Kolejność encji decyduje o odpowiedziach AI. Google: modele znają fakty, ale ich nie przywołują

Google Research opublikowało badanie, które podważa jedno z najczęściej powtarzanych założeń o modelach językowych: przekonanie, że kiedy AI myli fakty, dzieje się tak dlatego, że ich nie zna. Analiza obejmująca 4 miliony odpowiedzi z 13 modeli pokazuje coś innego. Czołowe modele mają zakodowane 95–98 procent testowanych faktów, ale nie potrafią bezpośrednio przywołać 26–34 procent z nich. Najmocniej zawodzą wtedy, gdy pytanie odwraca kolejność encji względem tej, w jakiej fakt pojawił się w danych treningowych.

Dla branży AIO to jedno z najbardziej praktycznych ustaleń ostatnich miesięcy. Sugeruje, że o obecności treści w odpowiedziach asystentów współdecyduje nie tylko to, co napiszesz, ale również składniowa kolejność, w jakiej ustawisz podmiot i dopełnienie zdania.

Kontekst: dlaczego to badanie w ogóle powstało

Standardowe benchmarki faktograficzne traktują każdy błąd modelu tak samo. Jeśli model odpowie źle, wynik spada i na tym kończy się diagnoza. Zespół Google Research argumentuje, że taka metodologia zaciera fundamentalną różnicę między dwiema zupełnie odmiennymi awariami.

Pierwsza to sytuacja, w której informacji po prostu nie ma w parametrach modelu. Autorzy nazywają ją obrazowo pustymi półkami (empty shelves). Druga to sytuacja, w której informacja jest zakodowana, ale model nie potrafi po nią sięgnąć w konkretnym kontekście zapytania. To zgubione klucze (lost keys). Tytuł pracy, „Empty Shelves or Lost Keys? Recall Is the Bottleneck for Parametric Factuality”, streszcza całą tezę: wąskim gardłem nie jest już zdobywanie wiedzy, tylko jej wydobywanie.

Rozróżnienie nie jest akademicką ciekawostką. Jak zaznaczają autorzy, awarie kodowania wymagają skalowania modelu, czyli większych parametrów i większych zbiorów treningowych. Awarie przywołania wskazują na zupełnie inne dźwignie: post-training oraz metody obliczeniowe stosowane w momencie generowania odpowiedzi. To dwie różne mapy drogowe dla laboratoriów AI i dwie różne konsekwencje dla osób, które publikują treści w sieci.

Praca została zgłoszona na arXiv pod numerem 2602.14080 w lutym 2026 roku, druga wersja pojawiła się w czerwcu, a szeroki opis trafił na oficjalny blog Google Research 12 sierpnia 2026 roku. Do świadomości branży SEO wątek przebił się w tym tygodniu, po analizie opublikowanej przez Search Engine Journal. Pod pracą podpisali się Nitay Calderon, Eyal Ben-David, Zorik Gekhman, Eran Ofek oraz Gal Yona.

Kluczowe fakty: co dokładnie zmierzono

Do rozdzielenia obu typów awarii zespół potrzebował benchmarku, który profiluje wiedzę na poziomie pojedynczego faktu, a nie pojedynczego pytania. Tak powstał WikiProfile.

Zbiór zawiera 2150 faktów wyprowadzonych z Wikipedii. Każdy z nich został sparowany z dziesięcioma zadaniami: dwoma sprawdzającymi samo zakodowanie informacji, czterema oceniającymi wiedzę w formule otwartej oraz czterema wariantami wielokrotnego wyboru. Dane powstały w pełni automatycznym pipelinie napędzanym przez model językowy z dostępem do wyszukiwarki, po czym przeszły automatyczne filtrowanie i ręczną walidację jakości.

Na tak przygotowanym materiale przetestowano 13 modeli, generując łącznie około 4 milionów odpowiedzi. Wyniki układają się w spójny obraz.

Testy objęły między innymi Gemini-3-Pro, GPT-5 oraz GPT-5.2. To istotne, bo dotyczy dokładnie tych rodzin modeli, które napędzają dziś AI Overviews, AI Mode, ChatGPT Search i asystentów wbudowanych w przeglądarki.

Pięć profili wiedzy zamiast jednego wyniku

Zamiast jednej liczby procentowej autorzy klasyfikują każdy fakt do jednego z pięciu profili: awaria kodowania, awaria przywołania, przywołanie bezpośrednie, przywołanie z myśleniem oraz wnioskowanie bez zakodowania. Ostatnia kategoria opisuje przypadki, w których model dochodzi do poprawnej odpowiedzi mimo braku faktu w parametrach, składając ją z sąsiednich informacji.

Ta taksonomia tłumaczy zjawisko, które praktycy AIO obserwują od dawna, ale trudno im było je nazwać. Ten sam model potrafi rozpoznać markę w pytaniu zamkniętym, a jednocześnie pominąć ją w otwartym zestawieniu rekomendacji. Z perspektywy benchmarku to dwa różne profile wiedzy, nie jedna niespójność.

Odwrócone pytania: sedno sprawy

Najciekawszy fragment badania dotyczy pytań odwróconych. Modele radzą sobie z nimi przyzwoicie w formule wielokrotnego wyboru, gdzie zadanie sprowadza się do weryfikacji podanej odpowiedzi. Załamują się natomiast w generowaniu otwartym, czyli dokładnie w tym trybie, w jakim odpowiadają użytkownikom wyszukiwarek.

Autorzy opisują to zwięźle: fakt wydaje się zakodowany, a nawet rozpoznawalny, lecz trudny do przywołania, gdy kierunek zapytania odbiega od kierunku znanego z treningu. Innymi słowy model, który wielokrotnie widział zdanie w układzie „podmiot A wykonał czynność wobec obiektu B”, ma wyraźnie mniejszą szansę odpowiedzieć poprawnie na pytanie sformułowane od strony obiektu B.

Podobny mechanizm dotyka faktów z długiego ogona. Wiele rzadkich informacji nie jest nieobecnych w parametrach modelu. One tam są, tylko dostęp do nich jest utrudniony.

Co to znaczy dla SEO i AIO

Badanie nie zawiera rekomendacji dla wydawców, bo nie taki był jego cel. Wnioski praktyczne narzucają się jednak same i warto je oddzielić od nadinterpretacji.

Po pierwsze, kolejność encji w zdaniu przestaje być kwestią stylu. Jeśli chcesz, żeby model kojarzył Twoją markę z konkretną kategorią usług, sam fakt opisania tej relacji nie wystarczy. Znaczenie ma to, czy relacja jest zapisana w tym samym kierunku, w jakim użytkownicy formułują pytania. Zdanie „Nasza agencja obsługuje audyty techniczne” i zdanie „Audyty techniczne realizuje nasza agencja” niosą tę samą informację, ale trafiają w inny wzorzec zapytania.

Po drugie, redundancja kierunkowa zyskuje uzasadnienie. Jeżeli przywołanie zależy od zgodności kierunku, opłaca się opisać kluczową relację w obu układach, w różnych miejscach tekstu i bez sztucznego powtarzania. Sekcja FAQ, tabela porównawcza i akapit wprowadzający to trzy naturalne miejsca, w których ta sama relacja może wystąpić raz jako podmiot, raz jako dopełnienie.

Po trzecie, rośnie wartość jednoznacznych zdań faktograficznych. Model, który ma problem z dostępem, a nie z wiedzą, korzysta na tekstach, w których fakt jest wypowiedziany wprost w jednym zdaniu, bez rozproszenia na trzy akapity. To ta sama zasada, którą opisywaliśmy przy okazji analizy indeksu ChatGPT i limitu 202 znaków na stronę, tylko wyprowadzona z innej strony pipeline’u.

Po czwarte, tryb rozumowania zmienia stawkę. Skoro dłuższe myślenie odzyskuje 40–65 procent wcześniej niedostępnych faktów, to widoczność marki będzie różna w zależności od tego, czy użytkownik pyta w trybie szybkim czy w trybie głębokim. Monitoring widoczności AI, który sprawdza tylko jeden tryb, mierzy połowę rzeczywistości.

Po piąte, długi ogon nie jest stracony. Jeżeli rzadkie fakty są obecne w parametrach, ale trudno dostępne, to praca nad ich cytowalnością nie polega na zdobyciu miejsca w zbiorze treningowym, lecz na ułatwieniu modelowi trafienia w odpowiedni klucz. To zmienia priorytety w strategiach opartych na niszowych zapytaniach.

Jak sprawdzić to na własnych treściach

Metodologia badania daje się przełożyć na prosty test redakcyjny, który zajmuje kilkanaście minut na jedną stronę docelową. Nie zastąpi kontrolowanego eksperymentu, ale pozwala zobaczyć, czy problem w ogóle dotyczy Twojego serwisu.

Zacznij od wypisania trzech relacji, na których najbardziej Ci zależy, w formacie podmiot, relacja, obiekt. Przykładowo: marka, świadczy usługę, migracja sklepu na nową platformę. Następnie zadaj modelowi to samo pytanie w dwóch kierunkach. Raz od strony marki, czyli jakimi usługami zajmuje się dana firma. Raz od strony usługi, czyli kto realizuje migracje sklepów w Polsce. Powtórz oba warianty w trybie szybkim i w trybie rozumowania, a wyniki zapisz w arkuszu.

Jeśli marka pojawia się tylko w jednym kierunku, masz do czynienia dokładnie z asymetrią opisaną przez Google Research. Kolejnym krokiem jest sprawdzenie, w jakim układzie relacja występuje na Twoich stronach. W praktyce najczęściej okazuje się, że cała witryna mówi wyłącznie od strony marki, bo tak naturalnie pisze się teksty ofertowe, podczas gdy użytkownicy pytają od strony problemu.

Trzeci krok to kontrola, czy relacja jest w ogóle wypowiedziana w jednym zdaniu. Rozbicie jej na nagłówek, listę punktowaną i akapit podsumowujący jest czytelne dla człowieka, lecz utrudnia modelowi złożenie pełnego faktu. Jedno wyraźne zdanie deklaratywne w treści strony kosztuje niewiele, a domyka lukę, którą badanie opisuje jako problem dostępu.

Czego badanie nie mówi

Warto zaznaczyć granice. Praca dotyczy wiedzy parametrycznej, czyli tego, co model zapamiętał podczas treningu. Nie opisuje bezpośrednio pipeline’u retrieval, w którym asystent pobiera świeże strony z sieci przed sformułowaniem odpowiedzi. W realnych produktach oba mechanizmy działają równolegle, a udział każdego z nich zależy od zapytania.

Badanie nie stwierdza również, że przestawienie szyku zdania podniesie widoczność w AI Overviews. Mówi tylko, że kierunek relacji wpływa na zdolność modelu do przywołania faktu z pamięci. Przełożenie tego na taktykę redakcyjną jest uzasadnioną hipotezą, nie potwierdzonym czynnikiem rankingowym.

Reakcje branży

W komentarzach po publikacji analizy Search Engine Journal dominują dwa wątki. Pierwszy dotyczy tak zwanej klątwy odwrócenia, opisywanej w literaturze od kilku lat, którą to badanie potwierdza i zarazem precyzuje. Nowością jest tu skala pomiaru oraz rozdzielenie rozpoznawania od generowania, bo dopiero to zestawienie pokazuje, jak duża część problemu ma charakter dostępowy.

Drugi wątek jest bardziej sceptyczny. Część praktyków zwraca uwagę, że optymalizowanie szyku zdań pod przypuszczalne wzorce treningowe modelu to powrót do myślenia w kategoriach mikrooptymalizacji, którą branża porzuciła w SEO klasycznym. Argument brzmi tak: jeśli laboratoria rozwiążą problem przywołania po stronie post-treningu, a badanie wprost wskazuje ten kierunek jako właściwy, to cała taktyka straci sens w ciągu kilku cykli modeli.

Oba stanowiska da się pogodzić. Redagowanie tekstu tak, aby kluczowe relacje były wypowiedziane wprost i w naturalnym kierunku zapytania, jest po prostu dobrą praktyką pisarską. Nie wymaga sztuczek, nie psuje czytelności i nie zestarzeje się razem z konkretną generacją modeli. Ryzyko pojawia się dopiero wtedy, gdy ktoś zacznie mechanicznie generować warianty tego samego zdania w obu kierunkach, licząc na efekt ilościowy.

Kontekst jest o tyle istotny, że w ostatnich tygodniach branża dostała kilka sygnałów wskazujących na rosnącą rolę struktury tekstu w cytowalności. Wcześniej opisywaliśmy między innymi wzorce cytowań w Google AI Mode, gdzie sposób formułowania treści okazał się ważniejszy od klasycznych sygnałów autorytetu.

Co dalej

Dla laboratoriów AI wniosek jest jasny: dalsze skalowanie parametrów przyniesie mniejszy zwrot niż praca nad wydobywaniem tego, co już zostało zapamiętane. Autorzy formułują to jako przesunięcie wąskiego gardła z akwizycji wiedzy na jej wykorzystanie. Jeśli ta diagnoza się utrzyma, kolejne generacje modeli będą różniły się od poprzednich bardziej sposobem odpytywania własnej pamięci niż jej rozmiarem.

Dla zespołów SEO i AIO praktyczna agenda na najbliższe tygodnie wygląda następująco.

• Przejrzyj kluczowe strony pod kątem tego, czy najważniejsza relacja marka plus kategoria jest wypowiedziana wprost w jednym zdaniu, a nie rozproszona po całym tekście.
• Sprawdź, w jakim kierunku formułują pytania użytkownicy w Twojej niszy, i upewnij się, że przynajmniej jedno zdanie na stronie odpowiada temu kierunkowi.
• Uzupełnij sekcje FAQ o warianty odwrócone, jeśli mają sens redakcyjny i nie brzmią sztucznie.
• Rozszerz monitoring widoczności o tryb rozumowania, nie tylko o odpowiedzi szybkie, bo różnica sięga kilkudziesięciu procent odzyskanych faktów.
• Traktuj wyniki jako hipotezę do przetestowania na własnych danych, a nie jako gotowy czynnik rankingowy.

Warto też uporządkować własny stack pomiarowy, zanim zaczniesz wyciągać wnioski z pojedynczych promptów. Zestawienie narzędzi, które realnie mierzą obecność w odpowiedziach modeli, opisaliśmy w przeglądzie stacku AIO na 2026 rok.

Najbliższe miesiące pokażą, czy problem przywołania da się domknąć po stronie modeli. Do tego czasu kolejność encji w zdaniu pozostaje jednym z niewielu czynników, na które wydawca ma bezpośredni wpływ, a które udokumentowane badanie łączy ze zdolnością modelu do przypomnienia sobie faktu.

FAQ