Jeśli wrzucasz do ChatGPT albo Claude sam temat i prosisz o artykuł, zwykle dostajesz tekst poprawny językowo, ale bez przewagi SEO i bez własnego punktu widzenia. Powtarza to, co już widać w topowych wynikach Google. Dla czytelnika taki materiał jest poprawny, ale mało przydatny.
Problem zwykle nie leży w modelu, tylko w danych wejściowych. Gdy nie dajesz mu intencji frazy, luk w wynikach, tonu marki i konkretnego celu tekstu, model uśrednia odpowiedź. Kończy się na treści, którą można podmienić między dziesięcioma firmami bez większej różnicy.
Dlatego praca z AI nad SEO i contentem zaczyna się przed otwarciem czatu. Najpierw zbierasz materiał, który ma poprowadzić draft w stronę użytecznego artykułu. Dopiero potem prosisz model o napisanie pierwszej wersji.
Dlaczego AI pisze generyczne teksty
AI pisze generycznie wtedy, gdy dostaje generyczne zadanie. Polecenie w stylu "napisz artykuł o email marketingu dla B2B" nie mówi nic o odbiorcy, intencji wyszukiwania, poziomie wiedzy czy celu biznesowym. Model musi więc zgadywać i najczęściej wybiera najbardziej typową odpowiedź.
Drugi problem to brak danych, których model sam nie ma. Nie zna twojej oferty, rozmów z klientami, wcześniejszych wyników treści ani tego, które argumenty realnie działają w polskim B2B. Jeśli mu tego nie podasz, uzupełni luki tym, co statystycznie pasuje do tematu.
Trzeci problem pojawia się wtedy, gdy SEO sprawdzasz dopiero po napisaniu draftu. W praktyce analiza intencji frazy, układu wyników i braków w konkurencyjnych tekstach powinna wejść do briefu dla modelu od razu. Inaczej najpierw generujesz tekst, a potem próbujesz na siłę dopasować go do tego, czego szuka użytkownik.
Co trzeba przygotować przed napisaniem instrukcji dla modelu
Zanim poprosisz AI o draft, zbierz kilka rzeczy, które zawężą pole manewru i podniosą jakość pierwszej wersji.
- Sprawdź intencję frazy i układ wyników. Zobacz, czy w Google dominują poradniki, listy narzędzi, porównania czy szybkie odpowiedzi na jedno pytanie.
- Zapisz luki w topowych wynikach. Często brakuje tam polskiego kontekstu, przykładów z mniejszych firm, procesu krok po kroku albo sensownego wdrożenia linków wewnętrznych.
- Doprecyzuj odbiorcę. "Marketer" to za mało. Lepiej wpisać: osoba odpowiedzialna za treści w firmie B2B, która chce przyspieszyć draft artykułu bez obniżania jakości.
- Dodaj dane o marce i tonie. Model powinien wiedzieć, jakich słów nie używać, jaki poziom konkretu jest akceptowalny i jakie wcześniejsze teksty najlepiej oddają głos marki.
- Ustal cel tekstu. Artykuł ma pomóc podjąć decyzję, wdrożyć proces, czy tylko zrozumieć temat? Bez tego łatwo dostać treść, która jest poprawna, ale do niczego nie prowadzi.
- Zaplanuj linki wewnętrzne przed generacją. Jeśli wiesz, do których tekstów chcesz odesłać czytelnika, łatwiej zbudować naturalną strukturę i uniknąć dopisywania linków na końcu.
Jak wygląda praktyczny proces pracy z AI przy SEO i treściach
Najprostszy proces ma sześć kroków i każdy z nich ogranicza ryzyko, że skończysz z kolejnym tekstem "o wszystkim i o niczym".
1. Zacznij od SERP-u. Sprawdź, co dziś rankuje na wybraną frazę, jakie pytania pojawiają się w nagłówkach i czego brakuje w istniejących tekstach. Jeśli temat pokazuje się też w AI Overviews, zobacz, czy odpowiedzi są ogólne, czy już dość szczegółowe.
2. Zapisz brief wejściowy dla modelu. Powinien zawierać odbiorcę, cel tekstu, tezę, format, listę tematów do pokrycia, ograniczenia językowe i konkretne materiały źródłowe. To ważniejsze niż sam styl promptu.
3. Daj modelowi konkretną instrukcję, a nie luźny temat. Zamiast "napisz o AI w marketingu" lepiej napisać, że tekst ma pokazać marketerowi z polskiej firmy, jak przygotować dane do draftu artykułu, jak ocenić luki w wynikach i kiedy człowiek musi zatrzymać publikację.
4. Wygeneruj więcej niż jedną wersję leadu albo jednej sekcji. Nie chodzi o dziesięć iteracji tego samego, tylko o wybór lepszego kierunku. Zwykle szybciej poprawia się dwa średnie warianty niż jeden długi draft, który od początku był chybiony.
5. Zrób redakcję człowieka. Na tym etapie sprawdzasz, czy tekst coś wnosi, czy tylko porządkuje oczywistości. Szerzej o tym, jak zmienia się rola marketera przy pracy z AI, pisaliśmy w tekście Jak AI zmienia rolę marketerów.
6. Dodaj element, którego model sam nie wymyśli. To może być obserwacja z rozmów z klientami, przykład z własnej firmy, konkret z kampanii albo wniosek z analizy konkurencji. Właśnie tu zaczyna się różnica między zwykłym draftem a tekstem, który warto opublikować.
Gdzie AI zawiedzie i gdzie człowiek musi wejść do procesu
AI nie powinno samodzielnie zamykać całego procesu redakcyjnego. Są obszary, w których człowiek nadal musi przejąć kontrolę.
- Jeśli pracujesz bez aktualnych źródeł, model może oprzeć się na nieświeżych danych. Dotyczy to zwłaszcza funkcji narzędzi, cen, zmian w Google i świeżych raportów.
- Model nie zna twoich danych wewnętrznych, jeśli mu ich nie podasz. Nie wie, które treści przynosiły leady, jakie obiekcje wracają w sprzedaży ani gdzie w procesie ginie jakość.
- Model może pomóc ubrać w słowa obserwacje z analizy, ale nie powinien sam podejmować kluczowych wniosków biznesowych bez twojej kontroli.
- To człowiek decyduje, czy temat celuje w szeroką frazę, czy w węższe pytanie, czy CTA ma prowadzić do kolejnego artykułu, czy do kontaktu, i czy tekst naprawdę pasuje do marki.
Jeśli zespół pomija ten etap, AI przyspiesza publikację, ale nie poprawia jakości. W contentcie to zły układ, bo szybciej produkujesz materiały, które niczego nie zmieniają po stronie czytelnika.
Jak sprawdzić, czy tekst z AI ma realną wartość
Najprostszy test brzmi: czy po przeczytaniu tego artykułu ktoś może zrobić konkretny następny krok. Jeśli nie, tekst jest za ogólny.
Porównaj swój materiał z tym, co już rankuje. Czy dajesz lepszy proces, bliższy polskiej firmie przykład albo wyraźniejszą odpowiedź na pytanie z nagłówka? Jeśli twój tekst można zamienić z trzema innymi artykułami z top 10 bez straty sensu, nie masz jeszcze przewagi.
Sprawdź też, czy linki wewnętrzne wynikają z logiki tematu, a nie z samej potrzeby "dorzucenia SEO". W praktyce pomagają tu materiały, które rozwijają ten sam problem z innej strony, na przykład Treści dla AI: jak budować zaufanie albo Prompt engineering po polsku.
Na końcu przeczytaj lead i pierwszy akapit pod każdym H2 na głos. Jeśli brzmią jak opis modnego trendu, a nie odpowiedź dla konkretnej osoby, wróć do redakcji.
Co zrobić dalej
Weź jeden artykuł, który chcesz napisać w tym miesiącu. Zanim otworzysz model, sprawdź SERP, zapisz trzy luki w istniejących wynikach i dopisz jedno zdanie o tym, co czytelnik ma zrozumieć albo zrobić po lekturze.
Dopiero z takim materiałem uruchom ChatGPT albo Claude. Jeśli potrzebujesz jeszcze punktu wyjścia do pracy nad warsztatem, zobacz też tekst o narzędziach AI do marketingu, a potem porównaj, jak wygląda pierwszy draft z przygotowaniem i bez niego.
Źródła
- n8n, Fix Agent Failures With Context Engineering for LLMs, 7 lipca 2026. Tekst pokazuje, że jakość wyniku zależy od tego, jakie dane i instrukcje trafiają do modelu przed generacją.
