Czy wykorzystanie generatywnej AI podczas tworzenia treści samo w sobie pogarsza widoczność strony w Google? Badanie Ahrefs obejmujące setki tysięcy wysoko rankujących URL-i daje ważną odpowiedź, ale łatwo wyciągnąć z niego zbyt daleko idące wnioski.
Najważniejszy rezultat nie brzmi „Google lubi treści AI” ani „AI nie wpływa na SEO”. W analizowanej próbie nie zaobserwowano znaczącej zależności pomiędzy szacowanym udziałem treści AI na stronie a jej pozycją w wynikach. To przesuwa właściwe pytanie z „czy użyto AI?” na „jaka jest jakość, użyteczność, oryginalność i odpowiedzialność za opublikowany materiał?”.
Badanie Ahrefs nie wykazało istotnej praktycznie zależności pomiędzy szacowanym udziałem treści AI a pozycją URL-a w Google. Według zastosowanego detektora około 86% analizowanych stron z TOP20 zawierało jakiś udział treści zaklasyfikowanej jako AI, a współczynnik korelacji między szacowanym udziałem AI i pozycją wyniósł 0,011. Nie oznacza to jednak, że sposób tworzenia treści nigdy nie ma znaczenia ani że można bezpiecznie publikować masowo dowolny content AI. Badanie dotyczy korelacji w określonej próbie, a klasyfikacja „AI / human” jest wynikiem detektora, nie bezpośrednią wiedzą o procesie redakcyjnym każdej strony.
Co właściwie badał Ahrefs?
Analiza objęła około 600 000 adresów URL znajdujących się w TOP20 Google dla 100 000 losowo dobranych słów kluczowych.
100 000 zapytań → TOP20 → około 600 000 URL-i → estymacja udziału treści AI → porównanie z pozycją w wynikach.
Badanie odpowiada więc na pytanie dotyczące obserwowanej zależności pomiędzy dwiema zmiennymi:
Nie był to kontrolowany eksperyment, w którym tę samą stronę opublikowano raz jako materiał ludzki, a drugi raz jako materiał wygenerowany przez AI.
Jak określano udział treści AI?
Ahrefs wykorzystał własny detektor treści AI i przypisywał analizowane strony do przedziałów według szacowanego udziału materiału wygenerowanego przez model.
| Szacowany udział AI | Interpretacja techniczna badania |
|---|---|
| 1–10% | niewielki udział |
| 11–40% | umiarkowany udział |
| 41–70% | znaczny udział |
| 71–99% | dominujący udział |
| 100% | treść sklasyfikowana jako w pełni AI |
Detektor nie zna rzeczywistej historii powstania dokumentu. Wynik „30% AI” jest klasyfikacją modelu detekcyjnego, a nie audytem procesu redakcyjnego autora.
Dlaczego ograniczenia detektora mają znaczenie?
W realnym procesie publikacyjnym pomiędzy „napisał człowiek” i „napisała AI” istnieje wiele wariantów:
Detekcja końcowego tekstu nie pozwala odtworzyć tych różnic.
Sposób powstania treści ≠ styl końcowego tekstu ≠ jakość informacji.
Najbardziej widoczny wynik: AI jest powszechnie obecna w wysoko rankujących stronach
Według klasyfikacji zastosowanej w badaniu około 86% analizowanych stron TOP20 zawierało przynajmniej pewien udział treści sklasyfikowanej jako AI.
URL-i z wykrytym udziałem AI
URL-i zaklasyfikowanych jako human-only
URL-i sklasyfikowanych jako 100% AI
Sam fakt obecności treści zaklasyfikowanej jako AI nie wykluczał więc strony z wysokich pozycji w analizowanej próbie.
Nie oznacza to, że 86% stron zostało „napisanych przez AI”. Oznacza, że detektor przypisał im jakiś udział treści AI.
Największą grupę stanowiły materiały z umiarkowanym udziałem AI
| Zakres | Udział analizowanych URL-i |
|---|---|
| 11–40% szacowanego udziału AI | około 40% |
| 41–70% szacowanego udziału AI | około 20,3% |
Dane są zgodne z obrazem, w którym AI jest często elementem procesu tworzenia treści, a nie zawsze jego jedynym wykonawcą.
Nie można jednak na podstawie samego detektora ustalić, czy model tworzył research, szkic, całe akapity czy jedynie pomagał w redakcji.
Najważniejsza liczba badania: korelacja 0,011
Szacowany udział treści AI ↔ pozycja w SERP: r = 0,011.
Wartość tak bliska zeru wskazuje, że w całej analizowanej próbie nie występowała użyteczna liniowa zależność między tym, ile treści detektor uznał za AI, a pozycją strony.
Czego korelacja 0,011 nie oznacza?
| Zbyt mocny wniosek | Co można powiedzieć? |
|---|---|
| „AI nie ma żadnego wpływu na ranking.” | Nie wykazano praktycznie istotnej liniowej korelacji pomiędzy szacowanym udziałem AI a pozycją. |
| „Google nie potrafi rozpoznać treści AI.” | Badanie tego nie sprawdzało. |
| „Google nie karze nigdy treści AI.” | Badanie nie pozwala udowodnić braku wszystkich możliwych działań lub systemów. |
| „Można publikować dowolny content AI.” | Badanie nie ocenia, czy słaby lub spamowy content jest bezpieczny. |
| „AI i człowiek tworzą równie dobre treści.” | Badanie nie mierzyło jakości redakcyjnej w ten sposób. |
Korelacja nie rozstrzyga przyczynowości
Nawet gdyby korelacja była wyraźniejsza, nie wystarczyłaby do stwierdzenia, że sam udział AI powoduje wzrost lub spadek pozycji.
Na ranking dokumentu wpływa wiele innych cech, między innymi:
Badanie nie potwierdza „kary za użycie AI” jako prostej reguły
Jeżeli sam wysoki udział treści zaklasyfikowanej jako AI automatycznie prowadziłby do silnego obniżania pozycji, oczekiwalibyśmy wyraźniejszej zależności w danych.
Tego w analizie nie zaobserwowano.
Sam fakt korzystania z generatywnej AI nie jest wystarczającym kryterium do oceny jakości ani potencjału rankingowego treści.
Jednocześnie badanie nie daje immunitetu słabym treściom AI
Treść może być problematyczna niezależnie od sposobu produkcji, jeżeli jest:
Problemem nie musi być AI. Problemem może być to, że automatyzacja pozwala produkować słabą treść szybciej i na większą skalę.
„Human-written” również nie oznacza automatycznie wysokiej jakości
Ten sam błąd działa w drugą stronę.
Tekst napisany ręcznie może być wtórny, nieaktualny, źle udokumentowany i nieprzydatny użytkownikowi.
Dlatego sensowna ocena powinna dotyczyć finalnego materiału, a nie samej deklaracji procesu jego stworzenia.
Najważniejsza zmiana dla redakcji: oceniaj treść, nie narzędzie
Intencja → prawdziwość → kompletność → własna wartość → źródła → autorstwo → użyteczność → utrzymanie.
To właśnie te elementy powinny decydować, czy materiał jest gotowy do publikacji.
Treść AI-generated i Treść AI Ready to dwie różne kategorie
| AI-generated | AI Ready |
|---|---|
| opisuje sposób powstania | opisuje jakość i gotowość informacji |
| może być dobra lub słaba | musi spełniać określony standard redakcyjny |
| może być niezweryfikowana | ważne twierdzenia powinny być sprawdzalne |
| może być całkowicie wtórna | powinna odpowiadać na realne zadanie użytkownika |
Pełny standard rozwijamy w materiale Czym są Treści AI Ready?.
Jak bezpiecznie wykorzystywać AI w procesie redakcyjnym?
AI może wspierać między innymi:
Proces nadal powinien zawierać kontrolę:
Szczegółowy workflow opisuje proces redakcyjny treści tworzonych z pomocą AI.
„Hybrydowy model” również nie jest automatycznie najlepszy
To, że większość analizowanych stron zawierała zarówno elementy sklasyfikowane jako AI, jak i human-written, nie dowodzi, że dokładnie taki proces powoduje lepsze wyniki.
Najczęstszy sposób produkcji nie musi być przyczyną wysokiej pozycji.
Możemy natomiast powiedzieć, że korzystanie z AI jako części procesu jest już obecne w dużej części wysoko rankujących materiałów analizowanych przez Ahrefs.
Co z delikatnym trendem w ścisłej czołówce?
W oryginalnej analizie zwrócono uwagę, że w najwyższych pozycjach częściej występowały strony z mniejszym szacowanym udziałem AI.
To interesująca obserwacja, ale nie powinna zostać zamieniona w regułę:
„Do TOP3 trzeba mieć mniej niż 30% AI.”
Nie znamy bowiem wszystkich zmiennych odróżniających te dokumenty.
Mogły różnić się również:
Nie istnieje bezpieczny „procent AI” w artykule
30%, 40% czy 70% nie są progami jakości ani limitami publikacyjnymi.
Nie ma podstaw, aby na bazie tego badania tworzyć politykę:
Znacznie lepiej ustanowić standard jakości informacji i proces kontroli.
Detektor AI nie powinien być KPI jakości redakcyjnej
Jeżeli zespół optymalizuje artykuł tak, aby uzyskać niski wynik w detektorze, może zacząć optymalizować pod błędny cel.
„Detektor pokazuje 5% AI.”
Lepsze pytania brzmią:
Własne dane i doświadczenie są trudniejsze do skomodytyzowania
AI może bardzo szybko tworzyć kolejne wersje powszechnie dostępnej wiedzy. Znacznie trudniej zastąpić materiał zawierający:
Własne badanie
Metodologia, próba, pomiar i wynik.
Doświadczenie
Rzeczywisty problem, działanie, wyjątek i rezultat.
Kryteria decyzji
Informacje wynikające z realnej specjalizacji.
Własny model
Jawny proces pomagający rozwiązać konkretny problem.
Masowa automatyzacja tworzy inny problem niż samo użycie AI
Automatyzacja → niski koszt URL-a → więcej publikacji → więcej overlapu, błędów i nieaktualnych treści.
Dlatego ryzyko może pochodzić nie z faktu, że model stworzył tekst, ale z procesu:
Jak audytować istniejące treści tworzone z pomocą AI?
czy URL ma wyraźne zadanie?
czy informacje są prawdziwe?
czy twierdzenia można sprawdzić?
co materiał wnosi?
czy konkuruje z innym URL-em?
zostaw, popraw, połącz lub usuń
Praktyczny proces rozwija audyt treści AI Ready.
Nie usuwaj dobrej treści tylko dlatego, że została stworzona z pomocą AI
Jeżeli materiał:
sam fakt użycia AI podczas jego tworzenia nie jest dobrym powodem do usuwania URL-a.
Nie zachowuj też słabej treści tylko dlatego, że obecnie rankuje
Wysoka pozycja nie zmienia fałszywego faktu w prawdziwy.
Jeżeli treść jest nieaktualna, błędna albo ryzykowna dla użytkownika, należy ją poprawić niezależnie od źródła jej powstania.
Jak interpretować badanie Ahrefs w kontekście AI Search?
Bezpośrednio — bardzo ostrożnie.
Badanie dotyczyło widoczności w klasycznych wynikach Google, a nie:
Brak korelacji w klasycznym SERP nie jest dowodem braku wpływu sposobu przygotowania informacji na cytowania lub wykorzystanie przez systemy AI.
Jeżeli chcemy badać AI Search, potrzebujemy innego eksperymentu
Przykładowe badanie powinno analizować:
Właśnie dlatego osobno zbudowaliśmy metodę testowania struktury treści i cytowalności w AI.
Tabela decyzyjna: jak używać AI w content marketingu?
| Sytuacja | Rola AI | Kontrola człowieka |
|---|---|---|
| Research początkowy | porządkowanie kierunków | weryfikacja źródeł |
| Konspekt | propozycja struktury | intencja i zakres |
| Draft | przyspieszenie pierwszej wersji | fakty i wiedza eksperta |
| Dane | pomoc w analizie | źródło, metodologia i obliczenia |
| Case study | redakcja materiału | rzeczywiste dane projektu |
| YMYL | narzędzie pomocnicze | szczególnie silna kontrola ekspercka |
Najczęstsze błędy w interpretacji badania Ahrefs
Korelacja = przyczyna
Zależność statystyczna zostaje zamieniona w mechanizm rankingowy.
Detektor = prawda
Szacunek klasyfikatora jest traktowany jak historia redakcji dokumentu.
Brak kary = brak ryzyka
Ignorowana jest jakość i skala produkcji.
86% = 86% napisane przez AI
„Wykryty udział” zostaje błędnie zamieniony w „całkowicie wygenerowane”.
Popularność = skuteczność
Dominujący workflow jest uznawany za najlepszy workflow.
SERP = AI Search
Wynik Google jest automatycznie przenoszony na ChatGPT i inne systemy.
Mity o treściach generowanych przez AI
| Mit | Co możemy powiedzieć? |
|---|---|
| Google automatycznie karze każdy tekst AI | badanie nie wykazało zależności zgodnej z tak prostą regułą |
| Treść AI jest tak samo dobra jak każda inna | sposób produkcji nie określa jakości |
| Wystarczy przepisać tekst przez człowieka | liczy się wartość informacji, nie kosmetyczna redakcja |
| Istnieje bezpieczny procent AI | badanie nie ustala takiego progu |
| Detektor AI może ocenić jakość contentu | klasyfikacja autorstwa i jakość to różne problemy |
| Badanie Ahrefs potwierdza widoczność w ChatGPT | analiza dotyczyła klasycznych wyników wyszukiwania |
Model końcowy: nie pytaj „czy tekst jest AI?”, tylko „czy zasługuje na publikację?”
Potrzeba → wiedza → źródła → draft → ekspert → fact-checking → redakcja → publikacja → pomiar → aktualizacja.
Najgorszy sposób wykorzystania tego badania wygląda tak:
„Ahrefs udowodnił, że Google nie karze AI, więc możemy automatycznie publikować setki tekstów.”
Badanie tego nie dowodzi.
Pokazuje natomiast, że sam szacowany udział treści AI nie wyjaśniał pozycji dokumentu w badanej próbie.
To prowadzi do znacznie bardziej użytecznego pytania:
Czy dzięki wykorzystaniu AI opublikowaliśmy lepszą informację — czy tylko szybciej wyprodukowaliśmy kolejną wersję tego, co już istnieje?
Jeżeli AI skraca czas researchu, pomaga uporządkować materiał, wspiera analizę i pozwala ekspertowi skoncentrować się na własnej wiedzy, może być wartościowym narzędziem procesu.
Jeżeli służy przede wszystkim do mnożenia generycznych URL-i bez źródeł, doświadczenia i kontroli, skala automatyzacji może tylko zwiększyć skalę problemu.
Najważniejszym wnioskiem nie jest więc „AI vs człowiek”. Jest nim przejście od oceny narzędzia do oceny finalnej informacji i procesu, który odpowiada za jej jakość.