Umělá inteligence o vaší firmě říká věci, které už neplatí. Nevymyslela si je – přečetla je u vás.
Jak ovlivňovat AI co o Vás říká
Když se dnes zákazník zeptá ChatGPT nebo Googlu na vaši firmu, dostane jednu odpověď. Ne jako čtenář na SERPu – deset odkazů, ze kterých si vybere. AI vytvoří jednu větu, kterou čtenář (velmi často) vezme jako fakt. A pokud ta věta obsahuje bývalého jednatele, zrušený tarif nebo cenu z předloňska, není to porucha umělé inteligence. Je to stará webová stránka, kterou nikdo neaktualizoval nebo nesmazal. A je jedno, jestli je to vaše stránka, nebo cizí katalog.
Tohle je téma, které mi za poslední rok vylezlo u docela hodně klientů. A skoro vždycky s ním přijde stejná první reakce: „Tak o tom napíšeme nový článek a musíme dát AI nějak vědět, že to píše špatně.“ Jenže právě to je ta chyba.
*️⃣ Nový obsah tenhle problém neopraví. Zhorší ho.
Když firma zjistí, že o ní AI říká nesmysl, sáhne po tom, co zná – vyrobí další stránku. Delší, přesnější, s aktuálními údaji. Vychází z předpokladu, že systém neví dost a neví aktuální informace. Ten předpoklad je obrácený. Systém AI toho o vás ví až moc. Zná tři verze vaší ceny, dva názvy firmy a čtyři jednatele. Nová stránka staré zdroje nezruší – jen se k nim přidá jako pátý hlas.
V klasickém vyhledávání to tolik nevadilo. Dvě protichůdné stránky mohly stát vedle sebe ve výsledcích a rozhodnutí zůstalo na člověku. Ten viděl datum, viděl kontext, poznal, co je staré. Generativní odpověď tenhle luxus (často) nemá – záleží totiž i na tom, jak je formulovaný prompt dotazu. AI musí zvolit jednu odpověď a často nemá jak poznat, která z těch informací je ta opravdu pravdivá. Nerozsoudí spor, který jste sami nevyřešili.
„Nemáte problém s viditelností v AI. Máte problém s tím, že o sobě už roky říkáte tři různé věci. A ono to doteď nikomu nevadilo."
*️⃣ Kde v české firmě rozpor reálně vzniká?
Zahraniční články na tohle téma mluví o akvizicích, mediálních kitech a korporátních strukturách. České malé a střední firmě to nesedí. Rozpor u nás vzniká jinde. A to, že je těch míst méně, nemusí být polehčující skutečnost. Tohle je seznam, který procházím u klientů jako první. Není teoretický: každá položka mi už aspoň jednou vylezla v reálném auditu.
❓Kde
❓Co tam typicky zůstalo
❓Jak moc to bolí
⏩ARES / obchodní rejstřík
Bývalý jednatel, staré sídlo, staré předměty podnikání
Hodně – modely to berou jako důvěryhodný zdroj. Riziko klesá s časem aktualizace.
⏩Firmy.cz, oborové katalogy
Zrušená provozovna, neplatný telefon, otevírací doba z roku 2021
Hodně – nikdo to po přestěhování neaktualizuje
⏩Google Business Profile
Duplicitní zápis po přesunu pobočky, fotky se starým ceníkem
Hodně – pro AIO, Gemini a AI obecně velmi důležité
⏩PDF ceník ke stažení
Ceny, které už dva roky neplatí, ale soubor je pořád na webu
Hodně – a často přehlédnutá chyba
⏩Starý blogový článek „kolik stojí…“
Ceny a parametry z doby vzniku, bez data
Hodně – tyhle články rankují nejdéle
⏩Certifikáty a licence
ISO, ERÚ, ČNB, autorizace – expirované, ale pořád v patičce nebo článku
Hodně – reputační riziko
⏩Archiv PR a mediálních výstupů
Ohlášená expanze, která se nekonala; starý majitel
Docela ano – nemáte nad tím kontrolu
⏩LinkedIn profily zaměstnanců
Tři lidé se označují za „ředitele“
Docela ano
⏩Cizojazyčná mutace webu
Kompletně jiná realita, typicky dva roky pozadu
Docela vadí
Poznámka: Proč je PDF ceník průšvih? U českých firem je to skoro rituál – ceník jako soubor ke stažení, aby „šel poslat mailem“. Jenže soubor nikdo nikdy nestáhne z webu, protože na něj vede odkaz z e-mailu. Zůstává indexovaný, zůstává citovatelný a je to strukturovaný dokument s čísly. Tedy přesně to, čeho se model AI rád chytí. Pak vám přijde poptávka s odkazem na publikovanou cenu…
*️⃣ Rozhoduje, jakými slovy se zákazník zeptá
Tohle je odborně ta nejméně intuitivní část a zároveň klíč k řešení.
Zákazník se nikdy nezeptá vaším slovníkem. Zeptá se tím svým . A ten je často starý. Ptá se na „ředitele“, i když máte jednatele. Na produkt pod názvem, který jste loni změnili. Na pobočku v ulici, odkud jste se odstěhovali. Je to naprosto zásadní a skoro nikdo si to neuvědomuje: dotaz (prompt) obsahující starý pojem logicky najde starý zdroj. Vaše nová stránka na něj totiž neodpovídá – ten pojem se na ní vůbec nevyskytuje.
Systém tedy sáhne tam, kde ho najde – do archivu. Nová stránka s aktuální informací je tak sice pravdivá, ale na položenou otázku nereaguje. Most mezi starým a novým pojmem si nikdo sám od sebe nepostaví. Musíte ho postavit vy.
*️⃣ Řešení: přemosťující odstavec jako nejlevnější oprava
Řešení je jeden odstavec. Doslova. A musí obsahovat tři věci:
- Starý pojem – aby ho vyhledávání našlo na dotaz položený starým slovníkem.
- Proč už neplatí – přejmenování, ukončení, přesun, změna vlastníka.
- Co platí dnes – pojmenování dnešního ekvivalentu.
Vypadá to třeba takhle:
„Službu jsme dříve nabízeli pod názvem SEO Audit. Od ledna 2026 už tento balíček nenabízíme – nahradil jej Audit AI viditelnosti, který obsahuje původní rozsah plus vaši viditelnost v prostředí umělé inteligence. Aktuální ceny najdete v ceníku.“
Nudné? Ano. Funkční? Velmi. Vypustíte-li kteroukoli ze tří částí, most se nepostaví. Nejčastější chyba je vypustit tu první – firmy nechtějí zmiňovat staré názvy, protože „to už neplatí“. Přesně proto to tam musí být.
Kam tenhle odstavec patří? Například na stránku „O nás“ (změna názvu, vlastníka, vedení), do ceníku (zrušené tarify), na kategorii produktu (ukončený sortiment), na kontaktní stránku (zrušená pobočka).
*️⃣ Neopravujte poslední stránku. Opravte řetězec.
Když najdete chybnou odpověď, nezačínejte psaním. Začněte tím, že se podíváte, o co se ta odpověď opírá. ChatGPT i Perplexity uvádějí zdroje, Google AI Overviews odkazuje. To je vaše mapa.
Pak podle typu zdroje:
- Vaše vlastní stránka – aktualizovat, sloučit, přesměrovat. Máte plnou kontrolu, tohle je snadné.
- Staré oznámení nebo tisková zpráva – tady pozor. Historii nepřepisujte ani u sebe. Ponechte původní text i datum a doplňte poznámku: „Informace platná k březnu 2024. Aktuální stav najdete zde.“ Přepsáním starého článku na aktuální znění vyrobíte nový rozpor – třetí strany totiž dál odkazují na původní verzi (a v SEO ztratíte hodnocení).
- PDF, prezentace, katalogy ke stažení – stáhnout z webu, nebo viditelně označit jako archivní (myslete na to už při stavbě struktury webu).
- Zápisy v katalozích a na Firmy.cz – projít ručně, jinak to nikdo neudělá. Je to nuda, ale je to konečný seznam.
- Cizí média – cizí redakce vám nebude přepisovat správný historický článek. Tady se to řeší jen tím, že vlastní zdroje mluví jednoznačně.
🔄Vlastní test - šest rozporů u jedné regulované firmy
Teorie je hezká, tak jsem si ji ověřil v praxi. V září 2026 jsem u jednoho klienta projel všechny veřejné zdroje, ze kterých si AI model může poskládat obrázek o jeho firmě. Název, domény, jména osob i finanční čísla vynechávám. Jde o regulovanou firmu s licencí ČNB, tedy obor, kde přesnost tvrzení není kosmetika. Co jsem dělal: prošel jsem vlastní weby firmy (čtyři domény), Firmy.cz, agregátory obchodního a živnostenského rejstříku, finanční portály, profily v app storech, robots.txt všech domén a veřejné regulatorní zdroje. Cílem nebylo najít chyby v textech, ale místa, kde dva veřejné zdroje o téže firmě tvrdí něco jiného.
Výsledek: šest rozporů. Tady jsou ty, ze kterých se dá něco odnést i pro úplně jiný obor.
- Katalogy vs. rejstřík vs. vlastní web: Tři veřejné zdroje se stejným IČO popisovaly tři různé firmy. Katalog ji vedl podle byznysu, ze kterého firma před lety odešla. Agregátor rejstříku podle formálních NACE kódů, tedy jako administrativní firmu. A jen vlastní web podle toho, co firma skutečně dělá dnes.
- Název firmy: pochází z původního, dnes už okrajového podnikání. Na webu to nikde není vysvětlené – takže model musí hádat, jestli jde o pivot, přejmenování, nebo shodu jmen.
- Regulatorní tvrzení: Web zaměňoval licenci za certifikaci a uváděl typ ochrany klientských prostředků, který se na daný produkt nevztahuje. Nešlo o překlep, ale o opakující se vzorec – stejná chyba na dvou místech nezávisle.
- Meta description jedné z domén: Obsahovalo tvrzení o službě, kterou firma neposkytuje. Přitom na hlavním webu už bylo dřív opravené. Nikoho nenapadlo projet i zbývající domény.
- Rozsah podnikání: Vlastní web uváděl jiný počet provozovaných značek než veřejný finanční dokument téže firmy. Rozdíl malý, ale je to přesně typ detailu, který model při porovnávání zdrojů zaznamená.
- Vlastnická struktura: Kompletní a transparentní byla jen v externím finančním dokumentu. Na vlastním webu ne. Model si tedy skládá vlastnictví ze zdroje, který firma neřídí.
A jeden měřitelný důkaz, že se to dá opravit
„Opravu neudělá lepší text. Opravu udělá doložitelný fakt, který jste (ideálně) zveřejnili dřív, než se na něj někdo zeptal."
*️⃣ Limity toho testu - ať máme jasno
Nebudu to prodávat za víc, než to je:
- Je to jedna firma, ne vzorek. Zatím se z toho nedá dělat statistika.
- Testoval jsem vstupy, AI odpovědi jen namátkou. Systematické měření odpovědí napříč modely mě teprve čeká.
- Efekt zveřejněného dokladu je relevantní, ale nebyl naměřen laboratorně, kontrolovaně. Ve stejném období běžely i jiné změny.
- Obor je regulovaný, takže tlak na přesnost je tam vyšší než u běžné firmy. U truhlářství bude dopad menší – ale mechanismus je stejný.
*️⃣ Máme specifika pro české malé a střední firmy? Máme!
Tenhle problém popsala Carolyn Shelby v Search Engine Journal a diagnóza je podle mě přesná a jasná.
Pár věcí ale na český trh nepřenesu:
- Osmipoložkový audit je pro české SMB (skoro) zbytečný. Doporučený postup předpokládá koordinaci obchodu, HR, právního oddělení, produktu a komunikace. Ve firmě s 15 lidmi neexistuje ani jedno z toho jako samostatné oddělení. Zredukoval jsem to na pět kroků výše. Víc se neudělá.
- Podle mne je pro malou firmu extrémně důležitá prioritizace podle obchodního dopadu. Expirovaný certifikát nebo neplatný ceník a zastaralý medailonek jednatele nejsou stejná kategorie problému. První je zásadní business riziko, druhý kosmetika. Prioritizace nálezů a změn je podle mě zásadní.
- Článek neuvádí žádná data… vlastně stejně jako já. Je to zkušenostní analýza jednoho konzultanta, včetně anonymního a nereprodukovatelného případu. Beru ho jako dobře pojmenovaný problém, ne jako důkaz. Proto jsem si udělal vlastní test výše. A ten mi ukázal jednu věc, kterou původní článek nezmiňuje vůbec: rozpor byl třeba i v katalogu, který funguje mimo společnost. Doporučení „opravte si obsah“ na to asi stačit nebude.
- A jedna česká pointa, kterou zahraniční zdroje nemají. U nás se AI prostředí rozšiřuje i o Seznam Asistent, který od května 2026 běží pro veřejnost s vlastní logikou citací a referencí. Opravu ověřenou v Googlu proto nelze automaticky považovat za opravu ověřenou i pro AI Seznamu. Musíte se podívat do obou.
Poznámka: Dobrá zpráva na závěr. České malé firmy (SME) mají oproti americkým značkám tenčí datovou stopu. To zní jako nevýhoda a z hlediska rizika to nevýhoda je. Jeden zapomenutý a neaktualizovaný katalogový zápis má pro vás nesrovnatelně větší váhu. Z hlediska nákladů na opravu je to ale i výhoda. Českých zdrojů pro opravy jsou desítky, ne tisíce. Dá se to skutečně projít až do konce.
➡️Časté otázky ke konfliktním informacím v AI vyhledávání
Není to jen halucinace? Vždyť si AI běžně vymýšlí.
Ve většině případů, které jsem viděl, ne. Odpověď byla fakticky správná. Jenže kombinace historie a současnosti. Model korektně našel starý zdroj a přečetl ho. Než tedy něco označíte za halucinaci, podívejte se na citované zdroje. Často zjistíte, že ukazují na váš vlastní web nebo zdroj.
Mám tedy smazat všechny staré stránky a články?
Určitě ne. Mazání je nejhorší varianta. Přijdete o odkazy, historii i důvěryhodnost. Správný postup je starý obsah ponechat, opatřit datem a doplnit odkaz na aktuální stav. Výjimka jsou soubory s neplatnými cenami a expirované certifikáty, ty ano. Pryč nebo viditelně označit jako archivní.
Jak často mám AI informace o firmě kontrolovat?
Faktická tvrzení se nemění každý měsíc, takže měsíční sledování je zbytečné. Dává smysl kvartální kontrola a hlavně kontrola po každé firemní změně. Změna jednatele, ceníku, adresy, ukončení produktu. Právě tehdy rozpor vzniká.
Mám čistý robots.txt, takže mě AI čte správně. Nebo ne?
Nemusí. Robots.txt je jen jedna vrstva. U klienta z mého testu byl čistý na všech čtyřech doménách. A přesto zůstávala otevřená otázka, jestli se crawlery ke stránkám opravdu dostanou. Blokace dnes typicky sedí ve WAF nebo bot managementu hostingu (typicky u Cloudflare), kam se běžný majitel webu nedívá. Detail v mém článku „Jak vám hosting může zničit viditelnost pro AI vyhledávač.„. Kontrolujte reálné HTTPS odpovědi pro GPTBot, ClaudeBot a PerplexityBot, ne jen robots.txt.
Jak poznám, že to má vůbec vliv na moje zákazníky?
Podívejte se do Google Search Console do reportu Generative AI performance (globálně dostupný od 31. 8. 2026). Uvidíte imprese v AI výsledcích. V GA4 je od května 2026 kanál AI Assistant, který zachytí návštěvy z asistentů. Pozor ale: AI Overviews se do toho kanálu nepromítají vůbec, ty zůstávají v organiku. Obojí je tedy jen část obrázku.
Stačí opravit info o firmě na webu, nebo musím i jinde?
Web je nutná, ale nedostatečná podmínka. Minimum navíc: Google Business Profile, Firmy.cz, oborové katalogy vašeho oboru a ARES, pokud tam něco nesedí. U firem s cizojazyčnou verzí webu i tady – anglická verze webu bývá to nejzastaralejší, co u vás existuje 😊.
Užitečné zdroje:
- Vlastní audit veřejných zdrojů u klientského projektu (regulovaná finanční firma s licencí ČNB), anonymizováno
- Carolyn Shelby: The Biggest AI Search Risk Is Conflicting Information, Search Engine Journal
- Google Search Console – Generative AI performance report
- Google Analytics 4 – skupina AI Assistant
