Przez lata internet działał według dość prostego mechanizmu.

Redakcja publikowała materiał. Google go indeksował. Czytelnik wpisywał pytanie, otrzymywał listę wyników, klikał i trafiał na stronę wydawcy.

Na tej drodze powstał cały ekosystem: SEO, Google News, Discover, reklama internetowa, systemy analityczne, pozycjonowanie, budowanie zasięgu i walka o pierwszą stronę wyników.

Tyle że ten model właśnie przestaje być jedynym.

Coraz częściej pomiędzy pytaniem czytelnika a źródłem pojawia się ktoś jeszcze.

Sztuczna inteligencja.

I nie jest już tylko narzędziem pomagającym znaleźć informację.

Coraz częściej sama ją podsumowuje, porównuje, interpretuje, zestawia kilka źródeł i podaje użytkownikowi gotową odpowiedź.

Czytelnik może więc otrzymać informację przygotowaną na podstawie pracy redakcji — nawet nie odwiedzając jej strony.

To fundamentalna zmiana.

Nie tylko technologiczna.

Także ekonomiczna.

AI już poleca. Tylko czy ludzie jej wierzą?

Najciekawszą sprzeczność pokazuje najnowsze badanie Kantar Media Reactions 2026.

Aż 75 proc. marketerów w ujęciu netto planuje w 2027 roku zwiększać inwestycje w rozwiązania związane z asystentami AI. 62 proc. uważa, że generatywna sztuczna inteligencja będzie odgrywała istotną rolę w rekomendowaniu marek.

Tymczasem po stronie konsumentów obraz wygląda znacznie ostrożniej.

Tylko 32 proc. badanych korzysta z asystentów AI podczas poszukiwania informacji o markach i produktach, a zaledwie 23 proc. deklaruje zaufanie do rekomendacji otrzymywanych w ten sposób.

To ogromna różnica.

Branża reklamowa już przygotowuje się do świata, w którym AI będzie pośrednikiem pomiędzy marką a konsumentem.

Konsumenci jeszcze niekoniecznie są przekonani, że temu pośrednikowi należy wierzyć.

Ale historia internetu pokazuje, że przyzwyczajenia potrafią zmieniać się szybciej, niż sądzimy.

Jeszcze kilkanaście lat temu wyszukiwarka była przede wszystkim listą linków.

Dzisiaj użytkownik coraz częściej oczekuje odpowiedzi.

Z wyszukiwarki powstaje maszyna odpowiedzi

Google nie ukrywa, że wyszukiwanie zmienia swoją konstrukcję.

W 2026 roku firma informowała, że AI Overviews osiągnęły ponad 2,5 miliarda aktywnych użytkowników miesięcznie, natomiast AI Mode przekroczył miliard użytkowników miesięcznie. Google twierdzi jednocześnie, że funkcje oparte na AI powodują wzrost liczby zapytań i nadal generują miliardy kliknięć prowadzących do stron internetowych.

To ważne zastrzeżenie.

Nie można jeszcze uczciwie powiedzieć, że wyszukiwarka przestała kierować użytkowników do stron.

Ale zmienia się coś bardziej fundamentalnego.

Użytkownik coraz częściej może uzyskać wystarczającą odpowiedź bez przechodzenia dalej.

Google rozwija AI Mode właśnie jako połączenie klasycznej wyszukiwarki z konwersacyjnym systemem sztucznej inteligencji. Firma podaje, że użytkownicy zadają w tym trybie bardziej rozbudowane i złożone pytania niż w tradycyjnym wyszukiwaniu.

Zamiast:

jaka będzie pogoda?

pojawia się więc pytanie:

Czy jutro warto organizować plenerową imprezę i o której godzinie ryzyko deszczu będzie najmniejsze?

Zamiast:

oczyszczalnia Oborniki Śląskie

może pojawić się:

Dlaczego gmina Oborniki Śląskie zdecydowała się na PPP przy modernizacji oczyszczalni, ile to będzie kosztować mieszkańców i jakie są argumenty przeciwników?

I właśnie tutaj zaczyna się problem dla mediów.

Redakcja publikuje. AI odpowiada

Przez lata wyszukiwarki funkcjonowały według nieformalnej umowy.

Robot indeksował treść.

W zamian wyszukiwarka wysyłała użytkowników do strony.

Wydawca otrzymywał ruch.

Czytelnik otrzymywał informację.

Wydawca mógł ten ruch przekształcić w przychód reklamowy, subskrypcję albo długotrwałą relację z odbiorcą.

Cloudflare zwraca uwagę, że systemy AI zmieniają tę zależność.

Firma opisuje sytuację wprost: narzędzia AI mogą pobierać ogromne ilości treści, a następnie wykorzystywać je do tworzenia odpowiedzi, przy czym liczba użytkowników przechodzących później do pierwotnych źródeł może być nieporównywalnie mniejsza.

W danych Cloudflare z czerwca 2026 roku aż 52 proc. ruchu crawlerów identyfikowanych według celu stanowiło pobieranie treści związane z trenowaniem systemów AI, podczas gdy rok wcześniej udział ten był znacznie niższy.

Powstaje więc pytanie, którego przez następne lata nie uniknie żaden wydawca:

czy wartość artykułu nadal będzie mierzona liczbą osób, które go przeczytały na stronie, czy również liczbą systemów, które wykorzystały jego informacje do udzielenia odpowiedzi gdzie indziej?

SEO może już nie wystarczyć

Przez dwie dekady recepta była znana.

Dobry tytuł.

Poprawna struktura strony.

Dane strukturalne.

Linkowanie.

Szybkość.

Autorytet domeny.

Indeksacja.

SEO.

Dzisiaj dochodzi nowa warstwa.

Nie wystarczy już zapytać:

czy Google znajdzie nasz tekst?

Trzeba również zapytać:

czy system AI uzna nasz tekst za źródło, na którym warto oprzeć odpowiedź?

Stąd coraz częściej pojawiają się terminy takie jak AEO — Answer Engine Optimization — czy GEO, czyli Generative Engine Optimization.

Nazwy mogą się jeszcze zmieniać.

Mechanizm pozostanie.

Treść ma być nie tylko możliwa do znalezienia.

Musi być również zrozumiała, wiarygodna, jednoznaczna i możliwa do wykorzystania jako źródło odpowiedzi.

Tu zaczyna się paradoks.

Redakcje przez lata uczyły się pisać dla Google.

Teraz mogą zacząć pisać również dla systemów AI.

Tylko że w pewnym momencie należy zadać pytanie:

a gdzie w tym wszystkim znajduje się człowiek?

Czy artykuły będą pisane dla modeli językowych?

Nie chodzi o to, aby tworzyć teksty sztucznie „pod AI”.

To byłoby powtórzenie najgorszych błędów SEO.

Internet pamięta przecież artykuły w rodzaju:

„Najlepszy hydraulik Wrocław — hydraulik Wrocław tanio — pogotowie hydrauliczne Wrocław”.

Powstawały nie dlatego, że ktoś chciał je czytać.

Powstawały dlatego, że miały spodobać się algorytmowi.

Jeżeli podobny wyścig rozpocznie się wokół systemów generatywnych, może powstać kolejna fala tekstów konstruowanych tak, aby łatwiej cytował je model językowy.

Ale istnieje również druga możliwość.

AI może premiować to, czego dobre dziennikarstwo potrzebowało od początku:

jasne źródła,

konkretne dane,

nazwiska,

daty,

dokumenty,

precyzyjne rozróżnienie faktów od opinii,

czytelną strukturę informacji.

To akurat mogłoby mediom wyjść na zdrowie.

OpenAI też potrzebuje źródeł

ChatGPT posiada obecnie mechanizm wyszukiwania internetu i wskazywania źródeł.

OpenAI informuje wydawców, że publiczne strony mogą pojawiać się w wynikach wyszukiwania ChatGPT, o ile dostęp do nich nie jest blokowany dla odpowiedniego robota wyszukującego. Firma umożliwia też identyfikowanie ruchu przychodzącego z ChatGPT poprzez parametr utm_source=chatgpt.com.

Jednocześnie samo OpenAI ostrzega użytkowników, że cytowania generowane podczas wyszukiwania mogą być niepełne, nieaktualne lub błędne i że przy ważnych informacjach warto otworzyć pierwotne źródło oraz sprawdzić, czy rzeczywiście potwierdza odpowiedź.

To bardzo ważny element nowej rzeczywistości informacyjnej.

AI może coraz skuteczniej odpowiadać.

Ale odpowiedź AI nie jest tym samym co dokument źródłowy.

Perplexity próbuje zbudować inny model

Ciekawy eksperyment prowadzi Perplexity.

Firma stworzyła program współpracy z wydawcami, w którym część partnerów może uczestniczyć w przychodach generowanych przy odpowiedziach wykorzystujących ich treści.

Do programu dołączały między innymi TIME, Der Spiegel, Fortune, The Independent, Los Angeles Times, a później także Gannett, czyli właściciel USA Today oraz dużej sieci lokalnych publikacji w Stanach Zjednoczonych.

To interesujący kierunek.

Jeżeli AI staje się nową warstwą dystrybucji informacji, może powstać nowy model:

system korzysta z dziennikarstwa, a część wartości ekonomicznej wraca do jego producenta.

Na razie jednak nie wiadomo, czy taki model stanie się standardem, czy pozostanie rozwiązaniem stosowanym przez wybrane platformy i największych wydawców.

A to prowadzi do kolejnego pytania.

Co z mediami lokalnymi?

Globalne AI i bardzo lokalna rzeczywistość

Sztuczna inteligencja świetnie radzi sobie z tematami, które istnieją w tysiącach źródeł.

Premier.

Wybory.

Apple.

Inflacja.

Liga Mistrzów.

Ale świat lokalny wygląda zupełnie inaczej.

Czasami istnieje jeden protokół sesji.

Jedna interpelacja.

Jedna odpowiedź urzędu.

Jeden materiał lokalnej redakcji.

Jedno nagranie mieszkańca.

I właśnie wtedy jakość źródła staje się szczególnie ważna.

Jeżeli AI nie znajdzie lokalnego materiału albo błędnie oceni jego znaczenie, może zbudować odpowiedź ze źródeł wtórnych, niepełnych albo zwyczajnie starych.

Może też pominąć temat całkowicie.

Dla lokalnego dziennikarstwa może więc pojawić się paradoksalna szansa.

Im bardziej internet będzie zalewany treściami generowanymi automatycznie, tym większą wartość będzie miało źródło posiadające coś, czego AI sama nie może stworzyć:

oryginalną informację.

Dokument.

Rozmowę.

Zdjęcie.

Nagranie.

Relację z sesji.

Odpowiedź urzędu.

Własne ustalenie.

To może być największy kapitał lokalnych mediów w epoce sztucznej inteligencji.

Problem polega na tym, że źródło może stać się niewidoczne

Wyobraźmy sobie prostą sytuację.

Lokalna redakcja przez tydzień analizuje dokumenty dotyczące inwestycji.

Dziennikarz występuje o informacje publiczne.

Czyta umowy.

Porównuje kwoty.

Rozmawia z mieszkańcami.

Powstaje artykuł.

Kilka tygodni później ktoś pyta asystenta AI:

Ile będzie kosztowała ta inwestycja i dlaczego budzi kontrowersje?

System przedstawia odpowiedź.

Podaje właściwą kwotę.

Opisuje argumenty.

Może nawet wskazać źródło.

Tylko użytkownik niekoniecznie je otworzy.

Dostał już odpowiedź.

I tutaj pojawia się najważniejszy spór ekonomiczny przyszłości mediów.

Kto finansuje powstawanie informacji, jeżeli konsument informacji coraz rzadziej odwiedza jej producenta?

Nie wszystko jest jeszcze przesądzone

Trzeba zachować proporcje.

Google przekonuje, że jego rozwiązania AI nadal kierują ogromną liczbę użytkowników na strony internetowe i rozwija mechanizmy zwiększające widoczność linków oraz oryginalnych treści w AI Overviews i AI Mode.

Powstają też nowe narzędzia pozwalające wydawcom analizować ruch związany z AI.

Cloudflare umożliwia na przykład rozdzielanie ruchu robotów AI od faktycznych wejść użytkowników przekierowanych z ChatGPT czy Perplexity oraz sprawdzanie, które części witryny są najczęściej wykorzystywane przez crawlery.

To oznacza, że zaczynamy wreszcie mierzyć coś, czego jeszcze niedawno właściwie nie widzieliśmy.

Nie tylko:

ile osób przyszło z Google?

Ale również:

ile razy nasze treści pobierały systemy AI i ile użytkowników później do nas wróciło?

To zupełnie nowa analityka mediów.

My też to sprawdzimy

Dlatego w Radio DTR nie chcemy ograniczyć się do obserwowania zmian z boku.

W ramach cyklu „Media po przejściu AI” będziemy prowadzić własne doświadczenia.

Będziemy zadawać identyczne pytania kilku systemom:

ChatGPT,

Gemini,

Google AI,

Perplexity.

Nie będziemy pytać tylko o wielkie tematy ogólnopolskie.

Wręcz przeciwnie.

Interesują nas przede wszystkim sprawy lokalne.

Sprawdzimy:

czy AI zna temat,

jak go opisuje,

z jakiego okresu pochodzą informacje,

które źródła wykorzystuje,

czy cytuje lokalne media,

czy wskazuje dokumenty pierwotne,

czy powtarza błędy,

czy potrafi odróżnić informację aktualną od archiwalnej.

A przede wszystkim:

czy potrafi znaleźć informację, którą pierwotnie zdobyła lokalna redakcja.

To może być ciekawszy test przyszłości mediów niż kolejna konferencja o sztucznej inteligencji.

Nowa walka o pierwsze miejsce

Przez lata media walczyły o pierwszą pozycję w Google.

Teraz walka może wyglądać inaczej.

Nie będzie chodziło wyłącznie o to, kto znajduje się najwyżej.

Może chodzić o coś znacznie bardziej fundamentalnego:

czyje informacje zostaną wykorzystane do stworzenia odpowiedzi.

A następnie:

czy użytkownik dowie się, skąd ta odpowiedź pochodzi.

Kantar pokazuje przy tym jeszcze jeden paradoks.

Marketerzy coraz szybciej inwestują w AI, ale równocześnie coraz mniej z nich jest przekonanych, że dysponują właściwym miksem mediów i potrafią przełożyć ogrom posiadanych danych na praktyczne decyzje. Tylko 51 proc. badanych deklaruje pewność, że potrafi przekształcać dane w użyteczne wnioski marketingowe.

Technologia przyspiesza.

Pewność, co z nią zrobić, niekoniecznie.

Czytelnik pozostaje najważniejszy

W całej rozmowie o SEO, AEO, algorytmach, crawlerach, modelach językowych i rekomendacjach łatwo zgubić jednego uczestnika.

Czytelnika.

A przecież media nie powstały po to, aby dostarczać treść Google.

Nie powstały również po to, aby trenować modele językowe.

Ich podstawowym zadaniem pozostaje dostarczenie człowiekowi rzetelnej informacji.

Dlatego najważniejszym pytaniem nie powinno być:

jak pisać, żeby spodobać się AI?

Lepsze brzmi:

jak publikować informacje tak, aby człowiek — niezależnie od tego, czy trafi do nich przez Google, Facebooka, aplikację czy asystenta AI — potrafił odnaleźć ich źródło i ocenić jego wiarygodność?

Bo możemy właśnie wchodzić w epokę, w której największym problemem internetu nie będzie brak informacji.

Informacji będzie więcej niż kiedykolwiek.

Problemem stanie się odpowiedź na znacznie prostsze pytanie:

kto właściwie to ustalił?

„Media po przejściu AI”

W kolejnych częściach cyklu sprawdzimy między innymi:

„AI już poleca marki. Ale czy ludzie jej wierzą?”

„SEO to za mało. Czy zaczyna się epoka AEO?”

„Kto zdecyduje, co przeczytasz: redaktor, Google czy asystent AI?”

„Czy media muszą pisać również dla modeli językowych?”

„Widoczność w AI — nowy marketing czy tylko kolejna walka o pierwsze miejsce?”

oraz najważniejsze z punktu widzenia wydawców:

„Gdy AI cytuje media: kto dostaje ruch, a kto tylko dostarcza treść?”

Bo po przejściu AI internet nadal będzie potrzebował informacji.

Nie jest jeszcze pewne, kto będzie na nich zarabiał, kto będzie je czytał u źródła i kto zostanie zapamiętany jako ich autor.