Odkud berou AI nástroje data pro odpovědi

Dvě vrstvy: co je v modelu a co si model dohledá

Každý velký jazykový model kombinuje dva zdroje. Prvním jsou trénovací data, tedy znalosti zapečené v modelu do data uzávěrky. Druhým je živé vyhledávání: model si sám napíše dotaz, dostane výsledky, případně stáhne konkrétní stránky a z nich odpověď sestaví.

Pro práci na viditelnosti je podstatná hlavně druhá vrstva. Do trénovacích dat už svůj obsah zpětně nedostanete a nezjistíte, co přesně si z nich model odnesl. Živé vyhledávání naopak běží nad indexem, do kterého se dá dostat, a právě z něj vznikají citace a odkazy v odpovědi.

Do jakého indexu sahá který nástroj

Neexistuje jeden společný index pro AI. Každý dodavatel si zdroje řeší po svém a odpovědi se proto liší nejen formulací, ale i tím, které weby vůbec připadají v úvahu. Následující přehled shrnuje stav k září 2026; u nástrojů, které své zdroje nezveřejňují, jde o závěry z měření, nikoli o oficiální potvrzení.

Claude: nejtěsnější vazba na jeden index

Anthropic poskytovatele vyhledávání oficiálně nepojmenoval, nepřímých dokladů je ale hodně: Brave Search je na seznamu subdodavatelů Anthropicu a webové vyhledávání v API má parametr pojmenovaný přímo po Brave. Analýzy citací navíc opakovaně nacházejí vysokou shodu mezi tím, co Claude cituje, a předními organickými výsledky Brave.

Podle dat prezentovaných na odborné konferenci Claude výsledky nepřerovnává a pracuje s nimi v podobě, v jaké je dostane. S tím, co na stejné dotazy cituje ChatGPT, se přitom potkává jen asi v osmi procentech případů. Rozbor Profoundu našel shodu s předními organickými výsledky Brave v 86,7 procenta, šlo ale o malý vzorek, takže berte číslo jako indicii, ne jako konstantu.

Brave nabízí nástroj Submit URL, kterým si lze vyžádat načtení nové adresy. Pomůže to s objevením stránky, ne s pozicí ani s citací. Platí tu totéž co jinde: odeslání adresy je začátek, ne výsledek.

Zdroj: Search Engine Land: viditelnost v Claude může záviset na pozicích v Brave Search

ChatGPT: vlastní index místo pouhého Bingu

Rovnice „ChatGPT rovná se Bing“ už neplatí. OpenAI si postavila vlastní vyhledávací index, interně označovaný Labrador, a nejde o jeden seznam stránek: jsou to vertikální indexy pro web, PDF, videa, zprávy, odborné články, encyklopedii, lokální výsledky, finance, právo, medicínu, nákupy i obrázky.

Vlastní index přitom není jediný zdroj. ChatGPT k němu přidává výsledky dalších dodavatelů a podle placeného režimu se poměr výrazně mění: v bezplatné verzi převažuje vlastní index, v režimu s hlubším uvažováním naopak výsledky převzaté odjinud. Pro vlastníka webu z toho plyne, že jeden test v jednom účtu nevypovídá o tom, jak je na tom web celkově.

Zdroj: Peec AI: ChatGPT si postavil vlastní vyhledávací index

Google: jeden index pro Search, AI Overviews i AI Mode

AI přehledy i AI Mode běží nad stejným indexem jako klasické vyhledávání a řídí se pravidly pro Googlebota. Dobře odvedené SEO v Googlu je tady proto nejpřímější pákou; žádné zvláštní AI soubory ani speciální značkování k tomu podle dokumentace Googlu nepotřebujete.

Samostatnou kapitolou je token Google-Extended. Podle dokumentace Googlu řídí, zda obsah pomůže trénovat budoucí modely Gemini, a dokumentace pro Vertex AI k tomu dodává, že grounding nepoužije stránky, které Google-Extended zakázaly. Na zařazení ani na pořadí v Google Search vliv nemá. Zákaz tedy nic nestojí ve vyhledávání, ale odřízne vás od odpovědí v aplikaci Gemini.

Zdroj: Google: přehled běžných robotů včetně tokenu Google-Extended

Perplexity, Copilot a Grok

Perplexity převedla v dubnu 2025 vyhledávání do vlastní režie a postavila ho na otevřeném enginu Vespa, který zvládá vyhledávání i řazení v jedné vrstvě. Index plní vlastní PerplexityBot doplněný o licencovaná data a firma ho popisuje jako stovky miliard stránek.

Copilot od Microsoftu si z promptu sestaví krátký dotaz a pošle ho do Bingu; v Microsoftu 365 k tomu přidává firemní data z prostředí zákazníka. Grok kombinuje web s obsahem sítě X, což ho zvýhodňuje u čerstvých zpráv a trendů. Ani jeden nepřidává samostatný robot, se kterým by bylo potřeba zvlášť počítat.

Zdroj: Vespa.ai: Perplexity převedla vyhledávání do vlastní režie

Jak často modely vůbec sahají na web

Rozdíly jsou velké a mají přímý dopad na to, kde se o citace hraje. Claude sáhl po webu zhruba u 36 procent promptů, ChatGPT asi u 90 procent. U Clauda přitom šance na vyhledávání roste, když dotaz míří na aktuálnost, žebříčky, lokalitu nebo srovnání; u ostatních dotazů odpovídá spíš z toho, co se naučil.

Aplikace Gemini je nejméně předvídatelná: v jednom měření groundovala 41 procent odpovědí, o měsíc později 71 procent a za osm měsíců se pohybovala mezi 27 a 70 procenty. Jedno měření proto neberte jako vlastnost nástroje. Když si viditelnost měříte sami, zapisujte si datum, režim i znění dotazu, jinak neodlišíte vlastní zlepšení od kolísání systému.

Zdroj: Cloro: jak často jednotlivé AI nástroje sahají na živý web

Jak viditelnost v AI odpovědích průběžně měřit →

Oddělte tréninkové roboty od vyhledávacích

Velcí dodavatelé dnes rozlišují roboty podle účelu a dávají jim samostatné identifikátory. Díky tomu můžete odmítnout trénink modelů a zároveň zůstat způsobilí k citacím ve vyhledávání. Je to jedno z mála míst, kde má vlastník webu skutečnou páku, a stojí za to ho nastavit vědomě.

# AI vyhledávání a citace – povolit
User-agent: OAI-SearchBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: Claude-SearchBot
Allow: /

User-agent: Claude-User
Allow: /

User-agent: PerplexityBot
Allow: /

# Trénink modelů – zakázat
User-agent: GPTBot
Disallow: /

User-agent: ClaudeBot
Disallow: /

# Zakáže i grounding v aplikaci Gemini.
# Google Search ani AI Overviews to neovlivní.
User-agent: Google-Extended
Disallow: /

Zdroj: Anthropic: jak Claude prochází web a jak roboty řídit v robots.txt

Ověřte, že se k vám roboti vůbec dostanou

Pravidla v robots.txt nepomůžou, pokud požadavek zastaví něco před nimi. Cloudflare u nových domén ve výchozím nastavení blokuje kategorie tréninku a agentů a vyhledávací roboty nechává povolené. Nastavení se ale mění a mnoho webů má vlastní pravidla, takže skutečný stav zjistíte jedině v administraci CDN a v serverových logách.

Druhou častou dírou je vykreslování. Většina AI robotů čte stránku jako čisté HTML a JavaScript nespouští. U e-shopů a aplikací postavených na klientském renderování tak robot uvidí prázdnou kostru, i když je v prohlížeči všechno v pořádku. Serverové vykreslení důležitého obsahu je proto předpoklad, ne optimalizace.

Zdroj: Cloudflare: nové možnosti řízení AI provozu pro všechny zákazníky

Co s tím udělat na vlastním webu

Pořadí kroků je stejné jako u běžného technického SEO: nejdřív se k vám robot musí dostat, pak vás musí mít v indexu a teprve potom se řeší, jestli je obsah dost dobrá odpověď. Přeskočit první dva kroky nejde.

• Ověřte v logách, které AI roboty k vám skutečně chodí a které dostávají chybu nebo zákaz.
• Zkontrolujte CDN a firewall dřív než robots.txt; výchozí ochrana bývá přísnější, než čekáte.
• Rozhodněte vědomě o tréninku a vyhledávání zvlášť a promítněte to do robots.txt.
• Nezůstávejte jen u Googlu: přidejte Bing Webmaster Tools a odeslání adres do Brave.
• Zvažte IndexNow. Jedním odesláním pokryjete Bing, Seznam.cz, Yandex, Naver i Yep.
• Důležitý obsah vykreslujte na serveru a ověřte si ho s vypnutým JavaScriptem.

Zdroj: IndexNow: okamžité oznámení změn zapojeným vyhledávačům

Kontrola dostupnosti a indexace krok za krokem →

Jak hledat skutečné otázky zákazníků →