Recommendation poisoning: jak sprawdzić, czy AI poleca Twoją konkurencję z cudzych list rankingowych?

AI nie musi „wierzyć” konkurencji, żeby ją polecać. Wystarczy, że przy pytaniu zakupowym znajdzie dobrze ułożoną stronę typu „best tools”, porównanie funkcji albo ranking, który wygląda neutralnie, a w praktyce został napisany przez firmę sprzedającą własny produkt. Dla człowieka to pachnie autopromocją po dwóch kliknięciach. Dla modelu, który składa odpowiedź z aktualnych źródeł, taka strona bywa po prostu wygodnym, czytelnie sformatowanym materiałem.

The Verge opisał konkretne przykłady: strony Zendesk i Freshworks porównujące narzędzia service desk, w których każda firma wskazywała własny produkt jako najlepszy wybór. W tym samym tekście pojawiły się kolejne przykłady firm publikujących listy, na których — bez większego zaskoczenia — zwyciężał ich własny produkt. Problem nie polega na tym, że porównania są zakazane. Problem zaczyna się wtedy, gdy AI cytuje ranking konkurenta jak niezależne źródło i na tej podstawie rekomenduje go Twoim potencjalnym klientom.

To nie jest już tylko temat dla SEO. To jest jednocześnie reputacja, sprzedaż, compliance i bezpieczeństwo informacji. Microsoft w lutym 2026 roku opisał zjawisko AI Recommendation Poisoning jako technikę przypominającą SEO poisoning, ale wymierzoną w asystentów AI. W badaniu Microsoftu przez 60 dni wykryto 50 przykładów promptów mających wpływać na pamięć asystenta; pochodziły od 31 firm z ponad tuzina branż, m.in. finansów, zdrowia, usług prawnych, SaaS i marketingu.

Jak AI wybiera źródła i dlaczego cudze rankingi mogą wypchnąć Twoją markę

Najpierw trzeba zdjąć z tematu warstwę magii. AI Search działa inaczej niż klasyczne „10 niebieskich linków”, ale nie działa w próżni. ChatGPT Search może przeszukiwać web, podawać linki do źródeł i — według dokumentacji OpenAI — czasem przepisuje pytanie użytkownika na jedno lub kilka bardziej celowanych zapytań wyszukiwawczych. To ważne, bo użytkownik pyta: „jakie narzędzie CRM dla małej firmy?”, a system może szukać szerzej: „best CRM for small business 2026”, „CRM comparison pricing”, „CRM alternatives for startups”.

Google opisuje podobny mechanizm w swoich materiałach o generatywnych funkcjach wyszukiwania: odpowiedzi korzystają m.in. z retrieval-augmented generation, czyli pobierania aktualnych stron z indeksu, oraz z query fan-out, czyli tworzenia wielu powiązanych zapytań wokół pierwotnej intencji użytkownika. W praktyce oznacza to, że jedna fraza klienta może otworzyć drzwi do kilkunastu źródeł: recenzji, rankingów, forów, dokumentacji, stron produktowych i artykułów porównawczych.

I tu zaczyna się problem. Strona rankingowa konkurenta może mieć wszystko, co lubią systemy wyszukujące informacje:

• jasny nagłówek: „Najlepsze narzędzia do…”;
• tabelę porównawczą;
• listę funkcji;
• sekcję plusów i minusów;
• aktualizowaną datę;
• frazy zakupowe;
• fragmenty łatwe do zacytowania;
• pozornie neutralny ton.

Nie musi być fałszywa wprost. Często wystarczy dobór kryteriów. Konkurent może oceniać kategorię tak, żeby jego mocne strony były najważniejsze, a Twoje przewagi wyglądały jak detal. Przykład: jeśli sprzedajesz narzędzie dla zespołów enterprise, a ranking premiuje „łatwość startu bez wdrożenia”, produkt prostszy i tańszy będzie wyglądał lepiej. Jeżeli ranking premiuje „liczbę integracji”, wygra narzędzie z szerokim, ale płytkim katalogiem integracji. Jeżeli liczy się „najniższa cena wejścia”, produkt z ukrytymi kosztami usług profesjonalnych może wyglądać atrakcyjniej niż rozwiązanie z uczciwie pokazanym pełnym kosztem.

Dlatego w audycie nie chodzi o pytanie: „czy AI nas zna?”. To za mało. Trzeba zapytać:

• czy AI poleca konkurencję w zapytaniach o wysokiej intencji zakupowej;
• z jakich źródeł bierze tę rekomendację;
• czy źródła są neutralne, afiliacyjne, konkurencyjne czy sponsorowane;
• czy powtarza nieaktualne ceny, błędne funkcje albo krzywdzące porównania;
• czy Twoja własna strona jest w ogóle dostępna dla systemów, które AI może cytować.

Od maja 2026 roku stawka jest jeszcze wyższa. Google dopisał do polityki spamu manipulowanie generatywnymi odpowiedziami w Google Search. Oficjalna dokumentacja mówi, że spam obejmuje techniki służące oszukiwaniu użytkowników lub manipulowaniu systemami wyszukiwania, w tym próby manipulowania odpowiedziami generatywnymi. Google wskazuje też, że naruszenia mogą skutkować niższą widocznością albo brakiem obecności w wynikach.

To ważna granica. Audyt odporności marki jest działaniem defensywnym. Publikowanie fałszywych rankingów, ukrytych instrukcji dla modeli albo masowych stron pisanych wyłącznie pod AI to wejście na teren ryzyka. Różnica jest prosta: audyt sprawdza, skąd bierze się rekomendacja i jak poprawić jakość własnych, weryfikowalnych informacji. Manipulacja próbuje skłonić system do polecania marki niezależnie od realnych dowodów.

Audyt: prompt set, cytowania i mapa stronniczych źródeł

Dobry audyt zaczyna się nudno: od arkusza. Bez arkusza bardzo łatwo uznać pojedynczą odpowiedź AI za trend. To błąd. Modele zmieniają odpowiedzi, korzystają z różnych źródeł, personalizują wyniki i czasem inaczej reagują na drobną zmianę promptu. Jedna odpowiedź niczego nie dowodzi. Dziesięć podobnych odpowiedzi z tymi samymi cytowaniami już zaczyna coś mówić.

Minimalny zestaw do pierwszego audytu:

• 30–50 promptów z realnych sytuacji zakupowych;
• 3–5 systemów AI używanych przez klientów, np. ChatGPT Search, Google AI Overviews/AI Mode, Perplexity, Gemini, Copilot;
• 2 języki lub rynki, jeśli sprzedajesz międzynarodowo, np. polski i angielski;
• 3 powtórzenia dla kluczowych promptów, najlepiej w różnych dniach;
• zapis: odpowiedź, kolejność marek, cytowane źródła, typ źródła, data testu, lokalizacja, tryb wyszukiwania.

Nie zaczynałbym od narzędzi monitorujących. Najpierw ręcznie zbudowałbym obraz problemu. Dopiero gdy wiesz, które zapytania przynoszą ryzyko, automatyzacja ma sens. W przeciwnym razie narzędzie będzie mierzyć hałas.

Najlepsze prompty audytowe nie brzmią jak prompty SEO. Brzmią jak pytania klienta przed decyzją:

• „Jakie są najlepsze narzędzia do [kategoria] dla firmy zatrudniającej 50 osób?”
• „Porównaj [Twoja marka] i [konkurent] pod kątem ceny, wdrożenia i obsługi klienta.”
• „Jaką alternatywę dla [konkurent] wybrać, jeśli zależy mi na [warunek]?”
• „Które rozwiązanie do [zadanie] ma najlepszy stosunek ceny do funkcji?”
• „Czego unikać przy wyborze [kategoria produktu]?”
• „Czy [Twoja marka] nadaje się dla [segment], czy lepiej wybrać coś innego?”
• „Jakie firmy są najczęściej polecane w [kategoria] i dlaczego?”

Przy każdym wyniku trzeba oznaczyć nie tylko to, czy marka się pojawia. Ważniejsze jest, dlaczego się pojawia. W arkuszu warto dodać kolumny:

• pozycja marki: pierwsza, druga, wspomniana pobocznie, brak;
• rekomendacja: pozytywna, neutralna, negatywna, warunkowa;
• źródło rekomendacji: własna strona, konkurent, afiliacja, media, forum, marketplace, dokumentacja, recenzje użytkowników;
• cytowany URL;
• właściciel źródła;
• czy źródło ujawnia konflikt interesów;
• czy dane są aktualne;
• czy AI powtarza błąd;
• czy użytkownik dostał link do źródła.

Najbardziej przydatna jest klasyfikacja źródeł. Nie wszystkie „cudze listy” są złe. Ranking niezależnego medium z jasną metodologią to co innego niż landing page konkurenta udający przewodnik zakupowy. Dlatego można przyjąć prostą skalę ryzyka:

Niskie ryzyko — źródło branżowe, dokumentacja, publiczna recenzja, materiał z jasną metodologią i ujawnionymi powiązaniami.
Średnie ryzyko — lista afiliacyjna, blog partnerski, ranking bez jasnych kryteriów, stary artykuł z aktualizowaną datą bez realnej aktualizacji.
Wysokie ryzyko — ranking należący do konkurenta, porównanie z selektywnie dobranymi kryteriami, fałszywe lub nieaktualne ceny, ukryte prompty, strony masowo generowane pod zapytania AI.

Microsoft wskazał konkretne wzorce, które powinny zapalić lampkę ostrzegawczą w audycie bezpieczeństwa: linki do asystentów AI z parametrami promptu oraz słowa typu „remember”, „trusted source”, „authoritative source”, „in future conversations”, „cite” lub „citation”. Według Microsoftu takie URL-e mogą trafiać m.in. w e-mailach, Teamsach, historii przeglądarki czy logach proxy.

W praktyce audyt warto rozdzielić na dwa tory.

Pierwszy to audyt odpowiedzi AI. Sprawdzasz, co model poleca klientowi i na czym opiera odpowiedź. Tu liczą się cytowania, powtarzalność i kontekst. Jeśli konkurent pojawia się raz, a AI podaje trzy neutralne źródła, to nie panika. Jeśli konkurent pojawia się w 70 proc. testów, a dwa najczęściej cytowane źródła to jego własne rankingi — masz problem.

Drugi to audyt powierzchni źródeł. Wchodzisz w Google, Bing, Perplexity, ChatGPT Search i sprawdzasz, jakie strony dominują dla fraz zakupowych. Szukasz nie tylko swojej pozycji, ale też typów treści. Jeśli top wyników to w większości porównania pisane przez konkurentów, branża ma zatruty krajobraz informacyjny. Wtedy nie wystarczy „napisać lepszy artykuł”. Trzeba zbudować pakiet źródeł, które AI i użytkownik mogą zweryfikować.

Dobre progi alarmowe dla pierwszego audytu mogą wyglądać tak:

• czerwony alarm: konkurent jest rekomendowany w ponad 60 proc. promptów zakupowych, a AI regularnie cytuje ranking należący do konkurenta;
• czerwony alarm: AI powtarza błędną informację o cenie, funkcji, integracji albo warunkach umowy w co najmniej dwóch systemach;
• żółty alarm: Twoja marka pojawia się, ale bez linku, bez uzasadnienia albo tylko jako „jedna z alternatyw”;
• żółty alarm: AI cytuje źródła afiliacyjne bez jasnego ujawnienia modelu zarabiania;
• zielony stan: marka jest obecna w większości zapytań, rekomendacja jest warunkowa i sensowna, a źródła obejmują dokumentację, neutralne recenzje i aktualne strony produktowe.

To nie są uniwersalne normy rynkowe. To praktyczne progi do zarządzania ryzykiem. W kategorii, w której klient podejmuje decyzję za 20 zł miesięcznie, próg reakcji będzie inny niż przy systemie za kilkaset tysięcy złotych rocznie. Im droższy produkt, dłuższy cykl sprzedaży i większe ryzyko compliance, tym szybciej reagowałbym na nieprawdziwe cytowania.

Co naprawić najpierw, żeby zwiększyć odporność marki

Największy błąd po takim audycie to rzucenie zespołu contentowego na produkcję kolejnych tekstów „Top 10 narzędzi”. To może skończyć się dokładnie tym, przed czym firma chce się bronić: ścianą generycznych treści, które wyglądają jak manipulacja. Google w swoim przewodniku dla generatywnego wyszukiwania podkreśla, że dla długoterminowej widoczności ważniejsze są treści unikalne, użyteczne, oparte na doświadczeniu, a nie przepisywanie tego, co już istnieje w internecie. Ostrzega też przed tworzeniem wielu wariantów stron głównie po to, by manipulować rankingami lub odpowiedziami generatywnymi.

Priorytet pierwszy: źródło prawdy o produkcie. Brzmi banalnie, ale w audytach często wychodzi, że konkurencyjny ranking jest bardziej konkretny niż własna strona marki. Konkurent ma tabelę funkcji, datę aktualizacji, porównanie planów, opis ograniczeń i sekcję „dla kogo”. A marka ma hero section, trzy hasła i formularz „umów demo”.

Minimalny zestaw defensywny na stronie marki:

• aktualna strona pricing albo jasne wyjaśnienie, kiedy cena jest indywidualna;
• tabela funkcji z ograniczeniami planów;
• strona „dla kogo / nie dla kogo”;
• porównania z konkurencją, ale pisane uczciwie, z kryteriami i datą aktualizacji;
• dokumentacja integracji;
• changelog produktu;
• case studies z liczbami, jeśli klient zgodził się na publikację;
• sekcja bezpieczeństwa, prywatności i zgodności;
• publiczne odpowiedzi na najczęstsze zarzuty sprzedażowe.

Tu nie chodzi o to, żeby AI „miało co zacytować” za wszelką cenę. Chodzi o to, żeby gdy AI szuka potwierdzenia, trafiało na konkretne, aktualne i weryfikowalne informacje. Jeżeli Twoja cena zależy od liczby użytkowników, modułów i SLA, napisz to. Jeżeli wdrożenie trwa zwykle od 4 do 8 tygodni, podaj warunki. Jeżeli produkt nie jest dobry dla mikrofirm, powiedz to wprost. Taka szczerość czasem zmniejsza liczbę leadów, ale poprawia jakość decyzji i ogranicza pole dla cudzych interpretacji.

Priorytet drugi: korekta źródeł zewnętrznych. Jeżeli AI cytuje ranking konkurenta z błędną informacją, nie zaczynaj od publikowania kontr-rankingu. Najpierw ustal, czy błąd da się poprawić u źródła. Wysyłka do autora lub redakcji powinna być krótka i dowodowa:

• wskaż konkretny fragment;
• podaj aktualny stan;
• dodaj źródło: dokumentację, cennik, changelog, wpis release notes;
• poproś o korektę, nie o „lepszą pozycję”;
• zapisz datę kontaktu i odpowiedź.

Jeżeli źródłem jest strona konkurenta, sprawa jest trudniejsza. Możesz reagować, gdy pojawiają się informacje fałszywe, wprowadzające w błąd albo naruszające znaki towarowe. Ale nie oczekuj, że konkurent przepisze ranking, bo „wydaje się stronniczy”. Tu zwykle skuteczniejsze jest wzmacnianie niezależnych źródeł: recenzji klientów, testów branżowych, dokumentacji partnerów, marketplace’ów, materiałów eksperckich i case studies.

Priorytet trzeci: techniczna dostępność dla AI Search. OpenAI rozdziela OAI-SearchBot, używany do wyszukiwania w ChatGPT, od GPTBot, używanego do crawlowania treści potencjalnie pod trening modeli. Właściciel strony może pozwolić OAI-SearchBotowi na dostęp do treści wyszukiwarkowych, a jednocześnie zablokować GPTBot dla treningu; OpenAI podaje też, że zmiany w robots.txt mogą wymagać około 24 godzin, by systemy się dostosowały.

To drobiazg, który potrafi zabić widoczność. Firma ma świetną dokumentację, ale blokuje crawlery. Albo renderuje kluczowe dane wyłącznie w JavaScripcie, którego część systemów nie przetwarza tak, jak oczekuje zespół. Albo cennik jest w PDF-ie bez sensownej struktury. Albo porównanie funkcji siedzi za formularzem. Wtedy AI chętniej cytuje konkurenta, bo konkurent podał dane publicznie i prosto.

Nie wszystko trzeba otwierać. Jeśli cena jest objęta polityką handlową, można pokazać zakres, model rozliczenia albo przykładowe scenariusze. Jeśli dokumentacja bezpieczeństwa wymaga NDA, można opublikować skrót: certyfikacje, regiony przetwarzania danych, role dostępu, SSO, logi audytowe, retencję, procedurę DPA. Celem nie jest odsłonięcie tajemnic firmy. Celem jest usunięcie pustki informacyjnej, którą dziś wypełnia cudzy ranking.

Priorytet czwarty: higiena bezpieczeństwa wokół linków AI. Microsoft zaleca ostrożność wobec przycisków „Summarize with AI”, linków prowadzących do asystentów z gotowym promptem i treści zawierających instrukcje typu „remember”, „always” czy „from now on”. Zaleca też sprawdzanie zapisanych pamięci asystenta i usuwanie podejrzanych wpisów.

W firmie warto to przełożyć na prostą procedurę:

• zakazać publikowania przycisków „Summarize with AI”, które zawierają instrukcje wpływające na pamięć modelu;
• sprawdzić zewnętrzne widgety, wtyczki i skrypty contentowe;
• przeskanować własne szablony e-maili, landing pages i PDF-y pod kątem ukrytych promptów;
• dodać kontrolę linków do asystentów AI w security review kampanii marketingowych;
• w zespole sprzedaży i marketingu ustalić zasadę: nie klikamy nieznanych linków, które automatycznie otwierają asystenta z gotowym poleceniem.

Najlepsza reakcja na recommendation poisoning nie polega na tym, żeby robić to samo „tylko sprytniej”. To krótkoterminowa gra z ryzykiem reputacyjnym. Lepsza decyzja: najpierw znaleźć prompty, w których AI przegrywa Twoją narrację na rzecz cudzych źródeł; potem poprawić fakty, dostępność i niezależne potwierdzenia. Dopiero na końcu dokładać nowe treści.

Zacząłbym od jednego segmentu i jednej kategorii zapytań: tych, które najczęściej poprzedzają rozmowę handlową. Nie od całego internetu. Jeżeli sprzedajesz system HR dla średnich firm, pierwsze prompty powinny dotyczyć „najlepszego systemu HR dla 100–500 pracowników”, „alternatywy dla [konkurent]” i „porównania cen/wdrożenia”. Gdy tam znajdziesz błędne cytowania, masz konkretną kolejkę napraw. Gdy zaczniesz od szerokiego „czy AI zna naszą markę?”, dostaniesz raport, który wygląda ładnie, ale nie mówi, co zmienić w poniedziałek.

FAQ: najczęstsze pytania o recommendation poisoning i audyt AI

Czy każdy ranking konkurenta to recommendation poisoning?
Nie. Ranking konkurenta może być stronniczy, ale samo porównanie produktów nie jest jeszcze poisoningiem. Ryzyko rośnie, gdy ranking udaje neutralne źródło, pomija konflikt interesów, zawiera błędne dane albo jest wielokrotnie cytowany przez AI jako podstawa rekomendacji.

Ile promptów trzeba sprawdzić, żeby audyt miał sens?
Na start wystarczy 30–50 dobrze dobranych promptów zakupowych. Mniej da tylko anegdoty. Więcej ma sens dopiero wtedy, gdy wiesz, które segmenty, języki i konkurenci faktycznie generują ryzyko.

Co jest ważniejsze: własne treści czy zewnętrzne wzmianki?
Najpierw własne źródło prawdy: ceny, funkcje, ograniczenia, dokumentacja, porównania, bezpieczeństwo. Bez tego zewnętrzne wzmianki często powielają błędy. Potem warto wzmacniać niezależne źródła: recenzje, testy, marketplace’y, media branżowe i case studies.

Czy da się zagwarantować, że AI zacznie polecać moją markę?
Nie. Można zwiększyć prawdopodobieństwo poprawnej rekomendacji, ograniczyć wpływ stronniczych źródeł i usunąć błędy, ale nie ma gwarancji stałej pozycji w odpowiedziach AI. OpenAI wprost wskazuje, że nie da się zagwarantować najwyższego miejsca w ChatGPT Search.

Od czego zacząć, jeśli mam tylko jeden dzień na audyt?
Wybierz 10 promptów o najwyższej intencji zakupowej, sprawdź je w 3 systemach AI, zapisz wszystkie cytowane źródła i oznacz, które należą do konkurencji. Jeśli jeden konkurencyjny ranking wraca kilka razy, to jest pierwszy element do analizy i kontrdziałania.