Gdzieś w ciągu ostatnich dwóch lat zdanie „u nas AI pisze bloga” po cichu z dumy zamieniło się w coś, co firmy mówią raczej defensywnie. Ta reakcja jest zrozumiała. Sporo treści generowanych przez AI jest po prostu słabych, a niemała ich część całkowicie zniknęła z wyników wyszukiwania. Ale rzeczywista przyczyna tego zniknięcia jest bardziej konkretna — i bardziej użyteczna do zrozumienia — niż „Google nienawidzi AI”.
Narzędzie nigdy nie było celem
Google od dłuższego czasu jasno mówi w tej sprawie: jakość treści jest oceniana na podstawie tego, czy jest pomocna dla ludzi, a nie tego, jaki proces ją wyprodukował. To sedno systemu helpful content Google, który od marca 2024 roku przestał być osobnym update'em i działa teraz nieprzerwanie jako część szerszych systemów rankingowych wyszukiwarki. Dobrze zbadany, dobrze skonstruowany, naprawdę użyteczny artykuł nie traci punktów, bo autor gdzieś w procesie pisania skorzystał z modelu językowego. Mnóstwo profesjonalnie produkowanych dziś treści na jakimś etapie przechodzi przez AI — przy konspekcie, szkicu, redakcji — i pozycjonuje się bez problemu.
Tym, na co Google faktycznie poluje, jest to, co nazywa scaled content abuse: generowaniem treści na skalę, których głównym celem jest manipulowanie pozycjami w wynikach wyszukiwania, a nie pomoc komukolwiek. Polityka nie rozróżnia, czy ta „skala” jest efektem farmy treści z setką freelancerów, czy skryptu odpytującego API tysiąc razy dziennie. Celem jest wzorzec, nie narzędzie użyte do jego wyprodukowania.
To rozróżnienie ma znaczenie, bo zmienia to, czym naprawdę warto się martwić. Jeśli problemem nie jest narzędzie, całkowita rezygnacja z AI cię nie chroni, a ostrożne korzystanie z AI cię nie skazuje. Liczy się to, czy twoje treści przypominają wzorzec, który Google stara się tłumić.
Jak naprawdę wygląda wzorzec porażki
Większość blogów AI, które zostają zakopane, ma rozpoznawalny kształt, i warto nazwać konkretne elementy, bo „niska jakość” to zbyt ogólne stwierdzenie, żeby cokolwiek z niego wynikało.
Pierwszym jest wolumen bez kontroli redakcyjnej. Witryna, która przeskakuje z czterech wpisów rocznie do czterech wpisów dziennie, bez widocznej zmiany w zatrudnieniu czy procesie, pokazuje dokładnie tę sygnaturę, do której wychwytywania zbudowano egzekwowanie polityki scaled content abuse. Nie chodzi o samą liczbę. Chodzi o liczbę połączoną z brakiem jakiegokolwiek ludzkiego punktu kontrolnego, który normalnie spowalniałby proces publikacji.
Drugim jest szablonowa jednorodność. Zadaj modelowi AI tysiąc razy to samo pytanie, zmieniając tylko słowo kluczowe, a dostaniesz tysiąc artykułów z tym samym pięcioakapitowym szkieletem, tymi samymi frazami przejściowymi, tym samym tonem zabezpieczania się na wszystkie strony. Czytelnicy zauważają to szybciej niż roboty indeksujące, ale roboty też to wyłapują. Cienka wariacja na wielu podstronach domeny to jeden z najwyraźniejszych odcisków palca generowania programistycznego nastawionego na pozycję, a nie na pomoc.
Trzecim są cienkie, niemożliwe do zweryfikowania twierdzenia. Modele AI są biegłe językowo, co oznacza, że potrafią wyprodukować pewnie brzmiący akapit bez faktycznego zakotwiczenia w rzeczywistości. Zostawione bez kontroli, produkują artykuły pełne niepopartych statystyk, mglistych odwołań w stylu „badania pokazują” i ogólnych porad, które mogłyby dotyczyć dowolnej branży, bo nigdy tak naprawdę nie dotyczyły twojej.
Czwartym jest brak sygnałów E-E-A-T: doświadczenia, ekspertyzy, autorytatywności, zaufania (experience, expertise, authoritativeness, trust). Artykuł, który nigdy nie pokazuje, że dotknął go ktoś z realną wiedzą o temacie, z definicji czyta się jako ogólnikowy, bo ogólnikowość to domyślny tryb modelu bez konkretnego ukierunkowania. Brak perspektywy autora, brak szczegółu, który znałby tylko ktoś z branży, nic, czego nie dałoby się wygenerować na stronę konkurenta przez zwykłe znajdź-i-zamień.
Żaden z tych czterech problemów nie jest spowodowany „korzystaniem z AI”. Są spowodowane korzystaniem z AI bez procesu owiniętego wokół tego narzędzia. Usuń proces, a dostajesz dokładnie ten wzorzec — niezależnie od tego, czy pierwszy szkic napisał człowiek, czy model.
Co naprawdę zmienia nadzorowany proces publikacji
To jest ta część, którą warto opisać konkretnie, bo „kontrola jakości” to jedno z tych sformułowań, które brzmi dobrze i nic nie znaczy, dopóki nie opiszesz mechanizmu.
Nadzorowany proces publikacji AI, na którym pod maską działa Post Pilot, traktuje model jako szybki generator pierwszego szkicu, nie jako wydawcę. Między szkicem a publikacją musi się wydarzyć kilka rzeczy, za każdym razem, nie od czasu do czasu.
Każdy artykuł przechodzi własny etap researchu, zamiast być spinowany z szablonu. Temat jest dobierany pod realny profil firmy — twoje usługi, twoją grupę odbiorców, twój ton — a nie wyciągany z ogólnej listy słów kluczowych, która mogłaby należeć do dowolnej firmy w twojej kategorii. To różnica między artykułem, który mógł powstać tylko dla ciebie, a takim, który mógł powstać dla każdego.
Osobny etap przeglądu AI sprawdza szkic pod kątem sprzeczności, zmyślonych liczb i wypełniacza, który wydłuża tekst, nie dodając informacji. To nie jest ten sam model odczytujący własną pracę z tymi samymi ślepymi punktami. To odrębny etap przeglądu zbudowany specjalnie po to, by wychwytywać typowe błędy, jakie wprowadza pisanie szkicu.
Każdy artykuł jest następnie oceniany według checklisty obejmującej klarowność, konkretność, powtarzalność, keyword stuffing i spójność terminologii, i mierzony względem progu jakościowego. Artykuły, które nie osiągają progu, są automatycznie poprawiane albo wstrzymywane do bliższego sprawdzenia, zamiast być publikowane mimo wszystko, bo kalendarz akurat wskazywał wtorek. Ten próg to realny mechanizm, który sprawia, że rytm 7–8 artykułów miesięcznie nigdy nie zamienia się w skalowany, cienki wzorzec treści, do wyłapywania którego zbudowano systemy wyszukiwania.
Sam rytm publikacji ma większe znaczenie, niż się wydaje. Siedem czy osiem dobrze zbudowanych artykułów miesięcznie to tempo, jakie mogłaby utrzymać prawdziwa redakcja, bo mniej więcej takie tempo przybliża. Siedemset wpisów z dnia na dzień to tempo, jakiego żaden legalny wydawca nigdy nie utrzymywał, i tak właśnie odczyta to każdy, człowiek czy system, kto spojrzy na historię publikacji. Stały, ludzko wiarygodny rytm to nie kwestia stylistycznej preferencji. To część tego, co sprawia, że operacja z treścią wygląda na treść, a nie na manipulację.
Ustrukturyzowane metadane, znaczniki JSON-LD, schema FAQ tam, gdzie pasuje do tematu, są dodawane konsekwentnie. To drobny szczegół techniczny, który sam w sobie nie ma nic wspólnego z jakością treści, ale ma wszystko wspólnego z tym, czy wyszukiwarki i silniki odpowiedzi AI potrafią poprawnie odczytać i zaprezentować stronę. A kiedy artykuł potrzebuje drugiej albo trzeciej wersji językowej, ta wersja przechodzi przez tę samą bramkę jakości niezależnie, zamiast być traktowana jako mechaniczne tłumaczenie doklejone na koniec. Słabe tłumaczenie podważa nawet solidny oryginalny artykuł równie skutecznie, jak zrobiłby to słaby oryginalny szkic.
Uczciwie o tym, czego to nie obiecuje
Żaden proces publikacji, nadzorowany czy nie, nie może obiecać pozycji w wynikach. Nikt nie kontroluje algorytmu Google, a każdy, kto twierdzi, że może zagwarantować miejsce na pierwszej stronie, sprzedaje coś, co nie istnieje. To, co może obiecać zdyscyplinowany proces, jest węższe i bardziej uczciwe: że to, co zostaje opublikowane, wygląda jak treść, którą Google wielokrotnie i publicznie deklarowało, że chce nagradzać — użyteczna, konkretna, spójna, tworzona pod redakcyjnym nadzorem — a nie jak treść, którą równie publicznie zapowiedziało, że zbudowało systemy do tłumienia.
To znacząco inne twierdzenie niż „treści AI, które się pozycjonują”. To raczej „treści AI, które nie dyskwalifikują się same, zanim w ogóle zostaną ocenione pod względem merytorycznym”. Dopięcie tego elementu to podstawa, nie growth hack. A zaskakująco wiele blogów AI nigdy nawet nie przekracza tego progu, co właśnie dlatego tak wiele z nich po cichu znika z wyników wyszukiwania w ciągu kilku miesięcy od startu.
Co z tego wynika
Jeśli prowadzisz bloga, w którym gdzieś w procesie uczestniczy AI, pytanie warte zadania brzmi nie „czy AI jest tu dozwolone” (na to pytanie Google odpowiedziało już lata temu). Brzmi ono: „czy ktoś to sprawdza, zanim pójdzie na żywo”, „czy ten artykuł zawiera coś, czego nie dałoby się napisać dla konkurenta” i „czy publikowałbym takie tempo treści, gdybym płacił ludzkiemu pisarzowi za artykuł”. Jeśli uczciwe odpowiedzi budzą twój niepokój, to ten niepokój jest sygnałem, nie AI.
Post Pilot został zbudowany dokładnie wokół tego zestawu punktów kontrolnych: ocena jakości dla każdego artykułu z osobna, realny próg, bramki zatwierdzenia przez człowieka i rytm, który mieści się w zakresie, jaki mogłaby utrzymać prawdziwa redakcja — bo tego właśnie wymaga publikowanie w sposób, który Google, jak sama deklaruje, nagradza. Jeśli chcesz zobaczyć, jak to wygląda na żywej stronie, zamiast wierzyć nam na słowo, warto rzucić okiem na przykłady, zanim sam podejmiesz ryzyko zrobienia tego źle.