwyczaj po 2 do 4 dni od zaindeksowania zmian przez Google.
Dlaczego? Modele takie jak Google Gemini nie zawsze czytają strony bezpośrednio — korzystają z mechanizmu RAG i szukają jej w wynikach Google. Dlatego szybka indeksacja zmian przekłada się bezpośrednio na aktualność danych w AI.

Warto także zwrócić uwagę że systemy LLM w wersji standardowej i PRO mogą pokazywać czasem różne dane, co uwarunkowane może być szerszym sprawdzeniem wyników. Wielu Twoich potencjalnych klientów korzysta z bezpłatnych wersji modeli AI — dlatego nasze rozwiązania testujemy właśnie na tych wersjach, aby uzyskać wyniki zbliżone dla wyników większości użytkowników AI.

Tradycyjne SEO a GEO — czym się różnią?

W RSO Media zdajemy sobie sprawę, że SEO i AIO (AI Optimization) są ściśle powiązane — modele LLM często odpowiadają na podstawie wyników z Google. To potwierdza badanie Princeton i IIT Delhi opublikowane w KDD 2024 (Aggarwal et al.), które jako pierwsze zmierzyło ilościowo jakie cechy treści zwiększają cytowalność przez generatywne silniki wyszukiwania.

Kluczowa różnica między SEO a GEO:

SEO optymalizuje stronę pod pozycję w rankingu listy linków
GEO optymalizuje treść pod cytowanie przez model jako wiarygodne źródło w syntetycznej odpowiedzi

Strona może być na pozycji #1 w wynikach organicznych, ale na gorszej pozycji dla AI — jeśli nie zawiera informacji podanych w sposób przystępny dla sztucznej inteligencji. I odwrotnie — dobrze zoptymalizowana treść może być cytowana przez AI nawet przy słabszej pozycji organicznej.

Jednak zauważamy że najczęściej w wynikach AI widzimy strony, które na wiele zapytań znajdują się w TOP10 tradycyjnych wyników wyszukiwania Google.

Pozycjonowanie w AI – co robimy?

1. Audyt widoczności w AI

Sprawdzamy jak ChatGPT, Google Gemini, Perplexity i Claude opisują Twoją firmę i ofertę. Identyfikujemy halucynacje, braki i błędy w danych. Testujemy zarówno bezpłatne jak i płatne wersje modeli.

2. Ujednoznacznienie encji firmy

Dopracowujemy spójność NAP (Name, Address, Phone) we wszystkich źródłach które czytają systemy AI — strona, CEIDG, wizytówka Google, portale branżowe. AI musi mieć pewność że Twoja firma istnieje, działa pod konkretnym adresem i oferuje dokładnie to, czego szuka użytkownik.

3. Optymalizacja treści pod cytowalność

Tworzymy lub przepisujemy treści tak, żeby systemy AI mogły je jednoznacznie zrozumieć i zacytować. Konkretna oferta, szczegółowe opisy usług, dane techniczne — zamiast ogólnych sformułowań które AI niekiedy uzupełnia własną wiedzą.

4. Dane strukturalne schema.org

Wdrażamy znaczniki JSON-LD które mówią robotom AI czym jest dana strona i jaką pełni rolę — Organization, Product, FAQ, HowTo. Eliminuje to problem z błędnym odczytem roli podstrony oraz wzmacnia sygnały E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness).

5. Budowanie topical authority

AI cytuje ekspertów, nie ogólnikowców. Budujemy widoczność marki w zewnętrznych źródłach — branżowych portalach, katalogach, recenzjach — które LLM traktuje jako sygnał wiarygodności. Wzmianki o marce w wiarygodnych źródłach działają w GEO jak linki w klasycznym SEO.

6. Podnoszenie pozycji firmy tradycyjnych wynikach Google

Modele AI, które przeszukują przed odpowiedzią wyniki Google, łatwiej znajdą firmy na wysokich pozycjach. Przykładowo ChatGPT zapytany o to w jaki sposób znalazł dane pokazał ścieżkę – przeszukał Google na 4 zapytania – bardzo podobne do zapytania, które otrzymał podczas testu. Stworzył grupę firm, przejrzał ich ofertę i wybrał te, które jego zdaniem są godne polecenia.

7. Monitoring i testy

Regularnie testujemy jak AI odpowiada na pytania dotyczące Twojej firmy i branży. GEO to proces ciągłych testów i optymalizacji — nie jednorazowe wdrożenie.

Wyniki które osiągamy

Pracujemy z firmami z różnych branż. Dla jednego z naszych klientów z branży spożywczej — producenta mrożonek, firmy znacznie mniejszej od liderów rynkowych — uzyskaliśmy obecność w Google AI Overview dla wielu fraz branżowych. AI opisuje tę firmę konkretnymi, technicznymi określeniami wyciągniętymi bezpośrednio ze zoptymalizowanych treści strony — i wymienia ją pomiędzy większymi konkurentami z wieloletnim stażem rynkowym.

Efekt jest możliwy, ponieważ AI nie rankuje po wielkości firmy — rankuje po jakości i konkretności treści.

Kilka wniosków z ponad roku testów

• Pozycjonowanie w AI to przede wszystkim testy i obserwacja — nie ma jednej recepty
• Tradycyjne SEO i widoczność w AI są ściśle powiązane — dobra pozycja w Google to często fundament obecności w AI Overview
• Halucynacje systemów LLM są znacznie częstsze niż się wydaje — szczególnie dla firm z ogólnymi stronami
• AI znacznie chętniej cytuje treści konkretne, unikalne i poparte danymi niż ogólne opisy
• Spójność danych firmy (NAP) we wszystkich zewnętrznych źródłach to podstawa — zanim zaczniemy optymalizować treści
• Czytanie dokumentacji modeli AI sprawia, że sami zaczynamy halucynować na temat zasad działania sztucznej inteligencji — dlatego stawiamy na testy, nie teorię

Sprawdź teraz jak AI opisuje Twoją firmę

Wpisz nazwę swojej firmy w ChatGPT lub Google Gemini i zapytaj o jej ofertę. Jeśli odpowiedź jest ogólna, błędna lub Twojej firmy nie ma — wiesz już od czego zacząć.

Skontaktuj się z RSO Media — omówimy wyniki tego testu i powiemy co konkretnie można poprawić.

Słowniczek pojęć

GEO (Generative Engine Optimization) Optymalizacja treści i strony internetowej pod widoczność w odpowiedziach generowanych przez modele AI — tak by marka była cytowana i rekomendowana przez systemy takie jak ChatGPT, Gemini czy Perplexity. Termin wprowadzony przez naukowców z Princeton i IIT Delhi w 2023 roku.

AEO (Answer Engine Optimization) Starszy termin — optymalizacja pod bezpośrednie odpowiedzi w wyszukiwarkach (featured snippets, asystenci głosowi). GEO jest rozwinięciem AEO na środowisko pełnych, syntetycznych odpowiedzi LLM.

AIO (AI Optimization) Branżowy synonim GEO — oba terminy oznaczają tę samą praktykę optymalizacji pod systemy AI.

LLM (Large Language Model) Duży model językowy — system AI wytrenowany na ogromnych zbiorach tekstu, zdolny do generowania odpowiedzi w języku naturalnym. Przykłady: ChatGPT (OpenAI), Gemini (Google), Claude (Anthropic), Perplexity.

RAG (Retrieval-Augmented Generation) Mechanizm używany przez modele AI w trybie wyszukiwania — zamiast polegać wyłącznie na wiedzy z treningu, model pobiera aktualne dane z internetu i syntetyzuje odpowiedź na ich podstawie. To dlatego szybka indeksacja strony w Google ma znaczenie dla aktualności odpowiedzi AI.

Halucynacja (w kontekście AI) Sytuacja gdy model AI generuje odpowiedź która brzmi wiarygodnie, ale nie odpowiada rzeczywistości — uzupełnia brakujące informacje własną „wiedzą” zamiast faktami ze strony.

Encja (Entity) Jednoznacznie zidentyfikowany obiekt w rozumieniu AI — firma, osoba, miejsce, produkt. AI musi móc jednoznacznie powiązać nazwę firmy, adres, domenę i NIP jako jedną encję, żeby poprawnie odpowiadać na pytania o tę firmę.

Ujednoznacznienie encji (Entity Disambiguation) Proces eliminowania niejednoznaczności w danych firmy — tak żeby AI nie myliło „RSO” z innymi podmiotami o podobnej nazwie i jednoznacznie identyfikowało firmę we wszystkich źródłach.

NAP (Name, Address, Phone) Spójność danych kontaktowych firmy (nazwa, adres, telefon) we wszystkich zewnętrznych źródłach — strona, CEIDG, KRS, wizytówka Google, katalogi branżowe. Niespójność NAP to jeden z głównych powodów błędnych odpowiedzi AI na temat firmy.

Schema.org / dane strukturalne Standardowy format znaczników HTML (najczęściej JSON-LD) który mówi robotom wyszukiwarek i systemom AI czym jest dany element strony — firma, produkt, FAQ, artykuł. Wdrożenie schema.org eliminuje niejednoznaczność i ułatwia AI poprawne zrozumienie treści.

AI Overview (wcześniej SGE — Search Generative Experience) Funkcja Google dostępna w Polsce od marca 2025 — syntetyczna odpowiedź generowana przez AI (model Gemini) wyświetlana nad tradycyjnymi wynikami wyszukiwania. Cytuje wybrane strony jako źródła.

E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) Wytyczne Google oceniające jakość treści — Doświadczenie, Ekspertyza, Autorytatywność, Wiarygodność. W kontekście GEO: sygnały E-E-A-T zwiększają prawdopodobieństwo cytowania przez AI.

Topical Authority Algorytmicznie mierzony stopień specjalizacji domeny w danej tematyce. Serwis koncentrujący się na wąskiej niszy osiąga wyższy topical authority niż serwis ogólnotematyczny — co przekłada się zarówno na ranking w Google jak i cytowalność w AI.

Parametryczna wiedza modelu Wiedza „wbudowana” w model AI podczas treningu — to co model „wie” bez sięgania do internetu. Może być nieaktualna lub niekompletna dla konkretnej firmy, szczególnie jeśli firma jest mała lub mało znana.

Źródła i literatura

• Aggarwal, P. et al. (2024). GEO: Generative Engine Optimization. KDD 2024 — ACM SIGKDD Conference on Knowledge Discovery and Data Mining.
• Goodwin, D. (2024). HUGE Google Search document leak reveals inner workings of ranking algorithm. Search Engine Land.
• King, M. (2024). How SEO moves forward with the Google Content Warehouse API leak. Search Engine Land.
• Wikipedia. 2024 Google Search documentation leak.