E-E-A-T SEO i cytowania w AI: profile autorów, Person Schema i źródła

Google nie ocenia domen, lecz treści. A pytanie, które decyduje o widoczności, w gruncie rzeczy dotyczy zaufania: czy wyszukiwarka albo asystent AI może ufać, że ta treść pochodzi od kogoś, kto wie, o czym mówi, i nie ma nic do ukrycia? Właśnie to pytanie formalizuje E-E-A-T. Skrót oznacza Experience, Expertise, Authoritativeness i Trustworthiness, czyli doświadczenie, wiedzę ekspercką, autorytet i wiarygodność. To system Google służący do oceny jakości treści, który w erze wyszukiwania generatywnego przekształcił się z czysto SEO-wej koncepcji w kluczowy czynnik widoczności w odpowiedziach AI.

Dlaczego E-E-A-T decyduje o widoczności

E-E-A-T pochodzi z Search Quality Rater Guidelines, podręcznika, według którego zewnętrzni oceniający na zlecenie Google sprawdzają jakość wyników wyszukiwania. Przez długi czas koncepcja ta była abstrakcyjnym wzorcem jakości. Wraz z rozwojem treści generowanych przez AI i generatywnych systemów wyszukiwania stała się operacyjnym czynnikiem konkurencyjności.

Przyczyną jest problem skali. Treści AI od dawna są w wynikach wyszukiwania normą. W międzynarodowym badaniu Ahrefs obejmującym 600 000 adresów URL 86,5% najwyżej pozycjonowanych stron zawierało treści AI, a 4,6% było w całości wygenerowanych przez AI. Prowadzona na bieżąco analiza Originality.ai pokazuje dla września 2025 roku udział 17,31% wyników wygenerowanych przez AI w top 20 Google, przy rekordzie wszech czasów 19,56% w lipcu 2025 roku. Gdy treść można powielać dowolnie, deficyt przesuwa się na to, czego powielić się nie da: udokumentowane doświadczenie, potwierdzoną wiedzę ekspercką i weryfikowalne zaufanie. E-E-A-T opisuje właśnie te rzadkie sygnały.

Dla firm B2B w Europie ma to podwójne znaczenie. Narzędzia AI są na stałe zakorzenione w produkcji treści. W Austrii według Statistik Austria w 2025 roku 30% firm zatrudniających co najmniej dziesięć osób korzystało z technologii AI, wobec 20% w 2024 roku. Średnia UE wyniosła w 2025 roku 20%. Rozpoznawanie i przetwarzanie tekstu było w 2024 roku, z wynikiem 65%, najczęstszym zastosowaniem AI wśród firm korzystających z AI. W Niemczech według Bitkom w 2026 roku z AI korzystało już 57% firm zatrudniających co najmniej 20 osób, wobec 36% w 2025 i 20% w 2024 roku. Marketing i komunikacja, z wynikiem 54%, to jeden z najczęstszych obszarów zastosowań. Gdy wszyscy korzystają z tych samych narzędzi, wsparcie AI przestaje być wyróżnikiem. Różnicę tworzy E-E-A-T.

Cztery filary i dlaczego celem jest Trust

Cztery komponenty nie są równorzędną listą kontrolną. Tworzą hierarchię z jasno określonym celem.

Experience (doświadczenie): Czy osoba lub organizacja sama doświadczyła danego zagadnienia, przetestowała je lub zastosowała? Ten komponent doszedł w grudniu 2022 roku jako dodatkowe E, E-A-T zmieniło się w E-E-A-T. Experience odróżnia wiedzę z pierwszej ręki od wiedzy wyczytanej. Relacja z realnego projektu niesie Experience, streszczenie cudzych źródeł już nie.

Expertise (wiedza ekspercka): Czy autor ma wiedzę lub umiejętności merytoryczne potrzebne w danym temacie? Ekspertyza może mieć charakter formalny, na przykład dzięki wykształceniu i certyfikatom, albo zostać zdobyta w praktyce.

Authoritativeness (autorytet): Czy osoba lub witryna uchodzi w swojej dziedzinie za miarodajne źródło? Autorytet powstaje poza własną stroną, dzięki wzmiankom, odnośnikom i uznaniu ze strony innych.

Trustworthiness (wiarygodność): Czy treść jest rzetelna, uczciwa, bezpieczna i weryfikowalna? Trust to jedyny komponent, który Google wprost nazywa nadrzędnym celem. Pozostałe trzy to środki, które na niego pracują. Treść może być merytorycznie znakomita, ale bez zaufania niewiele daje. W praktyce oznacza to, że kto chce poprawić E-E-A-T, nie optymalizuje czterech rzeczy równolegle, lecz wszystkie trzy pod kątem zaufania, które budują.

E-E-A-T nie jest czynnikiem rankingowym

Jednym z najczęstszych błędnych założeń jest przekonanie, że E-E-A-T to bezpośredni czynnik rankingowy, którym można sterować jak pokrętłem. Tak nie jest, a to rozróżnienie ma kluczowe znaczenie w praktyce.

E-E-A-T to koncepcja oceny przeznaczona dla ludzi, a nie zmienna w algorytmie. Quality Raterzy oceniają na podstawie wytycznych próbki wyników wyszukiwania. Ich oceny nie trafiają bezpośrednio do rankingu, lecz służą do kalibrowania systemów automatycznych i sprawdzania, czy zmiany poprawiają jakość. Algorytm z kolei wykorzystuje niezliczone mierzalne sygnały, które według założeń Google korelują z cechami opisanymi przez E-E-A-T.

Szczególnie surowe kryteria obowiązują w tematach YMYL, czyli Your Money or Your Life. Należą do nich zdrowie, finanse, prawo i wszystkie tematy, które mogą wpływać na dobrostan, bezpieczeństwo lub stabilność finansową ludzi. W przypadku treści YMYL Google wymaga najwyższych standardów E-E-A-T, ponieważ błędne treści wyrządzają tu realne szkody. Dla dostawców B2B z branży prawnej, podatkowej, finansowej, ubezpieczeniowej czy techniki medycznej oznacza to, że identyfikacja autora, źródła i aktualność nie są dodatkiem, lecz warunkiem widoczności.

Autorstwo jako dźwignia SEO

Jeśli celem jest zaufanie, pytanie „Kto to napisał?” jest jedną z najbardziej konkretnych dźwigni. Google sam wyraźnie wskazał ten punkt w swoich wytycznych dotyczących treści AI. W oficjalnym stanowisku z 8 lutego 2023 roku zespół Search Quality zaleca rzetelne podpisy autorów tam, gdzie czytelnicy rozsądnie się ich spodziewają, na przykład przy każdej treści, przy której ktoś mógłby pomyśleć: Kto to napisał?. W tym samym dokumencie Google wprowadza schemat oceny Who, How i Why: kto stoi za treścią, jak powstała i dlaczego istnieje.

Wynikają z tego konkretne działania, dzięki którym autorstwo staje się widoczne dla ludzi i maszyn.

Podpisy autorów (bylines): Każdy artykuł merytoryczny potrzebuje wyraźnie wskazanego, rzeczywistego autora, a nie anonimowego skrótu redakcji, tam gdzie czytelnicy oczekują konkretnej osoby.

Boksy autora: Boks autora ze zdjęciem, funkcją, kwalifikacjami i związkiem z tematem od razu pokazuje ekspertyzę i odpowiada na pytanie Who bezpośrednio przy treści.

Person Schema z sameAs: Dane strukturalne w Person Schema sprawiają, że autorzy stają się czytelni dla maszyn. Atrybut knowsAbout wskazuje obszary kompetencji, a odwołania sameAs do wiarygodnych profili, takich jak LinkedIn, ORCID, Wikipedia czy katalog branżowy, łączą autora z jego ugruntowaną tożsamością.

Encje autorów: Celem jest, by autor stał się rozpoznawalną encją, którą systemy wyszukiwania i AI potrafią umiejscowić niezależnie od tematu. Pomagają w tym spójne podawanie imienia i nazwiska, te same powiązania na wszystkich platformach i aktualny profil autora.

Techniczne wdrożenie sygnałów zaufania

Zaufania nie da się zadeklarować, trzeba go dowieść. Poniższa lista kontrolna zbiera najważniejsze techniczne i merytoryczne sygnały zaufania dla witryny B2B.

Nota prawna i przejrzystość formalnoprawna: Pełna nota prawna (Impressum) z adresem do doręczeń jest w regionie DACH (Niemcy, Austria, Szwajcaria) i tak obowiązkowa, a zarazem stanowi podstawowy sygnał zaufania. Wskazuje, kto prawnie stoi za stroną.

Dane kontaktowe i dostępność: Łatwe do znalezienia możliwości kontaktu, numer telefonu i prawdziwa strona O nas dowodzą, że istnieje realna organizacja.

Podawanie źródeł: Dowody na poparcie twierdzeń, linki do źródeł pierwotnych i przejrzyste podstawy danych zwiększają rzetelność, a tym samym zaufanie.

Dowody aktualności: Widoczne daty publikacji i aktualizacji pokazują, że treść jest utrzymywana. Nieaktualne treści YMYL to ryzyko dla zaufania.

Opinie i potwierdzenia od osób trzecich: Oceny, referencje, certyfikaty i wyróżnienia to zewnętrzne sygnały zaufania, które potwierdzają autorytet z zewnątrz.

HTTPS i bezpieczeństwo: Pełne szyfrowanie to techniczne minimum. Bez niego każdy inny sygnał zaufania stoi na chwiejnym gruncie.

Treści AI a E-E-A-T: nagroda czy kara

Kluczowe pytanie wielu zespołów contentowych brzmi: czy Google karze treści AI? Udokumentowana odpowiedź jest zniuansowana i dokładnie pokrywa się z logiką E-E-A-T.

Google ocenia jakość, a nie sposób produkcji. W wytycznych z 2023 roku czytamy, że systemy rankingowe mają nagradzać oryginalne, wartościowe treści, które wykazują cechy E-E-A-T, niezależnie od tego, jak powstały. Właściwe wykorzystanie AI nie narusza wytycznych, o ile nie służy przede wszystkim manipulowaniu rankingami. Dane to potwierdzają: w analizie Ahrefs obejmującej 600 000 stron korelacja między udziałem AI a rankingiem wyniosła 0,011, czyli praktycznie zero.

Granica nie przebiega między człowiekiem a maszyną, lecz między merytoryczną wartością a spamem. Tam, gdzie AI jest używana na masową skalę bez ludzkiego dopracowania, obraz się zmienia. W analizie Originality.ai 100% witryn objętych działaniem ręcznym korzystało z AI. Długoterminowy eksperyment SE Ranking z 20 domenami i około 2000 artykułów w całości wygenerowanych przez AI pokazuje ten wzorzec:

Na początku ponad 28% adresów URL znajdowało się w top 100, a trzy miesiące po publikacji już tylko 3%. Ważne dla pełnego obrazu: po sierpniowej aktualizacji z 2025 roku udział odbił do około 20% w top 100. Czyste, niedopracowane treści AI początkowo mocno tracą, ale nie są skazane na porażkę na zawsze. Kluczowe pozostają Who, How i Why: kto odpowiada za treść, jak powstała i po co istnieje dla czytelników.

E-E-A-T spotyka GEO

Czym E-E-A-T jest dla klasycznego wyszukiwania, tym coraz częściej staje się dla systemów generatywnych. Generative Engine Optimization (GEO) to optymalizacja pod kątem widoczności w AI Overviews, ChatGPT, Perplexity i podobnych silnikach, a najskuteczniejszymi dźwigniami są klasyczne sygnały zaufania.

Badanie naukowe (KDD 2024) na podstawie 10 000 zapytań pokazuje, że widoczność w odpowiedziach generatywnych można zwiększyć nawet o 40%. Najskuteczniejsze okazały się metody merytoryczne, które bezpośrednio pracują na E-E-A-T: badanie wskazuje cytaty, statystyki i podawanie źródeł ze względną poprawą o 30 do 40% mierzonej widoczności. To operacyjny pomost między oboma światami: kto popiera swoje twierdzenia weryfikowalnymi źródłami, cytatami z przypisanym autorem i solidnymi statystykami, wytwarza dokładnie te sygnały zaufania, które systemy generatywne najchętniej podchwytują i cytują.

Wniosek strategiczny jest jednoznaczny. E-E-A-T nie jest już wyłącznie tematem Google. Ugruntowana ekspertyza autorów, udokumentowane źródła i własne dane to waluta cytowalności. To ważne także dlatego, że kliknięć jest coraz mniej. W badaniu SparkToro w UE 374 na 1000 wyszukiwań w Google trafiało do otwartej sieci (37,4%), przy odsetku zero-click na poziomie 59,7%. Kto nie jest cytowany w odpowiedziach AI jako wiarygodne źródło, traci widoczność, której klasyczne kliknięcie już nie odda.

Art. 50 AI Act UE jako punkt styku z elementem Trust

Element Trust zyskuje w UE wymiar prawny. Unijny AI Act wprowadza w art. 50 obowiązki przejrzystości dla treści generowanych przez AI. W Szwajcarii nie obowiązuje bezpośrednio, ale dotyczy szwajcarskich dostawców i podmiotów stosujących, gdy tylko wyniki ich systemów AI są wykorzystywane w UE. Dostawcy systemów AI, które generują syntetyczny tekst, obraz, dźwięk lub wideo, muszą oznaczać te wyniki w formacie nadającym się do odczytu maszynowego jako wygenerowane sztucznie. Podmioty stosujące muszą ujawniać, że tekst został wygenerowany lub zmanipulowany przez AI, jeśli jest publikowany w celu informowania opinii publicznej o sprawach leżących w interesie publicznym. Obowiązek ten nie ma zastosowania, jeśli tekst został sprawdzony przez człowieka lub poddany kontroli redakcyjnej, a osoba fizyczna lub prawna ponosi odpowiedzialność redakcyjną za publikację. Obowiązki przejrzystości z art. 50 mają zastosowanie od 2 sierpnia 2026 roku. W przypadku systemów generatywnej AI, które były na rynku już wcześniej, dostawcy mają zgodnie z rozporządzeniem AI Omnibus czas do 2 grudnia 2026 roku na wdrożenie oznaczania w formacie maszynowym.

Strategicznie ta regulacja precyzyjnie wpisuje się w ideę zaufania stojącą za E-E-A-T. Od 2 sierpnia 2026 roku przejrzystość w zakresie wykorzystania AI nie jest w tych przypadkach dobrowolnym gestem, lecz kwestią zgodności z prawem. Wyjątek dla tekstów objętych odpowiedzialnością redakcyjną nawiązuje dokładnie do tego, czego E-E-A-T i tak wymaga: weryfikacji przez człowieka i osoby, która odpowiada za treść. Kto dodatkowo otwarcie oznacza, gdzie pracowała AI, zamienia przepis w sygnał zaufania. Obowiązek przejrzystości i idea zaufania prowadzą w tym samym kierunku.

Experience w praktyce

Experience to komponent najtrudniejszy do podrobienia, a więc najsilniejszy wyróżnik wobec syntezy AI. Model językowy nie ma własnego doświadczenia, tylko rekombinuje istniejącą wiedzę. Kto dokumentuje doświadczenie z pierwszej ręki, dostarcza informacji, których nie ma w istniejącym korpusie, i tym samym tworzy Information Gain.

Własne testy i oryginalne dane: Samodzielnie przeprowadzone testy, pomiary czy własna ankieta branżowa dostarczają liczb, których nie ma nigdzie indziej. Są jednocześnie dowodem Experience i cytowalnym zasobem GEO.

Case study: Udokumentowane projekty z konkretnym punktem wyjścia, sposobem działania i wynikiem dowodzą doświadczenia praktycznego i są szczególnie wiarygodne w kontekście B2B.

Zrzuty ekranu i dowody procesu: Oryginalne materiały z własnej pracy, na przykład analizy czy udokumentowane procesy, uwidaczniają Experience i odróżniają relację z doświadczenia od streszczenia.

Information Gain jako probierz: Proste pytanie kontrolne brzmi: co jest w tej treści, czego nie ma już w pierwszych dziesięciu wynikach? Jeśli odpowiedzią jest własne doświadczenie, Experience zostało przełożone na praktykę.

E-E-A-T dla B2B na rynkach lokalnych

Na rynkach lokalnych E-E-A-T ma swoją specyfikę, ponieważ zaufanie jest tam silnie powiązane z sygnałami lokalnymi i językowymi.

Lokalne sygnały zaufania: Pełna nota prawna zgodna z lokalnym prawem, regionalne adresy i lokalna dostępność działają silniej niż ogólne dane międzynarodowe.

Autorytet branżowy: Członkostwa i profile w izbach i stowarzyszeniach branżowych, na przykład w WKO w Austrii, a także obecność w lokalnych mediach branżowych to trudne do skopiowania kotwice autorytetu, których międzynarodowi konkurenci nie odtworzą tak po prostu.

Język i znaczenie kulturowe: Precyzyjny, merytorycznie poprawny język na poziomie ojczystym sam w sobie jest sygnałem zaufania. Treści wyraźnie przetłumaczone maszynowo lub generyczne podważają zaufanie, zwłaszcza w oczach wymagającej publiczności B2B.

Dane regionalne: Liczby, sytuacja prawna i dane rynkowe specyficzne dla danego kraju lub regionu dostarczają treści, której brakuje w zdominowanym globalnie korpusie, i wzmacniają zarówno Expertise, jak i Information Gain.

Pomiar i monitoring

E-E-A-T to nie wskaźnik, który podaje jakieś narzędzie. Ponieważ nie jest bezpośrednim czynnikiem rankingowym, można go śledzić tylko pośrednio, za pomocą sygnałów zastępczych. Kluczowe jest konsekwentne obserwowanie właściwych wskaźników w czasie.

Wyszukiwania brandowe: Rosnąca liczba wyszukiwań własnej marki lub nazwiska autora to mocna przesłanka rosnącego autorytetu i zaufania.

Backlinki i wzmianki: Linki i wzmianki z autorytatywnych źródeł dowodzą zewnętrznego uznania, na którym opiera się A w E-E-A-T. Liczy się jakość źródła, nie tylko ilość.

Wzmianki o marce w odpowiedziach AI: To, czy i jak często własna marka lub własni autorzy pojawiają się jako źródło w AI Overviews, ChatGPT czy Perplexity, jest najbardziej bezpośrednim dostępnym wskaźnikiem E-E-A-T w erze generatywnej.

Widoczność autorów: Obecność i spójność encji autora na różnych platformach pokazują, czy sygnały Who działają.

Ważna jest właściwa interpretacja: te metryki to korelaty, a nie dowód przyczynowości ani pokrętło do sterowania. Pomagają ustalać priorytety i pokazują trendy, ale nie zastępują własnych testów. Praca nad E-E-A-T działa powoli i kumulatywnie, dlatego kwartalny przegląd trendów mówi więcej niż obserwacja pojedynczych wartości tygodniowych.

Dalsza lektura

E-E-A-T spina jakość treści w erze wyszukiwania generatywnego: to koncepcja oceny, która nie wpływa bezpośrednio na ranking, ale której logika jest taka sama od klasycznego wyszukiwania po odpowiedzi AI. Praktyczny wniosek jest jednoznaczny: widoczne autorstwo z Person Schema, udokumentowane sygnały zaufania, doświadczenie z pierwszej ręki i weryfikowalne źródła to nie miły dodatek, lecz warunek uznania za wiarygodne źródło w wyszukiwarce i w odpowiedziach AI. Kolejnym krokiem powinien być audyt E-E-A-T najważniejszych stron, budowa ustrukturyzowanych profili autorów oraz powiązanie tego ze strategią GEO i Information Gain, aby własna merytoryczna treść była w odpowiedziach AI cytowana, a nie tylko parafrazowana. Od 2 sierpnia 2026 roku obowiązuje art. 50 unijnego AI Act, który w określonych przypadkach wprowadza obowiązek oznaczania AI. Tam, gdzie teksty objęte odpowiedzialnością redakcyjną są z niego zwolnione, dobrowolne oznaczanie staje się aktywnym sygnałem zaufania.