Czyszczenie treści AI-slop: jak wykryć zmyślone fakty, zanim Cię to kosztuje

Metodę opieramy na kontrolowanym dowodzie, nie na anegdocie. Patrick Stox z Ahrefs zbudował syntetyczną markę luksusową Xarumei, rozproszył sprzeczne narracje i przetestował, jak osiem głównych narzędzi AI radzi sobie z prawdą. Opisaliśmy ten eksperyment w artykule Eksperyment AI: fikcyjna marka Xarumei i halucynacje modeli językowych. Wniosek dla wydawców WordPress jest prosty: modele wolą konkretną fikcję od niejasnej prawdy, a artykuły zewnętrzne, które brzmią jak dziennikarstwo, mogą nadpisać oficjalne FAQ. Jeśli Twoja strona czyta się jak fałszywe śledztwo Medium z testu Xarumei, karmisz ten sam mechanizm awarii.

Gdy slop łączy się z wadliwym kodem i nadmiarem wtyczek, ścieżka naprawy prowadzi do naprawy stron zrobionych przez AI. Gdy chcesz sprawdzić, czy modele już powtarzają Twoje wymysły, połącz czyszczenie z pomiarem pierwszej ręki z artykułu Jak śledziliśmy cytowania AI wppoland.com przez 90 dni.

#Dlaczego strony YMYL na WordPress padają na tym audycie pierwsze

Wydawcy YMYL przyspieszają pracę z AI, bo wąskim gardłem jest pisanie, nie layout. Sieć klinik, administrator funduszy albo doradztwo compliance potrafi wygenerować czterdzieści stron obszarów usług w jedno popołudnie. WordPress sprawia, że publikacja jest trywialna: duplikuj szablon, podmień {miasto}, opublikuj.

Tryb awarii to nie „niska jakość języka”. To nieuzasadniona konkretność. Model wymyśli:

• 38,4% skrócenia czasu onboardingu bez badania,
• cytowanie Harvard Business Review bez działającego linku,
• dr n. med. Anna Kowalczyk bez wpisu w rejestrze,
• case study z 2023 roku dla klienta podpisanego w 2026.

Oceniający jakość Google i prawnicy po stronie nabywcy z Monachium czy Oslo zadają to samo pytanie: pokaż źródło. AI-slop nie przechodzi tego testu, nawet gdy proza jest płynna. EEAT nie znaczy „brzmi ekspercko”. To wykazalne doświadczenie, weryfikowalna ekspertyza, rozpoznawalny autorytet i wiarygodna prezentacja. Zmyślone fakty uderzają we wszystkie cztery naraz.

#Czego eksperyment Xarumei uczy o Twoim stosie treści

Eksperyment Stoxa miał dwie fazy. W pierwszej zadawano modelom pytania o markę, która nie powinna istnieć. GPT-4 i GPT-5 odrzucały większość wymysłów. Perplexity myliło Xarumei ze smartfonami Xiaomi. Copilot wymyślał rozbudowaną pochwałę, by dopasować się do ramy pytania.

Druga faza to ostrzeżenie dla operatorów WordPress. Stox opublikował:

1. Oficjalne FAQ zaprzeczające plotkom prostym językiem.
2. Błyszczący blog z 23 mistrzami rzemiosła pod adresem 2847 Meridian Blvd, Nova City, CA oraz fałszywym poparciem Emmy Stone.
3. Reddit AMA, wybrane celowo, bo Reddit jest często cytowany w odpowiedziach AI.
4. „Śledztwo” na Medium, które obaliło oczywiste kłamstwa, a potem wstawiło nowe: założycielkę Jennifer Lawson, lokalizację Portland.

Gemini, Grok, AI Overview, Perplexity i Copilot cytowały Medium zamiast FAQ. Preferowały ton śledczy. Gdy FAQ mówiło „nie publikujemy liczb sztuk”, a fałszywe źródła podawały 634 sztuki w 2023, modele wybierały liczbę.

Przenieś to na WordPress:

Twoja strona to FAQ. Klaster blogowy z AI to artykuł Medium. Czyszczenie oznacza uczynienie FAQ bardziej konkretnym ze źródłami, a nie bardziej przymiotnikowym.

#Sygnały alarmowe i kroki weryfikacji

Użyj tej tabeli jako triażu pierwszego przejścia, zanim zatwierdzisz budżet na przepisywanie.

Wydrukuj tabelę. Uruchom ją na dwudziestu URL z najwyższym przychodem.

#Fałszywe statystyki: preferencja Xarumei dla liczb

Modele traktują liczby jako sygnał autorytetu. Stox pokazał, że 634 sztuki wygrywają ze „nie ujawniamy wolumenu produkcji”. Na WordPress szkoda widać w sekcjach hero, tabelach porównawczych i blokach FAQ wyeksportowanych z czatu AI.

#Objawy

• Procenty z jednym miejscem po przecinku bez źródła (41,6% mniej zgłoszeń do helpdesku).
• Metryki przed/po bez okna pomiaru.
• Linie „średnia branżowa” bez nazwy ankiety.
• Identyczne statystyki na sześciu stronach miast (kopiuj-wklej).

#Workflow weryfikacji

1. Rejestr źródeł: kolumny: twierdzenie, URL pierwotny, autor, data dostępu, właściciel. Bez URL nie publikuj.
2. Reguła okrągłych liczb: wartości typu 50%, 10x, 99,9% to silne priory halucynacji, dopóki nie są spięte z instrumentem.
3. Dopasowanie instrumentu: jeśli twierdzisz poprawę Core Web Vitals, podlinkuj eksport CrUX lub Lighthouse z zakresem dat.
4. Ścieżka obniżenia: zamień statystyki bez źródła na jakościowe wyniki, które obronisz na rozmowie z klientem.

Dla tekstu regulowanego trzymaj PDF po review prawnika jako kanoniczne źródło i lekko parafrazuj w HTML.

#Fałszywe cytowania i pozorni autorzy

Asystenci AI lubią nazwy marek. HBR, McKinsey, Forrester, NIST, ISO: nazwy nadają ton bez pracy.

#Objawy

• Cytowania w nawiasach bez linku.
• Linki do stron głównych zamiast konkretnych raportów.
• Ciągi przypominające DOI, które zwracają 404.
• „Jak zauważono w raporcie bezpieczeństwa WordPress 2024” bez autora.

#Workflow weryfikacji

1. Kliknij każde odwołanie zewnętrzne. Martwy link = usuń twierdzenie.
2. Dla norm (ISO 27001, WCAG 2.2) linkuj oficjalną stronę specyfikacji, nie podsumowanie SEO.
3. Numery licencji trzymaj zewnętrznie (rejestr adwokatów, KNF, FCA) i odwzoruj dokładnie na stronie.
4. Dodaj przypisy pod długimi przewodnikami; modele często zeskrobują stopki.

Jeśli cytowania nie da się zweryfikować w dziesięć minut, nigdy nim nie było. To była dekoracja.

#Prawie identyczne zduplikowane strony

Nadmiar wtyczek to duplikacja kodu. Nadmiar AI-slop to duplikacja semantyczna: dwadzieścia URL konkurujących o jedną intencję.

#Objawy

• Siatki {usługa} + {miasto} z identyczną kolejnością H2.
• Wpisy „kompletny przewodnik po X” różniące się dwoma akapitami.
• Ścieżki /v2/ lub /nowa/ porzucone po redesignie.
• Pary hreflang, gdzie EN i PL mówią różne fakty.

#Workflow weryfikacji

1. Przeskanuj Screaming Frog lub Sitebulb; wyeksportuj liczbę słów i tytuły bliskie duplikatom.
2. Grupuj po intencji słowa kluczowego, nie po folderze URL.
3. Wybierz URL ocalały na klaster; resztę przekieruj 301.
4. Zaktualizuj mapę witryny i linki wewnętrzne w tym samym wdrożeniu.
5. Po dwóch tygodniach powtórz stały zestaw promptów AI i sprawdź, czy sprzeczności w odpowiedziach zniknęły.

Scalanie duplikatów często podnosi efektywność crawla szybciej niż kolejny „świeży” artykuł z AI.

#Błędne daty i case study z podróży w czasie

Daty sygnalizują aktualność. Modele AI wstawiają wiarygodne lata. Audytorzy YMYL porównują daty z umowami.

#Objawy

• updatedDate w frontmatter nowsze niż jakakolwiek realna edycja.
• Referencje z „2022” dla produktu uruchomionego w 2025.
• Partie pubDate z tego samego popołudnia (hurtowy import AI).
• Stopka copyright utknięta w 2024, gdy treść mówi o „danych z 2026”.

#Workflow weryfikacji

1. Zgraj widoczne „Ostatnia aktualizacja” z historią Git lub rewizji WordPress, gdzie to możliwe.
2. Dopasuj daty case study do podpisanych SOW (nazwę klienta zacznij w logu wewnętrznym).
3. Dla treści medycznych lub finansowych dodaj lastVerified w frontmatter tylko po ludzkim ponownym przeczytaniu źródeł.
4. Usuń daty z przyszłości; niszczą zaufanie w AI Overviews.

Wskazówka WordPress: ogranicz masową zmianę post_date do ról, które odpowiadają też za review prawny.

#Zmyślone biogramy zespołu i strony autorytetu

Xarumei wymyśliło Jennifer Lawson, bo historia założyciela jest bardziej cytowalna niż „nieznane”. Twoja strona /zespol/ to ten sam wektor ataku.

#Objawy

• Biogramy o równoległej strukturze („15 lat doświadczenia w…”) przy każdym zdjęciu.
• Credentialy bez wpisu w rejestrach (numer WPiS, PWZ, licencja CPA).
• Doradcy bez odpowiadających im wzmianek prasowych lub wpisów.
• Zdjęcia stock z niespójnym EXIF lub trafieniem w reverse image search.

#Workflow weryfikacji

1. Jeden zweryfikowany identyfikator na biogram: URL licencji, ORCID, GitHub dla inżynierów, profil na WordPress.org dla autorów wtyczek.
2. Dopasuj sameAs w schema Person do profili, które kontrolujesz.
3. Usuń „członków zespołu”, którzy są wykonawcami, chyba że regulacje pozwalają na inny opis.
4. Dla agencji linkuj do nazwisk na realnych commitach albo wystąpieniach na WordCamp zamiast wymyślonych tytułów.

EEAT to nie liczebność zespołu. To ludzie, których da się prześledzić.

#Workflow audytu specyficzny dla WordPress

Uruchom tę sekwencję na klonie staging przed usunięciem na produkcji.

#1. Eksport i inwentaryzacja

wp post list --post_type=page,post --format=csv --fields=ID,post_title,post_name,post_date,post_modified > inwentaryzacja-tresci.csv

Dodaj custom post types, jeśli rejestruje je motyw.

#2. Automatyczny pass podobieństwa

Użyj detektora bliskich duplikatów (Sitebulb, OnCrawl lub skrypty shingles) na HTML bez nawigacji. Oznacz klastry powyżej 0,85 podobieństwa cosinusowego.

#3. Kolejka kontroli ręcznej

Sortuj po ruchu organicznym i przypisaniu przychodu. Audytuj top URL tabelą sygnałów. Młodsi redaktorzy sprawdzają; senior podpisuje strony YMYL.

#4. Pass schema i GEO

• Usuń aggregateRating bez widocznych recenzji.
• Zgraj odpowiedzi FAQPage z treścią w body (bez dodatkowych twierdzeń tylko w schema).
• Upewnij się, że canonicalUrl wskazuje URL ocalały po scaleniu.
• Uruchom npm run geo:qa, jeśli build zawiera kontrole kształtu GEO.

#5. Kontrola echa AI

Wybierz pięć promptów markowych i pięć kategorii. Loguj odpowiedzi co tydzień. Jeśli asystent cytuje statystykę, którą usunąłeś, poproś o recrawl i sprawdź kopie zewnętrzne (PDF, agregatory).

Tę kadencję opisujemy w 90-dniowej serii cytowań AI. Czyszczenie bez pomiaru to zgadywanie.

#Checklista czyszczenia do przekazania klientowi

Tydzień 1 - Triaż

• Tabela sygnałów na 20 top URL
• Szablon rejestru źródeł u właściciela treści
• Lista klastrów duplikatów z wybranym URL ocalałym
• Strony legal/compliance oznaczone do review ręcznego

Tydzień 2 - Usuwanie i scalanie

• Mapa 301 dla scalonych stron
• Statystyki bez źródła usunięte lub zastąpione
• Fałszywe cytowania skasowane
• Biogramy przycięte do weryfikowalnych identyfikatorów

Tydzień 3 - Wzmocnienie prawdy

• FAQ zaktualizowane konkretnymi, źródłowymi odpowiedziami (lekcja Xarumei)
• lastVerified lub widoczna data review na przewodnikach YMYL
• Linki wewnętrzne wskazują tylko ocalałe URL
• Schema zgodne z widoczną treścią

Tydzień 4 - Pomiar

• Zalogowany cotygodniowy test promptów AI
• Walidacja Search Console dla usuniętych URL
• Akceptacja interesariuszy dla pozostałych twierdzeń

#Kiedy eskalować poza czyszczenie redakcyjne

Czyszczenie redakcyjne naprawia copy. Niektóre buildy AI dostarczają też niebezpieczne wtyczki, zepsuty checkout i stosy czterdziestu pluginów. Sygnały do naprawy stron zrobionych przez AI zamiast samych edycji tekstu:

• Własne wtyczki AI w wp-content/plugins/ bez review bezpieczeństwa.
• Procesy WooCommerce, które padają po usunięciu nieuzasadnionych claimów marketingowych (bo funkcje nigdy nie działały).
• Wiele sprzecznych bloków NAP w opcjach motywu i page builderze.
• Wezwanie prawne cytujące opublikowane liczby.

Zakres rescue ma wycenę indywidualną, bo obejmuje kod, treść i pomiar. Samo czyszczenie copy jest mniejsze; pełny rescue nie.

#Notatki praktyka z projektów naprawczych

Przy ostatnim onboardingu regulowanego B2B z Krakowa marketing wyeksportował 112 URL z workflow Divi + AI. 34 strony dzieliło jeden akapit wstępu. 19 statystyk nie miało źródła po wyzwaniu. Trzy biogramy używały tej samej szkieletowej konstrukcji zdań z innymi imionami. Żaden biogram nie pasował do profili LinkedIn, które klient podał dopiero po naszym pytaniu.

Po scaleniu i passie źródeł liczba indeksowanych stron spadła o 28, ale kliknięcia organiczne na ocalałych URL rosły przez osiem tygodni, bo zniknęły sprzeczności. Klient mógł przejść due diligence zakupowe bez zaprzeczania własnej witrynie. To biznesowy argument za czyszczeniem, nie vanity word count.

Inny wzorzec: drafty AI kochają sformułowania „niezależne badanie”. Zastępujemy je nazwanymi instrumentami (CrUX, snapshot Geoboard CitationOne, eksporty Lighthouse zaakceptowane przez klienta) albo usuwamy. Środek drogi to miejsce, gdzie wygrywa Xarumei.

#Połączenie czyszczenia z GEO i cytowaniami

Silniki generatywne zeskrobują to, co publikujesz. Jeśli WordPress mówi Portland na jednym URL i Nova City na innym, odtwarzasz fazę drugą Xarumei na własnej domenie. Modele wybiorą najbardziej konkretny akapit.

Praca GEO bez porządku faktów powtarza błędy w llmCard.facts, selektorach speakable i schema FAQ. Wzmacniasz slop strukturalnie. Najpierw popraw copy, potem wzbogacaj schema.

Nasz raport pomiarowy cytowań AI za II kwartał 2026 pokazał, jak wybór instrumentu zmienia historię. Czyszczenie to połowa on-page; potwierdzenie poza stroną to druga. Obie części padają, gdy fakty są wymyślone.

#Tabela podsumowująca: od wykrycia do kryteriów publikacji

Czyszczenie AI-slop nie jest anty-AI. To pro-dowód. Modele i tak halucynują. Twoim zadaniem jest upewnić się, że WordPress nie jest materiałem, który cytują.

Ostatnia aktualizacja: 2026-07-10. Metodologia odnosi się do eksperymentu z fikcyjną marką Xarumei oraz 90-dniowego baseline śledzenia cytowań AI na wppoland.com. Przy połączonej naprawie kodu i treści zobacz naprawę stron zrobionych przez AI (wycena indywidualna).