AI w SEO: do czego używać, a do czego nie (i co na to Google)

AI w SEO opłaca się tam, gdzie model porządkuje, streszcza, proponuje warianty albo pisze kod, który i tak sprawdzisz. Szkodzi tam, gdzie ma dostarczyć fakty, liczby, porady z obszarów zdrowia, prawa i finansów albo setki stron „na skróty”. Google nie karze treści za to, że powstały z pomocą AI. Karze za masowe publikowanie stron, które nic nie wnoszą, niezależnie od tego, kto lub co je napisało.

Czy Google karze za treści generowane przez AI

Nie za samo użycie AI. Google powtarza to od lutego 2023 roku, kiedy w oficjalnym wpisie o treściach generowanych przez AI napisał, że właściwe użycie AI lub automatyzacji nie narusza jego wytycznych. Ten sam wpis stawia granicę: używanie automatyzacji, w tym AI, do generowania treści przede wszystkim po to, by manipulować pozycjami, jest naruszeniem polityki spamu. Google przypomina też, że automatyzacja od dawna tworzy przydatne treści, jak wyniki sportowe, prognozy pogody czy transkrypcje.

Druga strona medalu z tego samego FAQ: użycie AI nie daje treści żadnej przewagi. Strona z AI może zajść wysoko, jeśli jest przydatna i oryginalna, i nie zajdzie, jeśli taka nie jest. Ocena dotyczy wyniku, nie narzędzia.

Dane z rynku są z tym zgodne. Ahrefs w lipcu 2025 przeanalizował 600 000 stron z pierwszej dwudziestki wyników dla 100 000 losowych fraz. Według ich detektora 86,5% tych stron zawierało przynajmniej część treści wygenerowanej przez AI, 4,6% było w całości „AI”, a 13,5% w całości ludzkie. Korelacja między udziałem AI a pozycją wyniosła 0,011, czyli praktycznie zero. Dwa zastrzeżenia: to korelacja, a nie dowód przyczynowy, a autorzy sami piszą, że żaden detektor AI nie jest bezbłędny i zdarzają mu się fałszywe alarmy.

Stan na październik 2026: dokumentacja Google o korzystaniu z generatywnej AI na stronie (aktualizacja z 1 października 2026) mówi wprost, że AI bywa przydatna przy researchu i porządkowaniu oryginalnej treści, a generowanie wielu stron bez wartości dla użytkownika może naruszać politykę dotyczącą masowo tworzonych treści. Ta sama strona wymaga ręcznego sprawdzenia faktów przed publikacją.

Kiedy treści z AI stają się spamem: masowe generowanie stron

W politykach spamu Google to zjawisko nazywa się scaled content abuse: wiele stron generowanych głównie po to, by manipulować rankingiem, a nie pomagać użytkownikom, „bez względu na to, jak powstały”. Google wymienia przykłady; kilka z nich to popularne „strategie” sprzedawane jako growth hacki:

• generowanie wielu stron narzędziami AI bez wartości dodanej dla użytkownika,
• zbieranie cudzych treści (kanały, wyniki wyszukiwania) i przerabianie ich automatycznie, np. synonimizacją lub tłumaczeniem,
• sklejanie fragmentów z różnych stron bez wkładu własnego,
• zakładanie wielu serwisów, żeby ukryć skalę generowania,
• strony, które czytelnikowi nie mówią nic sensownego, ale zawierają frazy.

W praktyce najczęstsza pokusa w małej firmie to setki podstron „usługa + miasto” z tym samym tekstem, w którym zmienia się tylko nazwa miejscowości, albo blog zasilany 30 artykułami tygodniowo bez redakcji. To dokładnie ten wzorzec. Strona Google o tworzeniu treści pomocnych ludziom dodaje sygnały ostrzegawcze z pytaniami w rodzaju: czy produkujesz dużo treści na wiele tematów w nadziei, że coś się przyjmie? czy używasz rozległej automatyzacji, żeby pisać o wielu tematach? czy głównie streszczasz to, co napisali inni?

Zasada: zanim zlecisz modelowi stronę, odpowiedz na pytanie, co czytelnik dostanie tutaj, czego nie dostanie na pierwszych pięciu wynikach. Jeśli odpowiedzią jest „to samo, tylko innymi słowami”, AI tylko przyspieszy produkcję strony, która nie ma powodu istnieć.

Dlaczego AI zmyśla fakty: mechanizm halucynacji

Google opisuje to jednym zdaniem w wytycznych o treściach z AI: modele generatywne nie wyszukują faktów, tylko przewidują prawdopodobną sekwencję słów na podstawie danych treningowych. Dlatego mogą podawać nieprawdę, czyli halucynować.

Badacze w pracy „Why Language Models Hallucinate” (Kalai i in., 2025) rozkładają to na dwa elementy:

1. Już na etapie wstępnego treningu błędy powstają z czysto statystycznych powodów: jeśli model nie potrafi odróżnić zdania fałszywego od prawdziwego, część wygenerowanych zdań będzie fałszywa, ale brzmiąca wiarygodnie.
2. Błędy utrzymują się, bo większość testów, na których porównuje się modele, nagradza zgadywanie. Odpowiedź „nie wiem” dostaje zero punktów, strzał czasem trafia, więc model jest optymalizowany jak uczeń, który na egzaminie zawsze coś wpisze.

Dla SEO wynikają z tego trzy praktyczne wnioski. Model najczęściej myli się w rzadkich, konkretnych faktach: dacie, kwocie, numerze przepisu, nazwisku autora badania, wyniku z raportu. Myli się pewnym tonem, więc ton nie jest sygnałem prawdziwości. I często nie wie, że się myli.

Skalę problemu dobrze pokazuje badanie Dahl i in. opublikowane w Journal of Legal Analysis (2024). Na konkretne, weryfikowalne pytania o losowe sprawy z amerykańskich sądów federalnych modele halucynowały od 58% odpowiedzi (ChatGPT 4) do 88% (Llama 2). Autorzy pokazali też, że modele często nie korygują błędnych założeń zawartych w pytaniu. Wyniki dotyczą modeli sprzed 2024 roku i wąskiej dziedziny, więc nie przenoś tych procentów na dzisiejsze narzędzia. Mechanizm z punktów 1 i 2 pozostaje jednak aktualny: Kalai i in. piszą, że halucynacje utrzymują się także w najnowszych systemach.

Pułapka: „poproś AI o źródło” nie rozwiązuje problemu. Model bez dostępu do wyszukiwarki wygeneruje prawdopodobnie wyglądający tytuł i adres, tak samo jak generuje resztę tekstu. Źródło istnieje dopiero wtedy, gdy je otworzysz i znajdziesz w nim dokładnie to zdanie lub liczbę.

Do czego używać AI w SEO: zadania z oceną ryzyka

Najbezpieczniejsze są zadania, w których wynik da się szybko sprawdzić albo w których model przetwarza materiał dostarczony przez Ciebie, zamiast wyciągać go z „pamięci”.

Kilka uwag do tabeli.

Badanie fraz. Model językowy nie ma wbudowanego dostępu do danych o liczbie wyszukiwań. Jeśli podaje „miesięczny wolumen”, to bez podłączonego narzędzia jest to liczba wygenerowana, a nie zmierzona. Używaj AI do porządkowania listy, którą pobrałeś z narzędzia, i do wskazywania pytań, których w tej liście brakuje. Same liczby bierz z narzędzi. O tym, jak czytać sugestie narzędzi optymalizacyjnych, piszemy w tekście o Surfer SEO.

Klastry i intencja. Model dobrze odróżnia frazy informacyjne („jak usunąć kamień z zębów”) od transakcyjnych („higienizacja zębów cena Kraków”), ale nie widzi, co Google faktycznie pokazuje dla danej frazy. Ostateczny podział sprawdź w wynikach wyszukiwania: jeśli dla dwóch fraz rankują te same strony, zwykle obsłuży je jedna podstrona.

Analiza danych. Tu AI oszczędza najwięcej czasu przy najmniejszym ryzyku, bo wynik weryfikujesz liczbami: formuła w arkuszu albo skrypt grupujący adresy URL z eksportu Search Console działa albo nie. Uwaga na dane: logi serwera zawierają adresy IP odwiedzających, więc zanim wkleisz je do zewnętrznego narzędzia, ustal z osobą odpowiedzialną za ochronę danych, czy wolno, albo usuń te kolumny.

Do skopiowania: „Poniżej lista 200 fraz z Search Console z kolumnami: fraza, wyświetlenia, kliknięcia. Pogrupuj je w klastry według intencji użytkownika (informacyjna, porównawcza, transakcyjna, lokalna). Dla każdego klastra podaj frazę główną i proponowany typ podstrony. Nie dodawaj fraz spoza listy i nie szacuj żadnych liczb.”

Do czego nie używać AI w SEO

Poniższe przypadki łączy jedno: koszt błędu jest w nich wyższy niż oszczędność czasu.

Publikacja bez przeczytania przez człowieka. Google w wytycznych o generatywnej AI pisze, że ręczne sprawdzenie faktów i wiarygodności wszystkich treści z AI przed publikacją ma krytyczne znaczenie. Automatyczne wrzucanie wygenerowanych tekstów na stronę nie spełnia tego warunku z definicji.

Fakty i liczby z „pamięci” modelu. Ceny, przepisy, terminy, statystyki, dane techniczne produktów. Każda taka informacja musi mieć źródło, które ktoś otworzył.

Tematy YMYL. Google stosuje skrót YMYL (Your Money or Your Life) do tematów, które mogą istotnie wpłynąć na zdrowie, stabilność finansową lub bezpieczeństwo ludzi, i według strony o treściach pomocnych ludziom jego systemy dają tam jeszcze większą wagę sygnałom E-E-A-T (doświadczenie, wiedza, autorytet, wiarygodność). Jeśli prowadzisz gabinet stomatologiczny, kancelarię czy biuro rachunkowe, AI może pomóc w strukturze i języku tekstu, ale treść merytoryczną musi napisać lub zatwierdzić specjalista podpisany imieniem i nazwiskiem.

Fikcyjni autorzy. Google nazywa wprost formą oszustwa tworzenie profili twórców z wygenerowanymi zdjęciami, zmyślonymi nazwiskami lub fałszywymi kwalifikacjami. Według tej samej dokumentacji każde oszustwo czyni stronę niewiarygodną zarówno dla użytkowników, jak i dla automatycznych systemów jakości.

Opinie, recenzje i „testy”, których nie było. Wygenerowana recenzja produktu, którego nikt nie trzymał w ręku, nie ma części, której Google oczekuje od recenzji: dowodu, że test się odbył.

Odświeżanie dat. Przepisanie tekstu przez AI innymi słowami i zmiana daty publikacji to jeden z sygnałów ostrzegawczych wymienionych przez Google: zmiana dat, żeby strona wyglądała na świeżą, choć treść istotnie się nie zmieniła.

AI w technicznym SEO: dane strukturalne, metadane, kod

Wytyczne Google o AI obejmują nie tylko tekst artykułu. Obowiązek ręcznego sprawdzenia dotyczy też elementów title, meta description, danych strukturalnych i tekstów alternatywnych obrazów, bo mogą pojawić się w wynikach wyszukiwania.

Przy danych strukturalnych model jest szybki, ale ma skłonność do „uzupełniania” pól, których nie ma na stronie: wymyślonej oceny w gwiazdkach, liczby opinii, godzin otwarcia. Ogólne wytyczne Google dla danych strukturalnych zabraniają oznaczania treści niewidocznej dla czytelnika i wymagają, by znaczniki wiernie odpowiadały zawartości strony. Fałszywe opinie są tam podane jako przykład treści wprowadzającej w błąd. Ta sama dokumentacja przypomina, że nawet poprawne znaczniki nie gwarantują wyświetlenia wyników rozszerzonych.

Pułapka: model chętnie doda do znaczników LocalBusiness ocenę „4,9” i „127 opinii”, bo takie pola występują w przykładach. Jeśli tych danych nie ma na stronie, usuwasz je w całości, a nie zamieniasz na prawdziwe liczby z innego serwisu.

Proces redakcyjny dla tekstów pisanych z pomocą AI

Ten proces zakłada, że AI pisze szybciej, a człowiek odpowiada za każde zdanie. Działa dla jednego tekstu i dla planu na kwartał.

1. Zanim otworzysz czat, zapisz, co tekst ma dać czytelnikowi, i zbierz materiał, którego model nie ma: Twoje dane, przypadki z firmy, zdjęcia, odpowiedzi na pytania klientów, cennik.
2. Zbierz źródła pierwotne (dokumentację, przepisy, raporty z metodologią) i otwórz każde. Przekaż modelowi ich treść jako kontekst, zamiast prosić go, by „sam znalazł”.
3. Poproś o szkielet i porównaj go z pierwszymi wynikami w Google dla frazy. Dopisz sekcje, których brakuje konkurencji, a które możesz pokryć własnym doświadczeniem.
4. Wygeneruj szkic na podstawie notatek i źródeł. Oznacz w nim każde twierdzenie faktograficzne.
5. Zrób listę twierdzeń (liczby, daty, nazwy, przepisy, opisy działania narzędzi) i dla każdego znajdź zdanie w otwartym źródle. Czego nie potwierdzisz, usuwasz albo przeformułowujesz bez liczby.
6. Przy tematach YMYL tekst czyta i zatwierdza specjalista, którego imię i nazwisko pojawia się na stronie.
7. Przejdź tekst redakcyjnie: wytnij zdania, które nic nie mówią, ujednolicaj ton, dodaj przykłady z firmy.
8. Sprawdź metadane i dane strukturalne według tabeli z poprzedniej sekcji.
9. Opublikuj z prawdziwym autorem, a efekty mierz w Search Console: wyświetlenia, kliknięcia i frazy dla nowego adresu.

Przykład obliczeniowy (liczby hipotetyczne, podstaw własne): jeśli ręczne napisanie artykułu zajmuje Ci 8 godzin, a z AI szkic powstaje w 1 godzinę, to przy weryfikacji faktów (2 godziny), redakcji (2 godziny) i metadanych (0,5 godziny) całość zajmuje 5,5 godziny. Oszczędzasz około 30% czasu, nie 90%. Jeśli plan zakłada 90%, to znaczy, że któryś z kroków 5–8 wypadł.

Ten sam proces przydaje się, gdy oceniasz wykonawcę. Zapytaj, kto i jak weryfikuje fakty w tekstach, czy autorzy są prawdziwymi osobami i ile tekstów miesięcznie przypada na jednego redaktora. Szerzej o tym, czego oczekiwać od pozycjonowania stron, i o podstawach działania wyszukiwarki piszemy w artykule Co to jest SEO.

Czy oznaczać treści jako stworzone z pomocą AI

Google nie wymaga etykiety na każdym tekście, ale zaleca kontekst tam, gdzie czytelnik może go oczekiwać. W FAQ z 2023 roku informacja o użyciu AI lub automatyzacji jest opisana jako przydatna przy treściach, przy których ktoś mógłby zapytać: „jak to powstało?”. Ten sam dokument odradza wpisywanie AI jako autora: według Google nie jest to najlepszy sposób, by pokazać czytelnikom, że AI brała udział w tworzeniu treści.

Strona o treściach pomocnych ludziom daje trzy pytania kontrolne, jeśli automatyzacja w istotnym stopniu generuje treść: czy jej użycie jest dla odwiedzających oczywiste, czy wyjaśniasz, jak jej użyto, i czy tłumaczysz, dlaczego była przydatna.

Ostatnie dwa wiersze dotyczą sklepów. Według dokumentacji Google obrazy wygenerowane przez AI muszą mieć metadane IPTC DigitalSourceType z wartością TrainedAlgorithmicMedia, a dane produktowe z AI, takie jak tytuł i opis, muszą być podane osobno i oznaczone jako wygenerowane.

AI w SEO a widoczność w AI Overviews i odpowiedziach modeli

Osobnym tematem jest to, jak Twoja strona pojawia się w odpowiedziach generowanych przez AI. Google w dokumentacji o funkcjach AI w wyszukiwarce pisze, że do pojawienia się w AI Overviews i AI Mode nie ma dodatkowych wymagań ani specjalnej optymalizacji. Strona musi być zaindeksowana i kwalifikować się do wyświetlenia w wynikach z fragmentem opisu. Nie potrzebujesz nowych plików dla AI ani specjalnych danych strukturalnych.

Z tej dokumentacji wynikają trzy praktyczne rzeczy:

• Obie funkcje mogą używać techniki query fan-out, czyli wysyłać wiele powiązanych zapytań o podtematy i źródła danych. Tekst, który dobrze odpowiada na konkretne pytania cząstkowe, ma więcej okazji do bycia linkiem pomocniczym.
• Ruch z AI Overviews i AI Mode jest liczony w raporcie Skuteczność w Search Console, w typie wyszukiwania „Web”, razem z resztą ruchu z wyszukiwarki.
• Kontrolę nad tym, co Google pokazuje z Twojej strony, dają te same mechanizmy co w zwykłym wyszukiwaniu: nosnippet, data-nosnippet, max-snippet i noindex.

Pułapka: oferty „optymalizacji pod AI Overviews” oparte na specjalnych plikach lub znacznikach stoją w sprzeczności z cytowaną dokumentacją Google, która mówi, że nie trzeba tworzyć nowych plików czytelnych maszynowo ani plików tekstowych dla AI. Pytaj wykonawcę, na jakiej dokumentacji opiera obietnicę.

Widoczność w odpowiedziach innych asystentów (ChatGPT, Perplexity, Gemini) rządzi się częściowo innymi zasadami i wymaga osobnego pomiaru. Opisujemy to na stronie o widoczności w AI (GEO). Jeśli chcesz sprawdzić, czy treści już opublikowane z pomocą AI nie zawierają błędów i duplikatów, punkt wyjścia to audyt SEO.

Lista kontrolna przed publikacją tekstu pisanego z AI

• Tekst zawiera coś, czego nie ma w pierwszych wynikach: dane, przykład, doświadczenie, opinię specjalisty.
• Każda liczba, data, nazwa i przepis ma źródło, które ktoś otworzył.
• Temat YMYL zatwierdził specjalista podpisany na stronie.
• Autor jest prawdziwą osobą z prawdziwym biogramem.
• Title, meta description i alt obrazów odpowiadają treści.
• Dane strukturalne opisują tylko to, co widać na stronie.
• Data aktualizacji zmienia się tylko przy istotnej zmianie treści.
• Nie publikujesz serii niemal identycznych podstron różniących się nazwą miasta lub produktu.
• Wiesz, w którym raporcie Search Console i po jakim czasie sprawdzisz efekt.