Widoczność medyczna w AI: dlaczego zaufanie do źródła jest ważniejsze niż liczba tekstów?

W skrócie: Przy tematach zdrowotnych modele AI wybierają źródła według wiarygodności, a nie liczby opublikowanych tekstów. Decydują o tym dwie zasady – YMYL i E-E-A-T – które premiują zaufanie do źródła. Ten artykuł tłumaczy oba pojęcia i pokazuje, co konkretnie zrobić, żeby serwis medyczny lub apteka był cytowany przez AI.

Gdy pytasz ChatGPT, Gemini czy Perplexity o lek albo aptekę, model nie dobiera źródeł tak samo jak przy pytaniu o przepis na sernik. Przy zdrowiu w grę wchodzą dodatkowe reguły, bo cena błędu jest wyższa. Poniżej wyjaśniamy, na czym te reguły polegają i jak przełożyć je na praktyczną widoczność w modelach językowych.

Dlaczego przy zdrowiu obowiązują inne reguły

Wyszukiwarki i modele językowe nie traktują wszystkich zapytań jednakowo. Pytanie o najlepszy film na weekend a pytanie o dawkowanie leku dla dziecka to dla algorytmu dwie różne sytuacje. W pierwszej błąd kosztuje zmarnowany wieczór. W drugiej – może zaszkodzić zdrowiu.

To rozróżnienie ma swoją nazwę: YMYL. Wokół niego zbudowany jest zestaw sygnałów, które Google określa skrótem E-E-A-T. Oba pojęcia powstały na potrzeby klasycznego SEO, ale w erze odpowiedzi generowanych przez AI zyskały nowe znaczenie – bo to na ich podstawie modele decydują, komu zaufać na tyle, żeby go zacytować. Rozłóżmy je po kolei.

YMYL – kiedy stawką jest coś więcej niż klik

YMYL to skrót od Your Money or Your Life, dosłownie: twoje pieniądze albo twoje życie. Tym terminem Google opisuje treści, które mogą realnie wpłynąć na zdrowie, bezpieczeństwo, sytuację finansową lub ważne decyzje życiowe czytelnika.

Do obszaru YMYL zaliczają się między innymi:

• Zdrowie i leki – objawy, dawkowanie, interakcje, zakup preparatów.
• Finanse – kredyty, inwestycje, ubezpieczenia, podatki.
• Bezpieczeństwo prawne – prawa pacjenta, umowy, obowiązki.
• Ważne decyzje życiowe – rodzicielstwo, żywienie, zdrowie psychiczne.

Apteka internetowa, przychodnia, serwis o suplementach czy poradnik o chorobach – to wszystko klasyczny YMYL. Dlaczego to ważne dla widoczności w AI? Bo przy treściach YMYL zarówno wyszukiwarka, jak i model językowy podnoszą poprzeczkę. Nie wystarczy, że tekst istnieje i zawiera odpowiednie słowa kluczowe. Źródło musi sygnalizować, że można mu zaufać – a do oceny tego zaufania służy właśnie E-E-A-T.

E-E-A-T – z czego składa się zaufanie?

E-E-A-T to cztery sygnały, na podstawie których ocenia się wiarygodność źródła. Rozwińmy skrót, bo każda litera to inne pytanie, które algorytm zadaje o twoją stronę:

• Experience (doświadczenie) – czy autor treści ma realne, praktyczne doświadczenie z tematem? W medycynie: czy tekst o antybiotyku pisała osoba, która faktycznie zna temat od strony praktyki, a nie tylko przepisała cudzy artykuł?
• Expertise (ekspertyza) – czy autor ma odpowiednie kompetencje lub uprawnienia? Farmaceuta, lekarz, dietetyk kliniczny to co innego niż anonimowy copywriter.
• Authoritativeness (autorytet) – czy strona i jej autorzy są uznawani za punkt odniesienia w swojej dziedzinie? Czy inne wiarygodne źródła się na nią powołują?
• Trustworthiness (wiarygodność) – czy stronie można zaufać jako całości? Tu liczą się jasne dane firmy, polityka prywatności, bezpieczne płatności, transparentne źródła, zgodność z prawem.

Pierwsze „E” – Experience – Google dodało później niż resztę. Wcześniej skrót brzmiał E-A-T. Zmiana pokazuje kierunek: coraz większą wagę ma to, czy za treścią stoi ktoś, kto naprawdę wie, o czym pisze.

Kluczowa obserwacja: żaden z tych czterech sygnałów nie mówi: opublikuj więcej tekstów. Wszystkie mówią: udowodnij, że jesteś wiarygodny. To fundamentalna różnica, do której zaraz wrócimy.

Jak modele językowe wykorzystują te sygnały

Modele takie jak ChatGPT, Gemini, Perplexity czy Claude nie mają dostępu do wewnętrznych ocen jakości Google. Ale w praktyce odtwarzają podobną logikę, bo trenowane są na danych z sieci i coraz częściej korzystają z wyszukiwania w czasie rzeczywistym.

Gdy model buduje odpowiedź na pytanie zdrowotne, musi wybrać, które źródła przywołać. I tu pojawia się mechanizm zbieżny z E-E-A-T: model chętniej sięga po źródła, które w sieci funkcjonują jako wiarygodne i rozpoznawalne, a przy tematach YMYL to nastawienie jest silniejsze. Ryzyko podania błędnej informacji o leku jest dla dostawcy modelu poważnym problemem – więc model asekuruje się źródłami, które wyglądają na godne zaufania.

W efekcie liczy się nie to, ile masz podstron, tylko czy jesteś źródłem, do którego model wraca. A to dwie różne rzeczy.

Dlaczego więcej tekstów to zła strategia w medycynie?

Istnieje pokusa, żeby widoczność w AI traktować jak grę na wolumen: im więcej artykułów, tym większa szansa, że któryś zostanie zacytowany. W tematyce YMYL ta logika zawodzi z kilku powodów:

• Ryzyko rozmycia autorytetu. Setki płytkich tekstów bez autora z uprawnieniami budują wizerunek treści masowej, a nie eksperckiej. Przy zdrowiu to działa przeciwko tobie.
• Modele nagradzają powtarzalność zaufania, nie objętość. Źródło cytowane szeroko – w wielu różnych pytaniach – jest dla modelu bardziej wiarygodne niż źródło, które ma dużo treści, ale pojawia się punktowo.
• Kanibalizacja i sprzeczności. Duża liczba podobnych tekstów o tym samym leku zwiększa ryzyko wzajemnie sprzecznych informacji – a niespójność to sygnał obniżający wiarygodność.

Lepsza strategia to budowanie cytowalnego autorytetu: mniej treści, ale głębszych, podpisanych przez ekspertów, opartych na źródłach i spójnych. To bezpośrednie przełożenie E-E-A-T na praktykę.

Z naszego monitoringu: jak wygląda zaufanie w liczbach?

Ten mechanizm widać w praktyce. Prowadząc monitoring widoczności aptek internetowych w modelach AI, obserwujemy powtarzalne wzorce w tym, kogo modele cytują w odpowiedziach na pytania zdrowotne i zakupowe. Trzy z nich dobrze ilustrują, jak działa zaufanie do źródła:

• Modele nie rozdają cytowań po równo. Widoczność koncentruje się w wąskiej grupie źródeł – garstka serwisów zbiera większość cytowań, a długi ogon domen pojawia się pojedynczo. Model wraca do tych, którym ufa.
• Autorytety spoza handlu mają realny udział. Nawet przy pytaniach czysto zakupowych („gdzie kupię…”) modele dokładają źródła wiedzy medycznej i serwisy rządowe. To E-E-A-T w praktyce: model podpiera odpowiedź handlową sygnałem wiarygodności.
• Szerokość bije liczbę. Źródła cytowane najczęściej to te obecne przekrojowo – w wielu różnych pytaniach. Domena z dużą liczbą cytowań skupionych w kilku tematach wypada słabiej niż źródło obecne wszędzie. Dla modelu liczy się konsekwentna obecność, nie punktowa liczebność. 

Co konkretnie robić prowadząc serwis medyczny?

Jeśli prowadzisz serwis medyczny lub aptekę i chcesz być cytowany przez modele, zadbaj o sygnały, które budują E-E-A-T:

• Autorzy z uprawnieniami. Podpisuj treści imieniem, nazwiskiem i kwalifikacją. Dodaj biogram i podstawę kompetencji.
• Źródła i przypisy. Powołuj się na dane, wytyczne, publikacje. Treść medyczna bez źródeł jest dla algorytmu słabszym sygnałem.
• Transparentność firmy. Podaj pełne dane rejestrowe, numer zezwolenia na prowadzenie apteki, kontakt, polityka prywatności – to fundament.
• Spójność informacji o firmie w sieci. Zadbaj o taką samą nazwę, adres i dane w wizytówce, katalogach i na stronie ułatwiają modelowi rozpoznanie i powiązanie źródła.
• Powiązania z autorytetami. Publikuj cytowania i wzmianki na uznanych serwisach branżowych. Budują one autorytet skuteczniej niż kolejne wpisy na własnym blogu.
• Aktualność. Twórz aktualizacje i przeglądy treści medycznych, dodawaj w treściach daty aktualizacji – nieaktualna informacja o to poważny sygnał obniżający zaufanie.

Podsumowanie

Widoczność medyczna w AI nie jest grą na liczbę tekstów, tylko na zaufanie do źródła. YMYL podnosi poprzeczkę dla treści zdrowotnych, a E-E-A-T definiuje, z czego to zaufanie się składa: doświadczenia, ekspertyzy, autorytetu i wiarygodności. Modele językowe odtwarzają tę logikę – wracają do wąskiej grupy źródeł, które sygnalizują rzetelność, i podpierają się autorytetami nawet przy pytaniach zakupowych. Dla apteki czy serwisu medycznego wniosek jest prosty: zamiast produkować więcej, warto budować głębszy, podpisany przez ekspertów i spójny autorytet, do którego modele będą chciały wracać.

FAQ – najczęściej zadawane pytania