AI Chat z RAG w audytach SEO — koniec ery generycznych raportów
Generyczny AI Writer mówi „dodaj słowa kluczowe”. AI Chat z RAG mówi „na stronie /produkt/lampa-led-x12 brakuje meta description, a Twoi konkurenci używają tej frazy w title — oto gotowy fragment”. Różnica? Kontekst Twojego audytu.
Większość narzędzi SEO ma teraz „AI Writera” albo „AI Asystenta”. Klikasz, dostajesz szablon „przeprowadź audyt SEO swojej strony” albo generyczne porady typu „dodaj meta description” i „popraw szybkość ładowania”. To samo, co znalazłbyś w pierwszym lepszym poradniku z 2018 roku. Jaka jest wartość? Praktycznie żadna.
Dlaczego? Bo te asystenty nie znają Twojej strony. Nie wiedzą, że masz 156 podstron z brakującym alt-em, że Twój LCP na kategoriach jest 4.2 sekundy, że konkurencja wyprzedza Cię w AI Overviews dla 12 najważniejszych fraz. Mówią ogólnie, bo nie mają nic poza ogólnym promptem.
W tym artykule pokażę, dlaczego AI Chat z RAG (Retrieval-Augmented Generation) to zupełnie inna kategoria narzędzia, jak działa od strony technicznej i co konkretnie zmienia w pracy specjalisty SEO, freelancera i agencji.
Co to jest RAG i dlaczego ma znaczenie
RAG to skrót od Retrieval-Augmented Generation. W ludzkim języku: zanim AI odpowie na Twoje pytanie, najpierw wyszukuje w Twoich danych relewantne fragmenty, dorzuca je do kontekstu i dopiero wtedy generuje odpowiedź.
Bez RAG, gdy zapytasz AI o problem na stronie, dostajesz odpowiedź wygenerowaną wyłącznie z tego, czego model nauczył się podczas treningu (czyli ogólnej wiedzy o SEO sprzed dwóch lat). Z RAG, AI najpierw sprawdza Twój audyt — meta tagi, metryki Core Web Vitals, listę URL-i, wyniki widoczności — i odpowiada na bazie konkretnych danych Twojej strony.
Praktyczna różnica:
Bez RAG: „Aby poprawić LCP, zoptymalizuj obrazy, włącz lazy loading i użyj CDN.”
Z RAG (SiteSpector): „Twoje LCP w kategorii /elektronika to 4.2s — element LCP to obraz /banner-header.jpg (842 KB, JPEG bez optymalizacji). Konwersja do WebP zmniejszy go do ~210 KB. Dodaj <link rel='preload' as='image' href='/banner-header.webp' fetchpriority='high'> w <head> — szacowany impact: LCP spadnie do ~2.1s.”
Ta różnica decyduje, czy AI jest gadżetem, czy faktycznym narzędziem pracy.
Architektura AI Chat w SiteSpector
Pod maską SiteSpector AI Chat działa w trzech warstwach:
Warstwa 1: Indeksacja (Qdrant). Po fazie 2 audytu (analiza AI), system bierze całe wyniki — per-page data, metryki, raporty modułów, AI insights, klasyfikacje stron — i wektoryzuje je modelem embeddingów Gemini. Każdy fragment dostaje 768-wymiarowy wektor i jest zapisywany w Qdrant z metadanymi (workspace_id, audit_id, page_url, section). Audyt z 200 podstronami daje typowo 3000–5000 fragmentów.
Warstwa 2: Retrieval. Gdy zadajesz pytanie w czacie, system wektoryzuje Twoje pytanie i wyszukuje w Qdrant top-K (zwykle K=8) najbliższych fragmentów po cosine similarity. Filtracja jest scoped per workspace_id i audit_id — więc AI nigdy nie zobaczy danych z innego workspace albo audytu.
Warstwa 3: Generation. Pobrane fragmenty są wstawiane do promptu razem z Twoim pytaniem i historią rozmowy. Prompt wysyłany do Gemini ma postać: „Oto fragmenty audytu strony X. Oto pytanie użytkownika. Odpowiedz konkretnie, na bazie tych fragmentów. Jeśli nie ma odpowiedzi w fragmentach, powiedz to wprost.” Gemini streamuje odpowiedź przez Server-Sent Events — pierwsze tokeny widzisz w sekundach.
Cały pipeline ma latency 1–3 sekundy do pierwszego tokenu i 5–15 sekund do pełnej odpowiedzi (zależnie od długości).
Jak to zmienia pracę agencji SEO
Konkretny przykład z naszej pracy. Agencja audytuje średniej wielkości sklep z meblami (1200 produktów, 80 kategorii). Klient pisze maila: „dlaczego konwersja spada w ostatnim kwartale?”.
Bez AI Chat — specjalista otwiera audyt, klika 8 zakładek (SEO, Performance, Visibility, AI Overviews, Content, Backlinks, Quick Wins, AI Strategy), notuje co wydaje się relewantne, formułuje hipotezy, pisze odpowiedź klientowi. Czas: 45–90 minut, zależnie od skomplikowania.
Z AI Chat — specjalista otwiera audyt, otwiera panel chatu, pyta: „klient pyta, dlaczego konwersja spada — co znalazłeś w audycie, co może być przyczyną?”. AI w 20 sekund odpowiada: „W ostatnim audycie znaleziono: (1) LCP w 14 najważniejszych kategoriach przekroczył 4s w marcu, podczas gdy w styczniu był 2.8s — bezpośredni wpływ na konwersję. (2) 47 produktów straciło pozycje w TOP 10 przez kanibalizację z nową kategorią /promocje. (3) Add-to-cart button na mobile został przesunięty pod fold w nowym layoucie (CLS 0.18). Top hipoteza: kombinacja regresji performance + nowa kategoria.”
Specjalista weryfikuje, dopisuje kontekst klienta i wysyła odpowiedź w 15 minut zamiast godziny. Tak działa to przy każdym maileu od klienta — i tak zmienia ekonomię agencji.
Action Cards z chatu — od pytania do gotowego zadania
W SiteSpector AI Chat ma jeszcze jedną unikalną funkcję: generowanie Action Cards bezpośrednio z rozmowy. Wpisujesz w czacie:
dodaj action card o naprawie LCP w kategoriach
AI tworzy strukturyzowaną kartę: priorytet (krytyczny), kontekst (LCP wzrósł do 4.2s, wpływa na 14 najważniejszych kategorii), rozwiązanie (preload + WebP konwersja banner-header), gotowy snippet kodu, status (do zrobienia), tag „quick win”. Karta od razu trafia do Execution Plan i jest dostępna do przeciągania w widoku kanban.
To nie jest tylko „AI dodaje notatkę”. To ustrukturyzowane zadanie, gotowe do przekazania developerowi. Dla freelancera oznacza to, że w trakcie rozmowy z klientem przez Slack możesz w 30 sekund stworzyć zadanie i wysłać je dewelopezowi z gotowym kodem.
Per-audit history i wracanie do rozmowy
Każdy audyt ma osobny, persystentny wątek rozmowy. Po dwóch tygodniach wracasz do audytu — historia chatu jest dokładnie tam, gdzie ją zostawiłeś. Możesz kontynuować temat („wczoraj rozmawialiśmy o LCP w kategoriach — co jeszcze ważne?”) i AI ma kontekst Twojej poprzedniej rozmowy plus aktualne dane audytu.
Możesz też eksportować całą rozmowę do markdown — i wkleić jako brief do Linear, GitHub issue albo wiadomość na Slack. Format markdown jest świadomy — bloki kodu, listy, nagłówki — nic nie tracisz.
Prywatność: dane i no-data-retention
Pytanie, które dostajemy najczęściej: „czy moje dane są używane do trenowania AI?”. Odpowiedź: nie.
Konfigurujemy Google Gemini API z opcją „no data retention”. Twoje audyty NIE są używane do trenowania modeli. Embeddings w Qdrant są scoped per workspace — żaden inny użytkownik (ani my, jako zespół) nie ma dostępu do Twoich danych poza wąskim kontekstem support (i to tylko za zgodą).
Wszystko jest hostowane w UE — Qdrant na własnym VPS Hetzner DE, Supabase region eu-central-1. Pełna zgodność z RODO. DPA dostępne na żądanie.
Limity i koszty
AI Chat kosztuje kredyty: typowo 1–3 kredyty per wiadomość zależnie od długości i liczby fragmentów wciągniętych w kontekst. Wiadomość-pytanie krótsze = mniej kredytów. Wygenerowanie Action Card to dodatkowe 2 kredyty.
Średni audyt z 30 wiadomościami w chacie + 5 wygenerowanymi Action Cards to koszt ~70–100 kredytów (poza 30 za sam audyt). W planie Agency (400 kredytów/miesiąc) oznacza to spokojnie 4 audyty miesięcznie z aktywnym AI Chat. W Enterprise (2000 kredytów) — 25–30 audytów.
Dlaczego to działa lepiej niż „AI Writer”
Generyczne AI Writery są zbudowane jak chatbot — pisz coś, dostajesz coś. Odpowiedź jest stochastyczna, czasem trafia, czasem wymyśla. Brak weryfikowalności — nie wiesz, czy AI mówi prawdę.
AI Chat z RAG działa inaczej. Każda odpowiedź ma korzenie w konkretnych fragmentach Twojego audytu, które możesz zweryfikować. Możesz zapytać „skąd to wiesz?”, a AI poda Ci konkretne URL-e i sekcje raportu, na których oparł odpowiedź. To jest narzędzie, nie zabawka.
W połączeniu z trybami persona (AI dostosowuje styl do roli) i Action Cards (rozmowa staje się zadaniem), AI Chat w SiteSpector to nie funkcja dodatkowa — to nowy sposób pracy z audytem.
Jeśli chcesz przetestować — załóż darmowe konto, uruchom audyt swojej strony i zadaj asystentowi pierwsze pytanie. 50 kredytów na start, bez karty kredytowej. Przekonasz się, czy „AI z kontekstem” to dla Ciebie marketingowy slogan, czy realna zmiana.
Chcesz sprawdzić swoją stronę?
Uruchom darmowy audyt SEO i wydajności w SiteSpector. Wyniki w 3 minuty.
Rozpocznij darmowy audyt