Zaufanie konsumentów do wyszukiwania opartego na sztucznej inteligencji spada szybciej, niż rośnie samo jego użycie. Z najnowszego badania Fractl i serwisu Search Engine Land wynika, że odsetek osób uznających wyszukiwanie AI za bardziej pomocne od klasycznego spadł w ciągu roku z 82 do 54 procent, a grupa sceptyków powiększyła się niemal sześciokrotnie. To sygnał, którego branża SEO i AIO nie może zignorować: era bezkrytycznego zachwytu odpowiedziami generatywnymi wyraźnie się kończy.
Kontekst: entuzjazm gaśnie, użycie rośnie
Przez ostatnie dwa lata narracja wokół wyszukiwania AI była niemal jednogłośnie optymistyczna. AI Overviews Google, ChatGPT Search, Perplexity i Gemini przyzwyczaiły użytkowników do gotowych odpowiedzi bez potrzeby klikania w linki. Badanie przeprowadzone w drugim kwartale 2026 roku na próbie 1008 amerykańskich konsumentów oraz 150 marketerów pokazuje jednak, że nastroje zaczęły się rozjeżdżać z zachowaniem.
Z jednej strony 70 procent respondentów przyznaje, że korzysta z narzędzi AI do wyszukiwania częściej niż rok wcześniej, a tylko 3 procent ograniczyło ich użycie. Aż 64 procent uważa, że w ciągu pięciu lat AI zastąpi tradycyjne wyszukiwanie. Z drugiej strony realna ocena jakości tych narzędzi wyraźnie się pogorszyła. Jak podkreślają autorzy raportu, zaufanie, które konsumenci zbudowali wobec Google, nie przeniosło się automatycznie na sztuczną inteligencję.
To rozejście jest kluczowe. Ludzie używają AI, bo jest wygodna i szybka, a nie dlatego, że coraz bardziej jej ufają. Dla twórców treści i specjalistów od widoczności oznacza to, że sama obecność w odpowiedzi generatywnej przestaje wystarczać. Liczy się to, czy użytkownik uzna ją za wiarygodną.
Kluczowe fakty z badania
Najważniejsze liczby porządkuje poniższa tabela. Pokazuje ona zmianę nastrojów rok do roku i skalę narastającego sceptycyzmu.
| Wskaźnik | 2025 | 2026 |
|---|---|---|
| Uznają wyszukiwanie AI za bardziej pomocne | 82% | 54% |
| Sceptycy (AI mniej pomocna niż klasyczne wyszukiwanie) | 3% | 17% |
| Intensywne użycie AI obniża zaufanie do marki | 20% | 39% |
| AI dotyka codziennej pracy marketerów | 38% | 53% |
| Zespoły śledzące widoczność w modelach LLM | 22% | 24% |
Warto rozbić te dane. Spośród 54 procent, którzy nadal widzą przewagę AI, tylko 17 procent mówi o odpowiedzi zdecydowanie bardziej pomocnej, a 37 procent o nieco bardziej pomocnej. Reszta rynku albo nie widzi różnicy, albo ocenia AI gorzej. Innymi słowy, twarde poparcie dla wyszukiwania generatywnego jest dziś znacznie węższe, niż sugerowałby nagłówek o 54 procentach.
Silny sygnał płynie też z danych o transparentności. Od 84 do 91 procent konsumentów oczekuje wyraźnego oznaczania treści tworzonych przez AI, przy czym najwyższe wymagania dotyczą wideo (91 procent) i grafiki (90 procent). Tymczasem tylko 20 procent marek zawsze deklaruje użycie AI. Ta luka to gotowy zapalnik kryzysu zaufania: 27 procent marek zostało już błędnie przedstawionych w odpowiedziach AI, a 14 procent odnotowało mierzalny wpływ na klientów lub sprzedaż.
Gdzie konsumenci faktycznie szukają przed zakupem
Raport rozbija też mit o tym, że AI przejęła już decyzje zakupowe. Gdy konsument planuje wydać pieniądze, wciąż najczęściej zaczyna od Google, które prowadzi z wynikiem 39 procent. Dopiero za nim plasują się Reddit i narzędzia AI, a serwisy recenzenckie oraz znajomi i rodzina dzielą kolejne miejsca. Przeciętny użytkownik sprawdza przy tym 2,4 platformy przed zakupem, co pokazuje, że ścieżka decyzyjna pozostaje rozproszona, a pojedyncza odpowiedź AI rzadko domyka transakcję.
| Platforma startu decyzji zakupowej | Udział |
|---|---|
| 39% | |
| 15% | |
| Narzędzia AI | 14% |
| Serwisy recenzenckie | 11% |
| Znajomi i rodzina | 11% |
Obraz różnicuje się mocno w zależności od tematu. Google dominuje w wyszukiwaniach lokalnych (74 procent), w researchu produktowym (58 procent), w podróżach (57 procent) oraz w zdrowiu (55 procent). YouTube prowadzi w treściach instruktażowych typu jak to zrobić z wynikiem 50 procent, a ChatGPT zajmuje drugie miejsce w pytaniach o zdrowie, gdzie sięga po niego 26 procent respondentów. To ważna wskazówka dla strategii AIO: obecność w modelach językowych opłaca się najbardziej tam, gdzie użytkownik szuka szybkiej syntezy wiedzy, a nie transakcji czy lokalnej usługi.
Wniosek praktyczny jest taki, że nie ma jednej wyszukiwarki, pod którą wystarczy się optymalizować. Marka, która chce być widoczna w całej ścieżce, musi łączyć klasyczne SEO w Google, obecność w społecznościach takich jak Reddit i YouTube oraz cytowalność w asystentach AI. Skupienie się wyłącznie na jednym kanale coraz częściej oznacza wypadnięcie z pola widzenia w pozostałych.
Co to znaczy dla SEO i AIO
Dla osób zajmujących się optymalizacją pod wyszukiwarki i pod modele językowe raport jest jednocześnie ostrzeżeniem i mapą drogową. Najważniejszy wniosek brzmi: widoczność w odpowiedzi AI to dopiero połowa zadania. Druga połowa to wiarygodność, która skłoni użytkownika do zaufania cytowaniu i kliknięcia w źródło.
Spójrzmy na dane o ruchu. Połowa marketerów (50 procent) zgłasza spadek ruchu organicznego od czasu premiery AI Overviews, a 61 procent obwinia o to właśnie sztuczną inteligencję. Jednocześnie 57 procent widzi wzrost widoczności z platform społecznościowych, 40 procent z asystentów AI, a 31 procent w ruchu bezpośrednim i brandowym. Kanały się przetasowują, a nie znikają. Marki, które budują rozpoznawalność, odzyskują część uwagi poza klasycznym rankingiem.
Drugi wniosek dotyczy strategii treści. W badaniu 54 procent zespołów deklaruje skupienie na optymalizacji pod GEO i AEO, 44 procent na treściach eksperckich, a tylko 15 procent inwestuje we własne badania i dane. To rozczarowująco niski odsetek, bo w świecie, w którym AI potrafi skompresować dziesięć podobnych artykułów w jedną odpowiedź, oryginalne dane i pierwszoręczna wiedza są tym, czego model nie odtworzy z niczego. Kto publikuje unikalne liczby, ten częściej zostaje cytowany jako źródło.
Trzeci wniosek to pomiar. Tylko 24 procent zespołów śledzi swoją widoczność w modelach LLM, a odsetek ten praktycznie nie drgnął rok do roku. To oznacza, że większość firm nadal działa po omacku i nie wie, czy w ogóle pojawia się w odpowiedziach ChatGPT, Gemini czy Perplexity. Narzędzia do mierzenia tej widoczności dojrzewają szybko, o czym pisaliśmy przy okazji premiery funkcji AI Visibility w Rank Math, więc brak pomiaru staje się coraz trudniejszy do usprawiedliwienia.
Ta obserwacja ma bezpośrednie przełożenie na budżety. Skoro tylko 15 procent zespołów inwestuje we własne badania i dane, a jednocześnie to właśnie unikalne liczby najczęściej trafiają do cytowań, powstaje wyraźna asymetria. Firma, która raz opublikuje solidne, oryginalne dane, może być cytowana przez modele przez wiele miesięcy, w wielu odpowiedziach i w wielu językach. To efekt kumulatywny, którego nie da się osiągnąć kolejnym przeredagowaniem tych samych ogólników. W praktyce oznacza to przesunięcie środków z masowej produkcji tekstów w stronę mniejszej liczby materiałów o realnej wartości dowodowej, wspartych ankietami, testami, studiami przypadku i twardymi metrykami z własnego podwórka.
Zaufanie jako czynnik rankingowy nowego typu
W klasycznym SEO zaufanie było pojęciem miękkim, sprowadzanym do sygnałów E-E-A-T. W modelu AIO staje się twardym warunkiem konwersji. Jeśli użytkownik nie ufa odpowiedzi, przechodzi do weryfikacji, a wtedy wygrywa ta strona, która jest jasna, konkretna i wiarygodna. Dane o marce, autorzy z prawdziwą biografią, przypadki użycia i dowody stają się elementami, które decydują o tym, czy cytowanie zamieni się w wizytę.
Warstwa prawna dokłada tu presji. Sądy w Europie zaczynają traktować odpowiedzi generatywne jako wypowiedzi samego dostawcy wyszukiwarki, o czym pisaliśmy w kontekście odpowiedzialności Google za AI Overviews. Rosnąca liczba błędnych cytowań marek zderza się więc nie tylko z frustracją użytkowników, ale i z ryzykiem prawnym po stronie platform.
Reakcje branży
Odbiór raportu w środowisku SEO był zgodny co do jednego: spadek zaufania to nie chwilowa korekta nastrojów, lecz efekt narastającej świadomości halucynacji. Im częściej użytkownik trafia na pewny siebie, lecz błędny wynik, tym szybciej gaśnie jego entuzjazm. Analitycy zwracają uwagę, że najostrzej reaguje najmłodsza grupa: 54 procent przedstawicieli pokolenia Z karze marki za intensywne użycie AI, podczas gdy wśród pokolenia wyżu demograficznego odsetek ten wynosi 32 procent.
Ta różnica pokoleniowa bywa zaskakująca. To nie starsi użytkownicy są najbardziej nieufni, lecz najmłodsi, którzy z AI obcują najczęściej i najlepiej wychwytują jej słabości. Potwierdzają to kolejne przekroje: pokolenie wyżu demograficznego uznaje AI za bardziej pomocną w 63 procentach, podczas gdy wśród pokolenia Z odsetek ten spada do 47 procent. Wyraźny jest też podział ze względu na płeć, bo bardziej sceptyczne wobec AI są kobiety (44 procent) niż mężczyźni (34 procent). Dla marek celujących w młodszą i bardziej krytyczną widownię automatyczne zalewanie kanałów treścią generatywną może się okazać kosztowne wizerunkowo.
Osobny wątek to zarządzanie jakością. Skoro tylko 26 procent marketerów uważa, że AI poprawiła ich pracę, a 7 procent wprost odnotowuje spadek jakości, to argument o samych zyskach z automatyzacji się kruszy. W praktyce oznacza to, że przewaga nie leży już w tym, kto szybciej wygeneruje treść, lecz w tym, kto tę treść skutecznie zredaguje, sprawdzi i wzbogaci o coś, czego model nie ma.
Część praktyków podkreśla też stronę operacyjną. W badaniu 49 procent marketerów przyznaje, że AI przyspieszyła pracę, ale uczyniła ją bardziej generyczną, a tylko 26 procent uważa, że zrobiła ją szybszą i lepszą. To potwierdza obawę, że masowa, nieodróżnialna treść AI zaczyna działać przeciwko widoczności. Google zresztą coraz mocniej uderza w sztuczne pompowanie cytowań, co opisaliśmy przy okazji nowej polityki traktującej manipulację cytowaniami w AI jako spam.
Marketerzy: dane operacyjne
Raport nie ogranicza się do nastrojów konsumentów. Pokazuje też, jak zespoły marketingowe realnie wdrażają AI i gdzie mają największe braki. Poniższa tabela zbiera najważniejsze wskaźniki operacyjne.
| Obszar | Wynik |
|---|---|
| AI zaangażowana w co najmniej połowę pracy | 59% |
| AI przyspieszyła pracę, ale bardziej generyczną | 49% |
| Prowadzą redakcyjną kontrolę treści AI przez człowieka | 74% |
| Weryfikują fakty w treściach AI | 54% |
| Oceniają treści AI pod kątem stronniczości | 27% |
| Skupiają się na optymalizacji GEO i AEO | 54% |
| Mają mierzalne efekty działań GEO | 12% |
Uwagę zwraca przepaść między ambicją a wynikiem. Ponad połowa zespołów deklaruje pracę nad GEO i AEO, lecz tylko 12 procent widzi mierzalne efekty, a nieco ponad połowa ma pewność co do swojej strategii. To luka egzekucyjna, w której kryje się przewaga dla tych, którzy potraktują pomiar i jakość poważnie. Bariery są przy tym znane: 26 procent wskazuje braki kompetencyjne w zespole, 20 procent rozproszenie narzędzi, a 19 procent ograniczenia budżetowe.
Niepokoi też zarządzanie ryzykiem. Choć 74 procent zespołów prowadzi redakcyjną kontrolę treści, to blisko połowa nie ma stałej weryfikacji faktów, kontroli prawnej ani sprawdzania plagiatów. W świecie, w którym błędne cytowanie potrafi uderzyć w sprzedaż, taki luz proceduralny jest kosztowny.
Co dalej
Kierunek na drugą połowę 2026 roku wydaje się przesądzony. Wyszukiwanie rozdziela się na dwie warstwy: klasyczne wyniki, gdzie strony walczą o kliknięcia, oraz środowiska odpowiedzi generatywnych, gdzie systemy streszczają, cytują i kompresują treść, zanim użytkownik cokolwiek kliknie. Zaufanie staje się walutą, która łączy obie warstwy.
Dla redakcji, sklepów i marek osobistych praktyczny plan jest dziś dość jasny. Po pierwsze, oznaczać użycie AI i budować transparentność, bo oczekuje jej ponad cztery piąte odbiorców. Po drugie, inwestować w oryginalne dane i pierwszoręczną wiedzę, które model chętnie cytuje, a rzadko potrafi wymyślić. Po trzecie, wreszcie zacząć mierzyć widoczność w modelach LLM, zamiast zgadywać. Po czwarte, wzmacniać markę poza rankingiem, bo to ona odzyskuje uwagę, gdy klasyczny ruch organiczny słabnie.
Spadek zaufania nie jest wyrokiem na wyszukiwanie AI, lecz korektą oczekiwań. Rynek dojrzewa i przestaje nagradzać samą obecność w odpowiedzi. Wygrają ci, którzy do widoczności dołożą wiarygodność, a do automatyzacji dołożą jakość. Reszta zniknie w morzu generycznych, nieklikalnych streszczeń.
FAQ
Dlaczego zaufanie do wyszukiwania AI spada, skoro jego użycie rośnie?
Użytkownicy korzystają z AI dla wygody i szybkości, ale coraz częściej trafiają na pewne siebie, lecz błędne odpowiedzi. Rosnąca świadomość halucynacji sprawia, że entuzjazm gaśnie szybciej, niż zmienia się nawyk. Odsetek osób uznających AI za bardziej pomocną spadł z 82 do 54 procent, choć 70 procent używa jej częściej niż rok wcześniej.
Co spadek zaufania oznacza dla strategii SEO i AIO?
Sama obecność w odpowiedzi generatywnej przestaje wystarczać. Kluczowa staje się wiarygodność, która skłoni użytkownika do zaufania cytowaniu i kliknięcia w źródło. W praktyce oznacza to nacisk na oryginalne dane, jasnych autorów, dowody oraz konsekwentne mierzenie widoczności w modelach LLM.
Czy warto nadal inwestować w GEO i AEO?
Tak, ale z realnym pomiarem. W badaniu 54 procent zespołów pracuje nad GEO i AEO, lecz tylko 12 procent widzi mierzalne efekty. Przewagę zdobędą firmy, które połączą optymalizację pod modele z jakością treści i twardym śledzeniem cytowań, zamiast poprzestać na deklaracjach.
Kto jest najbardziej nieufny wobec treści tworzonych przez AI?
Najostrzej reaguje pokolenie Z: 54 procent jego przedstawicieli karze marki za intensywne użycie AI, wobec 32 procent w pokoleniu wyżu demograficznego. Bardziej sceptyczne są też kobiety niż mężczyźni. Dla marek celujących w młodszą widownię masowa treść generatywna niesie realne ryzyko wizerunkowe.
Jak marki powinny reagować na oczekiwanie transparentności?
Od 84 do 91 procent konsumentów chce wyraźnego oznaczania treści AI, a tylko 20 procent marek zawsze to robi. Zamknięcie tej luki, czyli jawne oznaczanie materiałów oraz kontrola faktów i cytowań, staje się elementem budowania zaufania i ochrony przed błędnym przedstawieniem marki w odpowiedziach AI.