Własny GPT to dziś jeden z najczęstszych pomysłów, które trafiają na spotkania działu marketingu. Wygląda nowocześnie, da się go zbudować w popołudnie i ładnie prezentuje się na slajdzie. Pytanie, które rzadko pada na głos, brzmi jednak inaczej: czy custom GPT dla firmy w ogóle zwiększa widoczność marki w odpowiedziach ChatGPT, czy jest tylko kolejnym kanałem, którego nikt nie odwiedza. Odpowiedź jest mniej efektowna, niż sugerują webinary, ale za to przydatna przy planowaniu budżetu.
Czym jest Custom GPT i kto go znajduje
Custom GPT to skonfigurowana wersja ChatGPT: instrukcje systemowe, opcjonalna baza wiedzy z wgranych plików i ewentualne akcje, czyli połączenia z zewnętrznym API opisanym schematem OpenAPI. Stworzenie takiego asystenta wymaga płatnego planu, a korzystać z niego mogą także użytkownicy darmowego konta. Publikacja odbywa się na trzech poziomach: tylko dla siebie, dla osób z linkiem albo publicznie w katalogu, który OpenAI uruchomiło jako GPT Store.
Kluczowe jest to, kto do takiego GPT trafia. W praktyce ruch pochodzi z trzech źródeł: z wyszukiwarki wewnątrz katalogu, z linków udostępnionych przez samą firmę (strona, newsletter, stopka maila) oraz z wyróżnień redakcyjnych OpenAI, na które mała marka nie ma wpływu. Żadne z tych źródeł nie działa jak wyszukiwarka, w której użytkownik zadaje ogólne pytanie i dostaje Twoją markę w odpowiedzi.
Czy treści z GPT wracają do odpowiedzi modelu
To najważniejszy punkt i najczęstsze nieporozumienie. Pliki wgrane do bazy wiedzy własnego GPT są używane wyłącznie w rozmowach prowadzonych z tym konkretnym GPT. Nie trafiają do ogólnego ChatGPT, nie sprawiają, że model „zna” Twoją firmę lepiej, i nie wpływają na to, co zobaczy użytkownik pytający w zwykłym oknie czatu o najlepszego dostawcę w Twojej branży.
Gdy ChatGPT odpowiada z użyciem wyszukiwania, sięga do stron w sieci, a nie do katalogu GPT. Mechanizm doboru źródeł opisaliśmy w tekście o tym, jak ChatGPT działa jako wyszukiwarka, i jest on bardzo podobny w innych systemach. Porównanie z tym, jak Perplexity dobiera citations, pokazuje to samo: o obecności w odpowiedzi decyduje to, co jest opublikowane, zaindeksowane i cytowane przez innych. Własny GPT nie jest w tym łańcuchu żadnym ogniwem.
Ta sama logika dotyczy pozostałych asystentów. W tekście o tym, jakie sygnały cytowań liczą się w Claude, widać, że modele z dostępem do sieci wybierają źródła według podobnych kryteriów: aktualności, jednoznaczności i tego, czy temat potwierdzają inne strony. Firma, która zamiast publikować rzetelne odpowiedzi na swojej stronie, zamyka wiedzę w plikach GPT, w praktyce ukrywa ją przed mechanizmami, które decydują o cytowaniach. Paradoksalnie najlepsze materiały do bazy wiedzy GPT to często te same treści, które powinny być opublikowane publicznie.
Realny ruch z katalogu GPT
Katalog GPT pokazuje przy każdym asystencie przybliżoną liczbę rozmów i oceny. Wystarczy przejrzeć dowolną kategorię, żeby zobaczyć rozkład typowy dla sklepów z aplikacjami: kilkadziesiąt pozycji zbiera większość ruchu, a długi ogon firmowych GPT ma pojedyncze rozmowy albo żadnych. Twórca nie dostaje przy tym analityki porównywalnej z Google Search Console: nie wie, jakie zapytania prowadziły do jego GPT ani skąd przyszedł użytkownik.
Dla marki oznacza to dwie rzeczy. Po pierwsze, katalog nie jest kanałem pozyskania, jeśli nie masz już rozpoznawalnej marki, która sama przyciąga wyszukiwania po nazwie. Po drugie, większość rozmów z firmowym GPT i tak zaczyna się od linku, który firma sama gdzieś umieściła. To ruch przesunięty, a nie nowy.
Kiedy ma sens jako narzędzie obsługi klienta
Zupełnie inaczej wygląda ocena, jeśli przestaniemy traktować GPT jako narzędzie widoczności, a zaczniemy jako narzędzie usługowe. Są scenariusze, w których się sprawdza:
- wewnętrzny asystent dla zespołu sprzedaży lub supportu, oparty na cenniku, regulaminach i dokumentacji produktu;
- konfigurator lub kalkulator dla klientów, którzy już znają markę (na przykład dobór wariantu usługi);
- asystent onboardingu udostępniany linkiem po zakupie, który odciąża dział obsługi;
- narzędzie dla partnerów i resellerów, którzy potrzebują szybkich odpowiedzi z dokumentacji.
We wszystkich tych przypadkach miarą sukcesu jest czas zaoszczędzony przez ludzi albo liczba zgłoszeń, które nie trafiły do supportu, a nie zasięg. Warto też pamiętać o ograniczeniach: GPT potrafi pomylić się w szczegółach oferty, a odpowiedzialność za błędną informację o cenie czy warunkach gwarancji spada na firmę.
Koszt utrzymania i aktualizacji
Zbudowanie GPT jest tanie. Utrzymanie go w stanie zgodnym z rzeczywistością już nie. Każda zmiana cennika, oferty czy procedury wymaga podmiany plików w bazie wiedzy i ponownego przetestowania odpowiedzi. Przy kilkunastu dokumentach to kilka godzin pracy miesięcznie, przy aktywnej ofercie więcej.
| Element | Jednorazowo | Cyklicznie |
|---|---|---|
| Instrukcje i testy odpowiedzi | 4–8 godzin | 1–2 godziny po każdej zmianie oferty |
| Baza wiedzy (pliki) | przygotowanie i oczyszczenie dokumentów | podmiana przy każdej aktualizacji |
| Akcje przez API | praca programisty i schemat OpenAPI | utrzymanie endpointów i autoryzacji |
| Kontrola jakości | zestaw pytań testowych | przegląd przykładowych rozmów |
Do tego dochodzi ryzyko, którego nie widać w kosztorysie: porzucony GPT z nieaktualnymi danymi szkodzi marce bardziej niż jego brak. Jeśli nikt w firmie nie ma przypisanej odpowiedzialności za aktualizacje, lepiej go nie publikować.
Sensowniejsze alternatywy
Jeśli celem jest to, żeby marka pojawiała się w odpowiedziach modeli, budżet przeznaczony na GPT zwykle lepiej wydać na treści i sygnały, z których modele faktycznie korzystają. Kolejność, którą rekomendujemy klientom:
- Strony odpowiadające wprost na pytania klientów, z jasną strukturą, danymi i datą aktualizacji. To one są kandydatami do cytowania.
- Spójny opis firmy w zewnętrznych źródłach: katalogi branżowe, profile, artykuły partnerów, wzmianki w mediach.
- Monitoring obecności marki w odpowiedziach, opisany w materiale o tym, jak mierzyć widoczność w Google AI Overviews. Bez pomiaru nie wiadomo, czy cokolwiek się zmienia.
- Sprawdzenie, jak markę opisują różne systemy, bo różnią się doborem źródeł; przykład to różnice między Gemini a Google AI Mode.
Dla firm z produktem cyfrowym ciekawszą ścieżką niż klasyczny GPT są aplikacje działające wewnątrz ChatGPT, budowane w oparciu o Apps SDK. To jednak projekt programistyczny z własnym budżetem, a nie zamiennik dla treści na stronie. Własny GPT warto zbudować dopiero wtedy, gdy podstawy widoczności są zrobione, a zespół ma konkretny problem obsługowy do rozwiązania.
FAQ
Czy własny GPT poprawia pozycję marki w odpowiedziach ChatGPT?
Nie bezpośrednio. Baza wiedzy GPT jest używana tylko w rozmowach z tym GPT. Na odpowiedzi w zwykłym ChatGPT wpływają treści opublikowane w sieci i to, jak marka jest opisywana przez inne źródła.
Ile kosztuje stworzenie custom GPT dla firmy?
Samo narzędzie wymaga płatnego planu ChatGPT. Główny koszt to praca: przygotowanie dokumentów, instrukcji i testów, a potem regularne aktualizacje. Akcje łączące GPT z systemami firmy wymagają udziału programisty.
Czy GPT Store przynosi ruch na stronę firmy?
Zwykle niewielki. Katalog koncentruje ruch na kilkudziesięciu popularnych asystentach, a firmowe GPT najczęściej odwiedzają osoby, które przyszły z linku udostępnionego przez samą markę.
Do czego custom GPT nadaje się najlepiej?
Do zadań usługowych: wewnętrznego wsparcia zespołu, onboardingu klientów, konfiguratorów i odpowiedzi z dokumentacji. Tam łatwo zmierzyć efekt w zaoszczędzonym czasie lub liczbie zgłoszeń.
Co zrobić zamiast GPT, jeśli celem jest widoczność w AI?
Zainwestować w strony odpowiadające na pytania klientów, spójne wzmianki o marce w zewnętrznych źródłach i regularny monitoring tego, jak marka pojawia się w odpowiedziach różnych systemów AI.
