Jak tworzyć lepsze treści z AI?

Nic tak nie odstrasza użytkownika i widoczności w Google jak generyczny tekst wypluty przez AI. Jak uniknąć takich kwiatków i korzystać z AI do pisania, a jednocześnie nie tworzyć AI-slopu? Wszystko sprowadza się do jednego: nie automatyzować myślenia - AI ma nas wspierać, a nie zastępować nasz osąd i perspektywę.

Spis treści:

1. Pułapka wygody: dlaczego wszystko skręca w bylejakość
2. Zderzenie z rzeczywistością w YOSA: ludzki insight jako fundament
3. Intencja z SERP jako absolutna baza do generacji
4. Kontekst z własnego podwórka
5. Dane z sieci jako uziemienie dla faktów
6. Generowanie krok po kroku zamiast jednej komendy
7. Szlifowanie promptów to ciągły proces
8. Podsumowanie w punktach

Pułapka wygody: dlaczego wszystko skręca w bylejakość

AI nas rozleniwia.

Często łatwiej jest mi wrzucić zadanie stworzenia jakiegoś hasła czy innego copy do modelu i liczyć na to, że wypadnie "coś sensownego", co sobie potem dostosuję, zamiast samodzielnie mierzyć się z białą kartką. To jednak pułapka.

Korzystanie z AI w ten sposób robi nam powoli to samo, co wielu Amerykanom zrobiło uzależnienie większości transportu od samochodów. W pewnym momencie pójście gdzieś zamiast pojechania autem jest już prawie niemożliwe.

Albo inaczej - to jak jeżdżenie codziennie windą gdy mieszkamy na 3 piętrze. Dowiezie Cię na górę bez wysiłku, ale jeśli będziesz to robić absolutnie zawsze, to któregoś dnia może się okazać że już nie wejdziesz po schodach o własnych siłach, albo przynajmniej będzie to niezłe wyzwanie.

Ten problem jest głębszy niż się wydaje, ale to nie tekst o psychologii czy zmianach społecznych, więc na tym się zatrzymam.

W procesie twórczym mięśniami których nie używamy, gdy wszystko od razu wrzucamy do naszego ulubionego Claude czy ChatGPT jest krytyczne myślenie i szeroko pojęta kreatywność.

Gdy zastępujemy je LLM-em, stopniowo tracimy wiarygodność i unikalność, a nasze treści stają się przezroczyste.

Zderzenie z rzeczywistością w YOSA: ludzki insight jako fundament

Największym kluczem do użytecznej generacji zawsze będzie Twój własny osąd, autentyczna opinia i doświadczenie.

Model językowy nie przeżył tego co Ty, nie przetestował narzędzi w boju i po prostu nie wymyśli unikalnej perspektywy.

Kiedy zdasz się na niego całkowicie, otrzymasz materiał poprawny, ale boleśnie przeciętny. Sztuczna inteligencja z natury dąży do uśredniania informacji, a uśredniona informacja w Internecie pełnym AI slopu po prostu ginie w tłumie.

Projektując i rozwijając YOSA na początku też wpadliśmy w tę pułapkę i chcieliśmy, żeby użytkownik tylko wpisał słowo kluczowe i dostawał gotowy idealny tekst. Zachłysnęliśmy się wizją pełnej automatyzacji.

W ten sposób przez ponad rok powstawało nieco lepsze niż przeciętne programmatic SEO, ale nie o to przecież nam chodziło.

W efekcie, w ostatnich miesiącach zrobiliśmy parę kroków wstecz, sporo zmieniliśmy i teraz wychodzimy z prostego założenia, że zawsze to człowiek ma dostarczyć esencję.

Stworzyliśmy środowisko, w którym użytkownik może zrzucić w kilku zdaniach skrócony zapis tego, co faktycznie myśli, podać swoje spostrzeżenia i doświadczenia.

YOSA ma jedynie obudować to zautomatyzowanym, ustrukturyzowanym procesem, przekształcając luźne notatki w gotowy materiał do sprawdzenia.

AI staje się akceleratorem (a nie zamiennikiem) dla naszych myśli.

Oto parę kluczowych etapów z naszego procesu generacji, dzięki którym to osiągnęliśmy.

Intencja z SERP jako absolutna baza do generacji

Jeśli chcesz pisać pod SEO to rozpoczęcie pracy z AI bez precyzyjnego określenia intencji użytkownika na podstawie SERP moim zdaniem skazuje tekst na porażkę.

To intencja (czyli opis tego, co chce zrobić czytający) definiuje strukturę, układ nagłówków i zakres tematyczny tekstu.

Słowa kluczowe to wierzchołek góry lodowej. Trzeba je rozbić na mikro-intencje i szczegółowe pytania.

Przykładowo, użytkownik wpisujący hasło informacyjne często znajduje się w konkretnym momencie ścieżki decyzyjnej - porównuje rozwiązania, szuka rozwiania swoich obaw albo potrzebuje szybkiej definicji. Zignorowanie tego kontekstu kończy się tekstem, który mija się z oczekiwaniami.

Dlatego agenci AI działający w YOSA, zanim ułożą choćby pierwsze słowo artykułu, analizują wyniki wyszukiwania. Skanujemy to, co już zajmuje pozycje, żeby wyciągnąć kluczowe wątki decyzyjne i na ich podstawie zbudować logiczny szkic tekstu.

Odpowiedź na potrzebę czytelnika zaczyna się od analizy wyszukiwarki. Dopiero gdy mamy pewność, że zidentyfikowaliśmy prawdziwą intencję, AI dostaje zielone światło do układania struktury.

Zanim sprocesowaliśmy to w YOSA, robiłem to ręcznie w bardzo prosty sposób: po prostu patrzyłem co wyświetla się w wynikach na słowa kluczowe pod które chciałem stworzyć tekst. Sprawdzałem jakie nagłówki i powiązane zapytania przewijają się przez teksty i co AI podpowiada jako kolejne zapytania.

Jeśli aktualizujesz tekst, który wisi już dłużej na stronie, zerknij do Google Search Console. Przefiltruj wyniki przez URL tekstu i zobacz, na jakie zapytania wyszukiwarka go wyświetlała. Google często "testuje" podstrony na powiązane wyniki, żeby zobaczyć, czy spełniają one intencje.

Kontekst z własnego podwórka

LLM-y, nawet te o największej liczbie parametrów, mają wbudowaną tendencję do uśredniania, bo w gruncie rzeczy po prostu przewidują jakie słowo ma się pojawić następne przy danej kombinacji słów.

Jeśli nie zawęzisz im pola działania, będą produkować lanie wody, całkowicie pozbawione specyfiki konkretnej marki. To właśnie ten brak głębi sprawia, że tak łatwo rozpoznać wygenerowane teksty.

Wyeliminowanie tego problemu wymaga zasilenia systemu własnymi danymi.

W YOSA realizujemy to przez Knowledge Base. Mechanizm ten tworzy bazę wiedzy dla AI z treści, które już masz na stronie. Możesz też zasilać go własnymi plikami. W trakcie generowania wyciągamy z tej bazy odpowiednie fragmenty treści i podstawiamy je AI jako kontekst.

W efekcie sztuczna inteligencja przestaje zgadywać i zaczyna operować wyłącznie na konkretnych faktach z Twojej wiedzy.

To radykalnie podnosi jakość tekstu, bo system w ten sposób odnosi się do Twojego unikalnego kontekstu biznesowego, którego konkurencja po prostu nie posiada. Nie budujesz autorytetu od zera z każdym kolejnym tekstem, tylko zmuszasz model, by stał się przedłużeniem Twojego doświadczenia.

Poza YOSA można to osiągnąć poprzez po prostu tworzenie rozbudowanych promptów z fragmentami kontekstu z własnej treści lub załączanie plików do generacji wraz z opisami czym są i do czego mają służyć.

Dane z sieci jako uziemienie dla faktów

Samo dostarczenie bazy wiedzy to połowa sukcesu, bo nie ma przecież strony, na której jest wszystko (tak, nawet na Wikipedii), a modele językowe wciąż miewają skłonności do halucynacji.

Właśnie tutaj do gry wchodzi mechanizm groundingu, czyli osadzania informacji w rzeczywistości poprzez przeszukiwanie sieci w czasie rzeczywistym.

Grounding dostarcza aktualnych, weryfikowalnych danych, minimalizując ryzyko zmyślania przez sztuczną inteligencję.

Budujemy mechanizm: kiedy AI generuje fakt lub argument, musi go podeprzeć informacją znalezioną w sieci.

Merytoryka to absolutny fundament, na którym buduje się zaufanie - zarówno w oczach czytelnika, jak i wyszukiwarki.

Wystarczy spojrzeć na statystyki dostarczone przez Semrush. Wynika z nich jasno, że teksty tworzone lub weryfikowane przez człowieka nadal dominują na najwyższych pozycjach - stanowią aż 80% wyników w TOP 1. Z kolei treści będące w 100% czystym dziełem AI zajmują tam zaledwie 9%.

To dowód na to, że wysoka jakość, unikalność i prawda weryfikowana na bieżąco dają przewagę.

Jak to zrobić "manualnie"? Ze wszystkich wskazówek, które tu wypisuję, ta jest chyba najtrudniejsza do wykorzystania samodzielnie, ale podpowiem: spróbuj włączyć wyszukiwanie w swoim ulubionym asystencie AI.

Ewentualnie zacznij od poproszenia go o research w sieci dając mu szkic artykułu, a potem tym researchem i szkicem zasil właściwe generowanie.

Dokładnie z tego typu "ręcznych" praktyk wyrósł proces, który zbudowaliśmy w YOSA i dodaliśmy w tle do każdej generacji.

Generowanie krok po kroku zamiast jednej komendy

Jednym z największych błędów przy pracy z AI jest oczekiwanie, że pojedynczy prompt wystarczy do stworzenia gotowego tekstu. Takie podejście niemal zawsze kończy się rozczarowaniem, nawet jeśli prompt jest gigantyczny i dobrze przemyślany, bo odbiera Ci jakakolwiek możliwość kontroli nad architekturą tekstu.

Tworzenie treści z AI działa o niebo lepiej gdy jest ustrukturyzowane i podzielone na etapy.

Ja to robiłem tak - najpierw spisywałem wytyczne SEO w oparciu o słowa kluczowe. Potem z AI przekształcałem je w szczegółowy brief określający nagłówki i wymagane informacje. Weryfikowałem i dostosowywałem ten szkielet. I dopiero wtedy uruchamiałem właściwą generację akapitów.

Taki system etapowy pozwala na szybką interwencję na bardzo wczesnym etapie. Jeśli model źle zinterpretuje intencję przy nagłówku H2, poprawiasz jedno zdanie w briefie. Alternatywą jest desperackie przepisywanie 8000 znaków gotowego, ale kompletnie przestrzelonego merytorycznie artykułu.

W YOSA też tak robimy, z tym, że z pomocą różnych wielokrotnych weryfikacji i ograniczeń dla modeli zautomatyzowaliśmy ten proces do maksimum, tak, żeby nie trzeba było poprawiać i sprawdzać każdego etapu, ale żeby jednocześnie zachować zalety stopniowego generowania.

Szlifowanie promptów to ciągły proces

Zapanowanie nad tym jak brzmi wygenerowany materiał nie kończy się na wpisaniu przed generacją komendy proszącej o konkretny ton.

Konieczność utrzymania spójnego języka marki, który nie brzmi jak robotyczna papka, wymaga strategicznego podejścia do stylu, tonu oraz formatowania. W praktyce jest to zwykle spisanie instrukcji co do tego jak pisać, którą załączasz do każdego tekstu.

W YOSA zrobiliśmy to za pomocą Brand Voice, który sam proponuje Ci gotową instrukcję na podstawie tego co masz na stronie (żeby nie zaczynać od zera). Twoim zadaniem jest tylko (i aż!) jej weryfikacja i dostosowanie.

W agencji szybko nauczyliśmy się jednej żelaznej zasady, którą wdrożyliśmy jako filozofię operacyjną przy pracy z YOSA:

Jeśli podczas redakcji wygenerowanego wpisu widzisz, że regularnie powtarzają się w nim te same formułki lub coś nie gra z formą, to nie powinieneś ich wyłącznie poprawiać w edytorze tekstu :D

Twoim obowiązkiem jest powrót do panelu konfiguracyjnego Brand Voice i odpowiednie poprawienie reguł. Algorytm, jakkolwiek nie byłby zaawansowany, nigdy nie zrobi ideału za pierwszym razem. W ten sposób eliminujesz błędy systemowo i sprawiasz, że każda kolejna wygenerowana paczka tekstów jest o krok bliżej ideału.

Przy pracy z własnymi promptami z dowolnym LLM-em też można tak działać, trzeba tylko stosować zawsze ten sam, stopniowo ulepszany opis stylu.

Podsumowanie w punktach i na grafice

1. W generowaniu treści wygrywa ten, kto potrafi okiełznać technologię i nałożyć na nią własne, rygorystyczne ramy jakości.
2. Współpraca człowieka z AI musi polegać na inteligentnym delegowaniu najnudniejszych elementów pracy, przy zachowaniu pełnej kontroli nad myślą przewodnią.
3. Jeśli piszesz z myślą o SEO, oprzyj generację na precyzyjnej analizie intencji użytkownika z wyników SERP, zanim zaczniesz tworzyć tekst.
4. Wykorzystuj swoją bazę wiedzy, aby osadzić modele w faktach i autentycznym kontekście Twojej firmy.
5. Stosuj przeszukiwanie sieci w czasie rzeczywistym, by unikać halucynacji i dostarczać weryfikowalne dane.
6. Twórz artykuły etapami - od wytycznych, przez akceptację briefu, aż po właściwą generację.
7. Traktuj tworzenie instrukcji stylu, tonu i formy treści jak ciągły proces - systematycznie eliminuj to, co Ci nie odpowiada na poziomie systemowych reguł.
8. Pamiętaj, że największą wartością treści zawsze będzie Twój osobisty, ludzki pomysł oparty na własnym osądzie czy doświadczeniu, którego technologia nie wykreuje sama.
9. AI ma tylko pomóc Ci podzielić się Twoim pomysłem z innymi.