Nowe SEO ma elementy Ukrytego Porządku

Nowe SEO ma elementy Ukrytego Porządku (nieprzejrzyste modele, umowy wydawcy↔AI, zasady doboru źródeł), ale jednocześnie istnieje zestaw publicznych dźwigni, dzięki którym marki mogą przewidywalnie zwiększać szansę bycia cytowanymi i polecanymi przez silniki generatywne.

Co jest „ukryte”

Modele to wciąż „czarne skrzynki” – ich logika doboru i ważenia sygnałów jest częściowo niejawna i trudna do wyjaśnienia (nawet dla twórców), co opisuje literatura o „algorytmicznej nieprzejrzystości” i potrzebie XAI.
Warstwa negocjacji i dostępu – Answer Engines zawierają umowy z wydawcami (np. Le Monde ↔ Perplexity), które wpływają na licencje, zakres treści i sposób cytowania poza tym, co widzi użytkownik.
Różnice między silnikami – Google AI Overviews/AI Mode, Perplexity i ChatGPT różnie dobierają i pokazują źródła; nie ma jednego „jawnego” algorytmu cytowania.
Ramy komercyjne – wejście w agentic commerce (np. Instant Checkout w ChatGPT) to warstwa reguł i kwalifikacji handlowych, których szczegóły nie są w pełni transparentne dla wszystkich rynków/merchantów.

Co jest „jawne” i powtarzalne

Perplexity deklaruje transparentne cytowania (linki do źródeł przy odpowiedziach), a niezależne przeglądy pokazują, że różne silniki konsekwentnie ujawniają część źródeł – to dźwignia, na którą można pracować.
Google komunikuje cele i efekty AIO (więcej zapytań, „wyższej jakości” kliknięcia w linki zawarte w AI Overviews), więc wiemy, że da się z tych linków pozyskiwać ruch – o ile trafisz do zestawu cytowanych stron.
Fame Engineering/GEO opisuje jawny zestaw praktyk: buduj „AI availability” marki tak, by modele rozpoznawały, rozumiały i rekomendowały Cię w momencie intencji (Answer Hubs, cytowalne dane, Earned Media). To nie magia – to proces.
Standardy i sygnały dla LLM: pojawiają się otwarte inicjatywy typu llms.txt (kuratorowane przewodniki po kluczowych treściach w domenie), które mają zmniejszać tarcie między stronami a modelami.
Regulacje (UE AI Act) podnoszą poprzeczkę przejrzystości interakcji z AI i oznaczeń – presja na jawność będzie rosła, nawet jeśli nie „odczaruje” całej czarnej skrzynki.

Jak praktyk „odkrywa” ten porządek (co działa mimo nieprzejrzystości)

Projektuj treści do zacytowania: krótkie, jednoznaczne odpowiedzi + tabele/wnioski + sekcja „Kiedy NIE używać” + jawne „evidence blocks” (liczby, metodologia, źródła). To paliwo do AIO/Perplexity.
Buduj Earned Media i autorytet zewnętrzny: publikacje/raporty z otwartymi danymi (CSV/JSON), eksperckie komentarze – Answer Engines częściej cytują źródła trzecie niż landing „sprzedażowy”.
Ustrukturyzuj dane: schema.org (Organization/Product/FAQ/HowTo/VideoObject/BreadcrumbList) i – gdy to sensowne – llms.txt z kuracją najważniejszych zasobów.
Mierz nowymi KPI:
- AI Answers Coverage (w ilu odpowiedziach pada Twoja marka, per silnik),
- Brand Search Volume,
- Buyer-Intent Sessions z linków w odpowiedziach AI,
- Earned Media Velocity.
  Te metryki są zgodne z tym, co platformy komunikują o AIO (ruch z linków w Overview).
Przygotuj „Tryb Agenta” i handel w czacie: RFQ/Order/BookAction, feedy i polityki pod Instant Checkout, bo odpowiedź → transakcja dzieje się już „w rozmowie”.

Wniosek

Ukryty Porządek istnieje w tym sensie, że nie zobaczymy pełnej receptury (ani wag cech) modeli i platform. Ale nie jest to wiedza „zaklęta” wyłącznie dla gigantów: istnieje zestaw publicznych, powtarzalnych praktyk, które realnie zwiększają szanse bycia cytowanym i polecanym.
Nowe SEO to mniej reverse-engineeringu algorytmu, a bardziej inżynieria cytowalności i dostępności marki dla AI – to esencja Fame Engineering.

Pragmatyczna rada: traktuj modele jak wymagającego redaktora. Daj mu jasne tezy, liczby, źródła, strukturę i drogę do działania. Reszta – choć nie w pełni jawna – zaczyna układać się po Twojej stronie.