Paweł Kijko – wywiad po semKRK#24 BIG

Ogromny stres i pierwsza taka przeprawa w wystąpieniu. Przetestowałem swoją prezentację, gdyż następną miałem na Affiliate Summit East w Nowym Jorku - tą samą, ale po angielsku.

Myślę że z miesiąc. Znaleźliśmy dobry model, a ja już miałem doświadczenie z konstrukcją artykułów przez API (one strukturalnie są inne niż poprzez aplikacje) i sporo testowałem ze studentami Uniwersytetu Warmińsko-Mazurskiego.

Zawsze zaczynam od pokrycia tematów dotyczących niszy. Nauczyłem się przez 15 lat pisania treści, że nie można patrzyć na jedno słowo kluczowe, a nawet klastry tematyczne czasem są mylące. Treść ekspercka to najlepsza treść na ten temat w Internecie.

Tak. Skupiałem się na Gemini i ChatGPT. W Gemini najlepiej pisało nam się Gemini 2.5 Flash, a w Chat GPT obecnie stosuje GTP-5.5 (system) a wcześniej stosowałem GPT 5.4 (system). Zwracam tylko szczególną uwagę, że chodzi o pisanie artykułów z użyciem API modeli językowych, a nie korzystając z aplikacji.

Jest różnica. I według deklaracji firm, używanie API nie powoduje, że twoje zapytania wędrują do danych treningowych - przynajmniej w teorii.

Kluczowe. Według mnie nadaje wartości artykułowi, ale i z drugiej strony, promuje autora.

Ważne jest żebyś podał źródła skąd pobrałeś treści lub autorów które je napisali. W tym procesie masz pełną wiedzę o tym w oparciu o jakie materiały pisane są artykuły.

W większości poprawki wydawały mi się znikome. Myślę, że 40% artykułów ich nie zawierało w ogóle.

W pozostałych 40% poprawki były mało istotne. Myślę, że 20% zawierało istotne dodatki, a nawet księgowym zdarzało się skreślać całe zdania jako błędne.

Eksperci księgowi Taxeo sprawdzali treści. Jedynym zagrożeniem jest fakt, że taki proces wymaga podejrzliwości do stworzonych treści - której często nam ludziom brakuje. Myślimy, że AI opiera się na własnych przemyśleniach i rozumuje jak człowiek, ale często mogą zdarzyć się halucynacje i trzeba to wyłapać.

Najpierw musisz przekonać szefa. Później musisz zaimplementować proces sprawdzania artykułów jako jeden z tasków w firmie do wykonania. Może mieć niski priorytet, ale musi być prędzej czy później wykonany. Warto też czasami bezpośrednio zwrócić się do pracowników z prośbą o przesunięcie taska wyżej w priorytetach.

Robiliśmy kalkulatory finansowe (np. czy warto przejść na B2B z umowy o pracę) z treściami z AI i były to jedne z najlepszych stron. Więc wszystko co daje wartość użytkową jest dobrze oceniane przez Google, niezależnie czy pisze to AI czy nie.

Jeśli chodzi o punktację np. w programach jak contadu - nie sugeruję się nią. Jeśli chodzi o punktację nadawaną jako feedback przez odbiorców treści - jest dla mnie wyznacznikiem jej jakości.

Na pewno jeśli użytkownik zorientuje się, że słucha Voice AI - a nie wiedział o tym, ma wrażenie, że uczestniczy w ściemie. Nie chce słuchać maszyny. Dlatego w Taxeo informujemy, że podcast jest wygenerowany przez AI, ale na podstawie treści sprawdzonych przez ekspertów. To daje różnice. Widzę, że ten trend rośnie. Można znaleźć wiele takich podcastów na Spotify, a nawet w podcastach Onet.

Są to byty niezależne. A nawet się wspierały. Zagnieżdżaliśmy w naszych artykułach iframe’y do podcastów. Same podcasty były wyszukiwane poprzez wyszukiwarkę Spotify.

Nie analizowałem wersji human. Pewnie byłoby lepiej. W Spotify masz podstawowe statystyki odbiorców - płeć, wiek, lokalizacja, platforma. Do tego ilość odsłuchań poszczególnych odcinków, ilość śledzących podcast - i statystyki te można analizować per odcinek.

Nie mamy artykułów nie-generowanych. Jedynie takie ogłaszające współpracę czyli PRowe - ale nie miały na celu ściągania ruchu.

Testowałem Bielika. Bardzo chciałem, pisać jego modelami. Niestety w każdej próbie wyglądał gorzej od innych modeli. Dodatkowo, Bielik nie ma modułu w make.com którego używamy w całym procesie. Musiałem się nagimnastykować, żeby zrobić integrację, a i ona była niestabilna. Podkreślam, że korzystamy z API, a nie aplikacji.

Bardzo dobry pomysł. Na pewno będziemy chcieli.

Bardzo chciałem zintegrować Bielika. Nawet dorobiłem integracje do make.com żeby łączyć się z jego API (okazała się mało stabilna). Nie mniej jednak odpowiedzi były znacznie gorsze niż w ChatGPT. Na przykład pisząc prompta - “w tekstach skup się na słowach kluczowych” Bielik mi odpowiadał umieszczając je sztywno w artykułach a nie w tekstach. Same teksty były wyraźniej krótsze.

Szukam zastosowania dla niego i wracam co jakiś czas do tematu Bielka. Na pewno go znajdę. Nie mniej jednak na pewno nie w jakości pisanych artykułów.

W moim procesie modele językowe są typowymi narzędziami do przetwarzania dokumentów, które im dostarczam. Nie ma tutaj kontekstu “polskości”. Bielik w benchmarkach wypada gorzej od innych modeli w takich zadaniach. Ale to nie oznacza, że nie znajdzie roli i u nas. Na pewno kiedyś go wykorzystamy. Warto wspierać polskie rozwiązania.