AI-asistovaná tvorba obsahu: Čo funguje a čo je trestané

Prečo o pozícii vo vyhľadávaní nerozhoduje spôsob tvorby

Otázka „Trestá Google obsah z AI?“ je v B2B prostredí regiónu DACH nesprávne položená. Analýza 600 000 stránok ukazuje, že 86,5 % stránok na popredných pozíciách obsahuje určitý podiel obsahu generovaného AI, ale len 4,6 % je úplne generovaných AI. Veľká väčšina, 81,9 %, kombinuje oboje, zatiaľ čo 13,5 % napísali výlučne ľudia. Korelácia medzi podielom AI a pozíciou v rebríčku je 0,011, teda prakticky nulová.

Tieto medzinárodné dáta majú jasný dôsledok: Google hodnotí kvalitu, nie pôvod. Pre rakúske firmy a firmy z regiónu DACH je to dôležité, pretože AI je v marketingu už dávno štandardom. Podľa štúdie AI Readiness 2025 od Handelsverband a Google Austria používa AI 68 % opýtaných rakúskych firiem a najčastejším prípadom použitia je tvorba textov so 49 %. Štúdia podľa vlastného uvedenia nie je reprezentatívna, ukazuje však smer. Kto používa AI, nie je v nevýhode. Kto však škáluje AI bez redakčnej kontroly, riskuje penalizáciu.

Kde Google ťahá hranicu medzi obsahom s podporou AI a zneužitím

Google netrestá technológiu, ale jej zneužitie. Rozhodujúca kategória sa volá Scaled Content Abuse. V oficiálnych pravidlách proti spamu Google ako príklad výslovne uvádza postup, keď sa „generatívne nástroje AI používajú na vytvorenie mnohých stránok bez pridanej hodnoty pre používateľov“. Definícia sa nezameriava na nástroj, ale na zámer: masovú produkciu s cieľom manipulovať rebríčky bez úžitku.

Pre B2B redakcie sú dôležité tri vzorce spamu:

Scaled Content Abuse: Masové vytváranie stránok, ktorých hlavným účelom je manipulácia rebríčka. Hranica nie je v počte, ale v chýbajúcej pridanej hodnote každej stránky. Desať podložených odborných článkov napísaných s pomocou AI nie je zneužitie, tisíc generických variácií kľúčových slov áno.

Site Reputation Abuse: Umiestňovanie nekvalitného obsahu tretích strán na zavedenú doménu s cieľom zneužiť jej autoritu. V B2B sa to týka napríklad kúpených „partnerských sekcií“ alebo externe prevádzkovaných častí blogu.

Expired Domain Abuse: Skupovanie expirovaných domén s cieľom zneužiť ich profil odkazov pre nový obsah, ktorý sa často masovo vytvára pomocou AI.

Táto politika má merateľný účinok. S aktualizáciou March 2024 Core Update a sprievodnými pravidlami proti spamu Google pôvodne očakával o 40 % menej nekvalitného obsahu, po dokončení zavádzania firma oznámila dokonca o 45 % menej nekvalitného, neoriginálneho obsahu vo výsledkoch vyhľadávania. Záver pre B2B v regióne DACH je jednoznačný: škálovanie bez podstaty Google systematicky znehodnocuje.

E-E-A-T ako hodnotiaci rámec pre obsah z AI

Ak nerozhoduje metóda, rozhoduje preukázateľná kvalita. Google ju hodnotí podľa rámca E-E-A-T: Experience, Expertise, Authoritativeness a Trust, teda podľa skúseností, odbornosti, autority a dôveryhodnosti. Každý z týchto rozmerov môžeš pri obsahu vytváranom s pomocou AI cielene posilniť.

Experience: Vlastná skúsenosť je rozmer, ktorý jazykový model nedokáže dodať. LLM nikdy sám nepoužil nástroj ani neviedol projekt. Tu vzniká najväčší ľudský prínos: konkrétne príklady z projektov, vlastné snímky obrazovky, zdokumentované výsledky zo skutočných zákaziek.

Expertise: Odborná hĺbka musí byť podložená overiteľnými tvrdeniami. Práve tu zlyháva text z AI prevzatý bez kontroly, pretože modely vytvárajú vierohodne znejúce, no nesprávne detaily.

Authoritativeness: Kľúčové sú signály autora. Skutočný životopis autora s kvalifikáciou, prelinkovaná profilová stránka a konzistentná tematická autorita naprieč viacerými článkami signalizujú, že za textom stojí konkrétna, identifikovateľná osoba.

Trust: Uvádzanie zdrojov, aktuálnosť, údaje o prevádzkovateľovi a správnosť. Dôvera je nadradený rozmer, ktorý drží pokope všetky ostatné.

Že tu zíva medzera, ukazuje nemecký trh: podľa Bitkom Research 52 % firiem uvádza, že marketingovým oddeleniam často chýbajú potrebné kompetencie na zmysluplné využitie AI. Zároveň je 51 % presvedčených, že generatívna AI už dnes preberá významnú časť kreatívnej marketingovej práce. Táto kombinácia, vysoké využívanie pri nízkej kompetencii, je presne prostredie, v ktorom Scaled Content Abuse vzniká neúmyselne.

Information Gain: rozhodujúci faktor odlíšenia

Information Gain označuje dodatočnú informačnú hodnotu, ktorú stránka ponúka oproti už indexovanému obsahu. Generický výstup LLM má z definície nízky Information Gain, pretože čerpá z rovnakých tréningových dát ako tisíce iných textov. Kto chce v B2B v regióne DACH zostať viditeľný, musí túto pridanú hodnotu aktívne vytvárať.

Konkrétne páky pre Information Gain:

Originálne dáta: Vlastné prieskumy, odvetvové ukazovatele, anonymizované dáta zo zákaziek alebo vyhodnotenia z vlastných nástrojov. Tieto čísla neexistujú v žiadnom tréningovom súbore dát.

Prípadové štúdie: Zdokumentované scenáre pred a po zo skutočných projektov, ideálne s kontextom k odvetviu, východiskovej situácii a výsledku.

Príklady z praxe: Konkrétne použitie namiesto abstraktných princípov. Skutočný redakčný proces má väčšiu hodnotu ako zoznam všeobecných osvedčených postupov.

Vlastná analýza: Zdôvodnený odborný postoj, ktorý ide nad rámec zhrnutia existujúcich zdrojov.

Information Gain je vierohodným vysvetlením toho, prečo stránky na najvyšších pozíciách mávajú o niečo nižší podiel obsahu z AI. Na špičke pravdepodobne rozhoduje to, čo môžu prispieť len ľudia so skutočnou skúsenosťou.

Hybridný pracovný postup v praxi

Preukázateľne úspešný prístup je hybridný: AI preberá škálovanie a prípravnú prácu, človek zabezpečuje kvalitu a E-E-A-T. Redakčný proces pre B2B obsah v regióne DACH, ktorý obstojí v praxi, sa dá rozdeliť do štyroch fáz.

Fáza 1, rešerš a štruktúra (AI): Rešerš tém, mapovanie zámeru vyhľadávania, návrhy osnovy a pokrytie sémantických kľúčových slov. Tu je AI rýchla a dôkladná.

Fáza 2, koncept (AI s brífingom): Prvý koncept textu na základe presného brífingu vrátane tónu komunikácie, cieľovej skupiny a vlastných dát, ktoré treba zapracovať. Koncept je surovina, nie hotový produkt.

Fáza 3, overenie faktov a obohatenie (človek): Každé číslo, každá štúdia a každé tvrdenie sa overí voči skutočnému zdroju. Sem patria vlastné dáta, prípadové štúdie a príklady z praxe, ktoré model nepozná.

Fáza 4, kontrola kvality (človek): Tón komunikácie, jazyková správnosť, signály E-E-A-T, priradenie autora a finálne schválenie. Až po tejto fáze sa text zverejní.

Záväzné kritériá kvality pred zverejnením: každá štatistika podložená overeným zdrojom, žiadne vymyslené štúdie, jasne priradený autor, preukázateľná skúsenosť v texte a zreteľný Information Gain oproti tomu, čo by vygeneroval bežný LLM.

Časté chyby: thin content, duplicitný obsah a halucinácie

Automatizovaná produkcia prináša tri opakujúce sa zdroje chýb. Každý z nich sa dá zachytiť pred zverejnením.

Halucinácie AI: Jazykové modely si vymýšľajú štatistiky, štúdie, citáty a zdroje, ktoré pôsobia presvedčivo, ale neexistujú. Je to najnebezpečnejší zdroj chýb, pretože priamo ničí signál Trust. Protiopatrenie: kontrola zdrojov bez výnimky. Žiadne číslo sa nedostane do textu bez overiteľného pôvodného zdroja.

Thin content: AI vypĺňa odseky správnymi, ale bezcennými všeobecnými frázami. Text pôsobí úplne, no neprináša žiadny Information Gain. Protiopatrenie: pri každom odseku si over, či obsahuje niečo, čo nenájdeš v desiatich iných článkoch.

Duplicitný obsah: Keďže mnohé firmy používajú rovnaké modely s podobnými promptmi, vznikajú takmer identické texty. Protiopatrenie: podstatný vlastný podiel, vlastné dáta a vlastný odborný pohľad.

Účinná kontrola kvality (QA) pred zverejnením systematicky preverí: Sú všetky čísla podložené? Existuje každá citovaná štúdia naozaj? Dá sa text odlíšiť od generických odpovedí LLM? Práve na tejto hranici sa užitočný hybridný obsah oddeľuje od Scaled Content Abuse.

EU AI Act: povinnosti transparentnosti od augusta 2026

Pre rakúske firmy a B2B firmy z regiónu DACH pribúda právny rozmer. Článok 50 EU AI Act upravuje povinnosti transparentnosti pre obsah generovaný AI a platí od 2. augusta 2026. Ktorá povinnosť sa uplatní, závisí od roly. Strojovo čitateľné označenie syntetického obsahu je povinnosťou poskytovateľov generatívnych systémov AI (ods. 2), nie firiem, ktoré píšu texty pomocou cudzích nástrojov. Kto vyvinie vlastný systém AI a uvedie ho do prevádzky pod vlastným menom, aj keď len na vlastné použitie, môže byť podľa čl. 3 sám poskytovateľom. Firmy, ktoré AI používajú, musia podľa ods. 4 pri deepfakoch uviesť, že ide o umelo vytvorený obsah, a označiť texty generované AI, ktoré majú informovať verejnosť o záležitostiach verejného záujmu. Povinnosť pre texty odpadá, ak text prešiel ľudským preskúmaním alebo redakčnou kontrolou a fyzická alebo právnická osoba nesie za jeho zverejnenie redakčnú zodpovednosť.

Čo by firmy mali zaviesť teraz:

Transparentnosť: Zrozumiteľná prax, ako a kde sa AI v procese tvorby obsahu používa. Hybridný spôsob práce s ľudskou redakčnou zodpovednosťou je tu výhodou, pretože človeka ako zodpovednú inštanciu možno jasne pomenovať. Práve za tejto podmienky povinnosť označovať texty odpadá.

Obraz, zvuk a video: Pri deepfakoch treba zverejniť, že ide o umelo vytvorený alebo zmanipulovaný obsah (ods. 4).

Dokumentácia procesu: Interná smernica, ktorá určuje, kto texty vytvorené s pomocou AI kontroluje a schvaľuje, preukazuje redakčnú kontrolu a zároveň slúži ako nástroj kvality.

Keďže sa konkrétny výklad a uplatňovanie v detailoch ešte vyvíjajú, právne posúdenie jednotlivých prípadov by mal sprevádzať odborník. Strategický bod zostáva: kto už aj tak stavia na zrozumiteľných procesoch s redakčnou zodpovednosťou, je na požiadavky transparentnosti dobre pripravený.

Zero-click a GEO: viditeľnosť v odpovediach AI

Viditeľnosť sa presúva od kliknutí k zmienkam. Analýza Pew Research založená na dátach o prehliadaní 900 dospelých v USA ukazuje, že používatelia, ktorým sa vo výsledkoch zobrazí zhrnutie od AI, kliknú na klasický výsledok vyhľadávania len pri 8 % návštev; bez zhrnutia od AI je to 15 %, teda takmer dvakrát častejšie. Na odkaz priamo v zhrnutí kliknú len pri 1 % návštev. Analýza 300 000 kľúčových slov od Ahrefs prichádza k podobnému záveru: prítomnosť AI Overview koreluje s priemerne zhruba o 58 % nižšou mierou prekliknutia na prvý výsledok.

Strategickou odpoveďou je Generative Engine Optimization. Podľa štúdie o GEO môže cielená optimalizácia zvýšiť viditeľnosť v generatívnych odpovediach až o 40 %. Účinný je obsah, ktorý je postavený tak, aby sa dal citovať:

Štatistiky: Konkrétne, podložené čísla, ktoré môže systém AI priamo prevziať.

Citáty a uvádzanie zdrojov: Jasne pripísané výroky a prelinkované pôvodné zdroje zvyšujú pravdepodobnosť citovania.

Jasná štruktúra: Presné definície, jednoznačné odpovede na otázky vo vyhľadávaní a prehľadné členenie s výstižnými medzititulkami.

Stratégia pre DACH: prečo generický obsah z AI v B2B nestačí

V B2B v regióne DACH sa argumenty proti škálovaniu bez podstaty ešte posilňujú. Rozhodujú tri špecifiká trhu.

Jazyk a lokalizácia: Rakúske jazykové zvyklosti, miestne pojmy a právny rámec, napríklad EU AI Act, sa líšia od generického výstupu AI, ktorý je často preložený z angličtiny. Kto sa zameriava na rakúsky trh, musí myslieť lokálne, nie prekladať.

Nákupná cesta v B2B: Nákupné rozhodnutia v B2B trvajú dlho, vyžadujú veľa poradenstva a stavajú na dôvere. Generický obsah odborných nákupcov nepresvedčí, pretože mu chýba práve preukázateľná skúsenosť, ktorú vyžaduje E-E-A-T.

Špecifiká trhu: Kontext odvetvia, regulačné osobitosti a regionálne referencie v regióne DACH rozhodujú o nákupe. Takú hĺbku vytvorí len ľudská odbornosť, nie globálne trénovaný model.

Práve tu je príležitosť: ak veľká časť trhu produkuje generický obsah z AI, lokálne ukotvený obsah založený na skúsenostiach sa odlíši o to výraznejšie.

Prediktívne SEO a architektúra tematických clustrov

Najväčšiu legitímnu hodnotu prináša AI v strategickej prípravnej práci, nie v písaní bez kontroly. Mimoriadne užitočné sú tri oblasti použitia.

Tematické clustre a pilierové stránky: AI pomáha úplne zmapovať tematické oblasti, naplánovať pilierovú stránku (pillar page) s príslušnými článkami clustra a nájsť sémantické medzery.

Mapovanie zámeru vyhľadávania: Systematické priraďovanie kľúčových slov k informačnému, navigačnému, transakčnému alebo komerčnému zámeru sa dá s AI výrazne zrýchliť.

Sémantické kľúčové slová a entity: AI odhalí príbuzné pojmy, entity a tematicky blízke oblasti, ktoré by stránka mala pokryť, aby svoju tému spracovala úplne.

Vo všetkých týchto prípadoch zostáva rozhodujúca ľudská kontrola: AI dodá hypotézy a štruktúru, človek ich overí voči skutočným trhovým dátam a vlastnej skúsenosti.

Meranie a monitoring: ako správne diagnostikovať pokles pozícií

Kto škáluje obsah z AI, potrebuje monitoring, ktorý rozlíši bežné výkyvy od skutočných penalizácií. Pragmatický postup:

Porovnaj s core a spam aktualizáciami: Pri poklese pozícií najprv over, či sa časovo nezhoduje so známou aktualizáciou Googlu. Prepad súbežne so spam aktualizáciou naznačuje problém s kvalitou alebo so škálovaním.

Kontroluj manuálne opatrenia: Google Search Console zobrazuje manuálne opatrenia (Manual Actions) priamo. Ohlásené manuálne opatrenie pre Scaled Content Abuse si vyžaduje vyčistenie dotknutých stránok a žiadosť o opätovné posúdenie.

Sleduj kvalitu obsahu z AI: Na úrovni jednotlivých stránok pozoruj, ktorý obsah stráca viditeľnosť. Ak sa straty hromadia pri plytko spracovaných stránkach s vysokým podielom AI, je to signál chýbajúceho Information Gain.

Reaguj na prepady pozícií: Dotknuté stránky podstatne prepracuj namiesto mazania, pokiaľ téma zostáva relevantná. Doplň vlastné dáta, prípadové štúdie a preukázateľnú skúsenosť, slabý masový text odstráň.

Nadradený princíp platí pre všetky metriky rovnako: Google meria úžitok, nie spôsob tvorby. Monitoring, ktorý stavia do centra kvalitu a Information Gain, je preto účinnejší ako hľadanie jednej hraničnej hodnoty podielu AI, ktorá neexistuje.

Súvisiace témy

Tvorba obsahu s pomocou AI nie je v B2B v regióne DACH rizikom pre pozície vo vyhľadávaní, pokiaľ je zabezpečená ľudská redakčná kontrola, E-E-A-T a Information Gain. Na prehĺbenie sú relevantné tieto témy: E-E-A-T a signály autora, Information Gain ako stratégia odlíšenia, predchádzanie thin contentu a duplicitnému obsahu, stratégia zero-click a GEO a právne požiadavky EU AI Act pre rakúske firmy.