Powierzchowne treści przegrywają z AI Search – mówi to wprost wiceprezes Google

Skoro sztuczna inteligencja sama formułuje odpowiedzi w wyszukiwarce, długie artykuły tracą sens. Po co pisać 2000 słów, skoro chatbot streści temat w trzech zdaniach? Podczas Google Marketing Live 2026 Nick Fox, wiceprezes Google ds. wiedzy i informacji, postawił tezę odwrotną – im więcej streszczeń podsuwa sztuczna inteligencja, tym wyżej algorytm wycenia treści idące dalej, niż AI potrafi sięgnąć.

Co dokładnie powiedział Nick Fox i co stoi za tezą o pogłębionych treściach?

Nick Fox jest wiceprezesem Google ds. wiedzy i informacji (SVP of Knowledge & Information), czyli osobą odpowiedzialną za to, jak wyszukiwarka i Gemini łączą się z resztą produktów firmy^[1]. W rozmowie z Benem Smithem, redaktorem naczelnym Semafora, podczas Google Marketing Live 2026, Fox stwierdził wprost: „Sposób optymalizacji pod AI Search jest taki sam jak pod klasyczne wyszukiwanie. Stwórz świetną treść”^[2]. Dodał jednak natychmiast nową warstwę: „Dodatkowa rada, którą dajemy, brzmi – wyjdź poza powierzchowność”^[3].

Sztuczna inteligencja sama zapewnia pierwszą warstwę informacji dla wielu pytań, więc treść, która ma największe szanse zostać zacytowana, odpowiada na kolejną warstwę^[4]. „Jeśli założysz, że AI dostarczy pierwszy poziom odpowiedzi i ogólne ramy, najlepsza treść w AI to taka, która idzie o poziom głębiej i jest tam naprawdę pomocna”^[5]. Algorytm szuka zatem materiałów, które uzupełniają jego własną odpowiedź.

Fox podał też konkretny przykład. „Jeśli chcesz coś kupić, nie chcesz słyszeć tylko tego, co mówi AI. Chcesz usłyszeć kogoś, kto produktu używał. Co o nim myślał? Co poszło z nim nie tak? Co się zepsuło? Co było wspaniałe? Jakie dodatki dokupił?”^[6]. Bezpośrednio odpowiada to na sytuację, w której konsument dostaje podsumowanie modelu AI, ale wciąż szuka czegoś, czego maszyna nie potrafi zastąpić – osobistego doświadczenia, drobnych obserwacji czy kontekstu.

Google podał też, że zapytania w AI Mode są średnio trzy razy dłuższe niż klasyczne wyszukiwania, a jedno na sześć zapytań korzysta z głosu lub obrazów^[7]. AI Mode przekroczył miliard miesięcznych użytkowników, a Sundar Pichai potwierdził, że liczba zapytań w tym trybie podwaja się co kwartał^[8]. Użytkownicy zadają bardziej szczegółowe pytania, a sama wyszukiwarka generuje wewnętrznie kolejne pochodne zapytania, dla których szuka materiałów źródłowych z innego niż dotąd zbioru stron.

Fox powtórzył, że klasyczne wartości produktowe Google’a – jakość, prędkość, dokładność – pozostają fundamentem oceny treści^[9]. „Ludzie nie chcą błędnych informacji. To bardzo, bardzo ważne. Zależy im też na szybkości”^[10]. Trzecia warstwa to obecność człowieka w łańcuchu informacji. Fox podkreślił, że AI „dobrze radzi sobie z prostymi zapytaniami informacyjnymi, ale nie zastąpi ludzkiej perspektywy”^[11]. Innymi słowy, pierwsza warstwa odpowiedzi należy do maszyny, druga – do człowieka, który widział, używał albo zna sprawę z własnej praktyki.

Według Discovered Labs jeszcze w połowie 2025 roku 76 % cytowań w AI Overviews pochodziło ze stron z top 10 Google’a; na początku 2026 udział ten spadł do około 38 %^[12]. Mówiąc inaczej, ranking organiczny i widoczność w odpowiedziach AI oficjalnie się rozjechały – sztuczna inteligencja coraz częściej sięga poza dotychczasowy zbiór najwyżej rankowanych stron, żeby znaleźć pogłębiony materiał. Ahrefs podaje, że 80 % cytowań dużych modeli językowych pochodzi w ogóle spoza top 100 Google’a^[13].

Tuż przed wystąpieniem Foksa Google rozpoczął wdrażanie May 2026 Core Update – drugiej dużej aktualizacji rdzenia w tym roku, równolegle z premierą Gemini 3.5 Flash jako domyślnego modelu AI Mode^[14]. Marie Haynes, ekspertka SEO, powiedziała o tym tak: „Ma to sens, bo Gemini 3.5 Flash zasila teraz funkcje AI w wyszukiwarce”^[15].

Co rada Foksa oznacza dla zespołów treści i jak ułożyć produkcję w drugiej połowie 2026?

Krótkie, powierzchowne artykuły streszczające temat tracą sens jako narzędzie widoczności w AI. Skoro sama wyszukiwarka pisze pierwszą warstwę odpowiedzi, treść marki, która powtarza tę samą warstwę, jest tylko powieleniem. Strona z trzema akapitami „czym jest X” przegrywa ze stroną, która wyjaśnia, jakie pułapki kryją się w użyciu X w praktyce, kto kupuje X w jakim celu i jak wygląda decyzja zakupowa z perspektywy konkretnej branży. Każdy zespół content marketingowy powinien zadać sobie pytanie, czy jego artykuł odpowiada na pierwszy poziom pytania (co to jest), czy na drugi (jak to działa w praktyce, na czym się potknąć, czego nie widać na pierwszy rzut oka).

Cytat Foksa o kupowaniu produktu pokazuje, że AI sięga po treści, które zawierają to, czego maszyna nie wymyśli – osobistą historię, recenzję napisaną przez kogoś, kto rzeczy używał lub drobne uwagi techniczne. Dobrze jest zatem dawać konkretnym osobom (np. ekspertom, użytkownikom czy klientom) głos, podpisywać artykuły imieniem i nazwiskiem, dodawać biogramy.

Ważna jest też mapa pytań pochodnych: dla każdego głównego tematu marki warto wyobrazić sobie, o co konsument zapyta po pierwszej odpowiedzi AI. Jeśli ktoś zapyta o kredyt hipoteczny, AI pokaże ogólną definicję i typy. Pytanie drugie brzmi „jak negocjować marżę z bankiem”, trzecie „co zrobić, gdy zdolność kredytowa wychodzi za mała”, czwarte „czy łączyć kredyt z dotacją”. Treść marki, która zawiera odpowiedzi na te pytania, jest dokładnie tym, czego model szuka jako uzupełnienia własnej odpowiedzi.

Fox nie podał konkretnej definicji „pogłębionej” treści, ale Google podkreśla od miesięcy znaczenie dobrze ustrukturyzowanych danych, źródeł, cytatów ekspertów i konkretnych liczb. Artykuł zbudowany z ogólników, choćby długi, nie przejdzie, bo ważna jest gęstość informacji i to, czy w treści pojawiają się elementy, których model AI nie potrafi sam wytworzyć: oryginalne badania, dane z własnej praktyki marki, wywiady, studia przypadków.

Z punktu widzenia algorytmu nie chodzi o samą liczbę słów, lecz o pełne pokrycie tematu. Treść, która wyczerpująco odpowiada na cztery pytania pochodne, działa lepiej niż cztery osobne, płytkie teksty. Oznacza to mniej publikacji, ale mocniejszych i rozbudowanych.

Ranking organiczny i widoczność w AI rozjechały się o ponad połowę (38 % pokrycia top 10 z cytowaniami AI Overviews), więc klasyczny pomiar oparty wyłącznie na pozycjach w Google Search nie pokazuje już pełnego obrazu. Marki, które chcą wiedzieć, czy strategia treści działa w AI, muszą włączyć osobne narzędzia śledzące cytowania w ChatGPT, Gemini, Perplexity i Copilocie. Google Analytics dodał zresztą w maju nowy kanał „AI assistant”, grupujący wizyty z tych narzędzi, więc pomiar staje się dostępny natywnie^[16].

Wypowiedź Foksa pokazuje, że Google nie buduje AI Search w opozycji do wydawców treści, lecz w sposób, który ich potrzebuje, ale na innych warunkach niż dawniej. Algorytm chce ludzkiego doświadczenia, oryginalnych badań czy ekspertyzy z pierwszej ręki, więc marka, która zrozumie tę zmianę i przebuduje swoją produkcję pod pytania drugiego poziomu, wejdzie w 2027 rok z trwałą przewagą.