Agencje SEO od dawna korzystają z narzędzi, które automatyzują zbieranie danych. Nowość polega na tym, że coraz więcej z nich idzie krok dalej i buduje własne agenty AI – modele językowe (najczęściej Claude lub GPT) podłączone przez API do danych z Semrusha, Search Console czy crawlera. Agent sam ściąga dane, analizuje je i pisze rekomendacje.
To brzmi jak realna przewaga kompetencyjna. I czasem rzeczywiście nią jest. Problem zaczyna się wtedy, gdy agencja traktuje taki agent jako zamiennik analityka, a nie jako jego asystenta – bo wtedy klient płaci za raport, którego nikt w firmie realnie nie przeczytał.
Jak w praktyce działa agentowy audyt SEO
Typowy setup wygląda tak: agent dostaje dostęp do API Semrush, pobiera dane o pozycjach, ruchu, linkach i błędach technicznych, a następnie na bazie promptu generuje dokument z wnioskami i rekomendacjami. Dobrze zaprojektowany system ma jeszcze kilka elementów, których często brakuje w wersjach „na szybko”:
- bazę wiedzy o konkretnej branży i firmie klienta (nie tylko ogólny model),
- playbooki, czyli instrukcje, jak interpretować konkretne typy danych,
- mechanizm retrieval, który podpiera odpowiedzi faktycznymi danymi strony, a nie ogólną wiedzą modelu,
- warstwę ewaluacji, czyli sprawdzanie, czy wnioski agenta są zgodne z rzeczywistością.
Bez tych czterech elementów agent robi coś znacznie prostszego: bierze surowe dane z API i owija je w generyczny język audytu SEO, który brzmi profesjonalnie niezależnie od tego, jaką stronę analizuje.
Dlaczego to problem, a nie tylko kwestia stylu
Model językowy bez odpowiedniego uziemienia w danych (retrieval) ma tendencję do wypełniania braków swoją „wiedzą ogólną” o SEO. Efekt jest taki, że audyt zawiera prawdziwe, ale niezwiązane z Twoją stroną rekomendacje typu „popraw szybkość strony”, „dodaj więcej linków wewnętrznych”, „zoptymalizuj meta description” – bez wskazania, które konkretnie podstrony, dlaczego akurat te i co z tego wynika dla Twojego biznesu.
Takie rekomendacje nie są błędne. Są bezużyteczne, bo nie są priorytetyzowane względem Twojej sytuacji. Agent, który nie ma dostępu do kontekstu biznesowego klienta (jakie usługi są marżowe, który segment ruchu konwertuje, co już próbowano i nie zadziałało), generuje listę uniwersalnych „best practices” SEO, a nie diagnozę.
Sygnały, że audyt wyszedł z automatu bez nadzoru
Kilka rzeczy, które warto sprawdzić, otwierając raport od agencji:
Rekomendacje bez konkretnych adresów URL. Prawdziwa analiza wskazuje konkretne podstrony, frazy i liczby. Jeśli rekomendacja brzmi „popraw strukturę nagłówków” bez wskazania, na której podstronie i dlaczego akurat tam, to prawdopodobnie nikt nie zajrzał głębiej niż na poziom ogólnego raportu z narzędzia.
Brak odniesień do wcześniejszych działań. Jeśli współpracujesz z agencją od kilku miesięcy, a nowy audyt nie odnosi się do tego, co już wdrożono i jaki miało to efekt, raport powstał w oderwaniu od historii Twojego konta.
Identyczna struktura i frazy w kolejnych raportach. Agencje obsługujące wielu klientów przez jednego agenta często produkują dokumenty o bliźniaczej strukturze – te same nagłówki sekcji, te same sformułowania, zmieniają się tylko liczby wklejone z API. To nie jest dowód winy samo w sobie, ale w połączeniu z innymi sygnałami warto zapytać.
Rekomendacje wzajemnie się wykluczające. Model bez ewaluacji czasem generuje zalecenia, które nie trzymają się logicznie – np. zaleca jednocześnie zwiększenie liczby podstron pod długi ogon i konsolidację treści w ramach content pruningu, bez wyjaśnienia, która podstrona podlega któremu zabiegowi.
Brak priorytetyzacji. Dobry audyt mówi, co zrobić najpierw i dlaczego akurat to przyniesie efekt. Audyt wygenerowany bez nadzoru często wylicza wszystko, co znalazł w danych, bez hierarchii ważności – bo model nie ma kryterium biznesowego, według którego miałby sortować.
Pytania, które warto zadać agencji
Zamiast pytać „czy używacie AI” – bo odpowiedź i tak będzie twierdząca lub wymijająca – warto zadać pytania, które ujawniają, czy ktoś faktycznie przeszedł przez dane:
- „Dlaczego akurat te trzy podstrony uznaliście za priorytet, a nie inne z listy błędów?” – jeśli odpowiedź jest ogólna, nikt nie porównywał podstron względem siebie.
- „Co w tym audycie wynika z danych specyficznych dla naszej branży, a co jest standardową rekomendacją SEO?” – dobra agencja odróżni jedno od drugiego.
- „Jak ten audyt odnosi się do rekomendacji z poprzedniego kwartału – co się zmieniło, a co zostało powtórzone?” – to pytanie trudno obejść bez realnego porównania.
- „Które liczby w tym raporcie sprawdziliście ręcznie, a które pochodzą prosto z API?” – agencje korzystające z agentów powinny mieć odpowiedź na to pytanie, bo dobrze zaprojektowany proces agentowy zawiera właśnie etap weryfikacji (tzw. evaluation stack), a nie tylko generowanie tekstu.
Co to oznacza dla oceny skuteczności agencji
Przy ocenie agencji w pierwszastrona.io sprawdzamy nie tylko to, co znajduje się w raporcie, ale czy rekomendacje da się powiązać z faktycznymi zmianami na stronie klienta w czasie – czy podstrony wskazane jako priorytetowe realnie dostały uwagę, czy liczby z kolejnych audytów się ze sobą zgadzają i czy wnioski odnoszą się do konkretnej sytuacji klienta, a nie do uniwersalnego zestawu porad SEO. To jeden z elementów, które odróżniają agencję korzystającą z AI jako wsparcia analityka od takiej, która zleciła cały proces automatowi i podpisała wynik swoim logo.
Sam fakt, że agencja używa agenta AI do audytów, nie jest problemem – przy odpowiednim nadzorze to może przyspieszyć pracę i ujednolicić jakość między klientami. Problemem jest sytuacja, w której agent zastępuje analityka, a nie wspiera go, a klient płaci cenę za pracę eksperta, dostając generyczny dokument, który równie dobrze mogłaby wygenerować sama agencja z publicznie dostępnych narzędzi.
Praktyczny wniosek
Zanim zaakceptujesz kolejny audyt SEO, poproś o rozmowę, w której ktoś z agencji wyjaśni Ci trzy konkretne rekomendacje z raportu – dlaczego akurat te, co się za nimi kryje i jakiego efektu można się spodziewać. Jeśli odpowiedzi są płynne i odnoszą się do Twoich danych, prawdopodobnie ktoś faktycznie przeczytał wyniki. Jeśli odpowiedzi są ogólne i brzmią jak przeczytanie na nowo tego samego dokumentu – prawdopodobnie właśnie to się dzieje.