AI kłamie na temat polskich produktów. Sklepy tracą

AI kłamie o produktach? Nowe badanie nie pozostawia złudzeń

Wyobraź sobie taką sytuację: zamiast wpisywać w wyszukiwarkę nazwę produktu, po prostu pytasz swojego asystenta AI: „Czy warto kupić ten telefon? Jakie ma wady?”. Oczekujesz szybkiej i rzetelnej odpowiedzi. Okazuje się, że to prosta droga do problemów, zwłaszcza jeśli interesuje Cię polski produkt. Potwierdza to najnowsze badanie TrustMate.io z września 2026 roku - pisze serwis Wiadomości Handlowe. 

Eksperci wzięli pod lupę 200 produktów z polskich sklepów internetowych, z kategorii elektronika, dom i ogród oraz kosmetyki naturalne. Następnie zadawali pytania trzem popularnym modelom AI (ChatGPT-4o, Perplexity Pro i Google Gemini 1.5), prosząc o ocenę, wskazanie usterek czy polecenie alternatyw.

Wyniki są alarmujące. W przypadku produktów, których strony nie miały odpowiednio ustrukturyzowanych danych, aż w 46 proc. przypadków sztuczna inteligencja w e-commerce generowała zmyśloną usterkę lub bezpodstawnie rekomendowała tani zamiennik z zagranicznej platformy.

Co ciekawe, problem praktycznie zniknął, gdy produkty miały uporządkowane dane (w standardzie Schema.org) i były wsparte zweryfikowanymi opiniami klientów. W takiej sytuacji odsetek błędnych odpowiedzi spadł poniżej 3 proc. To pokazuje, jak wielkie znaczenie ma sposób prezentacji informacji o produkcie w sieci.

Dlaczego sztuczna inteligencja zmyśla i atakuje polskie marki?

Skąd biorą się te błędy? Czy AI celowo działa na szkodę polskich firm? Według autorów raportu, problem leży w sposobie, w jaki sztuczna inteligencja zbiera i analizuje informacje. Nowoczesne modele, takie jak ChatGPT, działają w oparciu o systemy, które przeszukują internet w poszukiwaniu dostępnych danych, a następnie na ich podstawie budują odpowiedź. Jeśli na stronie producenta brakuje jasnych, uporządkowanych informacji, algorytm zaczyna szukać gdzie indziej. I tu pojawiają się problemy.

Badanie TrustMate.io pokazuje, że AI zmyśla wady produktów, bo może trafić na stare, nieaktualne wpisy na forach internetowych i potraktować je jako wiarygodne źródło wiedzy. W jednym z testów model przypisał polskiemu, certyfikowanemu urządzeniu grzewczemu zmyślone ryzyko awarii termostatu, a zaraz potem zarekomendował tańsze, importowane zamienniki dostępne na globalnych platformach.

Innym problemem jest faworyzowanie gigantów. Duże platformy sprzedażowe (tzw. marketplace) mają znacznie więcej ofert i opinii niż pojedynczy sklep producenta. Dla algorytmu to silniejszy i bardziej wiarygodny sygnał. W efekcie, pytając o polski produkt, możemy otrzymać odpowiedź opartą na danych z zagranicznych agregatorów. Zdarza się też, że AI myli polską markę z zagranicznym produktem o podobnej nazwie albo – jak w przypadku kosmetyków – generuje ostrzeżenia o składnikach, których w ogóle nie ma w danym produkcie.

Jak sklepy mogą bronić się przed fałszywymi opiniami AI?

Co mogą zrobić firmy? Okazuje się, że rozwiązanie istnieje, ale wymaga zmiany myślenia o obecności w internecie. Zwykłe pozycjonowanie w Google (SEO) to już za mało. Nadchodzi era GEO, czyli Generative Engine Optimization – optymalizacji pod silniki generatywne.

Chodzi o to, by przygotować dane o produkcie w taki sposób, aby sztuczna inteligencja mogła je łatwo odczytać i, co najważniejsze, uznać za wiarygodne. Podstawą jest technologia Schema.org, czyli znaczniki, które porządkują informacje na stronie. Ale to dopiero początek. Sam opis od producenta może zostać przez AI potraktowany jako marketing. Prawdziwą siłę dają niezależne dowody.

Najskuteczniejszą obroną jest zbieranie szczegółowych i zweryfikowanych opinii od klientów, które potwierdzają, że faktycznie kupili i używali dany produkt. Według raportu TrustMate.io, przeciętna opinia w polskim internecie ma mniej niż 20 znaków – to zwykle nic nieznaczące „polecam” lub „ok”. Tymczasem systemy wspierające zbieranie recenzji mogą zwiększyć ich długość do ponad 230 znaków. Dłuższa, bardziej szczegółowa opinia, która opisuje jakość materiałów, głośność pracy czy dopasowanie, staje się dla AI cennym źródłem faktów o rzeczywistym użytkowaniu produktu. To właśnie te dane chronią markę przed zmyślonymi zarzutami.

Problem jest tym poważniejszy, że na razie firmy są praktycznie bezbronne prawnie. Jak wskazują autorzy badania, obecne przepisy, włącznie z unijnym AI Act, nie dają prostych narzędzi do reagowania, gdy AI przedstawia produkt w fałszywym świetle. Udowodnienie odpowiedzialności operatora modelu za jedną błędną rekomendację jest dziś niemal niemożliwe. Dlatego jedyną skuteczną strategią jest działanie wyprzedzające i dostarczanie AI rzetelnych, zweryfikowanych danych, zanim ta zacznie szukać informacji na własną rękę.