Gdzieś właśnie teraz ktoś pyta ChatGPT, jaki soundbar wybrać do małego salonu. Ktoś inny prosi Gemini o porównanie urządzeń do zabiegów estetycznych przed zakupem do gabinetu. Jeszcze ktoś każe asystentowi znaleźć prezent dla teścia, który lubi dobre audio. W żadnej z tych rozmów nie ma wyszukiwarki, nie ma listy dziesięciu niebieskich linków, nie ma reklam w wynikach. Jest odpowiedź. Gotowa, spójna, przekonująca. I bardzo możliwe, że nie ma w niej Twojej marki.

Najgroźniejsze zmiany rynkowe nie zapowiadają się fanfarami. Zaczynają się tam, gdzie nikt nie patrzy: w danych, których nikt nie umie jeszcze poprawnie odczytać, i w zachowaniach klientów, których żaden raport jeszcze nie nazwał. Taka zmiana dzieje się na naszych oczach. Coraz większa część decyzji zakupowych zaczyna się nie od wpisania frazy w wyszukiwarkę, ale od rozmowy z modelem językowym. A większość marek nie ma pojęcia, jak wygląda w tej rozmowie. Ani nawet, czy w ogóle w niej występuje.

Klient, który nigdy nie wszedł na Twoją stronę

Zacznijmy od faktów, nie od intuicji. Według tegorocznego badania Adobe już mniej więcej co czwarty konsument szuka informacji i rekomendacji przede wszystkim w narzędziach AI, z pominięciem stron marek, porównywarek i recenzji. W polskim Google odpowiedzi generowane przez AI Overviews pojawiają się przy blisko jednej czwartej zapytań. To nie jest nisza technologicznych entuzjastów. To nowy, masowy punkt styku z marką, który powstał szybciej, niż zdążyliśmy zbudować dla niego jakiekolwiek procesy, budżety czy choćby wskaźniki.

A teraz część, która powinna zaniepokoić każdego, kto planuje wydatki na podstawie analityki. Autorzy Trendbooka Marketera zwracają uwagę, że ruch raportowany w narzędziach analitycznych jako pochodzący z AI, zwykle jeden do trzech procent, to zaledwie wierzchołek góry lodowej. Większość interakcji z marką odbywa się w całości wewnątrz interfejsu ChatGPT, Gemini czy Perplexity i albo nie kończy się żadnym kliknięciem, albo wpada do kategorii „direct”, której firmy od lat nie potrafią sensownie interpretować. Innymi słowy: klient przeszedł całą ścieżkę, od pytania, przez porównanie, po decyzję, a w naszych raportach nie zostawił po sobie żadnego śladu. Albo zostawił ślad, który przypisaliśmy zupełnie innemu kanałowi i na tej podstawie pochwaliliśmy niewłaściwą kampanię.

Znam ten mechanizm z własnego podwórka. Kiedy analizujemy skuteczność komunikacji, wciąż odruchowo pytamy: ile było wejść, jaki CTR, jaka pozycja w Google. Tymczasem coraz częściej właściwe pytanie brzmi inaczej. Co model językowy mówi o naszej marce, kiedy nikt z nas nie słucha?

Warto zrobić proste ćwiczenie, zanim przeczytasz dalej. Otwórz dowolne narzędzie AI i zadaj mu pytanie, które mógłby zadać Twój klient. Nie o Twoją markę. O kategorię. „Jaki ekspres do zabudowy warto kupić do 3000 złotych?”, „jakie urządzenie do modelowania sylwetki wybrać do gabinetu?”, „które słuchawki mają najlepszy stosunek jakości do ceny?”. A potem sprawdź, kto w tej odpowiedzi jest, a kogo nie ma. To ćwiczenie kosztuje pięć minut i potrafi powiedzieć o pozycji marki więcej niż niejeden raport za kilkadziesiąt tysięcy złotych.

Nowy odbiorca komunikacji nie ma emocji

I tu dochodzimy do sedna, które wykracza daleko poza techniczne dyskusje o SEO. Przez całą historię marketingu projektowaliśmy komunikację dla człowieka. Dla istoty, którą można poruszyć, rozbawić, zaintrygować, uwieść estetyką. Cała nasza dyscyplina wyrosła z psychologii: z wiedzy o emocjach, skojarzeniach, potrzebie przynależności. Dziś między marką a człowiekiem stanął pośrednik, który nie czuje nic. Model językowy nie da się uwieść ładnym claimem ani spektakularną kampanią wizerunkową. On czyta, porównuje i syntetyzuje. Ocenia spójność, weryfikowalność, strukturę i autorytet źródeł. Robi to w ułamku sekundy i bez sentymentu.

To zmienia definicję widoczności. W klasycznej wyszukiwarce użytkownik widział listę linków i sam wybierał, komu zaufać. Marka na piątej pozycji wciąż istniała, wciąż miała szansę. W odpowiedzi generatywnej użytkownik dostaje gotową syntezę, w której model wskazuje dwa, trzy źródła, a reszta rynku po prostu nie istnieje. Nie ma drugiej strony wyników. Nie ma „przewiń niżej”. Jest odpowiedź i jest cisza.

Branża zaczęła już nazywać tę nową walutę. Zamiast Share of Voice mówi się o Share of Model, czyli o tym, jak często marka pojawia się w odpowiedziach na kluczowe zapytania w porównaniu z konkurencją. Pojawiło się też pojęcie, które jeszcze dwa lata temu brzmiałoby jak science fiction: AI de-indexing, sytuacja, w której marka znika z rekomendacji modeli, bo algorytmy przestały uznawać ją za wiarygodne źródło. Widoczność przestała być stanem, który się osiąga i utrzymuje siłą rozpędu. Stała się czymś, co jest nam każdorazowo przyznawane albo odbierane przy każdym wygenerowanym zdaniu.

Do tego dochodzi kolejna warstwa, moim zdaniem najpoważniejsza w skutkach: agenci zakupowi. Systemy, które nie tylko odpowiadają na pytania, ale podejmują działania w imieniu użytkownika. Porównują oferty, rezerwują, zamawiają, pilnują budżetu. Jeśli dziś marka jest niewidzialna w odpowiedziach AI, jutro będzie niewidzialna w koszyku, którego człowiek nawet nie zdążył zobaczyć. To nie jest scenariusz z konferencyjnej prezentacji o przyszłości. Pierwsze wdrożenia działają już teraz, a każda kolejna generacja narzędzi przesuwa granicę tego, co konsument jest gotów oddelegować.

Skąd model wie, komu ufać

Zatrzymajmy się na chwilę przy mechanice, bo bez niej trudno podejmować sensowne decyzje. Skąd właściwie model językowy „wie”, które marki polecić? W uproszczeniu z dwóch źródeł. Po pierwsze, z wiedzy wbudowanej w trakcie treningu: z milionów tekstów, w których marka występowała lub nie występowała, była opisywana rzetelnie lub chaotycznie. Po drugie, z bieżącego przeszukiwania sieci, gdy model sięga po aktualne informacje i wybiera źródła, które uznaje za godne cytowania.

W obu przypadkach działa ta sama logika. Model szuka potwierdzenia. Marka, o której to samo mówi jej strona internetowa, publikacje branżowe, opinie klientów, wypowiedzi ekspertów firmy i katalogi dystrybutorów, jest dla algorytmu czytelna i bezpieczna do zarekomendowania. Marka, której opisy są niespójne, której eksperci milczą, a treści ograniczają się do haseł sprzedażowych, jest dla modelu szumem. A szumu modele nie cytują.

Z tego wynika wniosek, który w pierwszej chwili może brzmieć zaskakująco: o widoczności w AI w dużej mierze decyduje to, co dzieje się poza naszą własną stroną. Wywiad w mediach branżowych, rzetelny opis produktu u partnera handlowego, merytoryczny głos eksperta firmy na konferencji, spójna obecność w bazach i katalogach. Przez lata traktowaliśmy te działania jako miękki PR, trudny do zmierzenia dodatek do „prawdziwego” marketingu. Dziś to one budują autorytet, na podstawie którego maszyna decyduje, czy w ogóle wymieni nas z nazwy.

Pokusa skrótu, czyli dlaczego nie wierzę w triki pod algorytm

W branży widać już gorączkę. AEO, GEO, LLMO. Skróty mnożą się szybciej niż kompetencje, a agencje prześcigają się w obietnicach „pozycjonowania w ChatGPT”. Część z tych działań ma sens: struktura treści, dane uporządkowane tak, by maszyna mogła je jednoznacznie odczytać, precyzyjne odpowiedzi na realne pytania zamiast marketingowej waty. To rzemiosło i warto je opanować, tak jak kiedyś warto było opanować podstawy SEO.

Ale mam poważne wątpliwości wobec narracji, która sprowadza całe zagadnienie do nowego zestawu sztuczek technicznych. Bo modele językowe, paradoksalnie, premiują dokładnie to, co w marketingu zawsze było najtrudniejsze i najcenniejsze: konsekwencję, ekspertyzę i spójną tożsamość rozpisaną na wiele niezależnych źródeł. AI nie cytuje marek, które są głośne. Cytuje marki, które są zrozumiałe i wiarygodne. Nie da się tego podrobić plikiem konfiguracyjnym ani jednorazowym audytem.

Jest w tym pewna sprawiedliwość, której się nie spodziewaliśmy. Przez lata można było kupić widoczność budżetem mediowym, nawet jeśli za komunikacją nie stało nic poza kreacją. W świecie odpowiedzi generatywnych ten skrót przestaje działać. Model nie wyświetli reklamy z rozpędu. Model zapyta, w swojej mechanicznej logice, o to samo, o co powinien pytać dobry strateg. Kim właściwie jest ta marka? Na czym się zna? Kto to potwierdza? Czy mówi jednym głosem wszędzie tam, gdzie występuje?

Zaufanie działa w obie strony

Jest jeszcze druga strona tego równania, o której mówi się rzadziej. W tym samym czasie, gdy marki uczą się być czytelne dla maszyn, konsumenci uczą się nieufności wobec treści tworzonych przez maszyny. Badania pokazują, że ponad połowa odbiorców ogranicza zaangażowanie, gdy podejrzewa, że za materiałem nie stał człowiek. Widzieliśmy już głośne przypadki marek, które musiały wycofywać kampanie generowane przez AI po fali krytyki, mimo tygodni pracy wyspecjalizowanych zespołów. Odbiorcy nie protestowali przeciwko technologii. Protestowali przeciwko poczuciu, że nikt po drugiej stronie nie zadał sobie trudu.

I dokładnie w tym momencie do gry wchodzi prawo.

2 sierpnia 2026. Prawo dogania praktykę

Ta data powinna wisieć w kalendarzu każdego działu marketingu w Unii Europejskiej. Drugiego sierpnia zaczynają obowiązywać przepisy artykułu 50 rozporządzenia AI Act, czyli obowiązki przejrzystości wobec odbiorców treści tworzonych lub modyfikowanych przez sztuczną inteligencję. Co istotne, choć unijny pakiet Digital Omnibus odroczył część wymogów rozporządzenia, w tym techniczne, maszynowe znakowanie treści po stronie dostawców systemów AI, obowiązek ujawniania po stronie firm, które z tych systemów korzystają, wchodzi w życie bez zmian. Innymi słowy: to nie OpenAI ani Google będą za nas oznaczać nasze materiały. To my, jako podmioty stosujące AI w działalności zawodowej, odpowiadamy za to, co komunikujemy pod własnym logo.

Warto przy tym ostudzić panikę, którą już widać w branżowych dyskusjach. AI Act nie nakłada obowiązku etykietowania każdej treści, przy której ktokolwiek użył sztucznej inteligencji. Tekst reklamy wygenerowany przez model i realnie zweryfikowany przez człowieka, który bierze za niego odpowiedzialność, co do zasady nie wymaga oznaczenia. Podobnie korekta koloru czy zmiana tła w packshocie. Rozporządzenie celuje w materiały, które mogą wprowadzić odbiorcę w błąd co do swojej autentyczności: deepfake’i, fotorealistyczne postacie udające prawdziwych ludzi, syntetyczne głosy, a także chatboty i voiceboty, o których klient musi wiedzieć od początku interakcji, że rozmawia z maszyną.

Przy czym uwaga na jeden szczegół, który umyka wielu komentatorom. Zgodnie z wytycznymi Komisji Europejskiej pojęcie deepfake’u jest szersze, niż podpowiada intuicja, i nie ogranicza się do wizerunków rzeczywistych osób. Fotorealistyczna „modelka”, która nigdy nie istniała, też może podlegać obowiązkowi oznaczenia. Dla branż pracujących intensywnie z wizerunkiem człowieka, od beauty po elektronikę użytkową, to bardzo praktyczna informacja. Do tego dochodzi druga, niezależna warstwa reguł: polityki samych platform reklamowych, często szersze niż wymogi rozporządzenia. Kampanie trzeba dziś sprawdzać pod kątem obu porządków naraz, prawnego i platformowego.

Dla mnie jednak najciekawsze w AI Act nie są sankcje, tylko kierunek. Regulator wymusza dokładnie to, co i tak wymusza rynek: odpowiedzialność człowieka za treść publikowaną pod marką. Zwróćmy uwagę na tę symetrię. Wyjątkiem od obowiązku oznaczania jest realna ludzka weryfikacja i przyjęcie odpowiedzialności redakcyjnej. Prawo mówi wprost to, co strategia mówiła zawsze: nie chodzi o to, czy użyłeś narzędzia, tylko o to, czy za komunikatem stoi ktoś, kto za niego ręczy. Marki, które traktowały AI jako sposób na produkowanie treści bez myślenia, dostają termin. Marki, które traktowały AI jako narzędzie w rękach ludzi znających się na rzeczy, nie muszą zmieniać prawie nic.

Powstaje więc układ, w którym marka musi być jednocześnie doskonale czytelna dla algorytmów i niepodrabialne ludzka dla odbiorców. To nie jest sprzeczność, choć tak wygląda. To są dwie strony tej samej pracy. Treść, która ma być cytowana przez model, musi zawierać realną wiedzę, konkret, doświadczenie. A dokładnie te same cechy sprawiają, że człowiek czuje, iż po drugiej stronie ktoś naprawdę jest. Generyczna papka przegrywa u obu odbiorców naraz. Model nie ma czego z niej zacytować, człowiek nie ma powodu jej ufać.

Co z tym zrobić, bez paniki i bez rewolucji

Nie namawiam nikogo do wywracania strategii do góry nogami. Namawiam do czterech rzeczy, które w większości firm da się zacząć w ciągu jednego kwartału, a jedną z nich trzeba domknąć jeszcze przed sierpniem.

Po pierwsze, zobaczyć własną markę oczami modelu. To ćwiczenie, które kosztuje godzinę i potrafi być bolesne. Zadajmy narzędziom AI pytania, które zadają nasi klienci, i sprawdźmy, czy w ogóle występujemy w odpowiedziach, w jakim kontekście i obok kogo. Wielu menedżerów, z którymi rozmawiam, nigdy tego nie zrobiło. A potem ze zdziwieniem odkrywają, że w narracji AI ich kategorii istnieje trzech konkurentów i ani razu oni sami. Warto to ćwiczenie powtarzać regularnie i na kilku modelach naraz, bo odpowiedzi potrafią się między nimi znacząco różnić.

Po drugie, przestać traktować „direct” w analityce jako kategorię-śmietnik. Skoro wiemy, że ukrywa się w niej ruch z rozmów z AI, warto zbudować choćby prosty proces jego interpretacji. I przestać podejmować decyzje budżetowe na podstawie danych, o których wiemy, że kłamią przez zaniechanie. Nie chodzi o to, by z dnia na dzień wdrażać nowe systemy pomiaru. Chodzi o to, by przy każdej analizie zadać jedno dodatkowe pytanie: jaką część tego, czego nie widzimy, stanowią rozmowy, w których marka już została oceniona?

Po trzecie, zrobić audyt treści tworzonych z użyciem AI, zanim zrobi to za nas regulator. Spisać, gdzie w organizacji i u partnerów powstają materiały generowane lub modyfikowane przez sztuczną inteligencję, które z nich mogą podlegać obowiązkowi oznaczenia, i przygotować prostą wewnętrzną procedurę dokumentującą te decyzje. To nie jest projekt na pół roku z kancelarią prawną. W większości firm to kilka warsztatów i jeden dokument. Pod warunkiem, że zaczniemy przed 2 sierpnia, a nie po pierwszym piśmie z urzędu.

Po czwarte, i to jest praca najtrudniejsza, zadbać o to, by wiedza firmy istniała poza głowami ludzi, którzy ją mają. Eksperckie treści podpisane nazwiskami, obecność w mediach branżowych, spójne opisy tego, czym firma się zajmuje, w każdym miejscu, gdzie występuje. To nie jest nowa lista zadań contentowych. To stara, dobra praca nad tożsamością marki. Tyle że dziś czyta ją jeszcze jeden, wyjątkowo skrupulatny odbiorca.

Marketing wraca do punktu wyjścia

Najciekawsze w tej zmianie jest to, że pod warstwą technologicznej nowości kryje się coś bardzo starego. Od lat powtarzam, że marketing zaczyna się dużo wcześniej niż kampania. Zaczyna się od sensu i od odpowiedzi na pytanie, co marka realnie wnosi do życia ludzi. Przez długi czas można było tę prawdę omijać, bo zasięg dawał się kupić. Era odpowiedzi generatywnych zamyka tę furtkę. Model językowy, w całej swojej statystycznej obojętności, zadaje markom pytanie, przed którym wielu z nas uciekało. Czy jest w was coś, co da się o was powiedzieć?

Marki, które mają na to pytanie odpowiedź, nie muszą się bać niewidzialności. Marki, które jej nie mają, nie znikną przez algorytmy. One były niewidzialne od zawsze. Dopiero teraz ktoś im to pokazał.

Źródła i dane przywołane w tekście: badanie Adobe (2026) o korzystaniu z narzędzi AI w poszukiwaniu rekomendacji; Conductor AEO/GEO Benchmarks Report (analiza udziału AI Overviews w polskich zapytaniach Google); Trendbook Marketera 2026 (Marketer+) o atrybucji ruchu z AI; badania Nosto/Stackla i analizy branżowe dotyczące zaufania konsumentów do treści generowanych przez AI; art. 50 rozporządzenia Parlamentu Europejskiego i Rady (UE) 2024/1689 (AI Act) wraz z wytycznymi Komisji Europejskiej dotyczącymi pojęcia deepfake oraz pakietem Digital Omnibus (obowiązki przejrzystości dla podmiotów stosujących AI od 2 sierpnia 2026 r.).

Magdalena Szwed – Head of Marketing w 2N-Everpol (oficjalnego dystrybutora i producenta marek Blaupunkt oraz PRIME3). Ekspertka w zakresie długofalowego budowania wartości marek konsumenckich, wprowadzania innowacji produktowych oraz praktycznego i etycznego wdrażania narzędzi sztucznej inteligencji w nowoczesnych procesach komunikacji marketingowej. www.magdalenaszwed.pl