Polskie software house’y niewidoczne dla AI. 81% firm nie ma encji w Wikidanych

Firmy technologiczne mają kompetencje do budowania systemów dla AI, ale ich własne strony często nie są przygotowane na to, by sztuczna inteligencja mogła je poprawnie zidentyfikować i wykorzystać. Najnowszy pomiar Xfaang pokazuje, że problem dotyczy m.in. danych strukturalnych, źródeł, historii zmian i obecności w Wikidanych. 

Badanie Xfaang objęło 98 firm technologicznych zrzeszonych w Software Development Association Poland (SoDA). Autorzy zastosowali tę samą checklistę, którą wcześniej wykorzystali do analizy spółek z WIG20 i mWIG40 oraz polskiego e-commerce. Pomiar nie sprawdzał, czy modele AI faktycznie wymieniają lub cytują daną firmę. Analizował wcześniejszy etap: czy strona internetowa jest dostępna dla botów AI, czy można ją odczytać oraz czy zawiera informacje w formie możliwej do wykorzystania przez systemy generatywne.

Spośród 101 pozycji znajdujących się w katalogu SoDA 98 firm podało domenę, którą można było poddać badaniu. W czterech przypadkach strona główna nie była osiągalna. Trzy domeny odrzucały automatyczne żądania na poziomie CDN, a w jednym przypadku problemem był niepełny łańcuch certyfikatu. Oznacza to, że dla bota AI strona może być niedostępna, mimo że z perspektywy użytkownika korzystającego ze zwykłej przeglądarki działa prawidłowo.

AI może nie dostać się na stronę

Kolejnym problemem jest blokowanie botów AI. Spośród 94 osiągalnych domen osiem (9%) odprawiało tego rodzaju automatyczne narzędzia. W sześciu przypadkach blokada była zapisana bezpośrednio w robots.txt. Pozostałe dwie firmy stosowały blokowanie na poziomie WAF, bez odpowiedniej reguły w robots.txt.

To istotna różnica w porównaniu z wcześniejszym badaniem e-commerce. W przypadku sklepów internetowych częściej zdarzało się, że blokada wynikała z działania zapory i nie była świadomie zadeklarowana w robots.txt. Wśród software house’ów sytuacja wygląda odwrotnie – większość blokad wynika z jawnych reguł dotyczących botów AI.

Nie musi to oczywiście oznaczać błędu. robots.txt jest mechanizmem pozwalającym właścicielowi strony określić, które roboty mogą pobierać jej zawartość. Problem pojawia się dopiero wtedy, gdy organizacja chce być obecna w odpowiedziach generowanych przez AI, a jednocześnie uniemożliwia tym systemom dostęp do własnych treści.

Największa luka? Obecność w Wikidanych

Jeszcze wyraźniej problem widać w przypadku Wikidanych (Wikidata) – otwartego grafu wiedzy wykorzystywanego m.in. do identyfikowania podmiotów i łączenia informacji na ich temat. Pierwszy pomiar wskazywał, że 85 z 94 firm (90%) nie miało encji w Wikidanych pod nazwą odczytaną z własnej strony. Był to wynik gorszy niż w przypadku spółek giełdowych i e-commerce.

Autorzy badania zastrzegli jednak, że zastosowana metoda miała ograniczenie. Narzędzie w części przypadków pobierało nazwę z tagu <title>, a ten nie zawsze zawierał nazwę firmy. W 16 z 94 przypadków odczytana nazwa nie odpowiadała nazwie przedsiębiorstwa – mogło pojawić się choćby słowo „Home”. 1 września 2026 r. zaktualizowano ten fragment badania. Po ponownym sprawdzeniu 85 przypadków, tym razem z nazwami firm pobranymi z katalogu SoDA, okazało się, że dziewięć z nich ma jednak odpowiadającą im encję z odnośnikiem do własnej strony. Ostatecznie oznacza to, że 76 z 94 osiągalnych software house’ów, czyli 81%, nie ma encji w Wikidanych pod właściwą nazwą.

Co ciekawe, korekta nie osłabiła głównego wniosku. Po zastosowaniu analogicznej poprawki wynik dla spółek giełdowych spadł do 55%, a dla e-commerce do 66%. Luka software house’ów względem pozostałych grup okazała się więc jeszcze większa.

Treści bez źródeł i dat

Braki dotyczą nie tylko Wikidanych. Wśród 94 osiągalnych stron:

• 89 (95%) nie cytuje eksperta z nazwiska,
• 85 (90%) nie linkuje do wiarygodnego źródła,
• 86 (91%) nie prowadzi historii zmian treści,
• 55 (59%) nie pokazuje daty ostatniej zmiany.

Autorzy zwracają uwagę, że data i historia zmian to dwie odrębne miary. 1 września poprawiono również opis tego fragmentu badania – wcześniej można było odczytać go jako wskazujący, że 86 firm jednocześnie nie pokazuje daty i historii zmian. Tymczasem 37 z tych 86 firm posiada datę aktualizacji, choć nie prowadzi historii zmian. Prawidłowy wniosek jest więc taki, że 49 z 94 firm nie pokazuje ani daty, ani historii zmian.

Ma to znaczenie dla systemów generatywnych, które muszą oceniać aktualność informacji. Jeżeli strona nie informuje, kiedy treść została zmieniona, model ma mniej danych pozwalających ocenić, czy znajduje się na niej aktualna informacja.

Dane strukturalne wciąż niewykorzystanym potencjałem

Problem widać również w sposobie opisywania zawartości stron za pomocą danych strukturalnych. Zaledwie 4 z 94 firm deklarują typ Article, a FAQPage wykorzystuje 6. Kompletną encję Organization, obejmującą m.in. nazwę, adres, logo, opis oraz dane kontaktowe lub profile, posiada 16 firm.

Także tutaj 1 września zaktualizowano dane. Wcześniejszy opis kompletnej encji Organization pomijał pole dotyczące opisu. Po korekcie okazało się, że 32 z 94 firm nie zawierają tego elementu, a w 15 przypadkach właśnie jego brak powoduje, że encja nie jest kompletna. To o tyle istotne, że dane strukturalne są dla maszyn znacznie bardziej jednoznacznym źródłem informacji niż sama treść strony. Pozwalają wskazać, czym jest dany obiekt, jak się nazywa, z jaką organizacją jest związany i jakie informacje powinny być z nim powiązane.

Software house’y wypadają słabiej niż e-commerce i giełda

Porównanie trzech grup pokazuje ciekawy paradoks. Firmy technologiczne nie radzą sobie z widocznością dla maszyn wyraźnie lepiej od firm z innych sektorów, mimo że technologie stoją w centrum ich działalności.

Software house’y mają więc najgorszy wynik pod względem braku historii zmian i – po korekcie – braku encji w Wikidanych. Jednocześnie nie odstają znacząco od pozostałych grup pod względem źródeł czy cytowania ekspertów. Nie oznacza to jednak, że każda firma technologiczna jest niewidoczna dla AI. Badanie wskazuje również przedsiębiorstwa, które spełniają poszczególne kryteria. Kompletną encję Organization ma 16 firm, a cztery deklarują typ Article.

Widoczność w AI zaczyna się przed samym AI

Najważniejszy wniosek z badania dotyczy więc nie samego pozycjonowania w odpowiedziach modeli generatywnych, lecz technicznych warunków, które muszą zostać spełnione, zanim AI będzie mogła wykorzystać informacje ze strony.

Kolejność działań jest przy tym dość prosta. Najpierw trzeba zapewnić dostęp: sprawdzić certyfikat, WAF i robots.txt. Następnie warto zadbać o dane strukturalne, jednoznaczną identyfikację organizacji i aktualność treści. Dopiero później sens ma optymalizacja samego contentu.

Badanie nie odpowiada na pytanie, które software house’y są faktycznie cytowane przez ChatGPT, Gemini czy inne modele. Pokazuje coś co występuj wcześniej: czy system AI ma techniczną możliwość dotarcia do informacji o firmie i czy znajdzie je w formie, którą może zinterpretować. I właśnie tutaj pojawia się największy paradoks. Firmy, które tworzą technologie dla innych przedsiębiorstw, same często nie wykorzystują podstawowych mechanizmów pozwalających maszynom poprawnie je rozpoznać i zrozumieć.