Co Google naprawdę powiedział o treściach AI

Stanowisko jest publiczne od lutego zeszłego roku i od tamtej pory nie zmieniło się w istotny sposób. Google nie zakazuje treści tworzonych z pomocą automatów. Ocenia jakość i przydatność, niezależnie od tego, jak treść powstała.

Kluczowe zdanie z tych wytycznych brzmi mniej więcej tak: sposób produkcji nie decyduje, decyduje to, czy treść jest oryginalna, wysokiej jakości i tworzona dla ludzi. Automatyzacja użyta do manipulowania rankingiem to spam — automatyzacja użyta do wsparcia autora nie jest.

Google nie wymaga też ujawniania, że w powstaniu tekstu brał udział model językowy. Zasugerował jedynie, że tam, gdzie czytelnik mógłby chcieć to wiedzieć, warto o tym napisać — na przykład przy materiałach, w których sposób powstania jest istotny dla oceny treści.

Warto to zestawić z tym, czego wyszukiwarka nie potrafi: nie ma dziś publicznie potwierdzonego, wiarygodnego detektora treści generowanych. Wykrywanie odbywa się pośrednio, po skutkach — po wzorcach publikacji, powtarzalności, braku oryginalnych informacji. Dlatego pytanie „czy Google się zorientuje” jest z mojej perspektywy pytaniem złym. Właściwe pytanie brzmi: czy ten tekst wnosi coś, czego nie ma w dziesięciu innych.

Gdzie leży granica nadużycia

W marcu Google ogłosił aktualizację algorytmu razem z trzema nowymi politykami antyspamowymi. Dla tej rozmowy najważniejsza jest jedna: scaled content abuse, czyli produkcja wielu stron na dużą skalę, których głównym celem jest manipulacja pozycjami, a nie pomoc czytelnikowi.

Sformułowanie tej polityki jest istotne, bo Google celowo napisał w niej „niezależnie od tego, jak zostały utworzone”. Wcześniejsze zapisy mówiły o treściach generowanych automatycznie, co pozwalało twierdzić, że tekst po ludzkiej korekcie już nie podlega ocenie. Nowa wersja to zamyka: liczy się skala, brak oryginalności i intencja, nie narzędzie.

W praktyce granicę widzę tam, gdzie znika wkład własny. Sto artykułów zbudowanych z parafraz cudzych tekstów to nadużycie, choćby każdy z nich przeszedł korektę stylistyczną. Dwadzieścia artykułów opartych na doświadczeniu autora, w których model pomógł uporządkować strukturę i skrócić zdania, to normalna praca redakcyjna.

Test, który stosuję, jest prosty: gdyby usunąć z tekstu wszystko, co jest przepisane z innych źródeł, co zostaje? Jeśli nic, publikacja nie ma sensu i to nie jest kwestia algorytmu, tylko marnowania budżetu.

Przypis autorski — kiedy jest sygnałem, a kiedy dekoracją

Podpis autora sam z siebie nie poprawia pozycji. Widziałem zbyt wiele blogów z pięknymi biogramami pod tekstami, które nie miały prawa rankować, żeby wierzyć w tak proste zależności.

Autorstwo ma sens wtedy, gdy jest prawdziwe i weryfikowalne. Wytyczne dla oceniających jakość — te, z których wzięło się skrótowe E-E-A-T — mówią o doświadczeniu, wiedzy, autorytecie i wiarygodności. Doświadczenie dopisano do tego zestawu prawie dwa lata temu i to najistotniejsza część dla firm: nie „czy ktoś ma dyplom”, ale „czy ta osoba to naprawdę robiła”.

Co uznaję za sensowny minimalny zestaw pod tekstem eksperckim:

• Imię i nazwisko realnej osoby, która odpowiada za treść — z rolą, nie z hasłem marketingowym.

• Podstawa kompetencji w jednym zdaniu: co ta osoba robi i od kiedy.

• Data publikacji i data aktualizacji, jeśli tekst był poprawiany merytorycznie, a nie tylko literowo.

• Ślad poza artykułem — strona zespołu, profil zawodowy, wystąpienia. Autor istniejący wyłącznie na blogu jest podpisem, nie sygnałem.

Czego nie robię: nie wymyślam autorów. Fikcyjne persony z wygenerowanym zdjęciem i zmyślonym dorobkiem to ryzyko wizerunkowe nieproporcjonalne do korzyści, a przy tym po prostu wprowadzanie czytelnika w błąd.

Weryfikacja eksperta jako proces, nie pieczątka

Formuła „zweryfikowane przez eksperta” zrobiła się w tym roku modna i w większości przypadków nic nie znaczy. Jeśli ekspert przeczytał tekst raz, po przekątnej, i dopisał się pod nim, to weryfikacja jest fikcją — tylko udokumentowaną.

Sensowna weryfikacja ma dla mnie trzy warunki. Po pierwsze, ekspert dostaje tekst przed publikacją i ma prawo go odrzucić, nie tylko poprawić przecinki. Po drugie, sprawdza konkrety: liczby, daty, nazwy funkcji, kolejność kroków w instrukcjach. Po trzecie, jego uwagi gdzieś zostają — w komentarzach do dokumentu albo w prostym rejestrze — bo za pół roku, gdy tekst będzie aktualizowany, ktoś musi wiedzieć, co już zostało rozstrzygnięte.

W tematach finansowych, prawnych i zdrowotnych stawka jest wyższa i weryfikacja przestaje być kwestią SEO. Tam publikacja tekstu z błędem merytorycznym to problem odpowiedzialności firmy, nie widoczności.

Osobna uwaga o mojej własnej działce. Modele językowe mylą się w opisach Google Ads w charakterystyczny sposób: opisują funkcje, które zostały wycofane, albo mieszają nazwy z różnych okresów. Sam pilnuję tego najbardziej, bo tekst z nieistniejącą już zakładką w panelu podważa wiarygodność całej strony szybciej niż jakikolwiek błąd stylistyczny.

Jak układam ten proces w praktyce

Nie zamawiam tekstów „napisanych przez AI” i nie zamawiam ich „bez AI”. Zamawiam teksty, które ktoś podpisuje i za które odpowiada, a narzędzia zostawiam do decyzji autora.

Kolejność, którą uznaję za działającą, jest taka. Najpierw materiał źródłowy od osoby, która temat zna — notatki, wypunktowanie doświadczeń, konkretne przypadki z pracy. Potem szkic i porządkowanie struktury, w którym model potrafi realnie oszczędzić czas. Potem uzupełnienie tego, czego model nie ma: własnych obserwacji, wątpliwości, rzeczy, które nie działają. Na końcu weryfikacja faktów i dat oraz korekta językowa.

Największa zmiana, jaką ten układ wprowadza, dotyczy nie narzędzia, a wąskiego gardła. Wąskim gardłem przestaje być pisanie, a staje się dostęp do kompetentnej osoby i czas na weryfikację. Zespoły, które tego nie przeliczyły, produkują szybciej, niż są w stanie sprawdzić — i to jest właściwy moment, w którym jakość spada.

Nie polecam też jednej rzeczy, którą widzę często: publikowania na własnej domenie dużych ilości tekstu wygenerowanego „na zapas”, w nadziei na zbudowanie ruchu długiego ogona. Po marcowych zmianach ryzyko jest realne, a koszt uporządkowania takiej biblioteki po fakcie wyższy niż koszt napisania od początku mniejszej liczby porządnych tekstów.

Ujawniać czy nie

Wracam do pytania z tytułu, bo należy się na nie prosta odpowiedź.

Nie uważam, że każdy tekst wymaga adnotacji o użyciu narzędzi. Nikt nie oznacza tekstów pisanych ze sprawdzaniem pisowni ani z pomocą researchu w wyszukiwarce, a granica jest tu płynna. Uważam natomiast, że każdy tekst wymaga wskazanego człowieka odpowiedzialnego za treść — i to jest ważniejsze niż informacja o narzędziu.

Wyjątki, w których ujawnienie ma sens, są dwa. Pierwszy to materiały, w których sposób powstania jest tematem — na przykład zestawienie tego, co model potrafi w danej dziedzinie. Drugi to treści w całości wygenerowane bez ludzkiej redakcji, na przykład automatyczne opisy w katalogach produktów. W drugim przypadku informacja jest uczciwa wobec czytelnika i chroni firmę, gdy opis okaże się niedokładny.

Poza tym trzymałbym się zasady, która sprawdzała się przed pojawieniem się tych narzędzi: publikuj to, co jesteś gotów obronić w rozmowie z klientem. Jeśli nie jesteś, żaden przypis tego nie naprawi.