Krótko: asystenta nie da się poprawić bezpośrednio — nie istnieje zgłoszenie, które zmienia to, co mówi model. Korekty dzieją się na poziomie źródeł: znajdujecie stronę, z której wzięło się błędne twierdzenie, poprawiacie ją, doprowadzacie poprawny fakt do spójności wszędzie, gdzie występuje, i czekacie na ponowne skanowanie. Przyciski zgłaszania pomagają na marginesie. A jednej kategorii błędów nie da się dziś naprawić wcale: jeśli twierdzenie żyje w danych treningowych modelu, a nie w znalezionej stronie, utrzymuje się do przetrenowania, a jedynym obejściem jest uczynienie poprawnej wersji na tyle dominującą w źródłach, żeby odpowiedzi z wyszukiwaniem pozostawały prawidłowe.
Pierwszy odruch po odkryciu, że ChatGPT opisuje firmę błędnie, to skontaktować się z kimś w tej sprawie. Ten odruch jest właśnie powodem, dla którego ta praca zwykle donikąd nie prowadzi. Kanał, którym firma poprawia swój wpis u asystenta AI, nie istnieje, a przyciski zgłaszania są sygnałem, a nie edycją.
Odpowiedź zmienia wyłącznie zmiana tego, co asystent czyta. Poniżej kolejność w tej postaci, w jakiej działa.
Dlaczego nie da się poprawić asystenta AI bezpośrednio
Asystenci tworzą odpowiedzi na dwa sposoby i żaden nie przyjmuje korekt.
Gdy asystent przeszukuje sieć, pobiera strony i je streszcza. Twierdzenie, które powtórzył, pochodzi skądś z przestrzeni publicznej. Zmieńcie to źródło, a przy kolejnym skanowaniu zmieni się twierdzenie — nie dlatego, że ktoś rozpatrzył Wasze zgłoszenie, tylko dlatego, że zmieniło się wejście.
Gdy asystent odpowiada z własnej pamięci, twierdzenie pochodzi z danych, na których uczył się model. Żywego źródła do poprawienia nie ma. Ta wersja Waszej firmy jest zamrożona do przetrenowania i żadna korespondencja tego nie przyspieszy.
Praktyczna konsekwencja: pierwszym krokiem nigdy nie jest kontakt z platformą. Pierwszym krokiem jest ustalenie, z którym z dwóch przypadków macie do czynienia — a to właśnie robi audyt.
Sześć kroków poprawiania błędnych danych w odpowiedziach AI
Kolejność ma znaczenie: pominięcie któregokolwiek kroku to powód, dla którego korekty się nie utrzymują.
1. Zapiszcie dowód. Zrzut ekranu błędnej odpowiedzi z datą i zapytaniem, które ją wywołało. Odpowiedzi się zmieniają; bez zapisu nie sprawdzicie potem, czy cokolwiek się poprawiło, i będziecie spierać się z pamięci.
2. Znajdźcie źródło. Tam, gdzie platforma podaje odnośniki, otwórzcie zacytowaną stronę — błędne twierdzenie zwykle leży tam otwartym tekstem. Gdzie odnośników nie ma, szukajcie samego twierdzenia i sprawdzajcie, które strony na nie rankują. Winowajcą często nie jest Wasza strona: nieaktualny wpis w katalogu, stara informacja prasowa, profil w serwisie z opiniami, strona porównawcza konkurenta sprzed trzech lat.
3. Popraw źródło. Jeśli to Wasza strona, poprawcie ją i dodajcie widoczną datę. Jeśli cudza, poproście o korektę — większość katalogów i platform z opiniami ma taką procedurę, a poprawka faktograficzna zgłoszona przez samą firmę jest zwykle przyjmowana. Strona, której nikt nie zmieni, zostaje tylko do przeważenia poprawną wersją.
4. Uporządkujcie resztę zapisu. Krok, który się pomija, i powód, dla którego korekty się cofają. Jedna poprawiona strona przeciwko sześciu nieaktualnym przegrywa. Wasza strona, profile, wizytówki, każdy katalog z Waszymi danymi — poprawny fakt musi być spójną wersją wszędzie, sformułowaną tak samo.
Tutaj polski rynek ma swoją specyfikę: firmy mają zwykle kilkanaście wpisów w katalogach branżowych i wizytówkach założonych lata temu, których nikt od tamtej pory nie otwierał. To najczęstsze źródło błędnych danych na tym rynku — częstsze niż stare artykuły prasowe.
5. Poproście o ponowne skanowanie. Prześlijcie poprawione adresy w Search Console i Bing Webmaster Tools. Niczego to nie wymusza, ale skraca oczekiwanie, a Bing liczy się tu bardziej, niż wskazywałby jego udział w rynku: część asystentów opiera na nim wyszukiwanie.
6. Zgłoście błąd w interfejsie. Kciuk w dół przy błędnej odpowiedzi z konkretnym, faktograficznym wyjaśnieniem: co twierdzono, jak jest naprawdę i gdzie da się to sprawdzić. Traktujcie to jako sygnał kosztujący dwie minuty, a nie jako mechanizm. Modelu to nie edytuje.
Potem test kontrolny tym samym zapytaniem po kilku tygodniach. Nie następnego dnia — nic się nie zmieni.
Na co reaguje każda platforma AI przy poprawianiu źródła
Platformy różnią się na tyle, że korekta zadziała na jednej, a na drugiej nie — i to normalne, a nie oznaka błędu.
- Gemini i odpowiedzi AI w Google — Żywy indeks Google — Błędy podążają za wynikami; korekta sprowadza się do wyprzedzenia błędnej strony poprawną
- Perplexity — Wyszukiwanie na żywo, źródła widoczne — Najłatwiejsza diagnoza, zwykle najszybciej odzwierciedla zmianę
- ChatGPT z wyszukiwaniem — Wyszukiwanie w dużej mierze na indeksie Bing — Indeksacja w Bing wpływa bezpośrednio; korekty idą za skanowaniem Bing
- ChatGPT bez wyszukiwania — Dane treningowe — Nie reaguje na poprawki źródeł aż do przetrenowania
- Copilot — Opiera się na Bing — Porusza się razem z Bing, jak tryb wyszukiwania ChatGPT
Dwie praktyczne konsekwencje. Przesyłanie poprawionych stron do Bing Webmaster Tools daje efekt nieproporcjonalny do udziału Bing w ruchu, bo zasila wyszukiwanie asystentów. I firma może tygodniami być opisana poprawnie na jednej platformie i błędnie na drugiej — to nie porażka korekty, tylko różne harmonogramy odświeżania.
Które błędy w odpowiedziach AI poprawiać najpierw
Nie każda nieścisłość wymaga tej samej pilności, a jednakowe traktowanie marnuje wysiłek.
Poprawiać natychmiast: wszystko, co wpływa na decyzję zakupową. Błędna cena, przypisana albo brakująca funkcja, czy obsługujecie ich kraj lub branżę, status certyfikacji i — najgorsze — jakakolwiek sugestia, że firma została zamknięta.
Poprawiać w ciągu tygodni: nieaktualne, ale nieszkodliwe. Dawne nazwy usług, opis tego, czym zajmowaliście się dwa zwroty temu, stary skład zespołu, geografia, z której dawno wyrośliście.
Zostawić: sformułowania, które Wam się nie podobają, opis trafny, ale niepochlebny, wymienianie konkurentów obok Was. Stanie w zestawieniu z konkurencją jest normą, nie błędem.
Sortowanie ma znaczenie, bo praca jest wolna. Spędzenie sześciu tygodni na nieaktualnej notce o założycielu, podczas gdy w tej samej odpowiedzi stoi błędna cena, to złe rozdysponowanie czasu.
Czego w odpowiedziach AI na razie poprawić nie można
Uczciwa część i powód, żeby sprawdzić, zanim włożycie wysiłek.
Jeśli błędne twierdzenie pochodzi z danych treningowych, a nie ze znalezionej strony, poprawki źródeł do niego nie sięgają. Model nauczył się pewnej wersji Waszej firmy i ją powtarza, a to utrzymuje się do przetrenowania — w harmonogramie platformy, nie Waszym, i może być odległe o miesiące.
Takie błędy da się rozpoznać: zadajcie to samo pytanie z włączonym i wyłączonym wyszukiwaniem. Jeśli z wyszukiwaniem odpowiedź jest poprawna, a bez niego nie, błąd siedzi w modelu.
Obejście nie naprawia go, ale działa: sprawcie, żeby poprawny fakt był na tyle konsekwentnie obecny w osiągalnych źródłach, by odpowiedzi z wyszukiwaniem pozostawały prawidłowe niezależnie od tego, co model pamięta. Ponieważ rosnąca część odpowiedzi asystentów obejmuje wyszukiwanie, poprawienie warstwy osiągalnej zamyka większość ryzyka.
Czego nie warto robić, a bywa próbowane: pisma prawne do firm rozwijających AI, ukryte instrukcje w kodzie strony mówiące asystentom, co mają mówić, i masowe publikowanie ubogich podstron powtarzających poprawny fakt. Pierwsze jest adresowane nie tam, drugie jest wykrywalne i ryzykowne wizerunkowo, trzecie daje słabe strony, które nie wyprzedzą źródła problemu.
Jak sprawdzić, czy korekta w odpowiedziach AI zadziałała
Powtórzcie dokładne zapytanie z pomiaru bazowego, w czystej sesji, kilka tygodni po zmianie źródła. Porównajcie ze zrzutem ekranu.
Trzy scenariusze. Twierdzenie zniknęło i zastąpiło je poprawne — korekta się rozeszła. Twierdzenie utrzymuje się na jednej platformie, a na innych nie — normalne, czekajcie na wolniejszą. Twierdzenie utrzymuje się wszędzie po dwóch miesiącach — albo poprawiliście nie to źródło, które jest używane, albo błąd siedzi w modelu.
Prowadźcie dziennik rund. Po kilku miesiącach pokaże, które Wasze źródła realnie wpływają na odpowiedzi asystentów, a to jest cenniejsze niż pojedyncza korekta: wiadomo, które strony warto prowadzić szczególnie starannie.
Jak pracuję z poprawianiem danych w odpowiedziach AI
Rozróżnienie, które robię w pierwszej kolejności, to co jest naprawialne teraz, a co nie. Oszczędza to wysiłek, który poszedłby na walkę z błędem modelu, i ustawia uczciwe oczekiwanie co do czasu: ta praca mierzy się w tygodniach i miesiącach, nie w dniach.
Nikt nie zagwarantuje, co asystent powie następnym razem. Da się natomiast sprawić, żeby poprawna wersja była dominująca we wszystkim, co te systemy czytają.
Od czego zacząć poprawianie błędnych danych o firmie
Sprowadzając do jednej zasady: poprawiajcie źródła, nie asystenta. Innej dźwigni nie ma.
Krok praktyczny na dziś: weźcie najbardziej szkodliwe znane Wam błędne twierdzenie — to, przez które można stracić zlecenie — i znajdźcie, gdzie mieszka. Wyszukajcie samo twierdzenie i sprawdźcie, która strona na nie rankuje. Ta strona, Wasza czy cudza, jest punktem, od którego zaczyna się korekta.
Jeśli potrzebujecie pomocy w ustaleniu, co się mówi i co z tego da się naprawić — napiszcie do mnie, przejdziemy przez to razem.
