Buďte zdrojem: jak připravit data AEC firem pro vyhledávání s AI

Otevřete dnes Google a zadejte skutečný inženýrský dotaz – jeden z těch dlouhých, s návrhovou normou a materiálem. Ještě než uvidíte jediný odkaz, Google vám už napsal odpověď a pod ni připojil několik zdrojů. Tento krátký seznam je novou první stránkou výsledků vyhledávání. Pro AEC firmu se vyplatí ověřit, které zdroje se zobrazují u dotazů, jež kladou její zákazníci.

Google už je vyhledávač s AI

Když lidé slyší „vyhledávání s AI“, vybaví se jim ChatGPT. Tím ale přehlížejí mnohem větší posun. Na konferenci Google I/O v květnu 2026 Google oznámil, že Přehledy od AI (AI Overviews) překročily 2,5 miliardy uživatelů měsíčně a konverzační Režim AI (AI Mode) přes miliardu, a že obě funkce sloučí do jednoho prostředí pro vyhledávání s AI.1 Vaši zákazníci nemusejí přecházet k chatbotu. Vyhledávač, který používají dvacet let, se jím stal sám.

Inženýrské dotazy jsou přesně tím typem vyhledávání, na který dnes místo seznamu odkazů přichází odpověď: jsou dlouhé, konkrétní a plné okrajových podmínek. Který software umí navrhnout CLT strop podle NDS? Která kotva je schválená do betonu s trhlinami? Inženýr si přečte odpověď a možná jeden z jejích zdrojů. Přidejte ChatGPT, Claude, Gemini a Perplexity a vzorec je všude stejný.

Dvacet let byla dobrá produktová stránka s ostrými fotografiemi cílovou rovinkou. Dnes je to surovina. Jestli ji inženýr vůbec uvidí, závisí na tom, zda ji systém AI dokáže přečíst, důvěřovat jí a citovat ji. Vedle pozic ve vyhledávání proto dnes sleduji i to, zda je stránka v odpovědích AI citována jako zdroj.

„Produktová stránka by měla jasně říkat, co produkt podporuje, kde se uplatní a kde jsou jeho limity.“

Co mě lokalizace naučila o viditelnosti v AI

Od roku 2021 pracuji na webech a obsahu pro inženýrský software a přizpůsobuji je inženýrům ve Spojených státech, Kanadě a Evropě. Velkou část této práce tvoří lokalizace. Ta mě naučila to nejdůležitější pro vyhledávání s AI dávno předtím, než vůbec vzniklo.

Přeložit stránku je snadné. Lokalizovat ji znamená zeptat se, jak tutéž věc hledá inženýr na jiném trhu: s jakou návrhovou normou pracuje, jaké pojmy používá, jaký pravopis očekává. Přeložená stránka může být naprosto správná, a přesto zůstat neviditelná pro lidi, pro které vznikla – protože odpovídá na otázku, kterou si nikdy nepoloží.

Příklad: stránka o dřevěných konstrukcích pro Severní Ameriku

Projekt, u kterého mi to docvaklo, byla stránka řešení pro navrhování dřevěných konstrukcí, kterou jsem pro dodavatele inženýrského softwaru optimalizoval pro statiky ve Spojených státech a Kanadě. Původní obsah vycházel z evropského produktového kontextu. Byl přesný a důkladný a mluvil jazykem Eurokódu. Jenže statik dřevěných konstrukcí v Portlandu nebo Vancouveru v Eurokódu nepřemýšlí. V USA navrhuje podle NDS, v Kanadě podle CSA O86 – a tak také formuluje své dotazy, ať už je zadává do Googlu, nebo se ptá asistenta.

Stránku jsem proto postavil kolem otázky inženýra, ne kolem produktu. Severoamerické návrhové normy jsou v textu výslovně uvedeny tam, kde je inženýr hledá. Jazyk odpovídá americké angličtině a americké terminologii a jako zastřešující pojem používá „design standards“ místo „Eurocode“. Nic na stránce nespoléhá na to, že si čtenář – nebo stroj – převede jeden svět norem do druhého.

Totéž platilo pro obrázky. Snímek obrazovky je součástí sdělení: inženýr, který vidí model posouzený podle Eurokódu s evropskými popisky v celém rozhraní, ho vnímá jako produkt určený někomu jinému. Lokalizoval jsem proto i snímky obrazovky. Ukazují severoamerické návrhové normy a rozhraní softwaru v americké angličtině, takže inženýři na první pohled poznají své vlastní pracovní prostředí. A protože vyhledávače i systémy AI se dodnes opírají hlavně o text kolem obrázku, dostal každý obrázek také lokalizovaný text: název, alternativní text, popis a popisek, které uvádějí zobrazenou návrhovou normu. Snímek obrazovky přesvědčí inženýra. Text kolem něj je to, co může citovat stroj.

Tato lekce dalece přesahuje dřevostavby. Relevantní normy uvádím výslovně, aby čtenáři ani vyhledávací systémy nemuseli odhadovat, které z nich produkt podporuje. Pokud vaše stránky zmiňují jen Eurokód, nebudete jmenováni, když se někdo zeptá na AISC 360 – bez ohledu na to, co váš software skutečně podporuje. Lokalizace bývala pro lidi. Dnes je i pro stroje.

Jedna stránka, více regionů

Lokalizace podle IP adresy je součástí mé každodenní práce. Jedna stránka, jedna URL, a návštěvníci z Francie, Itálie, Německa nebo Spojených států vidí obsah přizpůsobený svému trhu, například místní kontakty, jazyk nebo návrhové normy, se kterými pracují. Pro lidi to funguje velmi dobře. U strojů je potřeba pozornost, protože crawler vidí jen variantu, kterou server vrátí jeho vlastní IP adrese. Googlebot ve výchozím nastavení prochází weby z amerických IP adres a crawlery AI působí rovněž převážně z USA.3 Pokud s tím nepočítáte, francouzská, italská a německá verze vašeho obsahu se do odpovědi AI nemusí dostat vůbec. Řešením je nechat lokalizaci podle IP utvářet zážitek návštěvníka a zároveň dát každé regionální verzi důležitého faktu vlastní URL, propojenou pomocí hreflang. Návštěvníci dostanou správnou variantu automaticky a crawlery přesto najdou všechny.

Jak se fakt dostane do odpovědi AI

Lokalizace změnila i to, jak obsah hodnotím. Systém AI neprochází váš web tak jako člověk. Vytahuje z něj fakta a rozhoduje, kterým tvrzením důvěřuje natolik, aby je zopakoval. Sto vágních stránek prohraje s jedinou, která přesně uvádí, jaké návrhové normy podporujete, v jakých jednotkách a pro jaké trhy. Když proto posuzuji web, nepočítám stránky. Sleduji jednotlivá fakta, například podporovanou návrhovou normu, únosnost nebo adresu pobočky, a ověřuji, zda každé z nich přežije cestu ze serveru až do odpovědi AI. Představuji si to jako cestu zatížení. Každý prvek na ní musí fakt přenést:

Jako každá cesta zatížení selže v nejslabším prvku – a první dva selhávají častěji, než by člověk čekal. Podle dat z procházení webu od Vercelu a MERJ hlavní crawlery AI JavaScript vůbec nespouštějí.2 Google ano, a proto může stránka dobře rankovat v Googlu a objevovat se v Přehledech od AI, a přitom být pro ChatGPT, Claude a Perplexity prázdná. Obsah, který se zobrazí až po spuštění skriptu – v konfigurátoru, webové aplikaci nebo interaktivní tabulce –, pro ně jednoduše neexistuje. Text v PDF a obrázcích se k nim dostává v lepším případě nespolehlivě.

Moje pravidla pro data připravená na AI

1. HTML je jediný zdroj pravdy. PDF, obrázky a videa jsou jeho kopie, nikdy jediné místo, kde fakt existuje.
2. Jeden fakt, jedna kanonická stránka. Tam ho uveďte jasně a všude jinde stejně.
3. Strukturovaná data nikdy neříkají víc než stránka. Fakt do strukturovaných dat nevkládám, pokud ho neuvádí viditelná stránka. Značkování, které stránce odporuje, zmatek neodstraní – jen ho zautomatizuje.
4. Pište jazykem otázky. Návrhová norma, jednotky a pravopis trhu, na který chcete cílit – v textu i v obrázcích.
5. Odpověď na prvním místě. Začněte odpovědí a každou pasáž napište tak, aby obstála sama o sobě. Systémy AI citují pasáže, ne celé stránky.
6. Nezačínejte souborem llms.txt. Patří na weby s dokumentací a API, kde ho asistenti pro programování skutečně čtou. Na marketingovém webu je to v nejlepším případě levný experiment a podle Googlu ho jeho vyhledávání ignoruje. Nejdřív zajistěte, aby web šlo procházet.

Vyzkoušejte ještě tento týden

Abyste zjistili, kde stojíte, nepotřebujete agenturu. Tři kontroly vám zaberou méně než půl hodiny:

1. Stáhněte si klíčovou stránku tak, jak to dělá crawler. Bez prohlížeče, bez JavaScriptu. Vyhledejte větu, na které záleží, například název produktu nebo podporovanou návrhovou normu:
   Terminál Kopírovat

   curl -sL -A "GPTBot" https://example.com/product | grep -i "AISC 360"

   Žádný výstup = crawlery AI tuto větu nevidí
2. Projděte každý svůj soubor robots.txt, včetně subdomén aplikace, dokumentace a podpory, a zeptejte se toho, kdo spravuje vaše CDN nebo firewall, zda neblokuje roboty AI.
3. Položte otázky, které kladou vaši zákazníci. Zadejte deset skutečných dotazů do Režimu AI od Googlu, do ChatGPT, Claude a Perplexity. Zaznamenejte si, zda vás odpovědi jmenují, jak vás popisují a koho citují místo vás.

Šablona ke zkopírování: robots.txt, který pustí AI dovnitř

Pokud vás druhá kontrola nechala na pochybách, začněte tady. Tohle je základ, který používám pro běžný firemní web. Doménu a soukromé cesty nahraďte vlastními:

# robots.txt pro https://example.com
# Výchozí stav: všechny crawlery včetně vyhledávání s AI a asistentů AI
# smějí číst vše kromě neveřejných sekcí
User-agent: *
Disallow: /admin/
Disallow: /cart/
Disallow: /account/

# Volitelné: odmítnout pouze trénování modelů AI.
# Vyhledávání ChatGPT (OAI-SearchBot) a vyhledávání Claude
# (Claude-SearchBot) jsou samostatní roboti a zůstávají povoleni.
User-agent: GPTBot
User-agent: ClaudeBot
Disallow: /

Sitemap: https://example.com/sitemap.xml

Dvě věci kontroluji pokaždé: Disallow: / pod User-agent: * patří jen na testovací (staging) prostředí, nikdy na ostrý web, protože zavře dveře všem crawlerům najednou. A každá subdoména potřebuje vlastní soubor: docs.example.com nepřebírá pravidla vaší hlavní domény a pravidlo v CDN nebo firewallu může roboty AI zablokovat bez ohledu na to, co říká robots.txt.

Kde bych začal

Začněte jednou produktovou stránkou nebo stránkou služby, na které vaší firmě záleží. Ověřte, zda jasně uvádí, co nabízíte, jaké normy nebo schválení platí a pro jaké trhy je nabídka určena. Pak zkontrolujte, zda jsou tato fakta dostupná v HTML stránky a zda odpovídají vaší dokumentaci. Tím získáte konkrétní výchozí bod pro zlepšení zbytku webu.

Většina AEC firem už potřebné podklady má: produktové stránky, technické listy, reference projektů, dokumentaci. Dodavatelé softwaru potřebují čitelnou stránku pro každou funkci a každou podporovanou normu. Výrobci stavebních produktů potřebují mít únosnosti, požární odolnosti a schválení v textu, ne jen v PDF. Projekční kanceláře potřebují stránky projektů, které místo fotogalerie uvádějí konstrukční systém, materiál, normu a svou roli. Nic z toho není nový obsah. Je to obsah, který už máte – jen čitelný.

Martin Motlík

Nezávislý digitální stratég pro AEC a vedoucí oddělení webového obsahu ve společnosti Dlubal Software. Píše o AI, BIM a marketingu inženýrského softwaru.

Všechny články →