Zapytaliśmy 3 Platformy AI o 24 Marki. Nie Mogły Się na Niczym Zgodzić.

Twoja marka ma reputację w AI. Problem: zmienia się ona w zależności od tego, który AI używa Twój klient, kiedy go pyta i jak formułuje pytanie. Przeprowadziliśmy największe interdyscyplinarne badanie reputacji w AI do tej pory. Oto, co musi wiedzieć każdy marketer.

---

Dlaczego to Badanie Jest Istotne

Za każdym razem, gdy kupujący pyta ChatGPT, Gemini lub Perplexity o Twoją branżę, platformy AI konstruują w czasie rzeczywistym narrację o Twojej marce. Ta narracja to Twoja reputacja w AI. W przeciwieństwie do tradycyjnych mediów, nie możesz jej zobaczyć, prześledzić źródeł ani przewidzieć, co powie dalej.

Postanowiliśmy odpowiedzieć na cztery pytania: Skąd AI czerpie wiedzę o markach? Jak konsekwentna jest ta wiedza? Czy gałąź przemysłu zmienia odpowiedź? I czy przedsiębiorstwa notowane na giełdzie mają przewagę?

Wyniki są niedogodne dla tych, którzy uważają, że widoczność w AI to prosty problem.

---

Co Testowaliśmy

Zbadaliśmy 24 rzeczywiste przedsiębiorstwa z 8 branż: E-commerce, Technologia Medyczna, Logistyka, Konsulting, HR Tech, Web Hosting, Marketing Technology i FinTech. Połowa była notowana na giełdzie, połowa prywatna. Przedsiębiorstwa wahały się od firm z listy Fortune 500 do startupów.

Przeprowadziliśmy 1 296 promptów w obrębie GPT-5.2 i Gemini 3 Flash, plus 72 sondy w trybie wbudowanym poprzez Perplexity. Każdy prompt stabilności był powtarzany pięć razy na markę, aby zmierzyć konsekwencję. Łącznie przeanalizowaliśmy 1 311 odpowiedzi i ręcznie zakodowaliśmy 3 041 przypisań źródłowych.

To nie jest artykuł na blogu z anegdotami. To badanie poddane recenzji peer-review opublikowane w czasopiśmie Springer Discover Artificial Intelligence.

---

Ustalenie 1: 70% Tego, Czego AI „Wie" o Twojej Marce, Nie Można Prześledzić

Sklasyfikowaliśmy każde przypisanie źródłowe dokonane przez AI podczas omawiania marek. Najbardziej liczna kategoria: „Inne / Niemożliwe do Przypisania" na poziomie 70,2%. AI zna rzeczy o Twojej marce, ale nie potrafimy dokładnie określić, skąd ta informacja pochodzi.

Źródła, które mogliśmy prześledzić:

Typ Źródła	Udział Wszystkich Cytowań
Treści należące do firmy	14,7%
Media tier-1	5,7%
Platformy recenzji	4,6%
Wiadomości branżowe/sektorowe	1,8%
Wikipedia	1,5%
Źródła finansowe/regulacyjne	0,6%
Media społecznościowe	0,5%
LinkedIn	0,4%
Źródła rządowe	0,1%

Co to oznacza dla Ciebie: Treść Twojej własnej strony internetowej to największe możliwe do zidentyfikowania źródło wiedzy AI o marce. Tradycyjny PR (media tier-1) to drugie co do wielkości. Wszystko inne to marginalia. Jednak te 70%, które nie możesz wpłynąć za pośrednictwem żadnego kanału bezpośredniego, to strukturalny problem, o którym nikt nie mówi.

---

Ustalenie 2: Modele AI Opowiadają Zupełnie Różne Historie o Twojej Marce

Porównaliśmy, jak GPT-5.2 i Gemini 3 Flash postrzegają te same marki. Różnica jest dramatyczna.

GPT-5.2 uzyskał średnią ocenę nastrojów na poziomie 0,83 (w skali od -1 do +1). To jest zdecydowanie pozytywne. W rzeczywistości 96,4% odpowiedzi GPT o markach było pozytywnych.

Gemini 3 Flash uzyskało średni nastrój na poziomie 0,32. Tylko 51,5% jego odpowiedzi było pozytywnych.

Korelacja między ocenami nastrojów obu modeli? r = 0,37 -- słaba i nieistotna statystycznie. Modele nie tylko używają różnych skal. Ważą różne aspekty reputacji zupełnie inaczej.

Co to oznacza dla Ciebie: Jeśli audytujesz swoją obecność w AI tylko na ChatGPT, widzisz sztucznie optymistyczny obraz. Twoi klienci używają wielu platform AI. Każda opowiada inną historię o Tobie.

---

Ustalenie 3: Zapytaj Tego Samego AI Dwa Razy i Otrzymasz Inne Odpowiedzi

Powtórzyliśmy ten sam prompt pięć razy dla każdej marki na każdym modelu. Średnia ocena konsekwencji we wszystkich przedsiębiostwach: 0,54 podobieństwa cosinusowego.

Aby to umieścić w kontekście: tylko 2,8% wszystkich kombinacji firma-model-prompt przekroczył próg 0,85, który zdefiniowaliśmy jako „stabilny". Tymczasem 93,8% spadło poniżej 0,70, które zaklasyfikowaliśmy jako „zmienne".

GPT-5.2 był nieco bardziej konsekwentny (0,57) niż Gemini 3 Flash (0,51), ale żaden model nie daje niezawodnie tej samej odpowiedzi.

Co to oznacza dla Ciebie: Nie ma stałej „reputacji w AI". Za każdym razem, gdy ktoś pyta o Twoją markę, AI konstruuje nieco inną narrację. Audyt jednego promptu uchwyta przybliżenie, nie prawdę. Potrzebujesz powtarzanych pomiarów, aby zrozumieć rzeczywistą swoją obecność w AI.

---

Ustalenie 4: Twoja Branża Determinuje, Które Źródła Wykorzystuje AI

Znaleźliśmy statystycznie istotny związek między sektorem branżowym a rozkładem źródeł (chi-kwadrat = 143,28, p < 0,001). Wielkość efektu jest mała (V Kramera = 0,08), ale wzory są rzeczywiste i możliwe do zastosowania.

Firmy konsultingowe otrzymują bogatą możliwą do zidentyfikowania mieszankę źródeł: 30,8% ich reputacji w AI pochodzi łącznie z treści firmowych i wiadomości tier-1. McKinsey otrzymuje 8% swoich możliwych do prześledzenia cytowań z wydawnictw takich jak Bloomberg i Financial Times.

Przedsiębiorstwa Marketing Technology napotykają najwyższą nieprzezroczystość źródeł: 81,3% ich reputacji w AI jest niemożliwe do przypisania. Jeśli pracujesz w B2B tech, zakładaj, że większość tego, co AI wie o Tobie, jest wbudowana w dane treningowe bez wyraźnego pochodzenia.

Marki HR Tech w dużej mierze polegają na platformach recenzji: 9,6% możliwych do zidentyfikowania źródeł pochodzi z G2, Capterra i podobnych witryn -- najwyższy udział spośród wszystkich sektorów.

Co to oznacza dla Ciebie: Twoja strategia treści AI musi być dostosowana do wzorów źródeł, które AI faktycznie wykorzystuje w Twojej branży. Firma konsultingowa powinna inwestować w myśl liderów (thought leadership) i relacje medialne. Przedsiębiorstwo HR Tech powinno inwestować w obecność na platformach recenzji. Uniwersalny playbook nie zadziała.

---

Ustalenie 5: Bycie Przedsiębiorstwem Notowanym na Giełdzie Nie Daje Ci Żadnej Przewagi

Porównaliśmy 12 przedsiębiorstw notowanych na giełdzie z 12 firmami prywatnymi w obrębie każdej mierzonej metryki. Wyniki: statystycznie identyczne.

• Konsekwencja: Notowane 0,54 vs. Prywatne 0,54 (d = 0,03, pomijalnie małe)
• Nastrój: Notowane 73,9% pozytywne vs. Prywatne 74,5% pozytywne
• Różnorodność źródeł: Brak istotnej różnicy (entropia Shannona: 1,43 vs. 1,37)
• Bogactwo cytowań: Przedsiębiorstwa prywatne faktycznie otrzymały nieco więcej przypisań na przedsiębiorstwo (130,0 vs. 123,4)
• Źródła finansowe/regulacyjne: Poniżej 1% dla obu grup

Zgłoszenia SEC, zasięg Bloomberg, profile Crunchbase -- nic z tego nie daje przedsiębiorstwom notowanym na giełdzie mierzalnej przewagi w tym, jak AI je postrzega.

Co to oznacza dla Ciebie: Jeśli jesteś przedsiębiorstwem prywatnym lub startupem, nie jesteś w strukturalnej niekorzystnej pozycji. AI traktuje startup tak samo jak firmę z listy Fortune 500. Pole gry jest wyrównane. Pytanie nie dotyczy wielkości Twojej firmy -- chodzi o to, czy Twoja treść jest zbudowana na potrzeby zrozumienia przez AI.

---

Wyjątek w Trybie Wbudowanym

W całej tej sytuacji jest jedna jasna strona. Kiedy modele AI używają generowania wspomaganego pobieraniem (tryb, w którym aktywnie przeszukują sieć przed odpowiedzią), przypisanie źródłowe staje się przejrzyste. Testowaliśmy to za pomocą Perplexity, która udostępnia cytowania na poziomie URL.

W trybie wbudowanym kategoria „niemożliwa do przypisania" dramatycznie się zmniejsza. Możesz zobaczyć dokładnie, z których stron AI pobrała informacje, weryfikować dokładność i odpowiednio optymalizować.

Co to oznacza dla Ciebie: Wraz z tym, jak coraz więcej platform AI przyjmuje tryby wspomagane pobieraniem (takie jak AI Overviews Google czy cytowania Perplexity), problem nieprzezroczystości źródeł będzie się zmniejszać. Ale na razie większość rozmów AI o markach odbywa się w trybie parametrycznym -- gdzie 70% wiedzy nie ma możliwego do prześledzenia pochodzenia.

---

Co Robić od Poniedziałku

Badanie wskazuje na trzy możliwe do zastosowania priorytety:

1. Audytuj Swoją Obecność w AI na Wielu Modelach

Nie pytaj tylko ChatGPT o Twoją markę. Pytaj Gemini. Pytaj Perplexity. Z różnicą 0,51 pkt. w nastrojach między modelami i tylko 2,8% stabilnych wyników, potrzebujesz wielomodelowego podejścia z powtarzanymi pomiarami, aby zrozumieć rzeczywistą swoją reputację w AI.

2. Inwestuj w Źródła, Które Rzeczywiście Się Liczą

70% wiedzy AI jest wbudowana w dane treningowe i niemożliwa do prześledzenia. Z 30%, którymi możesz wpłynąć: Twoja własna treść strony internetowej (14,7%) i zasięg mediów tier-1 (5,7%) to dwie największe. Platformy recenzji są ważne dla określonych branż (szczególnie HR Tech na poziomie 9,6%). Media społecznościowe i LinkedIn razem stanowią poniżej 1%.

Ustaw priorytety: treść należąca do firmy najpierw, media zdobyte drugie, źródła branżowe trzecie.

3. Zbuduj Nawyk Monitorowania

Reputacja w AI nie jest stabilna. Zmienia się wraz z każdym zapytaniem, każdą aktualizacją modelu, każdym nowym fragmentem danych treningowych. Nie sprawdzałbyś swoich pozycji Google raz i zapamiętałbyś to. Miesięczne monitorowanie widoczności w AI to minimum. Kwartalne kompleksowe audyty na różnych modelach to standard.

---

Szczegóły Badania

• Próba: 24 przedsiębiorstwa, 8 branż, 12 notowanych na giełdzie + 12 prywatnych
• Prompty: 1 296 przeprowadzonych, 1 311 możliwych do przeanalizowania odpowiedzi
• Modele: GPT-5.2 (OpenAI), Gemini 3 Flash (Google), Perplexity (tryb wbudowany)
• Przypisania źródeł: 3 041 zakodowanych przez dwóch niezależnych przeszkolonych koderów
• Iteracje stabilności: 5 powtórzeń na prompt na markę na model
• Publikacja: Springer Discover Artificial Intelligence (poddane recenzji peer-review)
• Zebranie danych: 20 lutego 2026

---

Konkluzja

AI buduje reputację dla Twojej marki, niezależnie od tego, czy nią zarządzasz, czy nie. Pytanie brzmi: czy rozumiesz, skąd ta reputacja pochodzi (głównie niemożliwa do prześledzenia), jak stabilna jest (nie bardzo) i jak bardzo różni się na platformach (dramatycznie różni).

Marki, które wygrają udział w rekomendacjach w erze AI, nie będą tymi z największymi budżetami lub najdłuższą historią. Będą to marki, które rozumieją, jak AI rozumuje ich temat -- i odpowiednio strukturyzują swoją treść.