Spis treści
AI kłamie o produktach? Nowe badanie nie pozostawia złudzeń
Wyobraź sobie sytuację, w której zamiast wpisywać nazwę towaru w wyszukiwarkę, pytasz asystenta AI o to, czy warto kupić konkretny telefon i jakie ma on wady. Liczysz na błyskawiczną i wiarygodną odpowiedź, ale to prosta droga do problemów – szczególnie gdy pytasz o wyrób z Polski. Takie wnioski płyną z opublikowanego we wrześniu 2026 roku badania TrustMate.io, o którym informuje portal Wiadomości Handlowe.
Specjaliści przeanalizowali 200 artykułów z rodzimych e-sklepów, reprezentujących branże: elektronika, dom i ogród oraz kosmetyki naturalne. W kolejnym kroku zadawali pytania trzem znanym modelom językowym (ChatGPT-4o, Perplexity Pro i Google Gemini 1.5). Prosili o wystawienie oceny, znalezienie mankamentów lub zaproponowanie alternatywnych rozwiązań.
Rezultaty badania są niepokojące. Gdy strony internetowe produktów nie posiadały odpowiednio uporządkowanych danych, aż w 46 proc. przypadków algorytmy wymyślały wady lub bezpodstawnie proponowały tańsze opcje z zagranicznych serwisów.
Zaskakujące jest to, że problem znikał niemal całkowicie, jeśli informacje o towarze były ustrukturyzowane (zgodnie ze standardem Schema.org) i wsparte potwierdzonymi opiniami konsumentów. W takich warunkach odsetek fałszywych odpowiedzi obniżał się do poziomu poniżej 3 proc. Dowodzi to, jak kluczowy jest odpowiedni sposób prezentowania danych o asortymencie w internecie.
Dlaczego sztuczna inteligencja zmyśla i atakuje polskie marki?
Z czego wynikają te nieścisłości? Czy sztuczna inteligencja z premedytacją szkodzi rodzimym przedsiębiorstwom? Twórcy opracowania tłumaczą, że kłopot tkwi w sposobie gromadzenia i przetwarzania danych przez AI. Innowacyjne modele, jak ChatGPT, opierają swoje działanie na przeszukiwaniu zasobów internetu, by na ich podstawie sformułować odpowiedź. Gdy na stronie twórcy towaru nie ma czytelnych i spójnych informacji, system zaczyna poszukiwania w innych miejscach. Wtedy rodzą się problemy.
Z raportu TrustMate.io wynika, że algorytmy kreują wady produktów, ponieważ natrafiają na przedawnione posty na forach internetowych i uznają je za rzetelne źródło. W trakcie jednego z badań sztuczna inteligencja przypisała polskiemu, posiadającemu certyfikaty urządzeniu grzewczemu rzekome zagrożenie usterką termostatu, a następnie poleciła tańsze, importowane alternatywy oferowane przez globalnych graczy.
Kolejną trudnością jest preferowanie przez AI wielkich platform sprzedażowych. Tzw. marketplace'y dysponują nieporównywalnie większą liczbą ofert i opinii niż sklep pojedynczego producenta. Algorytm traktuje to jako mocniejszy i bardziej godny zaufania sygnał. W rezultacie zapytanie o krajowy wyrób może skutkować odpowiedzią bazującą na informacjach z zagranicznych portali. Bywa również, że system myli polską markę z zagranicznym towarem o zbliżonej nazwie, a w przypadku branży kosmetycznej – tworzy ostrzeżenia o składnikach nieobecnych w danej recepturze.
Jak sklepy mogą bronić się przed fałszywymi opiniami AI?
Jak firmy mogą reagować na te wyzwania? Wyjście z sytuacji jest możliwe, ale wiąże się ze zmianą podejścia do funkcjonowania w sieci. Standardowe działania pozycjonujące w wyszukiwarce Google (SEO) przestają wystarczać. Nadchodzi czas GEO – Generative Engine Optimization, czyli optymalizacji pod kątem silników generatywnych.
Głównym założeniem jest takie przygotowanie informacji o produkcie, by sztuczna inteligencja z łatwością je przeanalizowała i uznała za rzetelne. Fundamentem jest tu standard Schema.org, czyli znaczniki porządkujące zawartość witryny. To jednak zaledwie pierwszy krok. Sam opis od wytwórcy może zostać zinterpretowany przez AI jako przekaz reklamowy. Prawdziwą wartość niosą niezależne rekomendacje.
Najlepszą metodą obrony jest pozyskiwanie wyczerpujących i potwierdzonych recenzji od kupujących, świadczących o faktycznym nabyciu i użytkowaniu danego artykułu. Zgodnie z ustaleniami TrustMate.io, średnia opinia w krajowym internecie składa się z mniej niż 20 znaków – to zazwyczaj błahe sformułowania typu „polecam” lub „ok”. Nowoczesne platformy ułatwiające gromadzenie ocen potrafią wydłużyć je do ponad 230 znaków. Obszerna i dokładna opinia, omawiająca jakość surowców, poziom hałasu czy spasowanie elementów, staje się dla algorytmów cenną bazą danych o realnym wykorzystaniu przedmiotu. To właśnie tego typu informacje chronią firmę przed nieprawdziwymi ocenami.
Sytuacja jest tym trudniejsza, że obecnie marki są niemal pozbawione ochrony prawnej w tym zakresie. Jak zauważają twórcy raportu, obowiązujące regulacje, w tym również europejski AI Act, nie oferują jasnych procedur reagowania na fałszywe przedstawianie towaru przez AI. Wykazanie winy twórcy modelu w przypadku pojedynczej błędnej porady jest dzisiaj w zasadzie niewykonalne. Dlatego optymalnym rozwiązaniem jest proaktywne dostarczanie algorytmom sprawdzonych i prawdziwych danych, zanim sztuczna inteligencja sama zacznie gromadzić informacje.
