Sześć warstw AI-readiness

Framework analityczny narzędzia ContentFox AI-Readiness Scanner dekomponujący gotowość strony dla modeli AI na sześć niezależnie mierzalnych wymiarów — Semantic Clarity, AI Chunkability, Citation Readiness, Agent Operability, Structured Data, Entity Consistency — każdy z osobnym score 0-100, sumarycznie składający się na AI-Readiness Score. Taktyczna kontrapropozycja do strategicznych 6 filarów agent-readiness WebFlux.

W Polsce nazywane też:

Sześć warstw AI-readiness6 warstw AI-readinessframework ContentFoxwarstwy gotowości AI

Sześć filarów agent-readiness na WebFlux (czytelność, struktura danych, odkrywalność, operacyjność, tożsamość, governance) to framework strategiczny — patrzy na agent-readiness z perspektywy długofalowej. ContentFox proponuje inną dekompozycję, bardziej taktyczną — sześć warstw mierzonych empirycznie w pojedynczym audycie strony.

Czym jest framework sześciu warstw

Sześć warstw AI-readiness to framework analityczny narzędzia ContentFox AI-Readiness Scanner (apps.contentfox.pl) dekomponujący gotowość strony dla modeli AI na sześć niezależnie mierzalnych wymiarów — Semantic Clarity, AI Chunkability, Citation Readiness, Agent Operability, Structured Data, Entity Consistency — każdy z osobnym score 0-100, listą problemów i listą sugestii, sumarycznie składający się na kompozytowy AI-Readiness Score.

Sześć warstw — co mierzy każda

Warstwa 1: Semantic Clarity (jakość znaczenia). Jakość nagłówków, jasność struktury informacyjnej, oddzielenie różnych rejestrów treści. Pytanie: czy model patrząc na hierarchię nagłówków potrafi zbudować mapę informacyjną strony bez zgadywania?

Warstwa 2: AI Chunkability (podzielność). Czy treść daje się sensownie podzielić na chunki dla embeddingu (RAG)? Czy każdy nagłówek prowadzi do bloku >=80 słów merytorycznej treści? Czy nawigacja, CTA i kod są oddzielone od głównej treści?

Warstwa 3: Citation Readiness (cytowalność). Czy strona jest źródłem które model może cytować z pewnością? Konkretne twierdzenia, dane liczbowe, autor z nazwiskiem, daty publikacji, kompletne definicje. Brak szumu (kod, urywane zdania, generyczne marketingowe twierdzenia).

Warstwa 4: Agent Operability (operacyjność dla agentów). Czy agent AI może na stronie działać? llms.txt, semantyczny HTML (article, nav, main), anchor text na linkach, schema.org dla głównej treści, brak barier (CAPTCHA, paywall blokujący).

Warstwa 5: Structured Data (dane strukturalne). Bogactwo i poprawność JSON-LD. Typy schema (Article, Organization, FAQPage, HowTo, BreadcrumbList, WebSite). Pokrycie alt tekstów dla obrazów. Patrz Schema Density.

Warstwa 6: Entity Consistency (spójność encji). Czy ta sama nazwa konceptu używana spójnie? Czy relacje między podmiotami są jasne? Czy knowledge graph zrealizowany technicznie (schema.org sameAs, mentions, DefinedTerm) a nie tylko narracyjnie?

Warstwy a klasyczne 6 filarów agent-readiness WebFlux

Sześć filarów WebFlux (czytelność, struktura danych, odkrywalność, operacyjność, tożsamość, governance) i sześć warstw ContentFox to dwie różne perspektywy na ten sam problem — agent-readiness.

Filary są strategiczne. Pytają „jakie kategorie pracy musi wykonać moja organizacja żeby być agent-ready w długim terminie”.

Warstwy są taktyczne. Pytają „co konkretnie wadliwe jest na tej konkretnej stronie w tym konkretnym momencie”.

Mapowanie nie jest 1:1:
– Filar 1 (czytelność) ≈ Semantic Clarity + AI Chunkability + częściowo Citation Readiness
– Filar 2 (struktura danych) ≈ Structured Data + Entity Consistency
– Filar 3 (odkrywalność) ≈ częściowo Agent Operability (llms.txt)
– Filar 4 (operacyjność) ≈ Agent Operability
– Filar 5 (tożsamość) — poza zakresem warstw ContentFox
– Filar 6 (governance) — poza zakresem warstw ContentFox

Dwie ostatnie warstwy filarów (tożsamość, governance) są niemierzalne przez audyt pojedynczej strony — wymagają analizy organizacyjnej i polityk. Sześć warstw ContentFox skupia się tylko na tym co można zmierzyć z DOM-u i metadanych strony.

Dlaczego sześć, nie siedem czy pięć

Liczba sześć wynika z empirycznej obserwacji: każda z tych sześciu warstw może być wadliwa niezależnie od pozostałych, i każda wymaga innej kategorii naprawy. Strona może mieć doskonałe Structured Data i wadliwą Semantic Clarity — to dwa różne problemy, dwa różne workflow’y naprawcze, dwie różne osoby w zespole.

Mniej warstw oznaczałoby zlewanie się różnych problemów. Więcej warstw oznaczałoby drabinkę zbyt szczegółową dla praktycznej akcji.

Jak czytać raport sześciu warstw

Otwierasz raport ContentFox dla swojej strony. Widzisz sześć liczb (np. 62, 38, 22, 52, 52, 42) plus kompozytowy AI-Readiness Score (np. 45/F).

Pierwsze pytanie: która warstwa ma najniższy score? W tym przykładzie Citation Readiness (22). To jest pierwsza warstwa do naprawy — daje największy zwrot.

Drugie pytanie: które sugestie z tej warstwy są szybkie do wdrożenia? Niektóre wymagają dużej pracy redakcyjnej, inne to jedno-godzinne fixy (usuń wyciekający kod JS z treści, podpisz autora pełnym nazwiskiem).

Trzecie pytanie: czy są sugestie cross-warstwowe — pojedyncza zmiana naprawiająca kilka warstw na raz? Dodanie schema.org Article z polami headline, author, datePublished podnosi jednocześnie Structured Data, Citation Readiness i Agent Operability.

Czwarte: po implementacji, re-audytuj. Sprawdź czy zmiana zadziałała i czy nie wywołała regresji w innych warstwach.

Powiązane pojęcia

Chunkowalność dla AIWarstwa AI-readiness w frameworku ContentFox oceniająca zdolność strony do bycia podzieloną na sensowne chunki przez modele AI — mierzona przez średnią gęstość treści pod nagłówkami (rekomendacja >=80 słów per sekcja), oddzielenie treści merytorycznej od kodu/nawigacji/CTA, obecność granic semantycznych. Wpływa na jakość RAG retrieval i pośrednio na Citation Share.Ocena gotowości AIKompozytowa metryka oceny gotowości strony WWW dla agentów AI — skala 0-100 i ocena A-F — obliczana jako średnia ważona sześciu warstw analizy w ContentFox AI-Readiness Scanner. Analogia do PageSpeed Score / Lighthouse, ale dla AI. Mierzy gotowość, nie citation share (to robi iFox Monitor).Gotowość do cytowaniaWarstwa AI-readiness w frameworku ContentFox oceniająca zdolność treści do bycia cytowaną przez AI — kompletność twierdzeń, weryfikowalność danych, jasność autorstwa, brak szumu kodu/marketingu w treści, obecność liczb, dat i nazw własnych. Predyktor Citation Share z opóźnieniem 2-8 tygodni.ContentFox AI-Readiness ScannerNarzędzie z ekosystemu WebFlux.pl (apps.contentfox.pl) do sześciowarstwowej analizy strony WWW pod kątem gotowości dla agentów AI i modeli językowych — Semantic Clarity, AI Chunkability, Citation Readiness, Agent Operability, Structured Data, Entity Consistency. Zwraca AI-Readiness Score (0-100), ocenę A-F i listę konkretnych problemów oraz sugestii. Pozycjonowanie: "Nie SEO. Quality assurance dla internetu agentów."Gęstość schemaWskaźnik bogactwa danych strukturalnych na stronie WWW — mierzony przez liczbę bloków JSON-LD, różnorodność typów schema.org (Article, Organization, Person, FAQPage, HowTo, BreadcrumbList) i kompletność pól. Kluczowy komponent warstwy Structured Data w ContentFox AI-Readiness Scanner. W erze AI rola schema skaluje się — modele używają jako pierwszego źródła zrozumienia czym strona jest.Gotowość agentowaZestaw cech strony internetowej decydujący o tym, czy agent AI potrafi ją skutecznie odczytać, zrozumieć i wykonać na niej działanie w imieniu użytkownika.Czytelność dla agentaPierwszy filar agent-readiness: zdolność strony do bycia odczytaną przez agenta AI bez renderowania JavaScript — obejmuje semantyczny HTML, hierarchię nagłówków i dostępność treści w czystym HTML.Struktura danychDrugi filar agent-readiness: warstwa danych strukturalnych (JSON-LD, schema.org) która pozwala agentowi zrozumieć znaczenie treści — co jest produktem, ceną, autorem, definicją.OperacyjnośćCzwarty filar agent-readiness: zdolność strony do wykonywania działań przez agenta — formularze przyjazne agentom, API zamiast imitowania kliknięć, brak barier takich jak captcha blokująca automatyzację.