Kiedy AI poleca firmę, a kiedy jej nie zauważa

Coraz więcej pytań zakupowych nie trafia już do wyszukiwarki. Klient pisze do ChatGPT albo Perplexity zdanie w rodzaju „poleć dobrą firmę, która zrobi mi to i to, w moim mieście, i podaje ceny” i dostaje w odpowiedzi trzy nazwy z uzasadnieniem. Nie widzi dziesięciu niebieskich linków, nie porównuje ich sam, nie wchodzi na dziesięć stron. Dostaje gotową odpowiedź. Jeśli nazwy firmy w niej nie ma, to z punktu widzenia tego klienta firma nie istnieje.

To nie jest przewidywanie na przyszły rok. To już się dzieje i widać to w logach serwerów.

Boty czytają, ale nie odsyłają

Najbardziej wymowna liczba w tej dyskusji jest prosta: ile razy bot musi pobrać treść ze stron, zanim jedna osoba trafi na taką stronę z odpowiedzi modelu.

W lipcu 2026 boty Anthropic pobierały ok. 1 900 stron na każde wejście, które odesłały, a boty OpenAI ok. 250.¹ Rok wcześniej ta sama proporcja dla Anthropic sięgała kilkudziesięciu tysięcy, więc kierunek jest w stronę poprawy, tylko z bardzo wysokiego pułapu. Dwie rzeczy warto przy tych liczbach wiedzieć: zmieniają się z miesiąca na miesiąc, a sam Cloudflare zastrzega, że są prawdopodobnie zawyżone, bo wejścia z aplikacji Claude nie niosą informacji o źródle i nie dają się policzyć. Rząd wielkości zostaje ten sam i to on jest wnioskiem: treść jest czytana masowo, a odwiedzający z tego nie wraca. Klasyczna wyszukiwarka przez dwie dekady działała na zasadzie wymiany, w której obie strony coś dostawały: my treść do zaindeksowania, my w zamian ruch. Kiedy odpowiedź powstaje w oknie czatu, wymiana przestaje być symetryczna. Treść jest nadal potrzebna, kliknięcie już nie.

Wniosek dla właściciela firmy jest niewygodny, ale prosty. Nie da się już mierzyć całej widoczności wejściami z organicznych wyników. Część decyzji zakupowych podejmowana jest w miejscu, do którego żadna analityka na stronie nie zagląda.

• 1 900:1pobrań na jedno odesłanie, boty Anthropic, lipiec 2026
• 250:1ta sama proporcja dla botów OpenAI
• 137 tys.przebadanych stron z plikiem llms.txt
• 97%z nich bez ani jednego zapytania o ten plik

Co ogłosił Cloudflare i co z tego naprawdę wynika

W tle toczy się spór o pieniądze i warto go rozumieć, żeby nie kupić czegoś przedwcześnie.

1 lipca 2025 Cloudflare, jedna z największych firm obsługujących ruch internetowy, uruchomił pay-per-crawl: mechanizm, w którym właściciel strony może zażądać opłaty od bota AI za pobranie treści, odpowiadając kodem HTTP 402, czyli „wymagana płatność”. Brzmiało to jak początek nowego źródła przychodu dla wydawców.

Dokładnie rok później, 1 lipca 2026, Cloudflare sam odstawił ten pomysł na bok i zapowiedział Monetization Gateway: rozliczenie nie za pobranie strony, a za faktyczne użycie treści w odpowiedzi. Na razie to lista oczekujących i dwóch partnerów: Ceramic.ai i You.com. 4 sierpnia 2026 doszły do tego Cloudflare Wallets, czyli portfele w stablecoinach, z których agenci AI mają płacić za dostęp do usług.

Kierunek jest sensowny, tylko skala mikroskopijna. Cały rynek takich mikropłatności jest dziś mniejszy niż roczny obrót jednej średniej hurtowni, a pojedyncza transakcja to kilkadziesiąt groszy. Jeśli ktoś proponuje dziś „zarabianie na botach AI” jako usługę dla zwykłej firmy, sprzedaje zapowiedź, nie produkt.

Jest jednak druga strona tego samego ogłoszenia, dostępna od razu i bez opłaty. AI Crawl Control działa na każdym planie Cloudflare, w tym na podstawowym, i pokazuje, które boty AI wchodzą na stronę, jak często i po co. To pierwszy pomiar, który warto zrobić, bo zajmuje kwadrans i nie wymaga żadnej decyzji zakupowej.

Druga rzecz to wiedzieć, czego nie kupować. Ostatni rok przyniósł modę na plik llms.txt, czyli krótką instrukcję dla modeli językowych, którą umieszcza się na stronie. Przebadano 137 tysięcy stron, które taki plik wdrożyły: 97% z nich nie zanotowało ani jednego zapytania o niego, a wśród tych nielicznych, które coś zanotowały, po plik sięgały głównie narzędzia SEO, a nie modele.² To nie znaczy, że pomysł jest zły w założeniu. To znaczy, że dzisiaj nie zmienia wyniku i nie jest wart osobnej pozycji na fakturze.

Ciekawsza jest druga strona tej samej sprawy. Strona internetowa może wprost powiedzieć botom, czego im wolno, a czego nie, i robi to dziś ledwie kilka procent firm. Większość nie podjęła żadnej decyzji, bo nie wie, że jest do podjęcia.

Co decyduje, czy model wymieni firmę

Nudna prawda: to samo, co od lat wpływa na jakość informacji o firmie w sieci, tylko teraz ma wyższą stawkę.

Dane strukturalne. Znaczniki schema.org, które opisują wprost, czym jest dana strona: organizacja, usługa, cena, godziny otwarcia, lokalizacja, opinia. Model nie musi ich zgadywać z układu graficznego, dostaje je podane. Dla firmy usługowej z jedną lokalizacją to kilka godzin pracy.

Czytelna strona cennika. Ceny jako tekst, nie jako grafika ani plik PDF do pobrania. Widełki lepiej niż nic, „skontaktuj się z nami” najgorzej. Pytania zakupowe niemal zawsze zawierają element ceny, a model nie potrafi zacytować liczby, której nie widzi.

Spójność informacji. Ta sama nazwa firmy, adres, telefon i zakres usług na stronie, w wizytówce Google, w katalogach branżowych i na profilach społecznościowych. Sprzeczne dane to najczęstsza przyczyna tego, że model opisuje firmę ostrożnie albo pomija ją na rzecz konkurenta, którego dane się zgadzają.

Strona czytelna bez JavaScriptu. Jeśli treść pojawia się dopiero po wykonaniu skryptów w przeglądarce, część botów zobaczy pustą stronę. Prosty test: wyłączyć JavaScript i sprawdzić, co zostaje.

Skan technicznej gotowości. Narzędzie isitagentready.com wystawia stronie ocenę w czterech kategoriach i wskazuje, co poprawić. Nie jest wyrocznią i nie zastąpi pomiaru rzeczywistej widoczności, ale jako punkt wyjścia nie wymaga ani opłaty, ani rejestracji.

Metoda 30 pytań

Ocena techniczna mówi, czy stronę da się przeczytać. Nie mówi, czy model faktycznie wymienia firmę. To trzeba sprawdzić osobno i da się to zrobić samemu.

Metoda jest prosta w opisie i pracochłonna w wykonaniu.

Krok pierwszy: lista 30 pytań, które klient wpisuje przed zakupem, we własnej branży. Nie hasła z SEO, tylko całe zdania z intencją, zbudowane wokół trzech wzorców: ile to kosztuje, kto robi to w danym mieście lub regionie, kto ma w tym dobre opinie. W praktyce brzmi to jak „ile kosztuje wdrożenie systemu do obsługi zamówień w hurtowni”, „kto prowadzi szkolenia z AI dla kadry zarządzającej w Trójmieście” albo „która kancelaria zna się na umowach IT”. Dwie trzecie pytań ma nie zawierać nazwy firmy, jedna trzecia ma ją zawierać, żeby sprawdzić, co model mówi o firmie, kiedy już wprost o nią zapytać.

Krok drugi: każde pytanie idzie w co najmniej trzech miejscach. ChatGPT, Perplexity i przegląd AI w wynikach Google to sensowne minimum, bo działają na różnych źródłach. Za każdym razem nowa rozmowa, bez zalogowanej historii, która zaburza wynik.

Krok trzeci: przy każdej odpowiedzi notujemy trzy rzeczy. Czy firma została wymieniona. Na którym miejscu w kolejności. Które źródło model zacytował. To ostatnie jest najciekawsze, bo zwykle okazuje się, że modele cytują katalog branżowy albo portal z opiniami, a nie stronę firmy.

Krok czwarty: liczymy udział. Ile z 30 pytań dało wzmiankę, ile wzmianek było poprawnych merytorycznie, ile razy pojawiła się konkurencja. Ta pierwsza liczba jest wartością bazową. Bez niej każda późniejsza zmiana na stronie jest zgadywaniem.

Krok piąty: cały przebieg powtarzamy po sześciu do ośmiu tygodniach, tym samym zestawem pytań. Odpowiedzi modeli są zmienne z natury, więc pojedynczy pomiar mówi mało, a różnica między dwoma pomiarami mówi już dużo.

Cały przebieg dla jednej firmy to około jednego dnia pracy, jeśli robić go uczciwie i notować wszystko. Da się skrócić, ale wtedy spada wiarygodność porównania.

Co zrobić w najbliższym miesiącu

Nie ma tu żadnej rewolucji do przegapienia. Jest zmiana proporcji: coraz większa część decyzji zakupowych zapada w rozmowie z modelem, a nie na liście wyników, i większość firm nie wie, co model o nich mówi. Dwie rzeczy w najbliższym miesiącu nie wymagają budżetu, tylko czasu: włączyć podgląd ruchu botów AI i przejść przez 30 pytań własnych klientów.

Jeśli wygodniej mieć to zmierzone i opisane z zewnątrz, robimy takie pomiary w ramach naszych usług. Wynik jest zwykle mniej dramatyczny i bardziej konkretny, niż zakłada właściciel firmy przed pierwszym przebiegiem.

Footnotes

1. Cloudflare Radar, proporcja pobrań do odesłań dla botów AI: https://blog.cloudflare.com/ai-search-crawl-refer-ratio-on-radar/. ↩

2. Ahrefs, analiza 137 tysięcy witryn z plikiem llms.txt: https://ahrefs.com/blog/llmstxt-study/. ↩