Firma robi wszystko "po podręczniku": publikuje treści po polsku, dodaje schema.org, buduje FAQ, pilnuje spójności NAP. Po kilku miesiącach sprawdza, jak ChatGPT odpowiada na pytanie "jaka firma X jest najlepsza w Polsce" — i w odpowiedzi widzi link do angielskiej Wikipedii, wątek z Reddita albo cytat z zagranicznego portalu branżowego. Marka, która realnie działa na polskim rynku, nie pojawia się wcale.
To nie jest wyjątek. To jeden z najmniej oczywistych, a jednocześnie najbardziej kosztownych problemów strategii GEO na rynku lokalnym — i warto go zrozumieć, zanim zainwestuje się kolejne miesiące w treści, które AI i tak zignoruje.
Dlaczego AI "myśli" częściej po angielsku
Modele językowe nie traktują wszystkich języków symetrycznie. Dane treningowe, na których uczono ChatGPT, Gemini czy modele stojące za AI Overviews, są zdominowane przez treści angielskojęzyczne — po prostu jest ich więcej, są lepiej ustrukturyzowane i częściej wzajemnie się potwierdzają.
To ma bezpośrednie przełożenie na to, jak model "rozpoznaje" encje — czyli konkretne firmy, osoby, produkty. Jeśli marka nie ma ustrukturyzowanej, spójnej tożsamości w wielu miejscach sieci, model po prostu jej nie zna. A tam, gdzie brakuje mocnej polskiej encji, model sięga po to, co ma pod ręką — czyli po źródło o wyższym autorytecie, nawet jeśli jest w innym języku.
Drugi mechanizm to ocena wiarygodności. AI waży spójność informacji w wielu niezależnych miejscach. Angielska Wikipedia, duże serwisy branżowe czy Reddit mają tę spójność wypracowaną latami — miliony wzajemnych odniesień, cytowań, linków. Polska nisza często ma dla porównania kilka rozproszonych wzmianek, często niekonsekwentnych. Dla modelu to sygnał: mniej pewne źródło.
Retrieval w czasie rzeczywistym gra na niekorzyść lokalnych marek
Wiele systemów AI nie odpowiada wyłącznie z pamięci — dane treningowe są odcięte w czasie, więc gdy model nie jest pewny aktualności informacji, sięga po wyszukiwarkę w tle. To jest moment, w którym ponownie wchodzi w grę autorytet domeny.
Wyszukiwarka w tle priorytetyzuje domeny o wysokim autorytecie i treści przygotowane w sposób przyjazny dla ekstrakcji — czytelne definicje, jasną strukturę, dane ze źródłami. Problem w tym, że duże zagraniczne serwisy zwykle mają to opanowane od dawna, a wiele polskich stron firmowych — nawet dobrze zoptymalizowanych pod klasyczne SEO — nie ma formatu, który AI chętnie cytuje.
Efekt: nawet jeśli zapytanie jest w stu procentach po polsku i dotyczy lokalnej usługi, model może uznać angielskojęzyczne źródło za bardziej wiarygodne merytorycznie, bo lepiej spełnia kryteria selekcji.
Skąd wiadomo, że to się dzieje na Twoim rynku
Problem jest trudny do zauważenia, jeśli monitoruje się widoczność AI wybiórczo — jednym promptem, raz na jakiś czas. Dlatego przy ocenie skuteczności działań GEO liczy się nie tylko to, czy marka jest cytowana, ale też jakie źródła AI stawia obok niej albo zamiast niej. W metodologii, którą stosujemy przy ocenie agencji na pierwszastrona.io, sprawdzamy właśnie ten kontekst cytowań — czy model odwołuje się do polskich, branżowych, lokalnych źródeł, czy regularnie ucieka do dużych zagranicznych serwisów, bo lokalny ekosystem informacji jest zbyt słaby.
Jeśli widzisz, że w odpowiedziach na polskie zapytania regularnie pojawiają się angielskie domeny, to sygnał, że problem nie leży w treści na Twojej stronie, ale w tym, jak wygląda całe środowisko informacji o Twojej marce w sieci.
Co realnie zmienić w strategii GEO
Optymalizacja treści na własnej stronie to dopiero jeden element. Żeby AI miało powód sięgać po polskie źródła, trzeba wzmocnić cały ekosystem wokół marki:
- Polska Wikipedia i katalogi branżowe — jeśli marka kwalifikuje się do wpisu, to jedno z najsilniejszych sygnałów encji w polskim internecie.
- Spójność NAP i danych lokalnych — nazwa, adres, telefon powtórzone identycznie w wielu miejscach budują pewność modelu co do tożsamości firmy.
- Publikacje w polskich mediach branżowych — nie chodzi o ilość, a o to, żeby niezależne, wiarygodne źródła po polsku potwierdzały te same fakty o marce.
- Treści ekstrahowalne po polsku — definicje, dane, sekcje FAQ ze schematem, napisane tak, żeby model mógł je łatwo wyciąć i zacytować, bez konieczności tłumaczenia z angielskiego.
- Dane strukturalne w polskiej wersji — schema.org, JSON-LD, informacje o organizacji uzupełnione konsekwentnie na wszystkich stronach, nie tylko na jednej podstronie "o nas".
Ważne: to nie jest jednorazowy projekt. Model aktualizuje swoją wiedzę o świecie stopniowo, a wyszukiwarka w tle odświeża wyniki na bieżąco — więc im dłużej polskie źródła o marce są konsekwentne i wzajemnie się potwierdzają, tym większa szansa, że w kolejnych iteracjach model zacznie traktować je jako wystarczająco wiarygodne, żeby zastąpić nimi angielski substytut.
Praktyczny wniosek
Zanim zainwestujesz kolejny budżet w treści "pod GEO", sprawdź najpierw, kogo AI cytuje dziś, gdy pyta się go po polsku o Twoją branżę. Jeśli w odpowiedziach dominują angielskie źródła, problem nie rozwiąże kolejny artykuł na blogu firmowym — rozwiąże go budowa polskiego ekosystemu wiarygodnych, spójnych wzmianek o marce, które dadzą modelowi realny powód, żeby po angielski substytut już nie sięgać.