AI w marketingu — co działa, ile kosztuje, czego nie robić (2026)

Co AI realnie robi w marketingu — siedem obszarów

Zamiast listy narzędzi — lista zadań. Narzędzia zmieniają się co kwartał, zadania nie.

Wspólny mianownik prawej kolumny: AI jest dobra w wariancji i skali, słaba w prawdzie i odpowiedzialności. Każdy proces marketingowy, który da się w ten sposób podzielić, daje się częściowo zautomatyzować — reszta automatyzacji procesów w marketingu (przekazywanie leadów, tagowanie, raporty) to zwykły workflow, nie AI.

Treści: gdzie AI pomaga, a gdzie kosztuje Cię ruch z Google

Najczęstszy błąd: „wygenerujemy 300 artykułów i zdominujemy long tail”. Google opisał ten scenariusz w polityce antyspamowej pod nazwą scaled content abuse — nadużycie polegające na tym, że „wiele stron jest generowanych głównie po to, by manipulować rankingiem, a nie pomagać użytkownikom”, a jako przykład podano wprost: „używanie narzędzi generatywnej AI do tworzenia wielu stron bez wnoszenia wartości dla użytkowników” (Google Search Central, Spam Policies).

Kluczowe rozróżnienie, którego większość poradników nie robi: Google nie karze za użycie AI, tylko za brak wartości. Ten sam model, ta sama polityka — różnica leży w tym, czy tekst wnosi coś, czego nie ma w pierwszej dziesiątce.

Co z tego wynika praktycznie:

• Działa: AI jako pierwszy szkic i redaktor. Ekspert dyktuje wiedzę, model porządkuje strukturę, człowiek weryfikuje i dokłada dane, których model nie miał.
• Działa: przetwarzanie treści, które już masz — webinar w artykuł, artykuł w newsletter i 5 postów, raport w podsumowanie dla klienta.
• Nie działa: publikowanie surowego outputu modelu. Generyczny tekst „o wszystkim i o niczym” nie rankuje, bo nie odpowiada lepiej niż to, co Google już ma.
• Nie działa: liczby i cytaty z modelu bez weryfikacji. Model wygeneruje wiarygodnie wyglądającą statystykę razem z fikcyjnym źródłem — to nie błąd konfiguracji, to sposób działania LLM-ów.

Jakość promptu decyduje o tym, czy dostaniesz szkic wart redakcji, czy watę słowną. Warto zacząć od biblioteki promptów, zanim wyda się pierwszą złotówkę na narzędzie.

AI Act art. 50 — co musisz oznaczać w reklamie i content marketingu

Art. 50 AI Act nakłada obowiązki przejrzystości na podmioty stosujące systemy AI — czyli także na agencje i działy marketingu, nie tylko na dostawców modeli. Obowiązuje od 2 sierpnia 2026; termin nie został przesunięty pakietem Digital Omnibus, a okres przejściowy do 2 grudnia 2026 dotyczy wyłącznie maszynowego znakowania treści przez systemy GenAI już obecne na rynku — nie zwalnia Cię z ujawnienia.

Źródło: art. 50 rozporządzenia 2024/1689 — pełny tekst w Dzienniku Urzędowym UE. Data stosowania art. 50 (2 sierpnia 2026) wynika z ogólnej reguły art. 113 tego samego rozporządzenia — pakiet Digital Omnibus przesunął terminy dla systemów wysokiego ryzyka, ale nie dla obowiązków przejrzystości.

Jest jeszcze jeden wyjątek, którego polskie poradniki nie zauważają, a który przesądza o codziennej pracy z tekstem. Art. 50 ust. 2 — obowiązek maszynowego znakowania treści syntetycznych — nie stosuje się do systemów pełniących funkcję wspomagającą w zakresie standardowej edycji ani do systemów, które nie zmieniają istotnie danych wejściowych ani ich semantyki. Autokorekta, poprawa stylu, skrócenie akapitu, uporządkowanie interpunkcji: to nie jest wytwarzanie „treści syntetycznej”. Granica biegnie tam, gdzie model przestaje szlifować Twój tekst, a zaczyna go wymyślać.

Trzy wnioski dla marketera:

1. Nie musisz stemplować całej strony „AI generated”. Obowiązek celuje w treści, które mogą uchodzić za autentyczne — nie w każdy tekst, który przeszedł przez model.
2. Redakcja człowieka jest tarczą. W przypadku tekstów informacyjnych ujawnienie nie jest wymagane, jeśli treść przeszła weryfikację redakcyjną i ktoś bierze za nią odpowiedzialność. To argument za procesem, nie za ukrywaniem.
3. Platformy reklamowe mają własne, często szersze wymogi (deklaracje treści syntetycznych w reklamach politycznych i społecznych). Zgodność z AI Act nie zwalnia z regulaminu Meta czy Google — to dwie równoległe warstwy.

Termin ujawnienia jest twardy: informacja ma być podana „w jasny i wyraźny sposób najpóźniej w momencie pierwszej interakcji lub pierwszego kontaktu” z treścią. Doklejenie disclaimera w stopce po fakcie nie spełnia tego warunku.

RODO przy personalizacji i profilowaniu

Drugi reżim, który dotyka marketingu mocniej niż AI Act. Personalizacja to profilowanie, a profilowanie to przetwarzanie danych osobowych.

Art. 22 RODO daje osobie prawo, by nie podlegać decyzji opartej wyłącznie na zautomatyzowanym przetwarzaniu, która wywołuje wobec niej skutki prawne lub w podobny sposób istotnie na nią wpływa. Wyjątki są trzy: niezbędność do zawarcia lub wykonania umowy, wyraźna zgoda oraz zezwolenie przepisu prawa. Przy umowie i przy wyraźnej zgodzie administrator musi dodatkowo zapewnić co najmniej „prawo do uzyskania interwencji ludzkiej ze strony administratora, do wyrażenia własnego stanowiska i do zakwestionowania tej decyzji” (art. 22 ust. 3 RODO); przy podstawie ustawowej zabezpieczenia określa sam przepis (art. 22 RODO).

Co to znaczy w praktyce marketingowej:

• Rekomendacja produktu czy dobór kreacji zwykle nie wywołuje „istotnego wpływu” w rozumieniu art. 22 — ale scoring, który decyduje o dostępie do oferty, rabatu warunkowego czy odmowie usługi, już może.
• Dane klientów w publicznym czacie AI to wyciek. Wklejenie bazy mailingowej z imionami i historią zakupów do darmowego narzędzia bez umowy powierzenia to naruszenie — niezależnie od tego, jak dobrze model posegmentuje.
• Podstawa prawna musi istnieć przed segmentacją, nie po. Jeśli zgoda była na newsletter, nie obejmuje automatycznie profilowania behawioralnego pod reklamy.
• W ChatGPT Free i Plus trening na Twoich danych jest domyślnie włączony. To ustawienie, które użytkownik musi wyłączyć sam (Data Controls → „Improve the model for everyone”), a nie zgoda, o którą ktoś prosi. Marketer, który wkleja bazę klientów do darmowego konta, nie tylko przetwarza dane bez umowy powierzenia — oddaje je do zbioru treningowego. Plany firmowe (Team, Enterprise, API) mają trening domyślnie wyłączony, ale to inna umowa i inna cena.

Jeśli testujesz darmowe narzędzia AI, rób to na danych syntetycznych albo zanonimizowanych. Darmowy plan zwykle oznacza brak umowy powierzenia i możliwość trenowania modelu na Twoich danych.

Wizerunek, głos i prawa autorskie — o czym nie mówi żaden poradnik

Trzy pułapki, które w polskich tekstach o AI w marketingu praktycznie nie istnieją, a decydują o tym, czy kreacja nadaje się do publikacji i czy agencja może w ogóle przenieść do niej prawa na klienta.

1. Wygenerowana twarz może być cudzym wizerunkiem. Art. 81 ust. 1 ustawy o prawie autorskim wymaga zezwolenia osoby przedstawionej na rozpowszechnianie jej wizerunku. Przepis nie mówi o fotografii — mówi o wizerunku, czyli rozpoznawalnym odwzorowaniu cech. Jeśli model wygenerował twarz na tyle podobną do konkretnej osoby, że jest rozpoznawalna, brak zgody jest naruszeniem, a fakt, że „to tylko AI”, nie jest obroną. Do tego dochodzą art. 23 i 24 Kodeksu cywilnego (dobra osobiste) oraz — jeśli twarz jest rozpoznawalna — RODO, bo rozpoznawalna podobizna to dana osobowa. W praktyce: syntetyczny model reklamowy jest bezpieczny wtedy, gdy nie przypomina nikogo konkretnego; „ulepszenie” zdjęcia realnej osoby przez AI to nadal jej wizerunek.

2. Głos jest chroniony słabiej niż twarz. Polskie prawo nie zna osobnego „prawa do głosu” analogicznego do art. 81. Ochrona idzie okrężną drogą przez dobra osobiste z Kodeksu cywilnego. Klonowanie głosu lektora czy influencera do spotu bez zgody to spór, którego nie chcesz — a od 2 sierpnia 2026 dochodzi jeszcze obowiązek ujawnienia z art. 50.

3. Surowego outputu modelu prawdopodobnie nie posiadasz. Art. 1 ust. 1 pr. aut. definiuje utwór jako „przejaw działalności twórczej o indywidualnym charakterze, ustalony w jakiejkolwiek postaci” — słowa „człowiek” w przepisie nie ma, ale doktryna i orzecznictwo zgodnie przyjmują, że twórcą może być wyłącznie osoba fizyczna. W USA to samo stanowisko wyrażono wprost: Copyright Office odmawia rejestracji treści bez ludzkiego autorstwa, a sądy podtrzymały tę linię w sprawie Thalera. Wniosek: treść wygenerowana bez twórczego wkładu człowieka nie jest utworem — nie ma więc czego licencjonować ani przenosić. Konsekwencja dla agencji jest twarda: umowa, w której przenosisz na klienta autorskie prawa majątkowe do kreacji wyklikanej w generatorze, obiecuje coś, czego możesz nie mieć. Im większy udział człowieka w doborze, obróbce i kompozycji, tym bezpieczniej. Konkurencja nie może skopiować Twojej kampanii — ale nie dlatego, że masz do niej prawa.

Ile to kosztuje — realny rachunek zespołu marketingowego

Typowy poradnik wymienia dwadzieścia narzędzi i nie podaje ceny żadnego. Zacznij od drugiej strony — od zadania. Kategorii jest w praktyce pięć i tylko pierwsza jest obowiązkowa:

Stawki z cenników producentów (stan na lipiec 2026; ceny netto, przeliczenie na PLN według kursu z dnia zakupu).

Realny miesięczny koszt zespołu 3-osobowego przy podstawowym zestawie z tabeli (trzy licencje asystenta tekstowego + jedno narzędzie SEO w planie wejściowym) to trzy licencje Claude Pro (3 × 20 USD) plus Surfer Discovery (49 EUR) — rząd kilkuset złotych miesięcznie, czyli mniej niż jeden dzień pracy juniora. Nie licencje są tu wąskim gardłem.

Wąskim gardłem są dwie pozycje, które nie mają cennika:

• Czas na naukę. Zespół, który nie umie pisać promptów, wygeneruje watę i uzna, że „AI nie działa”. Szkolenia AI dla firm zwracają się szybciej niż jakikolwiek zakup subskrypcji — a od 2 lutego 2025 art. 4 AI Act nakłada na organizacje obowiązek zapewnienia kompetencji w zakresie AI (AI literacy) osobom obsługującym te systemy — sam art. 4 nie figuruje przy tym w katalogu kar z art. 99 ust. 4.
• Czas na weryfikację. Każda liczba, cytat i nazwa własna z modelu wymaga sprawdzenia. Jeśli w kalkulacji ROI pomijasz ten czas, kalkulacja jest fałszywa.

Czego AI w marketingu nie robi dobrze — cztery twarde ograniczenia

1. Zmyśla dane i źródła

Model językowy generuje najbardziej prawdopodobny ciąg słów, nie prawdę. Statystyka „73% konsumentów oczekuje personalizacji” wygenerowana razem z nazwą raportu, którego nie ma, to typowy przypadek. W marketingu B2B publikacja zmyślonej liczby w whitepaperze to nie wpadka contentowa — to ryzyko reputacyjne i, przy przekazie reklamowym, potencjalna nieuczciwa praktyka rynkowa.

2. Produkuje treści, których Google nie chce

Patrz wyżej: masowa generacja bez wartości dodanej jest w polityce Google nazwana wprost nadużyciem. Serwis, który zbudował ruch na 300 wygenerowanych tekstach, jest o jedną aktualizację algorytmu od zera.

3. Nie ma wyczucia marki i kontekstu kulturowego

Modele są trenowane głównie na angielskim internecie. Polski tekst z modelu bywa poprawny gramatycznie i jednocześnie brzmi jak tłumaczenie — nienaturalne kolokacje, kalki, ton „amerykańskiego copy”. Kreacje wizualne mają ten sam problem: generyczna estetyka stocku.

4. Ryzyko marki w kanałach automatycznych

Chatbot podłączony do LLM-a bez ograniczeń potrafi obiecać klientowi rabat, którego nie ma, albo wypowiedzieć się w imieniu marki na temat, którego nikt nie autoryzował. Każdy bot w kanale klienckim potrzebuje twardych granic: zamkniętej bazy wiedzy, listy tematów odrzucanych i eskalacji do człowieka.

Reguła praktyczna: im bliżej klienta i pieniędzy, tym mniej autonomii dla AI. Wewnętrzny research — pełna swoboda. Szkic treści — swoboda z redakcją. Komunikat publikowany w imieniu marki — zawsze przez człowieka.

Czy to w ogóle działa — czyje liczby czytasz

Poradniki o AI w marketingu żyją z trzech gatunków liczb. Warto je rozróżniać, zanim któraś trafi do Twojego uzasadnienia budżetu.

Z tej trzeciej kategorii pochodzi najbardziej niewygodna liczba w całej dyskusji: według raportu MIT NANDA około 95% pilotaży generatywnej AI w firmach nie przełożyło się na mierzalny wynik finansowy (opisany m.in. przez Fortune). Nie znaczy to, że AI nie działa. Znaczy, że działa u tych, którzy zmienili proces — a nie u tych, którzy kupili licencje i czekali.

Drugi punkt odniesienia: w Polsce AI wykorzystuje 8,7% firm (GUS, dane za 2025 r.; 5,9% rok wcześniej). Marketing należy do obszarów, gdzie wejście jest najtańsze — więc jeśli poradnik straszy Cię, że „konkurencja już to ma”, statystyka mówi coś przeciwnego.

Jak zmierzyć u siebie, żeby nie produkować własnych danych sprzedawcy:

1. Zanotuj baseline przed wdrożeniem: godziny na jeden materiał, liczba publikacji w miesiącu, koszt jednego leada z kanału.
2. Wprowadź zmianę w jednym procesie — nie w pięciu naraz, bo nie rozdzielisz przyczyn.
3. Do rachunku doliczaj czas weryfikacji i redakcji, nie tylko czas generowania. To tu znika większość deklarowanych oszczędności.
4. Porównuj koszt na jednostkę wyniku (lead, publikacja, konwersja), nie liczbę wytworzonych materiałów. Liczba materiałów rośnie zawsze — to najłatwiejszy do zmanipulowania wskaźnik świata.

Jak zacząć — plan na pierwszy kwartał

1. Zmapuj zadania, nie narzędzia. Wypisz, na co zespół traci najwięcej godzin. Jeśli to raportowanie, żaden generator grafik nie pomoże.
2. Zacznij od jednego procesu o wysokiej powtarzalności i niskim ryzyku: przetwarzanie treści na formaty, opisy produktów, briefy SEO.
3. Ustal zasady zanim ruszysz. Jedna strona: co wolno wkleić do modelu (nigdy dane osobowe klientów), co wymaga weryfikacji człowieka, co wymaga oznaczenia z art. 50.
4. Zmierz przed i po. Godziny na zadanie, liczba publikacji, konwersja. Bez punktu odniesienia „AI nam pomaga” jest opinią, nie wynikiem.
5. Przeszkol zespół z promptowania, zanim rozszerzysz zakres. To najtańszy mnożnik efektu.

Marketing jest jedną z branż, gdzie AI daje najszybszy zwrot — bo praca jest tekstowa, powtarzalna i mierzalna. Ale zwrot bierze się z przyspieszenia dobrych ludzi, a nie z zastąpienia ich generatorem. Jeśli planujesz szersze wdrożenie, zacznij od przewodnika po AI dla firm — obejmuje audyt procesów, koszty i pułapki wdrożeniowe wspólne dla wszystkich działów.

Najczęściej zadawane pytania