ChatGPT zmienia cytowane źródła między zapytaniami. Ukryte pipeline’y wybierają, kogo widać w AI

ChatGPT nie ma jednego, stałego zbioru źródeł. Dwie nowe analizy pokazują, że lista stron cytowanych przez asystenta potrafi się zmienić przy tym samym pytaniu, ponieważ za odpowiedzią pracuje kilka ukrytych potoków wyszukiwania. Badacze wykryli w ruchu sieciowym ChatGPT wewnętrzne etykiety źródeł o nazwach Labrador, Bright, Oxylabs i SERP, które nigdy nie pojawiają się w widocznych dla użytkownika kartach cytowań.

Odkrycie, opisane 8 lipca 2026 roku, uderza w jedno z najważniejszych założeń optymalizacji pod modele językowe: że widoczność w ChatGPT można traktować jak stabilny ranking. Okazuje się, że to raczej loteria rozegrana na zapleczu, w której o cytowaniu decyduje nie tylko jakość strony, ale też to, który potok akurat obsłużył zapytanie.

Dlaczego to takie ważne

Przez ostatnie dwa lata optymalizacja pod wyszukiwarki generatywne, nazywana GEO lub AIO, dojrzewała w tempie, w jakim kiedyś rozwijało się klasyczne SEO. Powstały narzędzia do monitoringu cytowań, agencje wyspecjalizowane w widoczności w asystentach, a budżety zaczęły płynąć w stronę optymalizacji pod ChatGPT, Perplexity i Gemini. Cała ta konstrukcja stała jednak na cichym założeniu, że odpowiedź modelu na dane pytanie jest w miarę powtarzalna. Gdyby tak nie było, każdy pomiar i każda rekomendacja traciłyby grunt pod nogami.

Nowe badanie właśnie to założenie kwestionuje. Jeśli ChatGPT rozdziela zapytania między kilka potoków, a wybór potoku potrafi się zmienić przy powtórzeniu, to widoczność w asystencie przestaje być punktem, a staje się rozkładem prawdopodobieństwa. To fundamentalna zmiana perspektywy, która przekłada się na sposób raportowania wyników, wyceny usług i budowania strategii treści. Dla całej młodej branży GEO to moment, w którym trzeba przemyśleć narzędzia od podstaw.

Kto stoi za badaniem i jak je przeprowadzono

Za dwoma niezależnymi analizami stoją Chris Green oraz Suganthan Mohanadasan, dwie znane w branży postaci zajmujące się optymalizacją pod wyszukiwarki generatywne. Każdy podszedł do problemu z innej strony, a mimo to wnioski się pokrywają.

Green przetestował 1000 promptów, każdy powtarzając do 10 razy. W sumie zarejestrował 9946 zakończonych przebiegów wyszukiwania. Taka skala pozwoliła mu potraktować cytowania statystycznie, a nie anegdotycznie, i wychwycić, jak często ChatGPT sięga po inne źródła przy powtórzeniu tego samego pytania.

Mohanadasan poszedł głębiej w warstwę techniczną. Przez dwa dni podglądał surowy ruch sieciowy jednego konta ChatGPT w wersji Pro i zalogował około 1240 rekordów źródeł. To właśnie w tym ruchu, a nie w interfejsie, ujawniły się nazwy potoków odpowiadających za pobieranie treści z sieci.

Cztery ukryte potoki wyszukiwania

Najważniejsze ustalenie brzmi tak: ChatGPT nie korzysta z jednego mechanizmu wyszukiwania, lecz rozdziela zapytania między co najmniej cztery potoki. Każdy z nich ma inny profil i inaczej dobiera strony. W danych Greena rozkład prymarnych źródeł wyglądał następująco.

Nazwy nie są przypadkowe. Bright i Oxylabs odsyłają do dwóch komercyjnych dostawców infrastruktury sieciowej i proxy, co sugeruje, że OpenAI nie pobiera całej sieci samodzielnie, lecz korzysta z zewnętrznych usług dostarczających świeże dane, zwłaszcza przy zapytaniach transakcyjnych. Labrador i SERP wyglądają na rozwiązania wewnętrzne. Kluczowe jest to, że wszystkie te etykiety siedzą pod odpowiedzią, poza kartami cytowań, które widzi użytkownik. Nikt patrzący wyłącznie na interfejs nie ma szans domyślić się, który potok wykonał robotę.

Cytowania zmieniają się przy powtórzeniu pytania

Sam podział na potoki byłby ciekawostką techniczną, gdyby nie jego skutek. Green pokazał, że 11,6 proc. promptów zmieniało prymarne źródło wyszukiwania przy powtórzonych przebiegach. Innymi słowy: co ósme pytanie potrafiło przy kolejnym uruchomieniu oprzeć odpowiedź na innym potoku, a więc na innym zestawie stron.

Skala rozjazdu jest znacząca. Kiedy potok się zmieniał, pokrywanie się adresów URL spadało o 45 proc. (z 0,273 do 0,149), a pokrywanie się domen malało o 42 proc. (z 0,265 do 0,155). To nie kosmetyczna różnica w kolejności linków. To realna zmiana tego, które strony w ogóle trafiają do puli, z której model buduje odpowiedź.

Dla marketera oznacza to koniec myślenia o pozycji w ChatGPT jak o stałym miejscu w rankingu. Ta sama fraza, zadana dwa razy, może przynieść cytowanie Twojej strony za pierwszym razem i pominąć ją za drugim, bez żadnej zmiany po Twojej stronie. Zmienna nie leży w treści, lecz w tym, który potok akurat obsłużył zapytanie.

Pobrane nie znaczy zacytowane

Analiza Mohanadasana dorzuca drugą warstwę komplikacji. Rozdzielił on trzy zdarzenia, które łatwo pomylić: pobranie strony, jej zacytowanie oraz jej wzmiankowanie w odpowiedzi. To nie są synonimy. Strona może zostać pobrana przez potok, a mimo to nigdy nie pojawić się w cytowaniu ani w treści odpowiedzi.

Najbardziej wymowny przykład dotyczy formatu treści. Reddit był pobierany i wykorzystywany, natomiast YouTube bywał pobierany, ale nie cytowany. Różnica sprowadza się do dostępności tekstu. Model sięga po to, co potrafi odczytać jako tekst, a materiał zamknięty w wideo czy ukryty za JavaScriptem ma znacznie mniejsze szanse na wybór, nawet jeśli fizycznie został pobrany.

Wniosek jest brutalnie prosty. Widoczność w ChatGPT ma dwa progi. Najpierw strona musi zostać znaleziona i pobrana przez odpowiedni potok. Potem jej treść musi być na tyle czytelna i wartościowa, by model zdecydował się ją zacytować. Przepaść między tymi dwoma progami to obszar, w którym gubi się mnóstwo dobrego contentu.

Co to znaczy dla SEO i AIO

Dla branży optymalizacji pod wyszukiwarki generatywne badanie ma kilka twardych konsekwencji. Po pierwsze, mierzenie widoczności w ChatGPT na podstawie jednego przebiegu jest bezwartościowe. Skoro co ósme pytanie zmienia źródło, pojedynczy test niczego nie dowodzi. Wiarygodny pomiar wymaga wielu powtórzeń tego samego promptu i patrzenia na rozkład, a nie na pojedynczy wynik.

Po drugie, wraca do łask higiena techniczna, którą część zespołów zdążyła zaniedbać w pogoni za modnymi trikami pod AI. Kluczowe stają się fundamenty: czysty, czytelny HTML, treść dostępna bez renderowania JavaScriptu, jawnie podane specyfikacje i ceny, mocne pokrycie w źródłach zewnętrznych. To wszystko podnosi szansę, że strona zostanie zarówno pobrana, jak i zacytowana.

Po trzecie, profil zapytania ma znaczenie. Skoro potoki Bright i Oxylabs faworyzują zapytania komercyjne i zakupowe, sklepy oraz serwisy finansowe powinny liczyć się z tym, że w ich segmencie o cytowaniu decyduje inny mechanizm niż przy zapytaniach informacyjnych obsługiwanych głównie przez Labrador. Optymalizacja pod jeden typ zapytań nie przekłada się automatycznie na inny.

Po czwarte, odkrycie przesuwa punkt ciężkości z pojedynczej strony na całą obecność marki w sieci. Skoro dominujący potok nagradza uznane, rozpoznawalne źródła, a dane z potoków komercyjnych czerpane są od zewnętrznych dostawców infrastruktury, samo dopieszczenie własnej witryny przestaje wystarczać. Liczy się to, jak często i w jakim kontekście marka pojawia się w serwisach, które modele traktują jako wiarygodne. To zbliża pracę nad widocznością w AI do klasycznego digital PR i budowania autorytetu tematycznego, a oddala od punktowych trików on-page.

• Testuj każdy prompt wielokrotnie i raportuj rozkład, nie pojedynczy zrzut ekranu.
• Udostępniaj kluczowe treści jako czysty tekst w HTML, bez ukrywania ich za JavaScriptem.
• Rozdzielaj metryki: sprawdzaj osobno, czy strona jest pobierana, a osobno, czy jest cytowana.
• Buduj obecność w zaufanych serwisach zewnętrznych, bo to one dominują w potoku Labrador.
• Dla zapytań zakupowych traktuj świeżość i przejrzystość oferty priorytetowo, bo tam działają inne potoki.

Warto zestawić te wnioski z wcześniejszymi obserwacjami rynku. Jak opisywaliśmy przy okazji wprowadzenia metryki Citation Share przez Bing, cała branża zmierza w stronę mierzenia udziału strony w cytowaniach AI, a nie klasycznej pozycji. Nowe ustalenia o potokach ChatGPT pokazują jednak, jak trudno taki udział ustabilizować, gdy zaplecze wyszukiwania samo się przełącza.

Reakcje branży

Odzew w środowisku specjalistów od GEO był natychmiastowy. Dominujący ton to ulga zmieszana z niepokojem. Ulga, bo odkrycie tłumaczy zjawisko, które wielu obserwowało od miesięcy, ale nie potrafiło nazwać: niepowtarzalność wyników ChatGPT przy tych samych pytaniach. Niepokój, bo podważa sens narzędzi obiecujących precyzyjne śledzenie pozycji marki w asystencie.

Część praktyków zwraca uwagę, że dominacja potoku Labrador na poziomie 88,1 proc. to zarazem dobra i zła wiadomość. Dobra, bo dla większości zapytań informacyjnych liczy się jeden, względnie przewidywalny mechanizm nagradzający uznane źródła. Zła, bo próg wejścia do tej puli jest wysoki i faworyzuje duże, rozpoznawalne serwisy kosztem mniejszych wydawców.

Pojawiają się też głosy ostrożności. Oba badania opierają się na ograniczonych próbach: 9946 przebiegów u Greena i około 1240 rekordów u Mohanadasana, w dodatku z pojedynczych kont. Etykiety potoków mogą być artefaktem konkretnej konfiguracji, regionu czy planu subskrypcji, a OpenAI nie potwierdziło oficjalnie ani nazw, ani zasad ich działania. Do czasu takiego potwierdzenia rozsądnie jest traktować rozkład procentowy jako wskazówkę, a nie jako trwałą mapę.

Ta debata wpisuje się w szerszy trend, o którym pisaliśmy przy premierze agentowego narzędzia Aim od Profound. Branża odchodzi od statycznych dashboardów w stronę ciągłego, wielokrotnego próbkowania odpowiedzi AI, właśnie dlatego, że pojedynczy pomiar przestał cokolwiek znaczyć.

Co dalej

Najbliższe tygodnie pokażą, czy odkrycie potoków zmieni sposób raportowania widoczności w AI. Najprawdopodobniej narzędzia do monitoringu GEO zaczną domyślnie uruchamiać każdy prompt wielokrotnie i pokazywać nie jedną pozycję, lecz prawdopodobieństwo cytowania w danym oknie czasowym. To bliższe rzeczywistości, choć trudniejsze do sprzedania klientom przyzwyczajonym do prostych rankingów.

Prawdopodobnie zmieni się też język, jakim branża opisuje sukces w AI. Zamiast deklaracji w stylu „jesteśmy cytowani na frazę X” pojawią się sformułowania probabilistyczne: „w oknie ostatnich 30 dni marka pojawiała się w odpowiedziach na tę frazę w około 40 proc. przebiegów”. Taka zmiana wymaga edukacji klientów, bo prostota rankingu była wygodna sprzedażowo, a rozkład prawdopodobieństwa brzmi mniej efektownie, choć lepiej oddaje rzeczywistość. Agencje, które pierwsze przestawią raporty na tę logikę, zyskają przewagę wiarygodności nad konkurencją wciąż obiecującą stałe pozycje w asystencie, których, jak teraz widać, po prostu nie ma.

Otwartym pytaniem pozostaje reakcja OpenAI. Firma może potwierdzić istnienie potoków i opisać ich logikę, dając branży stabilny grunt, albo przemilczeć sprawę i pozostawić badaczy przy rekonstrukcji z ruchu sieciowego. Historycznie OpenAI rzadko odsłania kuchnię wyszukiwania, więc drugi scenariusz jest bardziej prawdopodobny.

Dla właścicieli stron praktyczny plan na teraz jest jednak niezależny od tego, co zrobi OpenAI. Warto skupić się na tym, co działa w każdym potoku naraz: czytelna treść tekstowa, mocne sygnały zewnętrzne, przejrzyste dane produktowe i regularny, wielokrotny pomiar własnej widoczności. To nudne fundamenty, ale to one przetrwają każdą zmianę zaplecza. Zmienność potoków dokłada się przy tym do szerszego przetasowania na rynku asystentów, które śledziliśmy, opisując spadek udziału ChatGPT na rzecz Gemini i Claude.

Jedno jest pewne. Era, w której o widoczności w ChatGPT można było mówić jak o jednej, stałej liczbie, właśnie się skończyła. Zastąpił ją obraz znacznie bardziej płynny, w którym o cytowaniu decyduje splot jakości strony i tego, który ukryty potok akurat sięgnął po dane.

FAQ