Jak zoptymalizować stronę pod asystentów AI: nowy audyt Google, llms.txt i to, co już masz w dobrym SEO

W poprzednim wpisie pokazałem na danych z 21 domen, że asystenci AI wysyłają coraz więcej ruchu i rozdają go według innych reguł niż Google. Naturalne kolejne pytanie brzmi: co konkretnie zrobić na stronie, żeby po tym ruchu sięgnąć. Odpowiedź jest częściowo nudna, bo większość pracy pokrywa się z dobrym SEO, i częściowo świeża, bo od maja 2026 sam Google mierzy gotowość stron na agentów AI osobnym audytem. Przepuściłem przez niego swoje strony i opisuję, co z tego wynika.

Google ocenia już strony pod kątem agentów

W maju 2026 Lighthouse, silnik stojący za PageSpeed Insights, dostał nową kategorię obok wydajności, SEO i dostępności: Agentic Browsing. Ocenia ona, czy strona nadaje się do czytania i obsługi przez agenta AI działającego bez człowieka. Wynik nie jest punktacją 0–100, tylko licznikiem zaliczonych kontroli, np. 3/3.

Sprawdzane są cztery rzeczy:

Audyt	Co sprawdza	Dlaczego to ważne dla agenta
Drzewo dostępności	Czy semantyczna struktura strony jest poprawna	Agent parsuje strukturę, nie wygląd; dobre a11y to dla niego mapa strony
Stabilność layoutu (CLS)	Czy elementy nie skaczą po załadowaniu	Agent działający na zrzutach ekranu klika tam, gdzie coś było przed chwilą
llms.txt	Czy w rootcie domeny leży poprawny plik opisowy	Maszynowy spis treści serwisu
WebMCP	Czy formularze mają adnotacje i zarejestrowane narzędzia dla agentów	Agent wywołuje funkcję strony zamiast zgadywać pola formularza

Uruchomiłem ten audyt przez API na swoich stronach. karol-leszczynski.pl i inkmagnet.com przechodzą część ocenianą (drzewo dostępności i CLS) w komplecie, przy wydajności mobilnej 96–97/100. Audyty llms.txt i WebMCP są na razie informacyjne, nie obniżają wyniku, i u mnie oba świecą pustką, bo żadna z moich 21 domen nie ma llms.txt. Kategoria jest oznaczona jako rozwojowa, więc zestaw kontroli będzie się zmieniał. Kierunek jest jednak jednoznaczny: Google traktuje agentów jako trzeciego odbiorcę strony, obok człowieka i crawlera.

Sprawdzisz to bez API: wpisz adres na pagespeed.web.dev, kategoria pojawia się w raporcie obok pozostałych.

Cztery piąte roboty już znasz z SEO

Zanim dojdziemy do nowości, jedno trzeba powiedzieć wprost, bo rynek zaczyna sprzedawać „optymalizację pod AI” jak osobną magię. Asystent, który szuka źródeł do odpowiedzi, zachowuje się jak bardzo wymagający crawler: pobiera HTML, czyta treść, ocenia dopasowanie do pytania. Wszystko, co od lat robi się w porządnym SEO technicznym i treściowym, pracuje też na ten kanał.

Konkretnie pokrywają się: szybkość działania strony (agent ma budżet czasu jak Googlebot), semantyczny HTML z sensowną hierarchią nagłówków, treść dostępna bez wykonywania skryptów, brak treści zamkniętej w grafikach i klarowne odpowiadanie na pytania użytkownika zamiast ogólników. Jeśli strona ma to zrobione, większość „optymalizacji pod AI” ma za darmo. Jeśli nie ma, żaden llms.txt tego nie nadrobi.

Różnica leży w rozkładzie akcentów. Klasyczny ranking mocno waży autorytet domeny, a asystent w chwili odpowiedzi waży dopasowanie treści do konkretnego, długiego pytania. Dlatego w danych z poprzedniego wpisu strony słabe w Google potrafią mieć 20–60% ruchu z AI: treść odpowiadała na pytanie, choć profil linków nie istniał.

Co dołożyć ponad dobre SEO

Pierwsza rzecz to robots.txt. Boty asystentów (GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot, Google-Extended) respektują ten plik, a spora część serwisów blokuje je hurtem, czasem nieświadomie, bo reguła przyjechała z szablonem albo z poradnika „chroń treść przed AI”. To jest legalna decyzja biznesowa, ale trzeba ją podjąć świadomie: strona zamknięta przed botami nie zostanie zacytowana ani polecona. Moje domeny przepuszczają wszystkie te boty i to nie jest przypadek.

Druga rzecz to dane strukturalne. JSON-LD z typami Organization, Service, Product, FAQPage czy Article podaje maszynie fakty w formie, której nie trzeba zgadywać z prozy: co sprzedajesz, za ile, gdzie działasz, jakie pytania obsługujesz. Dla klasycznego Google to od lat standard; dla modelu budującego odpowiedź to gotowe klocki faktów. Schema nie zastąpi treści, ale usuwa niejednoznaczność.

Trzecia to llms.txt: plik markdown w rootcie domeny z nazwą serwisu (nagłówek H1), zwięzłym opisem, czym serwis jest, i linkami do najważniejszych treści. Uczciwie: to społecznościowa specyfikacja i twardych dowodów, że najwięksi dostawcy masowo z niej korzystają, dziś nie ma. Za jej dodaniem przemawiają dwie rzeczy: Lighthouse już ją audytuje, a koszt to pół godziny pracy. Cena jest niska, a zysk niepewny, lecz możliwy.

Czwarta, na horyzoncie, to WebMCP, czyli adnotacje pozwalające agentowi wywołać funkcję strony (wyszukiwarkę, formularz zamówienia) jak narzędzie, zamiast klikać na ślepo. Dziś to audyt bez oceny i wdrażanie go ma sens głównie w aplikacjach, w których agent mógłby realnie coś załatwić za użytkownika. Warto wiedzieć, że istnieje; nie warto jeszcze przebudowywać pod to serwisu.

Jak sprawdzić, czy to działa

Efekt mierzy się w dwóch miejscach. Wejścia: raport pozyskania w GA4 z wymiarem „źródło sesji” i filtrem na chatgpt.com, copilot.com, gemini.google.com, perplexity.ai. Gotowość techniczną: raport PageSpeed z kategorią Agentic Browsing plus ręczny test, czyli wklejenie własnego adresu do asystenta z pytaniem, na które strona powinna odpowiadać, i sprawdzenie, co model z niej wyczytał.

U siebie robię to przy okazji zwykłej opieki nad stronami, bo to są te same czynności: pilnowanie szybkości, poprawnego HTML-a, danych strukturalnych i treści, która odpowiada na pytania. Jeśli chcesz, żeby ktoś zrobił to na Twojej stronie razem z resztą utrzymania, zakres i cennik znajdziesz na stronie opieki nad stroną internetową.

A jeśli zastanawiasz się, czy w ogóle płacić komuś osobno za „pozycjonowanie pod AI”, napisałem o tym osobny wpis — krótka wersja brzmi: przeczytaj najpierw, za co dokładnie miałbyś zapłacić drugi raz.