Klient pyta ChatGPT o fachowca w swoim mieście. Dostaje pięć nazw, żadna nie jest Twoja, mimo że masz stronę, opinie i osiem lat na rynku. Zanim zapłacisz komukolwiek za diagnozę tej sytuacji, możesz ją zrobić sama albo sam. Ten przewodnik prowadzi przez cały audyt widoczności AI krok po kroku, od pierwszego pytania do modelu po listę zmian w kolejności, w jakiej warto je wprowadzać.

Nie jest to skrócona wersja niczego. To ten sam układ pracy, którego używamy we własnym audycie, tylko rozpisany tak, żebyś mógł go przejść bez płacenia nikomu. Mechanizm, przez który firma z dobrą stroną i realnym doświadczeniem staje się niewidoczna dla modeli AI, rozkładamy osobno w dlaczego moja firma nie pojawia się w AI; tu skupiamy się na tym, jak samodzielnie sprawdzić, czy Ciebie ten problem dotyczy.

Czym jest audyt widoczności AI?

Audyt widoczności AI to sprawdzenie, czy ChatGPT, Gemini, Perplexity i Claude znają Twoją firmę, potrafią zacytować jej treści i wymieniają ją, gdy klient pyta ogólnie, bez podania nazwy. Na końcu dostajesz dwie rzeczy: diagnozę tego, co dziś blokuje widoczność, oraz listę zmian ułożoną w kolejności, którą zaczynasz od tych o największym wpływie.

Różni się to od pytania w stylu „sprawdziłem w ChatGPT i nas nie ma“. Audyt to metoda: stały zestaw pytań, kilka systemów AI, sprawdzenie strony pod kątem tego, co bot może przeczytać i zacytować, oraz sprawdzenie, co o firmie mówią źródła poza samą stroną. Dopiero z tych trzech warstw razem wychodzi obraz, na którym da się coś zrobić.

Widać to najlepiej na przykładzie z naszego własnego pilotażu. Na stronie gabinetu stomatologicznego w 8 na 10 zapytań generycznych, czyli takich bez nazwiska lekarza, firma była niewidoczna, mimo że AI poprawnie opisywało ją, gdy pytaliśmy z nazwy. Padło nawet pytanie o cenę implantu w tym mieście: cena 3900 zł wisiała na stronie publicznie, a żaden z czterech modeli jej stamtąd nie przytoczył. Strona istniała, dane były, a mimo to w rozmowie z anonimowym klientem firmy po prostu nie było. Dokładnie taki rozjazd wyłapuje audyt widoczności AI.

Stawka rośnie szybciej, niż większość firm nadąża. Kevin Indig z Growth Memo, analizując w 2026 roku 19 badań na ten temat, policzył, że AI Overviews pojawiają się już w około 34-48% zapytań w Google, a spadki kliknięć w wyniki organiczne sięgają, zależnie od kategorii, od 18 do 64%. Do tego dochodzi dane BrightEdge z końca 2025 roku: aż 83,3% cytowań w AI Overviews pochodzi ze stron spoza tradycyjnego top 10 wyników wyszukiwania. Wysoka pozycja w Google przestaje być gwarancją obecności w odpowiedzi, a strony spoza czołówki mają realną szansę wejść do cytatu, jeśli spełniają warunki, które sprawdzamy w tym audycie.

Czy audyt widoczności AI da się zrobić samodzielnie?

Tak. Ten przewodnik prowadzi przez cały proces, krok po kroku, i nie pomija żadnego elementu, który wpływa na wynik. Właściciel firmy z dostępem do własnej strony i kilkoma wolnymi wieczorami przejdzie go od początku do końca.

Uczciwie: dwie rzeczy będą trudniejsze bez wprawy. Pierwsza to interpretacja odpowiedzi AI, bo modele odpowiadają inaczej za każdym razem i łatwo pomylić przypadkową zmienność z realnym problemem, jeśli nie masz punktu odniesienia z wielu pomiarów. Druga to dane strukturalne (schema JSON-LD): przeczytać kod źródłowy potrafi każdy, ale napisać poprawny, zgodny z treścią schemat bez wcześniejszego doświadczenia zajmuje więcej czasu niż pozostałe kroki razem wzięte. Żadna z tych trudności nie blokuje samodzielnego audytu, tylko wydłuża go.

Potrzebujesz też pewnej dyscypliny w zapisywaniu wyników. Audyt widoczności AI, w odróżnieniu od jednorazowej kontroli, opiera się na porównaniu: stanu przed zmianami ze stanem po nich. Jeśli nie zapiszesz dokładnie, co odpowiedział każdy system na każde pytanie, za miesiąc nie będziesz w stanie stwierdzić, czy wprowadzone poprawki cokolwiek zmieniły, czy po prostu model tego dnia wylosował inne słowa.

Audyt SEO a audyt widoczności AI: co zrobisz sam, a co wymaga narzędzi?

Oba audyty da się zrobić samodzielnie, ale różnią się tym, ile czasu i jakiego sprzętu wymagają. Audyt SEO bez płatnych narzędzi jest trudny, bo dużą część danych (linki przychodzące, historia pozycji, prędkość ładowania na realnym ruchu) widać tylko w wyspecjalizowanym oprogramowaniu. Audyt widoczności AI da się zrobić przy pomocy przeglądarki, trybu incognito i notatnika, bo jego rdzeniem jest rozmowa z modelami, a nie dane z płatnego API.

Co sprawdzasz sam Audyt SEO Audyt widoczności AI
Czym mierzysz Konsole webmasterskie, crawlery, testy prędkości Przeglądarka w trybie incognito, cztery aplikacje AI, notatnik
Ile to zajmuje samodzielnie Dni, bo część danych trzeba zbierać z kilku źródeł naraz Kilka godzin rozłożonych na dwa-trzy wieczory
Największa przeszkoda bez doświadczenia Interpretacja danych o linkach i historycznych spadkach ruchu Odróżnienie realnego problemu od losowej zmienności odpowiedzi modelu
Co masz na koniec Listę błędów technicznych i treściowych z priorytetem Zapisane odpowiedzi 4 systemów, ocenę 6 obszarów i kolejność zmian

Jeśli interesuje Cię głębsze porównanie obu usług, w tym kiedy jeden audyt wystarcza, a kiedy potrzebujesz obu, rozpisaliśmy to osobno w audyt SEO a audyt widoczności w AI.

Krok 1: zbuduj panel pytań i zapytaj cztery systemy AI

Zacznij od listy 10-15 pytań, które faktycznie zadają Twoi klienci, ich językiem, część z nazwą firmy i część bez. Zadaj każde pytanie w ChatGPT, Gemini, Perplexity i Claude, w trybie incognito, trzy razy w osobnych rozmowach, i zapisz, co i kto pada w odpowiedzi. To surowe dane, na których stoi cała reszta audytu.

Ten krok ma trzy zasady, które łatwo pominąć. Po pierwsze, pytania „z nazwą“ i „bez nazwy“ sprawdzają dwie różne rzeczy: pierwsze mówi, czy AI w ogóle Cię zna, drugie, czy poleca Cię komuś, kto o Tobie jeszcze nie słyszał. Po drugie, tryb incognito jest obowiązkowy, bo zalogowane konto pamięta wcześniejsze rozmowy o Twojej firmie i zawyża wynik. Po trzecie, jedno pytanie zadane raz nic nie mówi, bo modele losują sformułowania i raz wymienią Twoją firmę, a raz nie, mimo że nic się nie zmieniło.

Sam protokół pomiaru, ze wszystkimi regułami i gotowym schematem do skopiowania, rozpisaliśmy w osobnym, dłuższym tekście: jak zmierzyć widoczność w AI. Ten krok to jego skrót, tam znajdziesz pełny protokół, jeśli chcesz zrobić pomiar porządnie od pierwszego razu. Jeśli zależy Ci wyłącznie na jednym systemie, bo tylko w nim Twoi klienci szukają, gotowy zestaw pytań testowych tylko pod ChatGPT znajdziesz w czy moja strona jest widoczna w ChatGPT.

Krok 2: sprawdź, czy AI w ogóle może odczytać Twoją stronę

Zanim ocenisz cokolwiek innego, sprawdź dostęp. Jeśli boty AI nie mogą wejść na Twoją stronę albo widzą pustą stronę zamiast treści, żaden kolejny krok audytu nic nie zmieni, bo model nie ma z czego czerpać.

Otwórz adres twojadomena.pl/robots.txt i poszukaj wpisów dla GPTBot, ClaudeBot i PerplexityBot. Jeśli przy którymś widnieje Disallow: /, ten system nie ma dostępu do Twojej treści. Potem sprawdź renderowanie: wpisz w terminalu curl twojadomena.pl albo kliknij prawym przyciskiem i wybierz „pokaż źródło strony“. Poszukaj w wyniku realnych fragmentów tekstu z Twojej oferty, cen, nagłówków. Jeśli widzisz głównie odwołania do plików JavaScript, a treść nigdzie się nie pojawia, masz problem: strona renderuje się dopiero w przeglądarce, a boty AI tego etapu zwykle nie doczekują.

Problem poznasz po prostym sygnale: strona w robots.txt blokuje jednego z trzech botów albo w źródle HTML nie widać treści, którą widzisz na ekranie. Ten krok wypada zrobić jako pierwszy z technicznych, bo wynik zeruje wartość wszystkich kolejnych. Możesz mieć wzorowe treści, dobre dane strukturalne i świetne opinie, ale jeśli GPTBot dostaje na wejściu Disallow: /, żaden z tych atutów nigdy nie trafi do modelu. To najczęstsza usterka, jaką widzimy przy pierwszym kontakcie z nową stroną, zwykle wynika z domyślnej konfiguracji wtyczki bezpieczeństwa, nie ze świadomej decyzji właściciela. Jak dokładnie odblokować boty i naprawić renderowanie, krok po kroku z przykładami kodu, opisujemy w jak zoptymalizować stronę pod AI.

Krok 3: sprawdź, czy obraz Twojej firmy i oferty jest jasny

Model musi w kilku sekundach zrozumieć, kim jesteś, co robisz, dla kogo i gdzie działasz. Jeśli ta informacja jest rozproszona po podstronach albo niespójna, AI ma trudniej zbudować z niej pewną odpowiedź i częściej sięga po firmę, u której ta jasność jest.

Sprawdź to na trzy sposoby. Otwórz źródło strony głównej i wyszukaj frazę application/ld+json: to znacznik danych strukturalnych. Jeśli go nie znajdujesz, prawdopodobnie nie masz schema Organization ani Service, a to najpewniejsze źródło faktów o Twojej firmie dla modelu. Jeśli go znajdujesz, wklej zawartość do walidatora (np. validator.schema.org) i sprawdź błędy składni. Na koniec porównaj dane: nazwa, adres i telefon w stopce strony, w danych strukturalnych i w wizytówce Google powinny być identyczne co do przecinka.

Problem poznasz po rozjeździe danych: inna forma nazwy ulicy w stopce niż w schema, brak pliku JSON-LD w ogóle, albo strona, z której trudno w kilka sekund odgadnąć, czym firma się zajmuje i gdzie działa. Sprzeczność między tym, co widać na stronie, a tym, co jest w kodzie, działa gorzej niż brak danych strukturalnych w ogóle: model dostaje dwa różne opisy tej samej firmy i wybiera bezpieczniej, czyli po prostu pomija oba.

Krok 4: sprawdź, czy Twoje treści budzą zaufanie (E-E-A-T)

Modele chętniej opierają odpowiedzi na treściach, za którymi stoi rozpoznawalny, prawdziwy człowiek, i na faktach, nie na deklaracjach. Ten krok sprawdza, czy Twoja strona ma te sygnały, czy tylko ogólniki, które nic nie znaczą.

Przejrzyj wpisy blogowe i strony usługowe pod kątem czterech rzeczy: czy każdy tekst ma podpisanego autora z prawdziwym imieniem i nazwiskiem, czy autor ma osobną stronę biograficzną ze zdjęciem i opisem doświadczenia, czy treść zawiera konkretne liczby i przykłady zamiast zwrotów w stylu „kompleksowa obsługa“ i „wieloletnie doświadczenie“, oraz czy daty publikacji i aktualizacji są widoczne. Zrób listę pięciu losowych podstron i oceń każdą po kolei, nie tylko tę, którą uważasz za najlepszą.

Problem poznasz po języku: jeśli tekst da się podstawić pod dowolną inną firmę z branży bez zmiany sensu, model traktuje go tak samo, czyli generycznie. Brak autora, brak zdjęcia, brak liczb w opisie realizacji to trzy najczęstsze braki, które wyłapujemy w tym miejscu. Dodatkowa wskazówka: sprawdź, czy to, co bio autora deklaruje o jego doświadczeniu, da się potwierdzić poza Twoją stroną, na przykład w profilu zawodowym. Rozbieżność między wersją na stronie a tym, co widać w sieci, działa przeciwko Tobie dokładnie tak samo jak rozjazd danych kontaktowych z kroku 3.

Krok 5: sprawdź, czy AI może łatwo wyciągnąć odpowiedź z Twojej treści

Nawet dostępna i wiarygodna treść nie pomoże, jeśli AI nie znajdzie w niej zwartego fragmentu do zacytowania. Model szuka akapitów, które samodzielnie odpowiadają na pytanie: definicji, cen, konkretnych liczb, krótkich list.

Wybierz trzy najważniejsze podstrony usługowe i sprawdź nagłówki H2. Czy są sformułowane jako pytania klienta? Czy bezpośrednio pod nagłówkiem stoi odpowiedź w dwóch-trzech zdaniach, zanim zaczyna się rozwinięcie? Sprawdź też, czy strona ma sekcję FAQ i czy jest spięta danymi strukturalnymi typu FAQPage (znowu szukasz frazy application/ld+json, tym razem z "@type": "FAQPage" w treści).

Problem poznasz, czytając pierwsze zdanie pod każdym nagłówkiem. Jeśli brzmi jak zapowiedź odpowiedzi („to zależy od wielu czynników“) zamiast odpowiedzią, model nie ma czego wyciąć. Zwróć też uwagę na długość akapitów: esej na pół strony bez podziału jest trudniejszy do wycięcia niż zwarty fragment liczący dwa-cztery zdania, nawet jeśli oba niosą tę samą informację. Jak przepisać taką treść na format, który AI chętnie cytuje, razem z przykładami złych i dobrych wersji tego samego akapitu, pokazujemy w jak zoptymalizować stronę pod AI.

Krok 6: sprawdź autorytet swojej firmy poza stroną

Model ocenia firmę po całym internecie, nie tylko po jej własnej stronie. Ten krok sprawdza trzy rzeczy: czy ktoś poza Tobą pisze o Twojej firmie, czy Twoje opinie są świeże i treściwe, oraz czy dane kontaktowe są identyczne wszędzie, gdzie występują.

Zacznij od wyszukania nazwy firmy w Google bez cudzysłowu i przejrzyj pierwsze dwie strony wyników: katalogi branżowe, lokalne portale, wzmianki u partnerów. Potem otwórz profil Google Firmy i sprawdź datę ostatniej opinii oraz to, czy w ogóle odpowiadasz na opinie, również negatywne. Na koniec porównaj nazwę, adres i telefon (NAP) w trzech-czterech miejscach: strona, wizytówka Google, jeden lub dwa katalogi branżowe, w których jesteś. Zapisz każdą rozbieżność, nawet drobną.

Problem poznasz po ciszy i rozjeździe: zero wzmianek poza własną stroną, opinie sprzed wielu miesięcy bez żadnej odpowiedzi, albo inny numer telefonu w katalogu niż na stronie. Każdy z tych sygnałów osobno obniża pewność modelu, a razem potrafią całkowicie wyłączyć Cię z odpowiedzi. To także najwolniejszy z sześciu obszarów: jedna dobra wzmianka w rozpoznawalnym źródle znaczy więcej niż dziesięć wpisów w przypadkowych katalogach, ale zdobywa się ją tygodniami, nie jednym popołudniem przy klawiaturze.

Krok 7: policz wynik i ustal kolejność zmian

Ostatni krok polega na uporządkowaniu tego, co już masz z kroków 1-6, a nie na kolejnym pomiarze. Kolejność zmian ma znaczenie większe niż sama lista, bo naprawiona dostępność strony bez dobrej treści nadal nic nie da, a dobra treść zablokowana w robots.txt nigdy nie dotrze do modelu.

Trzymaj się prostej zasady priorytetu. Najpierw napraw wszystko z kroku 2 (dostępność), bo bez tego reszta pracy nie ma jak zadziałać. Potem krok 3 i 5 (klarowność i wyciągalność), bo to zmiany, które da się wdrożyć w dni, nie tygodnie, i szybko wpływają na to, co model widzi przy kolejnym odwiedzeniu strony. Krok 4 (zaufanie) rozkładaj na tygodnie, podstrona po podstronie. Krok 6 (autorytet) traktuj jako pracę ciągłą, bo wzmianki i opinie budują się miesiącami, nie da się ich odhaczyć jednego popołudnia.

Przykład z życia: jeśli w kroku 2 znajdziesz zablokowanego GPTBota, a w kroku 4 kilka podstron bez podpisanego autora, napraw najpierw robots.txt. Dopiero gdy masz pewność, że boty w ogóle wchodzą na stronę, dopisywanie autorów i liczb do treści zaczyna się przekładać na to, co model faktycznie zobaczy przy następnym odwiedzeniu.

W naszej wersji tego samego układu pracy ta ocena zamienia się w wynik liczbowy: audyt widoczności w AI sprawdza 39 kryteriów w 6 obszarach i podaje wynik na skali 0-100, żeby dało się porównać stan przed zmianami i po nich, zamiast polegać na wrażeniu „chyba jest lepiej“.

Typowe błędy przy samodzielnym audycie widoczności AI

Większość samodzielnych audytów nie zawodzi na braku wiedzy, tylko na metodzie. Właściciel firmy zwykle wie, co jest nie tak z jego stroną, ale popełnia jeden z poniższych błędów przy samym sposobie sprawdzania, przez co wyciąga wniosek, który nie wytrzymuje kolejnego pomiaru. Oto błędy, które widzimy najczęściej.

  • Jednorazowy pomiar zamiast serii. Jedno pytanie zadane raz to migawka, nie wynik. Modele odpowiadają inaczej za każdym razem, więc dopiero trzy powtórzenia tego samego pytania pokazują, czy coś jest wzorcem, czy przypadkiem.
  • Pytanie tylko z nazwą firmy. To sprawdza rozpoznawalność, nie polecenie. Firma, która zna Twoją nazwę, ale nie ma powodu, żeby ją polecić anonimowemu pytającemu, wygląda w takim teście lepiej, niż jest naprawdę.
  • Wnioski z jednej rozmowy. „Zapytałem raz i nas nie było“ to za mało danych na decyzję o zmianach. Potrzebujesz zestawu pytań i kilku powtórzeń, żeby odróżnić realny problem od jednorazowego losowania modelu.
  • Ignorowanie źródeł cytowań. Modele czasem podają, skąd wzięły informację. Pomijanie tej kolumny w notatkach to strata najcenniejszej wskazówki, bo pokazuje, które strony model już uznaje za wiarygodne w Twojej branży.
  • Pomiar na zalogowanym koncie. Historia rozmów z modelem podpowiada mu Twoją firmę częściej, niż zobaczyłby ją zupełnie obcy klient. Wynik z zalogowanego konta jest systematycznie zawyżony.
  • Sprawdzanie tylko jednego systemu AI. Firma widoczna w ChatGPT bywa całkowicie nieobecna w Perplexity, bo modele korzystają z różnych źródeł. Audyt jednego systemu daje niepełny, często mylący obraz.
  • Mylenie schema z magią. Dodanie danych strukturalnych bez sprawdzenia, czy zgadzają się z widoczną treścią strony, tworzy sprzeczność zamiast sygnału zaufania. Walidator sprawdza składnię, nie zgodność z rzeczywistością, tę część musisz zweryfikować sam.

Kiedy audyt samodzielny wystarczy, a kiedy warto go zlecić?

Samodzielny audyt wystarczy, gdy masz czas na kilka wieczorów pracy, jedną osobę gotową przejść przez wszystkie siedem kroków po kolei i akceptujesz, że interpretacja wyników zajmie więcej uwagi niż sam pomiar. Dla większości małych firm usługowych to w zupełności realna droga, ten przewodnik prowadzi przez nią od początku do końca, a jego jedynym kosztem jest Twój czas.

Zlecenie ma sens w trzech sytuacjach. Pierwsza: potrzebujesz wyniku, który da się porównać liczbowo w czasie, a nie tylko listy obserwacji. Druga: podejrzewasz problem z danymi strukturalnymi lub renderowaniem strony, gdzie błąd w kodzie łatwo przeoczyć bez doświadczenia. Trzecia: chcesz mieć pewność, że pomiar w czterech systemach AI jest zrobiony tą samą metodą za każdym razem, żeby wynik sprzed zmian i po zmianach dało się uczciwie zestawić.

Jest też sytuacja pośrednia, częstsza niż mogłoby się wydawać: przechodzisz ten przewodnik samodzielnie, trafiasz na kilka niepokojących sygnałów, ale nie masz pewności, który z nich waży najwięcej. Wtedy zlecenie audytu nie zastępuje Twojej pracy, tylko ją weryfikuje i porządkuje w konkretną kolejność wdrożenia, zamiast zostawiać Cię z listą podejrzeń.

Nasz audyt widoczności w AI — 39 kryteriów robi dokładnie te siedem kroków, tylko automatycznie i powtarzalnie, z ekspercką interpretacją na końcu zamiast surowej tabeli punktów. Ile to kosztuje i co dokładnie wchodzi w cenę, rozbiliśmy na czynniki pierwsze w ile kosztuje audyt widoczności w AI, żebyś mógł porównać wartość zleconej pracy z czasem, który sam włożysz w te siedem kroków. Jeśli po przejściu tego przewodnika samodzielnie okaże się, że Twoja strona nie ma poważnych braków, to dobra wiadomość warta zera złotych i bez potrzeby zlecania czegokolwiek. Jeśli chcesz, żeby ktoś dodatkowo sprawdził Twoje wnioski, zanim zdecydujesz o zmianach, możesz też najpierw umówić darmową konsultację (20 minut).

FAQ

Ile czasu zajmuje samodzielny audyt widoczności AI? Licz od trzech do sześciu godzin rozłożonych na dwa-trzy wieczory: godzina na panel pytań i pomiar w czterech systemach, reszta na sprawdzenie sześciu obszarów strony i uporządkowanie wniosków. Pierwsze podejście trwa dłużej, bo uczysz się jednocześnie metody i własnej strony, a każdy kolejny audyt tej samej witryny jest szybszy, bo notatki i zapisane odpowiedzi z poprzedniego pomiaru służą jako punkt odniesienia.

Czy potrzebuję płatnych narzędzi do audytu widoczności AI? Nie. Cały pomiar da się wykonać przeglądarką w trybie incognito, kontami w czterech aplikacjach AI (ChatGPT, Gemini, Perplexity, Claude) i notatnikiem albo arkuszem do zapisywania wyników. Płatne narzędzia przydają się przy audycie SEO znacznie bardziej niż tutaj.

Czy mogę zrobić audyt widoczności AI dla jednej podstrony, a nie całej witryny? Możesz, ale wtedy sprawdzasz tylko fragment obrazu. Dostępność i dane strukturalne (kroki 2 i 3) warto ocenić dla całej strony, bo błąd w robots.txt blokuje wszystko naraz. Wyciągalność treści i E-E-A-T (kroki 4 i 5) sensownie sprawdzać stronę po stronie, zaczynając od tych, które generują najwięcej zapytań, na przykład strony konkretnych usług albo cennika, a nie strony głównej, po której klient rzadko trafia bezpośrednio z odpowiedzi AI.

Co zrobić, jeśli po audycie widzę wiele problemów naraz? Trzymaj się kolejności z kroku 7: najpierw dostępność, potem klarowność i wyciągalność, na końcu zaufanie i autorytet zewnętrzny. Próba naprawienia wszystkiego jednocześnie zwykle kończy się tym, że żadna zmiana nie jest dokończona, a bez dokończonej zmiany trudno cokolwiek zmierzyć.

Jak często powtarzać cały audyt widoczności AI, a nie tylko pomiar promptów? Pełny przegląd sześciu obszarów wystarczy raz na kwartał, chyba że wprowadzasz duże zmiany na stronie, na przykład przebudowę treści usługowych albo migrację na nowy silnik. Sam pomiar promptów z kroku 1 warto powtarzać częściej, bo zmienia się szybciej niż dane strukturalne czy sygnały autorytetu, które budują się miesiącami, a nie tygodniami.