Przegląd SEO, AEO i SEM na 9 października 2026 obejmuje sześć tematów: zakończony 8 października wrześniowy spam update Google, wzrost liczby manual actions, ChatGPT i Codex w pracy Oracle, mity o centrach danych Meta, kampanie Pollo AI oraz ryzyka AI w regulowanych kampaniach płatnych. Dla właściciela strony i e-commerce w Polsce to sygnał, by wstrzymać zmiany na stronie, sprawdzić Search Console i zweryfikować ustawienia automatyzacji AI w Google Ads i Meta Ads. Działasz konkretnie? My też — dlatego zamiast spekulacji dajemy dziś konkretne fakty i konkretne działania na dzień 9 października 2026.

Spis tresci

Dlaczego oceny spam update'u Google z pierwszego tygodnia są zawodne

Analityk przeglądający wykresy spadku ruchu organicznego witryn
Ilustracja wygenerowana przez AI

Wrześniowy spam update Google zakończył rollout 8 października 2026, po dwóch pełnych tygodniach wdrażania. Search Engine Journal podkreśla, że teraz wchodzimy w okres stabilizacji, zanim wyniki się ułożą — a mimo to wiele zespołów traktuje dane sprzed kilku dni jak ostateczny werdykt. Największe wahania zaobserwowano w weekend pod koniec września, kiedy obserwatorzy branżowi zgłaszali gwałtowne spadki widoczności w różnych sektorach i regionach.

Spam update działa inaczej niż standardowa aktualizacja jakości. Google ocenia konfiguracje techniczne, ślady automatyzacji i profile linków w wielu niezależnych systemach, które nie odświeżają się jednocześnie. To rodzi nagłe skoki i spadki w narzędziach śledzących pozycje, zanim sytuacja się ustabilizuje. Do tego dochodzi naturalna zmiana zachowań w weekend — więcej ruchu mobilnego, mniej zapytań biznesowych, więcej miejsca dla wyników lokalnych. Zestawienie tych dwóch czynników potrafi wyolbrzymić spadek, który po tygodniu okazuje się szumem.

Co to zmienia w praktyce: zespoły SEO i e-commerce w Polsce powinny wstrzymać się z paniczną reakcją na dane z pierwszych dni po zakończeniu rolloutu. Zamroź duże zmiany w kodzie, tytułach i treściach. Zbieraj czyste zrzuty danych z Search Console z dokładną datą startu aktualizacji. Odczekaj dodatkowy czas na ustabilizowanie się indeksu, zanim padnie decyzja o trwałej stracie ruchu. Nie sprzedajemy obietnic – tylko realne wyniki, dlatego w Semfury każdą rekomendację opieramy na danych po ustabilizowaniu, nie na weekendowym alarmie.

Jak Oracle skraca pracę specjalistów dzięki ChatGPT i Codex

Programista pracujący z kodem AI na ekranie komputera
Ilustracja wygenerowana przez AI

Oracle pokazuje, jak automatyzacja oparta na AI zmienia codzienną pracę dużej organizacji. Według OpenAI wielu pracowników Oracle korzysta z ChatGPT Work i Codex — od rekrutacji, przez analitykę biznesową, po inżynierię. Zespół rekrutacyjny zbudował narzędzie, które na podstawie opisu stanowiska samo researchuje porównywalne role i benchmarkuje wynagrodzenia — proces, który wcześniej zajmował kilka dni, teraz wymaga kilkunastu minut przygotowania przed rozmową z hiring managerem.

W dziale Oracle Applications Lab zbudowano model danych firmy, dzięki któremu pytanie zadane zwykłym językiem zamienia się w zapytanie do baz danych obsługiwane przez Codex. Użytkownik biznesowy opisuje efekt, jakiego oczekuje, zamiast ręcznie szukać raportu. W inżynierii niezawodności (SRE) ten sam mechanizm znacząco skraca obsługę prostych incydentów. Co ważne, nikt w Oracle nie twierdzi, że to działa bez nadzoru — architektura, bezpieczeństwo i jakość kodu nadal wymagają odpowiedzialnego człowieka po drugiej stronie.

Co to zmienia w praktyce: dla polskich firm to sygnał, że opisowe, konwersacyjne podejście do narzędzi AI — zamiast ręcznego przygotowywania raportów — realnie skraca czas pracy zespołów marketingu i analityki. Agencja ma sens wtedy, gdy zarabia dla Klienta więcej, niż kosztuje, a narzędzia klasy ChatGPT Work pokazują, że ta sama zasada dotyczy wewnętrznych procesów firmy. Czas zaoszczędzony na researchu to czas przeznaczony na działania, które realnie zwiększają sprzedaż.

Czy Google faktycznie nakłada więcej kar manualnych

Znak запрета i dokumentacja kar nalożonych przez Google Search Console
Ilustracja wygenerowana przez AI

Specjaliści SEO zgłaszają wzrost liczby manual actions w ostatnich tygodniach. Według Search Engine Roundtable konsultantka Marie Haynes przeszła od zera zgłoszeń do kilku tygodniowo — głównie w przypadkach cienkiej treści, czystego spamu i treści generowanej na skalę. Co istotne, znaczna część dotkniętych witryn to legalnie działające, długoletnie firmy, nie typowe spamerskie strony. Inny obserwator branżowy wskazuje na mechanizm: firmy ograniczyły wydatki na SEO, licząc że AI wykona tę pracę samodzielnie, a część wykonawców poszła na skróty przy skalowaniu treści.

Katalog kar manualnych obejmuje między innymi cienką treść bez wartości dodanej, nienaturalne linki przychodzące i wychodzące, maskowanie (cloaking), ukryty tekst oraz nadużycia związane ze spamem generowanym przez użytkowników. Manual action bywa dotkliwy — w skrajnych przypadkach prowadzi do utraty większości ruchu organicznego z dnia na dzień.

Co to zmienia w praktyce: to dobry moment, by przejrzeć Search Console pod kątem komunikatów o działaniach ręcznych i zweryfikować, czy treści na stronie nie powstały masowo bez nadzoru redakcyjnego. Bez kombinowania — skróty przy tworzeniu treści, które jeszcze rok temu uchodziły płazem, dziś coraz częściej kończą się realną karą.

Co mity o centrach danych Meta mówią o kosztach infrastruktury AI

Meta odpowiada na popularne mity dotyczące zużycia wody i energii przez centra danych napędzające modele AI. Według Meta Newsroom nowoczesne obiekty z chłodzeniem cieczowym w układzie zamkniętym zużywają wodę w sposób marginalny, ponieważ obieg chłodzący jest szczelny i nie wymaga stałego uzupełniania. Firma deklaruje też, że pokrywa pełny koszt energii oraz finansuje rozbudowę infrastruktury energetycznej potrzebnej do zasilenia nowych obiektów — zamiast przerzucać ten koszt na lokalnych odbiorców.

Budowa i eksploatacja centrum danych generują też miejsca pracy w lokalnych społecznościach — od ekip budowlanych po inżynierów utrzymania ruchu. To materiał bardziej wizerunkowy niż techniczny, ale ma znaczenie dla firm planujących komunikację wokół własnych inwestycji w infrastrukturę AI.

Co to zmienia w praktyce: dla polskich marek korzystających z narzędzi AI w marketingu to przypomnienie, że infrastruktura stojąca za modelami generatywnymi jest tematem coraz bardziej publicznym i wrażliwym wizerunkowo. Warto śledzić ten wątek, planując własne komunikaty o korzystaniu z AI.

Jak Pollo AI wykorzystuje modele OpenAI do tworzenia kampanii reklamowych

Pollo AI, platforma do tworzenia obrazów i wideo, pokazuje praktyczne zastosowanie modeli generatywnych w produkcji kreacji reklamowych. Według OpenAI platforma obsługuje wielu użytkowników, a jej narzędzie Photo to Video Ads zamienia pojedyncze zdjęcie produktu w krótki film reklamowy — proces zaprojektowany dla małych firm i marek DTC, które nie mają budżetu na profesjonalną produkcję wideo.

Firma łączy różne modele do różnych zadań: jeden do szybkiego routingu zapytań, drugi do bardziej wymagającej pracy nad scenariuszem czy planowaniem ujęć. Dzięki temu użytkownicy, jak deklaruje Pollo AI, spędzają znacznie mniej czasu na wyborze narzędzi, a więcej na samej kreacji. Przykłady obejmują kampanię biżuterii czy produktu spożywczego zamienionego w rozbudowaną, stylizowaną scenę kampanijną.

Co to zmienia w praktyce: dla małych i średnich firm w Polsce to sygnał, że bariera wejścia w profesjonalnie wyglądające kreacje wideo i graficzne do kampanii Meta Ads czy Google Ads systematycznie się obniża. Wspierana przez AI. Przygotowana przez ekspertów — to połączenie, które realnie skraca czas produkcji kreacji bez utraty jakości kampanii.

Dlaczego domyślne ustawienia AI w reklamie regulowanej są ryzykowne

Firmy z branż regulowanych — zdrowie, finanse, prawo — powinny ze szczególną ostrożnością podchodzić do domyślnych ustawień AI w platformach reklamowych. Search Engine Journal wskazuje, że automatyczne rozszerzanie tekstu reklam czy rozszerzanie adresów URL docelowych w AI Max może wprowadzić treści niezgodne z zatwierdzonym messagingiem — na przykład twierdzenie marketingowe bez wymaganego zastrzeżenia.

Podobne ryzyko dotyczy ustawień Asset Optimization w Performance Max i Demand Gen w Google Ads oraz funkcji Advantage+ w Meta, które mogą automatycznie modyfikować wygląd kreacji, kolorystykę czy nawet dodawać elementy zasłaniające wymagane zastrzeżenia prawne. Dochodzi do tego kwestia danych — przesyłanie danych klientów do narzędzi AI może naruszać regulacje branżowe, szczególnie przy retargetingu w sektorze zdrowia.

Co to zmienia w praktyce: zespoły prowadzące kampanie Google Ads i Meta Ads dla klientów z branż regulowanych powinny ręcznie przejrzeć i wyłączyć ryzykowne opcje automatyzacji kreacji oraz rozszerzania tekstu, zamiast polegać na ustawieniach domyślnych. Zbadamy Twoją stronę i kampanie. Wskażemy miejsca, gdzie przeciekają pieniądze — także te wynikające z niezgodnych automatycznie wygenerowanych kreacji.

Co z tym zrobić w tym tygodniu

Poniżej konkretne działania, które warto wdrożyć po dzisiejszym przeglądzie, zanim sytuacja się rozmyje w kolejnych newsach:

  1. Wstrzymaj duże zmiany na stronie do czasu ustabilizowania się wyników po spam update — zbieraj dane z Search Console zamiast reagować na pojedyncze spadki.
  2. Sprawdź zakładkę manual actions w Search Console i upewnij się, że żadna sekcja serwisu nie generuje cienkiej treści na skalę.
  3. Przejrzyj ustawienia automatyzacji kreacji w Google Ads (Performance Max, Demand Gen) i Meta Ads (Advantage+), zwłaszcza jeśli prowadzisz kampanie w branży regulowanej.
  4. Rozważ narzędzia AI do researchu i produkcji kreacji tam, gdzie oszczędzają czas zespołu — przy zachowaniu nadzoru nad jakością wyniku.
  5. Monitoruj widoczność marki równolegle w Google i w modelach AI — oba ekosystemy reagują na te same sygnały jakości treści, a pozycjonowanie w ChatGPT i AI zyskuje na znaczeniu razem z klasycznym SEO.

Ile to kosztuje? Złe pytanie. Lepiej zapytaj: ile na tym zyskasz — bo każda z tych pięciu rzeczy ma bezpośrednie przełożenie na budżet reklamowy i ruch organiczny w najbliższych tygodniach.

Semfury to warszawska agencja SEO/SEM i AEO świadcząca kompleksowe usługi pozycjonowania w Google, kampanie płatne (Google Ads, Meta Ads) oraz pozycjonowanie marek w modelach AI, takich jak ChatGPT i Gemini. Agencję założyli Andrzej Lemański i Krzysztof Rdzeń — każdy z nich w digital i e-commerce od 2008 roku, wspólnie od 2012. Taki staż widać w podejściu do newsów branżowych — zamiast gonić za każdym alarmem, czekamy na dane, które mają sens. Zyski. Klienci. Wyniki. Reszta to gadanie.

Nie lubimy tracić czasu – Twojego ani naszego, dlatego ten przegląd kończy się konkretami, a nie ogólnikami. Liczy się realnie wykonana praca – i tylko za nią płacisz, co dotyczy zarówno pozycjonowania, jak i monitoringu widoczności w AI przez Semfury AEO. Agencja ma sens wtedy, gdy zarabia dla Klienta więcej, niż kosztuje — i to zdanie dotyczy każdej decyzji opisanej powyżej, od zamrożenia zmian po stronie SEO, aż po audyt ustawień AI w kampaniach płatnych. Firma działa od 2022 roku, ale doświadczenie założycieli sięga znacznie dalej.

Więcej kontekstu o zmianach w ekosystemie AI i wyszukiwarkach znajdziesz w materiałach o tym, jak Google i OpenAI zmieniają reklamy i widoczność w AI, a także w tekście o tym, jak Google zmienia mierzenie widoczności w AI. Działasz konkretnie? My też — kontakt z człowiekiem, nie z botem, to zasada, która obowiązuje w Semfury każdego dnia, także przy czytaniu dzisiejszych newsów za Ciebie.

FAQ

Czy spadki w rankingach po wrześniowym spam update Google są już ostateczne?
Nie. Aktualizacja formalnie zakończyła rollout 8 października 2026, ale wyniki w pierwszych dniach po zamknięciu okna to wciąż szum, nie ostateczny werdykt. Rekomendowane podejście to odczekanie na ustabilizowanie się indeksu, zanim padnie decyzja o zmianach na stronie.

Czy powinienem zmieniać treści na stronie zaraz po zakończeniu aktualizacji Google?
Nie, ponieważ wprowadzanie zmian w kodzie, tytułach czy treści w trakcie stabilizowania się wyników utrudnia ocenę, co faktycznie pomogło, a co zaszkodziło. Lepiej zamrozić większe modyfikacje, zbierać dane z Search Console i wrócić do decyzji po okresie uspokojenia się wahań.

Dlaczego rośnie liczba manual actions nakładanych przez Google?
Z obserwacji specjalistów SEO wynika, że coraz więcej witryn — w tym legalnie działających firm — dostaje ręczne kary za cienką treść, spam skalowany i treści generowane bez wartości dodanej. Część branży ograniczyła wydatki na SEO licząc na automatyzację, co zwiększyło skalę nadużyć i w efekcie liczbę kontroli jakości.

Jakie ustawienia AI w Google Ads i Meta Ads warto sprawdzić w branżach regulowanych?
Warto zweryfikować opcje automatycznego generowania i modyfikowania kreacji, takie jak rozszerzanie tekstu, autouzupełnianie adresów URL czy automatyczne wzbogacanie wizualne w Performance Max, Demand Gen i Meta Advantage+. W branżach takich jak zdrowie, finanse czy prawo te domyślne ustawienia mogą naruszać wymogi zgodności i wymagają ręcznej kontroli.

Czym w praktyce różni się praca z ChatGPT i Codex od tradycyjnych narzędzi firmowych?
Według przykładu Oracle zadania, które wcześniej wymagały dni pracy specjalistów — jak research rekrutacyjny czy analiza danych biznesowych — można wykonać znacznie szybciej, opisując słownie oczekiwany efekt zamiast ręcznie przygotowywać raport. Nie oznacza to pracy bez nadzoru — ktoś nadal musi odpowiadać za architekturę i jakość wyniku.

Czy więcej centrów danych oznacza wyższe rachunki za prąd dla zwykłych odbiorców?
Z materiałów Meta wynika, że operator pokrywa pełny koszt energii oraz finansuje rozbudowę infrastruktury potrzebnej do zasilania centrum danych, zamiast przerzucać ten koszt na istniejących odbiorców. Inwestycje planowane są z dostawcami energii z wyprzedzeniem, co ma zabezpieczać lokalną sieć przed dodatkowym obciążeniem.

Jak pozycjonowanie w AI wpisuje się w dzisiejsze newsy o aktualizacjach Google?
Widoczność w wyszukiwarkach AI i w klasycznym Google coraz częściej zależy od tych samych fundamentów: czystej struktury treści, braku spamu i stabilnych sygnałów jakości. Firmy monitorujące obie przestrzenie równolegle szybciej reagują na zmiany algorytmów i rzadziej trafiają na ręczne kary.