Przez dwadzieścia lat "widoczność w internecie" miała jedną definicję i jedną miarę: pozycję w wynikach wyszukiwania. Firmy nauczyły się o nią dbać, branża nauczyła się ją sprzedawać, a wszyscy razem nauczyliśmy się utożsamiać ją z Google — bo tam była cała gra.

Ta definicja właśnie się rozpadła, i to na dwóch frontach naraz. Po pierwsze, samo Google przestało być listą linków: AI Overviews pojawiają się przy znaczącej części polskich zapytań, a od jesieni 2025 działa w Polsce Tryb AI — konwersacyjna warstwa wyszukiwarki, która odpowiada zamiast odsyłać. Po drugie, rosnąca część pytań w ogóle omija wyszukiwarkę: klienci pytają ChatGPT, Perplexity, asystentów w telefonach i narzędziach pracy. W obu przypadkach efekt jest ten sam — użytkownik dostaje odpowiedź, nie listę. A w odpowiedzi albo jesteś, albo Cię nie ma. Trzeciej pozycji nie przewidziano.

AI Visibility — widoczność w AI — to zdolność firmy do bycia znajdowanym, rozumianym i przywoływanym przez systemy AI: w cytowaniach, rekomendacjach i odpowiedziach, których Twoi klienci już dziś słuchają. Ten hub to mapa tego świata.

Dlaczego to osobna dyscyplina, a nie "nowe SEO"

Pokusa, żeby potraktować widoczność w AI jako kolejną zakładkę w starym SEO, jest zrozumiała — i myląca, bo między jednym a drugim są różnice strukturalne, nie kosmetyczne.

Inna jednostka wyniku. SEO walczy o pozycję na liście — miejsce trzecie wciąż przynosi ruch. Odpowiedź AI nie ma miejsc trzecich: model wymienia jedną, dwie, może trzy firmy, a reszta nie istnieje w tej rozmowie wcale. Gra przestała być o kolejność, a stała się o obecność.

Inne źródła prawdy. Wyszukiwarka rankuje Twoją stronę. Model językowy buduje odpowiedź z tego, co o Tobie wie — a wie z wielu miejsc naraz: z indeksów (niekoniecznie tych, które monitorujesz — o czym boleśnie przekonaliśmy się sami), z danych treningowych, z wyszukiwania na żywo, z wzmianek w źródłach, które uznaje za wiarygodne. Twoja strona jest jednym z głosów o Tobie — i nie zawsze najgłośniejszym.

Inna pętla pomiaru. Pozycję w Google sprawdzisz w każdej chwili i za darmo; branża zbudowała wokół tego cały przemysł raportów. Obecność w odpowiedziach AI jest rozproszona po platformach, zmienna w czasie i niewidoczna w Google Search Console — trzeba ją mierzyć inaczej, zadając pytania tak, jak zadaje je klient, i licząc odpowiedzi.

Co nie znaczy, że stare SEO umarło — znaczy, że przestało być całością. Fundamenty się pokrywają (dobra treść, struktura, dane strukturalne służą obu światom), ale nad fundamentami wyrosło piętro z własnymi regułami. Ten hub jest o tym piętrze.

Jak czytać ten hub

Mapa prowadzi od mechaniki do praktyki:

Skąd AI wie, że istniejesz — warstwa odkrywania: indeksy, z których piją systemy AI (i dlaczego Google to nie wszystkie), różnica między danymi treningowymi a wyszukiwaniem na żywo, oraz historia o tym, jak strona obecna w Google latami może nie istnieć dla połowy narzędzi AI.

Crawlery i protokoły — kto puka do Twojej strony i po co: boty treningowe kontra cytujące, robots.txt jako bramkarz, llms.txt bez mitologii, IndexNow jako meldunek. Warstwa, w której jednym wierszem konfiguracji można sobie zrobić krzywdę na lata.

Cytowania — jak AI wybiera, kogo poleca — serce tematu: co sprawia, że model przywołuje jedną firmę, a pomija drugą; rola struktury answer-first, danych strukturalnych i wzmianek poza własną stroną.

Pomiar — Share of Model i audyt widoczności — jak sprawdzić, gdzie jesteś: metodologia golden prompts, arkusz, narzędzia monitoringu i pułapki pojedynczego pomiaru.

AI Overviews i Tryb AI — warstwa AI w samym Google: jak działa, przy jakich zapytaniach się pojawia i co mówią dane o jej wpływie na ruch polskich stron.

Ekonomia widoczności — rachunek nowego układu: zero-click, treść czytana przez maszyny zamiast ludzi, pay-per-crawl i licencjonowanie — kto płaci za internet, z którego AI się uczy.

Strony oznaczone jako w budowie pojawią się w kolejnych tygodniach — hub, jak wszystko na webflux, rośnie przyrostowo. Praktyczne wdrożenia poszczególnych elementów (audyt widoczności, konfiguracja protokołów, przygotowanie strony) opisujemy na bieżąco na blogu Studio iFOX, a obserwacje i eksperymenty z pierwszej ręki — na senteri, naszej stronie o tym, jak maszyny czytają sieć.

Od czego zacząć, jeśli masz pięć minut

Dwa testy, zero narzędzi:

Test pierwszy: wpisz w Bing i DuckDuckGo site:twojadomena.pl. Pusty wynik oznacza, że dla części świata AI nie istniejesz — niezależnie od pozycji w Google.

Test drugi: zapytaj ChatGPT i Perplexity (w trybie incognito) o firmę taką jak Twoja, tak jak zapytałby klient — z branżą i miastem. Policz, w ilu odpowiedziach padasz Ty, a w ilu konkurencja.

Wynik obu testów to Twój punkt startu na tej mapie. Resztą zajmuje się hub.

Evidence Graph

Modele czytają Twoje dowody. Nie umieją ich policzyć. Ten tor tłumaczy dlaczego — i jak to naprawić.

AI Visibility odpowiada na pytanie, czy istniejesz w odpowiedziach modeli. Ten tor odpowiada na pytanie trudniejsze: czy modele umieją udowodnić, że jesteś tym, za kogo się podajesz.

Okazuje się, że dowód kompetencji ma w epoce odpowiedzi dwa składniki — istnienie i atrybucję — i że prawie każda organizacja inwestuje wyłącznie w pierwszy. Osiągnięcia rozsiane po portalach branżowych, katalogach i cudzych case studies są prawdziwe, publiczne i niepodpisane. Model z nich korzysta, ale ich nie przypisuje. A dowód, którego maszyna nie umie przypisać, dla maszyny nie istnieje.

Ten tor wprowadza pojęcie evidence graph — grafu dowodów — i rozkłada je na części: definicję, typologię dowodów, implementację techniczną w schema.org, metodę audytu atrybucji oraz case study dokumentowane na żywo, na własnym ekosystemie. To nie jest kontynuacja AI Visibility — to jej drugi tor. Tamten mówi, czy Cię widać. Ten mówi, co z tego wynika, gdy ktoś zapyta o Twoją wiarygodność.