W artykule z 9 czerwca 2026 r. Search Engine Journal opisuje tzw. problem konwergencji AI w marketingu i ostrzega, że LLM-y są jednocześnie zbyt słabe do części zadań i zbyt skuteczne tam, gdzie najbardziej grozi uśrednienie przekazu. Autor przypomina badania Apple, w tym „The Illusion of Thinking” i GSM-Symbolic, gdzie drobna zmiana treści zadania obniżała skuteczność modeli nawet o 65%, a bardziej złożone łamigłówki kończyły się załamaniem dokładności. Jako przykład podaje viralowy prompt o myjni samochodowej: ChatGPT, Claude i Grok doradzały, by iść pieszo, podczas gdy Gemini odpowiedziało poprawnie, a później także Grok zaczął podawać właściwą odpowiedź, bo pojawiła się już w danych treningowych. Tekst podkreśla, że gdy model jest „dobry” w zadaniu, zwykle oznacza to, że uczy się wzorca z internetu, czyli odpowiedzi średniej, a nie strategii wyróżniającej markę. Autor przywołuje też badania Columbia i MIT o przesuwaniu wyborów ku popularnym opcjom oraz analizę w Science Advances, według której generatywna AI zwiększa indywidualną kreatywność, ale zmniejsza różnorodność treści w skali całej populacji. Dla marketerów wniosek jest prosty: jeśli AI pisze nagłówki, opisy, intro i koncepcje kampanii, to bez kontroli człowieka łatwo skończyć z identycznym komunikatem jak u konkurencji.
Źródło: Search Engine Journal — oryginalny artykuł ↗
Chcesz wiedzieć, jak ta zmiana wpłynie na Twoją stronę?
Nasz zespół analizuje każdą aktualizację Google w 48h i przekłada ją na konkretne działania dla klientów.
Bezpłatna analiza wpływu