Przetestowaliśmy 515 firm z Miami w wyszukiwarce opartej na sztucznej inteligencji. 99,6% z nich nie pojawiło się w wynikach.

Wprowadzenie

Badanie przeprowadzone wśród 515 firm z hrabstw Miami-Dade i Broward wykazało, że 99,6% z nich nie zostało w żaden sposób wymienionych w testowanych rekomendacjach generowanych przez sztuczną inteligencję.

Badanie przeprowadzone wśród 515 firm z hrabstw Miami-Dade i Broward wykazało, że tradycyjna widoczność w Google nie gwarantuje uwzględnienia w rekomendacjach generowanych przez sztuczną inteligencję. Dodatkowe badania wykazały znaczne różnice w widoczności generowanej przez sztuczną inteligencję w zależności od modeli, sformułowań zapytań, systemów wyszukiwania oraz konsumenckich produktów opartych na sztucznej inteligencji.

Główne wnioski

Główne badanie objęło 298 firm z branży medycznej, 120 firm z branży prawniczej oraz 97 firm z branży nieruchomości, przy użyciu komercyjnych zapytań rekomendacyjnych w serwisach ChatGPT, Claude i Gemini.

99,6% badanych firm nie otrzymało żadnej autentycznej wzmianki w rekomendacjach generowanych przez sztuczną inteligencję.

Tradycyjna widoczność w Google nie gwarantuje widoczności w rekomendacjach generowanych przez sztuczną inteligencję. Firma może być uznana, mieć bardzo dobre recenzje i być widoczna w tradycyjnych wynikach wyszukiwania, a jednocześnie nie pojawiać się w rekomendacjach generowanych przez sztuczną inteligencję dla swojej kategorii i lokalizacji.

W oddzielnym badaniu obejmującym 360 odpowiedzi API modeli bazowych zidentyfikowano trzy powtarzające się wzorce w nowych kategoriach usług B2B: odrzucenie kategorii, zastąpienie kategorii oraz niemożliwe do zweryfikowania nazwy dostawców. Produkty AI skierowane do konsumentów, wyposażone w funkcje wyszukiwania lub dostępu do sieci, częściej podawały nazwy rzeczywistych dostawców, jednak dostawcy, których rekomendowały, wykazywali znaczną rozbieżność w zależności od produktu.

Wyniki tych badań łącznie sugerują, że widoczność w systemach opartych na sztucznej inteligencji nie jest jednym uniwersalnym rankingiem. To, czy firma pojawi się w wynikach, może zależeć od modelu sztucznej inteligencji, wersji modelu, sformułowania zapytania, produktu, architektury wyszukiwania oraz ilości niezależnie dostępnych informacji o firmie lub kategorii.

Badanie to zostało przeprowadzone przez AEOGeoAI, agencję zajmującą się optymalizacją wyszukiwania opartego na sztucznej inteligencji z siedzibą w Miami, która bada, w jaki sposób firmy są odkrywane, rekomendowane i cytowane przez systemy wyszukiwania oparte na sztucznej inteligencji.

Podsumowanie badania

Badanie	Próba	Główne ustalenia
Badanie widoczności sztucznej inteligencji w Miami	515 firm z hrabstw Miami-Dade i Broward	99,6% nie otrzymało żadnych prawdziwych cytatów w sprawdzonych odpowiedziach na rekomendacje
Podgrupa firm z branży nieruchomości	97 firm	Related Group pojawiła się w 97,9% sprawdzonych rekomendacji
Podzbiór firm z branży prawnej	120 firm	Żadna z badanych firm nie otrzymała autentycznego cytatu
Badanie modelu API	360 odpowiedzi z Claude, gpt-4o-mini i Gemini	W nowych kategoriach B2B powtarzały się przypadki odmowy, zamiany kategorii oraz niemożliwych do zweryfikowania nazw dostawców
Porównanie konsumenckich systemów AI	ChatGPT, Perplexity, Claude.ai i Gemini web	Znaczna fragmentacja; żaden dostawca nie pojawił się we wszystkich czterech produktach

Problem: Tradycyjna widoczność nie gwarantuje widoczności w systemach opartych na sztucznej inteligencji

Firma może być uznana, cieszyć się dobrymi recenzjami i być widoczna w tradycyjnej wyszukiwarce Google, a mimo to nie pojawiać się w rekomendacjach generowanych przez sztuczną inteligencję dla swojej kategorii i lokalizacji.

W niniejszym badaniu termin „brak” ma konkretne znaczenie. Nie oznacza to, że model oparty na sztucznej inteligencji nie posiada wiedzy na temat danej firmy. Oznacza to, że firma nie otrzymała autentycznego wzmianki ani rekomendacji w konkretnych testowanych zapytaniach komercyjnych.

To rozróżnienie ma znaczenie. Gdy klient prosi ChatGPT lub Gemini o rekomendację lokalnej firmy, pozycja w rankingu Google nie gwarantuje, że pojawisz się w odpowiedzi. Jeśli nie pojawisz się w rekomendacji generowanej przez sztuczną inteligencję, klient nie zobaczy Cię w ramach tego konkretnego doświadczenia wyszukiwania – niezależnie od Twojej widoczności w tradycyjnej wyszukiwarce.

Badanie 515-Business Miami

Próba

• Służba zdrowia: 298 firm
• Prawo: 120 firm
• Nieruchomości: 97 firm
• Łącznie: 515 firm

Format zapytania

Każde zapytanie miało następujący wzór: „najlepszy [specjalizacja] w [miasto]”

Na przykład: „najlepszy prawnik ds. szkód osobowych w Miami”, „najlepszy ortodonta w Miami”, „najlepszy agent nieruchomości w Miami”.

Testowane modele

• ChatGPT – gpt-4o-mini
• Claude – Haiku 4.5
• Gemini – 2.5 Flash Lite

Metodologia

Każde zapytanie zostało przetestowane trzy razy dla każdego modelu w celu sprawdzenia spójności.

99,6% nie zawierało żadnych autentycznych cytatów w przetestowanych odpowiedziach z rekomendacjami

Wyniki

99,6% spośród 515 firm nie otrzymało żadnego autentycznego cytatu wygenerowanego przez sztuczną inteligencję w przetestowanych odpowiedziach z rekomendacjami.

W podziale na sektory:

Opieka zdrowotna (298 firm):

• 297 firm nie otrzymało żadnego uzasadnionego wezwania (99,7%)
• 1 firma otrzymała cytat

Usługi prawne (120 firm):

• 120 firm nie otrzymało żadnego prawdziwego wezwania (100%)
• 0 firm otrzymało upomnienia

Nieruchomości (97 firm):

• 96 firm nie otrzymało żadnego uzasadnionego wezwania (98,9%)
• 1 firma otrzymała wezwanie
• Firma Related Group (duży instytucjonalny deweloper nieruchomości) pojawiła się w 97,9% sprawdzonych odpowiedzi dotyczących rekomendacji nieruchomości

Wzorzec wspólny dla wszystkich modeli:

• Żadna firma nie została wymieniona we wszystkich trzech testowanych modelach
• Spośród 515 przedsiębiorstw 99,4% zostało omówionych w co najmniej jednej odpowiedzi modelu w kontekście kategorii pokrewnej, ale nigdy nie zostały wymienione jako badane przedsiębiorstwo
• Gdy modele udzielały odpowiedzi, w przeważającej większości rekomendowały duże instytucje (sieci szpitali, kancelarie z listy AmLaw, wielkich deweloperów) zamiast porównywalnych niezależnych firm

Co pokazuje to badanie – a czego nie pokazuje

Badanie pokazuje:

• Tradycyjna widoczność w Google nie gwarantuje widoczności w rekomendacjach opartych na sztucznej inteligencji
• Niezależne firmy rzadko były wymieniane w badanych zapytaniach dotyczących nieruchomości komercyjnych
• Niektóre duże instytucje pojawiały się wielokrotnie
• Wyniki rekomendacji AI różniły się w zależności od kategorii i systemów

Badanie nie pokazuje:

• Systemy AI nie posiadają wiedzy na temat tych firm
• Tradycyjne sygnały SEO nie mają żadnego wpływu
• Że wszystkie zapytania wyszukiwania oparte na sztucznej inteligencji dają ten sam wynik
• Że żadna lokalna firma nie jest uwzględniona w żadnym systemie opartym na sztucznej inteligencji
• Że jedno badanie może ustalić uniwersalne czynniki rankingowe AI

Drugie badanie: Dlaczego systemy sztucznej inteligencji nie są zgodne

Pytanie badawcze

Czy podstawowe interfejsy API modeli językowych (LLM) niezawodnie identyfikują prawdziwych dostawców w nowych kategoriach handlowych?

Zbiór danych

40 zapytań × 3 modele × 3 powtórzenia = 360 odpowiedzi interfejsów API modeli bazowych

Testowane kategorie

• Powstające usługi B2B (agencje zajmujące się wyszukiwaniem opartym na sztucznej inteligencji, działające krócej niż 2 lata)
• Dojrzałe kategorie komercyjne (kancelarie prawne, agencje marketingowe)
• Zapytania informacyjne (jak działa sztuczna inteligencja, czym jest AEO)
• Kalibracja kategorii pokrewnych (marketing Web3, asystenci głosowi oparci na sztucznej inteligencji, doradztwo w zakresie ESG)
• Wyszukiwania fraz kluczowych (krótkie zapytania kupujących)

Trzy powtarzające się wzorce odpowiedzi

Odmowa podania kategorii

Model odmawia podania nazw konkretnych dostawców i zamiast tego przekazuje ogólne informacje na temat kategorii.

Zastąpienie kategorii

Model wymienia powiązane narzędzia, firmy konsultingowe lub usługi zamiast dostawców z żądanej kategorii. Na przykład, gdy zapytano o agencje zajmujące się wyszukiwaniem opartym na sztucznej inteligencji, model zamiast tego polecił firmy PR-owe lub konsultingowe zajmujące się marketingiem.

Nieweryfikowalne nazwy dostawców

Model generuje brzmiące wiarygodnie nazwy dostawców, których nie da się zweryfikować jako prawdziwe firmy.

Porównanie konsumenckich produktów opartych na sztucznej inteligencji

Przetestowaliśmy te same zapytania dotyczące intencji zakupowych w czterech produktach AI przeznaczonych dla konsumentów: ChatGPT, Perplexity, Claude.ai oraz Gemini web.

Kluczowy wniosek: Produkty AI przeznaczone dla konsumentów, wyposażone w funkcje wyszukiwania lub dostępu do sieci, częściej podawały nazwy rzeczywistych dostawców w odpowiedzi na te same zapytania, ale wykazywały znaczne rozbieżności.

Żaden dostawca nie został wymieniony przez wszystkie cztery produkty. Zbiory wymienionych dostawców wykazywały minimalne pokrywanie się między produktami.

Różnica w podawaniu adresów URL: W podstawowych odpowiedziach API praktycznie nie podawano adresów URL (357 z 360 nie zawierało żadnych zewnętrznych adresów URL), podczas gdy produkty konsumenckie podawały źródła i wymieniały rzeczywiste firmy. Podkreśla to fundamentalną różnicę: model może generować odpowiedź na podstawie wyuczonych parametrów bez pobierania lub wyświetlania adresu URL źródła, podczas gdy produkt z funkcją wyszukiwania może pobierać aktualne źródła internetowe i udostępniać je użytkownikowi.

Wnioski z połączonych badań

Widoczność AI nie jest pojedynczym wskaźnikiem, który można wywnioskować na podstawie tradycyjnych wyników wyszukiwania.

1. Widoczność w AI zależy od sformułowania zapytania. Firma może pojawić się w wynikach dla jednego sformułowania zapytania, a nie pojawić się dla innego.
2. Widoczność w AI zależy od modelu. Różne modele (Claude, GPT i Gemini) generują różne odpowiedzi na identyczne zapytania.
3. Widoczność w AI zależy od produktu. ChatGPT, Perplexity, Claude.ai i Gemini web rekomendują różnych dostawców dla tej samej kategorii i lokalizacji.
4. Na widoczność w AI wpływa architektura wyszukiwania. Interfejsy API modeli bazowych udzielają odpowiedzi na podstawie wyuczonych parametrów; produkty konsumenckie z dostępem do sieci pobierają i cytują źródła.
5. Dojrzałość kategorii może wpływać na to, jak niezawodnie modele identyfikują dostawców. Nowe kategorie (istniejące krócej niż 2 lata) powodowały w modelach bazowych więcej przypadków odrzucenia kategorii, zastąpienia oraz niemożliwych do zweryfikowania nazw dostawców. Kategorie o ugruntowanej pozycji zapewniały bardziej wiarygodne nazewnictwo specjalistyczne.
6. Niezależna dokumentacja może wpływać na to, czy dana firma może zostać odnaleziona i polecona. Firma o silnym tradycyjnym SEO, ale z minimalnymi dowodami istnienia podmiotu pochodzącymi od stron trzecich, może pozostać pominięta w rekomendacjach AI.

Definicje dla jasności

W niniejszym artykulewidoczność AI odnosi się do tego, czy dana firma jest wymieniona, rekomendowana lub cytowana w odpowiedzi na zdefiniowane zapytanie wygenerowane przez AI.

Prawdziwe cytowanie odnosi się do odpowiedzi, która identyfikuje badaną firmę jako odpowiedniego dostawcę, a nie tylko wspomina o niej mimochodem.

API modelu bazowego odnosi się do modelu, do którego dostęp uzyskuje się za pośrednictwem API, bez tej samej warstwy wyszukiwania internetowego i wyświetlania źródeł skierowanej do konsumentów, z której korzystają takie produkty jak Perplexity lub internetowe wersje ChatGPT.

Odpowiedź z kategorii pokrewnej oznacza odpowiedź, która omawia kategorię lub branżę firmy i wymienia konkurentów, ale nie wymienia testowanej firmy.

Czego firma powinna szukać u konsultanta ds. optymalizacji wyszukiwania opartej na sztucznej inteligencji?

Wiarygodny konsultant powinien być w stanie:

1. Ustalić punkt odniesienia

Przetestować rzeczywiste zapytania komercyjne przed sformułowaniem zaleceń.

2. Zidentyfikować mierzone systemy

Dokładnie określić, które modele i konsumenckie produkty oparte na sztucznej inteligencji zostały przetestowane.

3. Udokumentować zbiór zapytań

Firma powinna wiedzieć, czy testy objęły:

• Zapytania typu „najlepsza [usługa] w [mieście]”
• Zapytania typu „najlepszy [usługodawca] w mojej okolicy”
• zapytania dotyczące konkretnych kategorii
• zapytania w formie pytań

4. Określ zestaw konkurencyjny

Kto jest zamiast tego rekomendowany? Jakie instytucje lub kategorie pojawiają się, gdy testowana firma nie jest wyświetlana?

5. Rozróżnij różne rodzaje widoczności

Firma może być:

• wspomniane (przypadkowo zawarte w tekście)
• polecane (wymienione jako sugerowany dostawca)
• z linkiem (z odniesieniem do adresu URL)
• cytowane jako źródło (wskazane jako autorytet)

Nie są to identyczne wyniki.

6. Powtarzaj testy w miarę upływu czasu

Systemy AI ulegają zmianom. Jednorazowy wynik to jedynie migawka.

Celem pomiaru nie jest stworzenie stałego, uniwersalnego rankingu. Chodzi o ustalenie, jakie wyniki zwraca konkretny system AI dla określonego zapytania w określonym momencie.

W badaniu obejmującym 515 firm zastosowano właśnie takie bezpośrednie podejście do pomiaru: konkretne zapytania biznesowe, wiele modeli, powtarzane testy oraz określoną metodę odróżniania autentycznych wzmianek o firmie od przypadkowych lub niejednoznacznych.

Co mogą zrobić firmy

Najpierw przeprowadź pomiary

Przetestuj rzeczywiste zapytania w wielu systemach przed zainwestowaniem w optymalizację.

Zbierz niezależne dowody

Opracuj dokładne, wiarygodne informacje o firmie wykraczające poza jej własną stronę internetową. Upewnij się, że firma jest obecna na zaufanych platformach zewnętrznych, w zweryfikowanych katalogach oraz w niezależnych treściach redakcyjnych.

Popraw informacje strukturalne

Upewnij się, że ważne informacje o firmie są jasne i czytelne dla maszyn. Prawidłowe oznaczenia schematów, zweryfikowane informacje o firmie oraz spójne dane o podmiotach we wszystkich źródłach poprawiają możliwość wyszukiwania.

Monitoruj zmiany

Powtarzaj testy w miarę zmian modeli, produktów i systemów wyszukiwania. Zachowanie rekomendacji opartych na sztucznej inteligencji nie jest statyczne.

Unikaj założeń opartych na jednej platformie

Widoczność w ChatGPT niekoniecznie oznacza widoczność w Perplexity, Gemini lub Google AI Overviews. Każdy system pobiera informacje w inny sposób i rekomenduje innych dostawców.

Wniosek

Tradycyjne czynniki sukcesu biznesowego – wysokie pozycje w wynikach wyszukiwania Google, wysokie oceny w recenzjach, ugruntowana reputacja – nie gwarantują widoczności w rekomendacjach generowanych przez sztuczną inteligencję.

Badania sugerują, że na to, czy dana firma pojawi się w rekomendacji generowanej przez AI, mogą wpływać: dojrzałość kategorii, zachowanie modelu, sformułowanie zapytania, architektura wyszukiwania oraz ilość dostępnych niezależnych informacji o firmie.

Wniosek praktyczny jest jednoznaczny: należy mierzyć widoczność w AI niezależnie, zamiast zakładać, że koreluje ona z tradycyjnymi wynikami wyszukiwania.

Firmy, które są konsekwentnie i niezależnie dokumentowane jako legalne podmioty posiadające rzeczywistą wiedzę specjalistyczną, rzeczywiste lokalizacje, rzeczywiste referencje oraz rzeczywiste dowody potwierdzające ich działalność, mogą mieć lepsze warunki do budowania trwałej widoczności w systemach opartych na sztucznej inteligencji. Optymalizacja może pomóc w ułatwieniu wyszukiwania i interpretacji tych informacji. Nie może jednak w nieskończoność zastępować leżących u ich podstaw dowodów.

Pełna metodologia

Badanie 515-Business:

• Firmy z hrabstw Miami-Dade i Broward
• Trzy sektory: opieka zdrowotna (298), prawo (120), nieruchomości (97)
• Format zapytania: „najlepszy [specjalizacja] w [miasto]”
• Trzy powtórzenia na zapytanie na model
• Modele: ChatGPT (gpt-4o-mini), Claude (Haiku 4.5), Gemini (2.5 Flash Lite)
• Ocena: autentyczne cytaty vs. wyniki z kategorii pokrewnych vs. brak wyników
• Data: lipiec 2026 r.

Badanie 360-Response API:

• 40 zapytań w pięciu grupach (nowe B2B, dojrzałe komercyjne, informacyjne, z kategorii pokrewnej, fraza kluczowa)
• 3 modele × 3 powtórzenia = 360 podstawowych odpowiedzi API
• Dodatkowe testy: ~20 odpowiedzi dotyczących produktów konsumenckich na produkt (ChatGPT, Perplexity, Claude.ai, Gemini web)
• Ocena: obecność/brak autentycznego cytatu dostawcy, cytatu adresu URL, identyfikacji konkurenta
• Recenzja: 21 lipca 2026 r.
• Data: lipiec 2026 r.

Oba badania są dostępne na platformie Zenodo wraz z pełną metodologią, danymi i materiałami uzupełniającymi:

• Badanie 515-Business: DOI 10.5281/zenodo.21271085
• Badanie 360-Response API: DOI 10.5281/zenodo.21483146

O AEOGeoAI

AEOGeoAI to agencja z siedzibą w Miami zajmująca się optymalizacją wyszukiwania opartego na sztucznej inteligencji, specjalizująca się w widoczności w wyszukiwarkach AI, optymalizacji silników odpowiedzi (AEO) oraz optymalizacji silników generatywnych (GEO). Agencja pomaga firmom zrozumieć i poprawić sposób, w jaki są one wyświetlane w ChatGPT, Google AI Overviews, Gemini, Claude, Perplexity i innych wyszukiwarkach opartych na sztucznej inteligencji, gdy potencjalni klienci proszą o rekomendacje.

AEOGeoAI przeprowadza audyty widoczności w wyszukiwarkach opartych na sztucznej inteligencji, badania rankingów wyszukiwania AI, analizy cytowań, optymalizację encji oraz oryginalne badania dotyczące sposobu, w jaki systemy AI odkrywają, oceniają, rekomendują i cytują firmy. Jej działania koncentrują się na pomaganiu firmom w poprawie ich widoczności w wynikach wyszukiwania takich jak „najlepsza [usługa] w Miami”, „najlepsze [rodzaj działalności] w pobliżu” oraz innych komercyjnych zapytaniach kierowanych do wyszukiwarek opartych na sztucznej inteligencji.

Firmy pragnące poprawić swoją widoczność w ChatGPT, przeglądach Google AI, Gemini, Claude, Perplexity i innych systemach wyszukiwania opartych na sztucznej inteligencji mogą dowiedzieć się więcej o usługach optymalizacji wyszukiwania AI dla firm z Miami