![Joanna Jelenik (Insightland): Co zrobić, gdy AI powiela błędne informacje o firmie [PODCAST]](https://nowymarketing.pl/wp-content/uploads/2026/06/Insightland-Joanna-Jelenik-360x0-c-default.jpg)
Joanna Jelenik z Insightland, menadżerka zespołu technicznego i współtwórczyni usługi AI Search, opowiada o tym, jak zmienia się wyszukiwanie informacji o markach i dlaczego marketerzy powinni patrzeć szerzej niż tylko na wyniki Google’a.
Jelenik podkreśla, że Google nadal pozostaje głównym punktem odniesienia w wyszukiwaniu. Zmienia się jednak ścieżka użytkownika. Informacje są sprawdzane w wyszukiwarce, social mediach i modelach językowych, takich jak ChatGPT, Gemini, Perplexity czy Copilot.
– Z mojej perspektywy ta ścieżka użytkownika nie jest linearna. To są punkty styku, które obserwujemy. Jesteśmy na przystanku i widzimy billboard konkretnej marki, później zobaczymy ją w social mediach, coś nas zainspiruje, pójdziemy do Google’a sprawdzić informacje, a na koniec porównamy to sobie w LLM-ie – mówi Joanna Jelenik.
Błędne informacje w LLM-ach to problem reputacyjny
Jednym z głównych wątków rozmowy są halucynacje modeli językowych. Jelenik zaznacza, że nie używałaby słowa „kłamią”, bo modele nie mają intencji. Problem polega raczej na tym, że korzystają z nieaktualnych, niespójnych albo błędnych danych dostępnych w internecie.
W podcaście pojawia się przykład klienta Insightland, którego Gemini nie rekomendował w porównaniu z konkurencją. Powodem była błędna informacja w jednym ze źródeł. Model wskazywał, że firma nie ma infolinii, choć w rzeczywistości infolinia działała.
– Nasz klient nie był polecany w porównaniu do konkurencji w LLM-ach tylko dlatego, że podobno nie miał infolinii, co absolutnie nie jest prawdą – mówi Jelenik.
W takim przypadku praca nie polegała na bezpośrednim poprawianiu odpowiedzi modelu, ale na znalezieniu źródła błędu i doprowadzeniu do jego aktualizacji.
AI Search jako rozwinięcie SEO
W rozmowie pojawia się też pytanie, czym AI Search różni się od klasycznego SEO. Według Jelenik nie jest to całkowicie nowy obszar, lecz rozwinięcie praktyk, które w dobrym SEO już wcześniej miały znaczenie.
Liczy się m.in. techniczna dostępność strony dla botów, jakość treści, spójność informacji o firmie, dane strukturalne, publikacje zewnętrzne, opinie użytkowników i jasne opisanie przewag marki.
– Lubię mówić, że to jest ewolucja. To nie jest rewolucja, bo dobre SEO cały czas jest podstawą. To, czy boty mogą wejść na stronę, cały czas jest podstawą. Content jest istotny – podkreśla Joanna Jelenik.
Jelenik zwraca uwagę, że modele językowe mogą bazować nie tylko na stronie marki, ale też na tym, co znajduje się w publikacjach PR-owych, serwisach z opiniami, mediach branżowych czy zewnętrznych bazach danych. Dlatego problemem mogą być także stare informacje, które przez lata pozostają w sieci.
Opinie, USP i transparentność
Z audytów prowadzonych przez Insightland wynika, że LLM-y często korzystają z opinii klientów i pracowników. W rozmowie pojawiają się m.in. GoWork, TrustMate i Opineo jako przykłady źródeł, które mogą mieć znaczenie przy ocenie marki.
Jelenik mówi też o roli USP. Jeśli marka nie komunikuje jasno swoich wyróżników, model może częściej rekomendować konkurencję, która ma lepiej opisane przewagi, misję albo parametry oferty.
W przypadku branży fashion ważne mogą być informacje o jakości, certyfikatach, łańcuchu dostaw i miejscu produkcji. Przy elektronice większe znaczenie mają parametry, porównania i techniczne opisy produktów.
– Jeśli miałabym wskazać, kto pierwszy powinien w tym momencie zainteresować się LLM-ami, wskazałabym fashion i elektronikę – mówi Jelenik.
Marketerzy potrzebują lepszych danych
W końcowej części rozmowy pojawia się temat pomiaru. SEO ma swoje narzędzia, wolumeny i dane z wyszukiwarek. W AI Search ten obszar dopiero się rozwija.
Jelenik mówi, że brakuje narzędzi podobnych do Keyword Plannera, które pozwoliłyby sprawdzać zapytania i widoczność marek w modelach językowych. Insightland stworzył własne rozwiązanie do monitorowania efektywności działań w LLM-ach, nazwane LLM Monitor.
W podcaście pojawia się też pytanie o reklamy w narzędziach AI. Jelenik wspomina o testach sponsorowanych pytań w Perplexity i zapowiedziach dotyczących reklam w ChatGPT. Jej zdaniem płatne formaty w AI staną się kolejnym kanałem dotarcia do użytkownika.