Każdy drugi poradnik o widoczności w AI zaczyna się tak samo: wdróż schema.org, bo to fundament GEO. Organization, Person, Article, FAQPage — lista typów do wklepania w JSON-LD, checklist gotowy do odhaczenia. Problem w tym, że większość tych poradników opisuje, jak działa Google Search i AI Overviews, a nie jak działają ChatGPT, Gemini czy Perplexity jako odrębne systemy. To nie jest ten sam mechanizm i nie da się tego traktować jako jednej sprawy.\n\n## Google AI Overviews to nie to samo co ChatGPT\n\nAI Overviews korzysta z Retrieval-Augmented Generation — Google w czasie rzeczywistym przeszukuje własny indeks, wyciąga fragmenty stron i łączy je w odpowiedź. Structured data w tym procesie ma sens, bo Google i tak czyta Twoją stronę przez crawler, który rozumie schema od lat. Znacznik JSON-LD to dla niego dodatkowy sygnał wiarygodności, jeden z wielu.\n\nChatGPT i Gemini w wersji konwersacyjnej działają inaczej. Część odpowiedzi opiera się na danych treningowych, część na własnym mechanizmie retrieval, ale żaden z tych systemów nie gwarantuje, że w ogóle odwiedza Twoją stronę i parsuje jej znaczniki schema w momencie generowania odpowiedzi. To rozróżnienie ginie w większości poradników, które piszą "AI" jako jeden, jednorodny system.\n\n## Co dane faktycznie pokazują o schema i cytowaniach\n\nNie ma potrzeby zgadywać — kilka konkretnych zależności jest już opisanych w materiałach branżowych:\n\n- Strony z 15 lub więcej rozpoznanymi encjami mają wyraźnie wyższe prawdopodobieństwo, że fragment ich treści zostanie wybrany przez model językowy niż strony bez uporządkowanej struktury encji.\n- Strony na pozycjach 6–10 w Google, ale z silnymi, spójnymi sygnałami E-E-A-T, bywają cytowane częściej niż strona na pozycji 1 ze słabym profilem encji. Pozycja w SERP nie jest tu decydująca.\n- Jedno z badań nad implementacją schema.org wskazuje na wyższy wskaźnik cytowania w AI Overviews dla stron z poprawnie wdrożonymi danymi strukturalnymi w porównaniu do stron bez nich.\n\nTo są argumenty za tym, że structured data ma znaczenie — ale jako część większego układu sygnałów autorytetu encji, nie jako samodzielny przełącznik "włącz i będziesz cytowany". Różnica jest istotna, bo agencje często sprzedają to drugie.\n\n## FAQPage: najbardziej przereklamowany typ schema w GEO\n\nFAQPage jest chętnie wdrażane, bo jest łatwe do zaprezentowania klientowi jako "optymalizacja pod AI". W praktyce samo oznaczenie sekcji pytań i odpowiedzi znacznikiem FAQPage nie gwarantuje ani rich resultu w Google, ani cytowania w ChatGPT. Google ogranicza widoczność FAQ rich results w dużej mierze do serwisów rządowych i medycznych — dla typowej firmy usługowej efekt bywa symboliczny.\n\nTo nie znaczy, że sekcje FAQ nie mają sensu. Mają — jako czytelna, samodzielna odpowiedź na konkretne pytanie, którą model może wyciągnąć jako fragment. Ale wtedy działa treść i jej struktura, nie sam znacznik schema.\n\n## Co ma realną wartość, a co jest rytuałem\n\nZ dostępnych danych wynika podział, który warto zapamiętać:\n\nMa sens:\n- Organization schema z polem sameAs — łączy byt firmy z jej obecnością w innych miejscach internetu i buduje spójność encji, którą modele traktują jako sygnał wiarygodności.\n- Person schema połączone z Article — konkretny autor z rolą i afiliacją to mocniejszy sygnał E-E-A-T niż anonimowy wpis firmowy.\n- Konsekwentne, poprawne dateModified i dane autorskie na każdej publikacji.\n\nJest rytuałem, jeśli traktowane jako całość strategii:\n- FAQPage wdrożone "na wszelki wypadek" bez realnie samodzielnych odpowiedzi w treści.\n- Schema jako jedyne działanie GEO, bez pracy nad topical authority i strukturą treści.\n- Wdrożenie bez walidacji — błędny URL w sameAs czy niezaktualizowana data mogą wprowadzić model w błąd co do tożsamości firmy, co jest gorsze niż brak znacznika w ogóle.\n\n## Jak sprawdzić, czy schema u Ciebie robi cokolwiek\n\nWalidacja techniczna to punkt startowy, nie dowód skuteczności. Warto rozdzielić dwa poziomy sprawdzenia:\n\n1. Poprawność składniowa — Google Rich Results Test, Schema Markup Validator, sekcja Enhancements w Search Console. To mówi, czy znacznik jest technicznie prawidłowy.\n2. Realny wpływ na cytowania — to wymaga regularnego monitoringu tego, co konkretne modele odpowiadają na zapytania z Twojej branży, a nie jednorazowego screenshotu z ChatGPT. Jeden test niczego nie potwierdza, bo odpowiedzi modeli są niestabilne w czasie i między platformami.\n\nTo jest miejsce, w którym większość ocen skuteczności GEO robionych przez same agencje się rozjeżdża z rzeczywistością — pokazują wdrożenie schema jako "zrobione" zadanie z listy, a nie mierzą, czy cokolwiek się zmieniło w faktycznych cytowaniach. W pierwszastrona.io przy ocenie agencji patrzymy właśnie na tę różnicę: czy deklarowane działania GEO przekładają się na mierzalną zmianę widoczności w odpowiedziach AI, a nie tylko na listę wdrożonych znaczników w raporcie.\n\n## Wniosek praktyczny\n\nSchema.org nie jest ani cudem, ani fikcją. Organization i Person schema budują spójność encji, która realnie koreluje z wyższą szansą na cytowanie — to ma potwierdzenie w danych. FAQPage jako samodzielne działanie GEO ma znacznie słabsze podstawy, mimo że jest najczęściej sprzedawane jako pierwszy krok.\n\nJeśli agencja przedstawia wdrożenie schema.org jako główny dowód pracy nad widocznością w AI, warto zapytać o coś konkretniejszego: jakie encje udało się zbudować, jak zmieniła się częstotliwość cytowań w konkretnych modelach i na jakiej podstawie to zmierzono. Znacznik w kodzie strony to punkt wyjścia, nie wynik.