W 2023 modne było pytanie „czy publikować AI-content czy nie”. W 2024 to pytanie umarło na marcowy core update Google’a, który wymiótł content-farms. W 2026 pytanie brzmi inaczej: jak zorganizować proces, w którym AI jest narzędziem, a człowiek redaktorem? To nie jest debata ideologiczna — to konkretne decyzje SOP-owe, mierzalne edit-ratio i konkretne workflow, które albo działają, albo generują AI-slop.
Stanowisko Google — fakty, nie domysły
Polityka scaled content abuse w sekcji 4.6.5 wytycznych Google’a (w obecnym brzmieniu od marca 2024) celuje w masową produkcję treści niskiej jakości, „with little effort or originality with no editing or manual curation”. Generative AI jest wymienione jako przykład narzędzia, nie jako sam w sobie problem.
W styczniu 2025 Google zaktualizował Search Quality Rater Guidelines — quality raters mają zalecenie oznaczać strony, w których main content powstał automatycznie, jako lowest quality. Pod warunkiem, że nie ma ludzkiej edycji, oryginalnej wartości, manualnej kuratorshipy.
John Mueller (Search Relations) w 2024 i 2025 powtarzał spójnie: jakość i pożytek liczą się, sposób produkcji nie. Danny Sullivan (Google Search Liaison) dodawał: AI-content nie różni się dla Google od scaled content tactics z przeszłości. To nie są dwa stanowiska — to jedno stanowisko ułożone w dwóch warstwach.
Konsekwencje praktyczne:
- Marcowy core + spam update 2024 trwale zmienił krajobraz. Sistrix i Search Engine Land raportowały 60–100% spadku widoczności dla wielu znanych content-farms
- Helpful Content System został wchłonięty do core ranking w 2024, więc nie ma już „HCU recovery” jako odrębnej dźwigni — sygnał jest ciągły
- W lutym 2025 algorytm dorzucił advanced spam detection z manual actions dla site reputation abuse — Google zaczął ręcznie karać duże portale za hostowanie cudzych AI-content w skali
Krótko: Google nie karze AI-content. Karze AI-content niskiej jakości, masowo produkowany, bez edycji. Różnica praktyczna: jeden artykuł AI-assisted, edytowany przez seniora, z oryginalnym insightem — bezpieczny. Tysiąc artykułów AI-only w skali, bez edycji — sygnał scaled abuse, zanim Google wykryje to ręcznie, wykryje algorithmicznie.
Co mówią dane o praktyce
HubSpot State of Marketing 2025 na ankiecie marketerów:
- 64% marketerów regularnie używa AI w content workflow
- 35% publikuje bez ludzkiej redakcji — i ten odsetek maleje vs. 2023
Drugi wskaźnik jest ważniejszy. Rynek koryguje pierwszą falę „generujemy i publikujemy bez patrzenia”. Branża dorasta. Ten sam trend widać w polskich agencjach — 2023 było rokiem „AI publikacji w skali”, 2024–2025 rokiem korekt i powrotu do hybrid workflow.
Animalz w benchmarkach 2024–2025 propaguje model „AI-first draft, human-led editing” z edit ratio 30–50%. To jest zdrowy przedział. Poniżej 20% — tekst brzmi sztucznie, AI-fluff jest widoczny czytelnikowi i Google’owi. Powyżej 70% — AI nie oszczędził czasu, lepiej napisać od zera.
Buffer case study — dobra szkoła pokory
Buffer publicznie opisał w 2023–2024 swoje próby pełnego AI-content workflow. Wniosek z ich case study: zwrot do hybrydy. Pełny AI workflow generował tekst, który nie konwertował, nie budował autorytetu, nie generował organicznego ruchu. Hybrid workflow — AI drafty + senior editor — utrzymał produktywność i dorzucił jakość.
To nie jest historia o tym, że AI nie działa. To historia o tym, że AI działa jako narzędzie juniora, nie jako replacement seniora. Identyczny wniosek wyciągnęli inni publicznie — m.in. Animalz, Superpath, polskie zespoły contentowe Whitepress i Sempire.
Detektory AI — czemu nie warto na nich bazować
Niezależne testy GPTZero, Originality.ai, Copyleaks (publikacje w Search Engine Journal i prace uniwersyteckie 2024–2025) pokazują:
- False positive rate 5–15% na tekstach ludzkich, szczególnie strukturach formalnych/akademickich
- False negative rate rośnie wraz z edycją — po ~30% przeredagowaniu detekcja staje się losowa
Konsekwencja: detektor AI, który flaguje co siódmy tekst pisany przez człowieka jako „AI” i jednocześnie nie wykrywa edytowanego AI-content, nie nadaje się jako gating mechanism przed publikacją. To narzędzie do wstępnego skriningu w wątpliwych przypadkach, nie do automatycznego blokowania publikacji.
W praktyce — agencje, które zatrudniają detektory AI jako filtr, generują:
- Frustrację u copywriterów, których ludzkie teksty są oznaczane jako AI
- Fałszywe poczucie bezpieczeństwa, gdy edytowany AI-content przechodzi przez detektor
- Klientów, którzy pytają „czy ten tekst jest AI?” zamiast pytać „czy ten tekst jest dobry?”
EEAT — gdzie AI się kompromituje
W grudniu 2022 Google dorzucił „Experience” do EAT — pierwszoosobowe doświadczenie autora. To jest moment, w którym AI-content stracił możliwość imitowania pełnego sygnału jakości. AI może wygenerować poprawny tekst informacyjny. Nie wygeneruje:
- Konkretnego doświadczenia z klientem (nazwy, branża, przebieg projektu)
- Twojego unikalnego frameworka rozwiązania problemu
- Anegdoty z ostatniej rozmowy z klientem
- Failure case — czego próbowałeś i nie zadziałało
Te elementy są dziś kosztowne (czas seniora) i cenne (Google, AI search engines, czytelnicy). Tekst, który ich nie ma, w 2026 jest tekstem niewidocznym.
Workflow, który działa
Konkretny SOP redakcyjny dla agencji średniej skali (2 redaktorów, 4–8 copywriterów, 50–100 artykułów/miesiąc):
Etap 1: brief. Senior strateg + AI (Frase, NeuronWriter) generuje brief. Zawiera: focus KW, related entities, fan-out queries, struktura H2/H3, expected information gain (statystyki, expert quote, original data point). Brief jest kontraktem, nie sugestią. (Więcej w tekście o briefach SEO generowanych przez AI.)
Etap 2: pierwszy draft. Copywriter z AI (Claude, ChatGPT) generuje draft 1500–2500 słów. Output: tekst poprawny merytorycznie, ale generic. Czas: 1–1,5h zamiast 4–6h.
Etap 3: senior edit. Redaktor wprowadza:
- Konkretny brand voice
- Original insight (1–2 paragrafy z doświadczenia agencji)
- Linki wewnętrzne kontekstowe (nie automatyczne)
- Statystyki z dat-stamped źródeł
- Twardą edycję pierwszego akapitu i wniosków
Edit ratio docelowy: 30–50%. Czas: 1,5–2,5h.
Etap 4: QA + schema + meta. Junior z AI dodaje JSON-LD, finalizuje meta description, sprawdza linki. Czas: 30–45 min.
Etap 5: publikacja + index. Mu-plugin pinguje IndexNow, GSC dostaje sitemap update. Aktualne praktyki w tekście o GEO i AI Overviews.
Łączny czas na artykuł: 3,5–5h, vs. 6–8h klasycznie. Oszczędność 30–40% przy zachowanej (lub wyższej) jakości — bo brief AI często łapie aspekty, których człowiek by pominął, a senior edit dorzuca to, czego AI nie wygeneruje.
Co warto zostawić w SOP
Kilka decyzji policy-level, które każda agencja powinna mieć spisane:
- Czy publikujemy nieedytowany AI-content? Standardowo: nie. Wyjątek: ultra-routine treści (np. opisy 1000 produktów w e-commerce, generowane z templatu) z kontroli QA na próbie 5%
- Komunikujemy klientowi, że używamy AI? W 2026 to standard transparentny — klienci pytają o proces, nie o to, czy AI. Standardowa odpowiedź: tak, AI jest częścią naszego workflow, jest nadzorowane przez senior editor
- Co robi senior, gdy edit ratio musi być > 70%? Decyzja: pisz od zera. Tani indykator, że temat jest poza tym, co AI sensownie obsłuży
Czego nie pisać
- „Google karze AI content” — nie karze, karze niskiej jakości content niezależnie od źródła
- „Detektory AI to dobra ochrona” — nie są, false positive 5–15% na ludzkich tekstach
- „100% human-written” jako differentiator — w 2026 to sygnał defensywny, nie wartość
- „AI nigdy nie zastąpi pisarza” — bardziej precyzyjnie: AI nie zastępuje redakcji. Pisarstwo jako craft żyje, robota juniora-przepisywacza jest delegacjonowana