Co asistent odpoví, když se vás někdo zeptá
Když se zákazník zeptá asistenta AI, jestli vaše firma pracuje i v sobotu, odpověď vzniká z toho, co se systému podařilo přečíst. Vaše stránky služeb, výpis firmy, katalog, do kterého někdo před lety zadal údaje, stránku, kterou kdysi zkopíroval bývalý zaměstnanec. Stroj neví, který z těchto zdrojů je správný. Když na webu stojí „pouze po domluvě“ a ve výpisu „9–5“, má o vaší firmě dvě verze a žádný důvod dát přednost té vaší.
Právě to firmy podceňují. Debata o viditelnosti v AI začíná otázkou, jak se dostat do citací, ale dřív přichází otázka menší: existuje vůbec jednotná, strojově čitelná verze vaší firmy?
Stránku, kterou stáhne stroj, neuvidí návštěvník
Většina robotů pro AI čte surový HTML kód a nespouští skripty, díky kterým se moderní web tváří hotově. Menu, záložky a seznam služeb, které se objeví až po načtení JavaScriptu, pro ně mohou být neviditelné. Totéž platí pro text zapečený do obrázků nebo pro odkazy, které ve skutečnosti ovládají skripty. Web může v prohlížeči vypadat dokonale a zároveň stroji předat prázdnou skořápku.
Čitelný, serverem vygenerovaný HTML proto není úklid po spuštění, ale rozhodnutí ze začátku projektu. Nejupřímnější zkouška je jednoduchá: zobrazit zdrojový kód. Pokud hlavní obsah stránky — co děláte, pro koho, kde a za kolik — není v HTML, které si prohlížeč stáhne jako první, robot ho nemusí nikdy vidět. Nadpisy, které tvoří skutečnou osnovu, normální odkazy místo klikacích skriptů a popisky u obrázků pak srovnají rozdíl mezi tím, co vidí člověk, a tím, co dostane stroj.
Na tomto místě se AI weby nejčastěji míjí s cílem. Generování optimalizuje to, co na obrazovce vypadá správně, ne to, co přežije čtení po řádcích něčím, co stránku nikdy nevykreslí.
Strukturovaná data: vaše fakta v jazyce, kterému stroje rozumějí
Strukturovaná data jsou krátký popis stránky přidaný vedle viditelného textu, určený ke čtení stroji. Slovník se jmenuje schema.org a vznikl v roce 2011 z popudu Googlu, Bingu a Yahu, aby se jedna stránka mohla jednou popsat všem systémům. Google doporučuje formát JSON-LD a uvádí, že tato data používá k pochopení obsahu stránky a k získávání informací o firmách, lidech a místech.
Pro firemní web stačí málo typů a pokryjí podstatnou část hodnoty: organizace s názvem, adresou, telefonem, otevírací dobou a působností, jednotlivé služby, publikované články a drobky (breadcrumpy), podle kterých pozná stroj, kde se stránka nachází. Každý z těchto údajů je něco, na co se asistent může ptát.
Dvě poctivá omezení. Data samotná vás nedostanou do citací. Neexistuje publikovaný důkaz, že přidání schema markupu zvýší počet odkazů z odpovědí AI, a kdo vám opak slibuje, prodává něco jiného. Co data skutečně odstraní, je nejednoznačnost: systém, který si vaši otevírací dobu přečte jako údaj, ji nemusí lovit ve větě. Zároveň stroje data porovnávají se stránkou. Když strukturovaná data tvrdí něco, co návštěvník nevidí, vyhledávací systémy je srazí a rozporné signály z vás udělají méně citovatelného zdroje, ne více. Nechte je vznikat ze stejného zdroje jako viditelný obsah a před spuštěním je ověřte validačním nástrojem.
Kdo smí číst: rozhodnutí v robots.txt, které nikdo nezapíše
Přístup pro systémy AI se řeší v robots.txt — pravidlu z devadesátých let, které se v roce 2022 stalo standardem RFC 9309 a které všichni hlavní roboti respektují. Mezi ty, na kterých dnes záleží, patří roboti odpovídacích služeb (OAI-SearchBot, PerplexityBot), roboti pro trénování modelů (GPTBot, ClaudeBot, CCBot) a Google-Extended, který určuje, jak Gemini od Googlu s vaším obsahem pracuje.
Běžné jsou dva omyly. Zablokování Google-Extended web neodstraní z odpovědí Googlu — ty běží na běžném vyhledávacím indexu — takže tam nic nezískáte. Zablokování robota odpovídací služby vás připraví přesně o kanál, kde se vaši zákazníci dnes ptají, zatímco zákaz druhu pro trénování se týká jen budoucích modelů. Většina webů si přitom pravidla nese z šablony nebo od hostingu, aniž by se o nich někdo rozhodl. Politika by měla být zapsaným rozhodnutím s datem v den spuštění.
Modní zkratka: co llms.txt nedělá
llms.txt je soubor, na kterém stojí většina dnešních nabídek na „viditelnost v AI“, a důkazy za ním jsou slabé. Byl navržen v září 2024 jako mapka webu v markdownu pro jazykové modely a dodnes je to návrh, ne standard: Google oficiálně uvedl, že pro vyhledávání ani jeho AI funkce není potřeba, a analýzy logů pokrývají stovky milionů požadavků robotů AI s výsledkem, že odpovídací roboti po něm sáhnou v hluboko pod jedno procento návštěv.
To z něj ještě nedělá bezcenný soubor — několik firem z oboru ho publikuje samo a nástroje pro agenty ho čtou, když na něj někdo ukáže. Jenže jeho sepsání zabere hodinu a nenahradí nezáživnou práci z výše uvedených odstavců. Platit za něj jako za řešení viditelnosti znamená koupit viditelnou část a přeskočit tu, která funguje.
Co patří do zadání
Všechno z výše uvedeného se rozhoduje ve chvíli, kdy se web vytváří, a patří tedy do zadání, ne do pozdější fáze optimalizace. Čtyři věci, které si vyplatí s dodavatelem potvrdit písemně: hlavní obsah každé důležité stránky musí být v surovém HTML; klíčová fakta — název, adresa, otevírací doba, ceny, působnost — musí být stejná na webu, ve výpisu firmy i v katalozích; strukturovaná data musí vznikat z obsahu, který návštěvník skutečně čte, a musí projít validací; a pravidla v robots.txt mají být vědomým rozhodnutím zapsaným i s důvody. Nic z toho není drahé. Všechno z toho je drahé dodělat dodatečně.
Jak to řešíme v projektu
Čitelnost pro stroje řešíme ve stejném průchodu jako rychlost a přístupnost, protože má stejnou vlastnost: brzy se o ní rozhoduje levně a později je nepříjemná na doplnění. V praxi to znamená stránky generované na serveru, jeden zdroj pravdy o firemních údajích, strukturovaná data vznikající z tohoto zdroje místo ručního přepisování a pravidla pro roboty zapsaná při spuštění.
Web si dnes přečte dvakrát — člověk, který se rozhoduje, jestli vám věřit, a systém, který se rozhoduje, co o vás řekne. Postavte ho tak, aby obě čtení vyšla stejně.
Související služba: Webdesign a obsahová strategie