AI Search, AI Agent i AI Training — jak rozpoznać cel ruchu?
Jedna firma może wysyłać różne klienty: do wyszukiwania, rozwoju modeli albo pobrania strony na polecenie użytkownika. Dobra polityka zaczyna się więc od celu i dowodów, a nie od samej nazwy dostawcy.
Szybka odpowiedź
AI Search pobiera lub indeksuje treść, aby wspierać wyszukiwanie i odpowiedzi. AI Training dotyczy pobierania na potrzeby rozwoju modeli. AI Agent wykonuje działanie uruchomione lub zlecone przez użytkownika. To klasy celów, nie gwarancja faktycznego użycia: przy braku wiarygodnego sygnału wynik powinien pozostać nieznany.
Dla wydawców, ecommerce oraz zespołów SEO, content, security, prawnych i AI governance, które chcą rozdzielić widoczność w AI Search, zasady wykorzystania treści i bezpośrednią interakcję agenta z człowiekiem.
Dlaczego jedna firma może wysyłać różne boty
Nazwa firmy nie opisuje jeszcze konkretnego klienta ani celu żądania. OpenAI rozdziela m.in. OAI-AdsBot, OAI-SearchBot, GPTBot i ChatGPT-User, Anthropic — Claude-SearchBot, ClaudeBot i Claude-User, a Perplexity — PerplexityBot i Perplexity-User. Każdy z tych klientów ma w dokumentacji inną deklarowaną rolę.
Klasyfikacja powinna łączyć obserwowany klient, dostępne sygnały tożsamości i deklarację dostawcy. Jeżeli tych danych nie da się spójnie połączyć, bezpieczniejszym wynikiem jest Unknown niż przypisanie celu całemu dostawcy.
Dostawca, klient i cel to trzy różne pola
Dostawca wskazuje organizację publikującą dokumentację. Klient opisuje rozpoznawalny token, User-Agent lub inny mechanizm żądania. Cel odpowiada na pytanie, po co treść jest pobierana: dla wyszukiwania, rozwoju modelu, działania użytkownika albo innego zastosowania.
Zadeklarowany, wywnioskowany i nieznany cel
Cel zadeklarowany pochodzi z aktualnej dokumentacji operatora. Cel wywnioskowany wynika z połączenia zachowania i dostępnych sygnałów, ale nie jest bezpośrednią deklaracją. Cel nieznany oznacza, że materiał dowodowy nie pozwala rzetelnie wybrać pozostałych klas.
AI Search — pobranie dla wyszukiwania i odpowiedzi
AI Search obejmuje automatyczne pobieranie lub indeksowanie treści, aby strona mogła zostać odnaleziona, wykorzystana do przygotowania odpowiedzi i wskazana użytkownikowi. OpenAI przypisuje taką rolę OAI-SearchBot, Anthropic — Claude-SearchBot, a Perplexity — PerplexityBot.
Dopuszczenie klienta Search może wspierać widoczność w odpowiedziach danego dostawcy, ale nie gwarantuje cytowania, pozycji ani ruchu. Polityka powinna rozdzielać tę decyzję od zgody na wykorzystanie treningowe.
AI Training — pobranie do rozwoju modelu
AI Training opisuje pobieranie treści, które według deklaracji dostawcy mogą zostać wykorzystane do rozwoju lub treningu modeli. OpenAI tak opisuje GPTBot, a Anthropic — ClaudeBot. Sformułowanie „mogą zostać wykorzystane” nie dowodzi, że konkretna pobrana strona trafiła do konkretnego zbioru treningowego.
Google-Extended jest innym rodzajem sygnału: to token kontroli w robots.txt dotyczący określonych zastosowań treningu i groundingu Gemini, a nie osobny User-Agent widoczny w żądaniach HTTP. Dlatego nie należy przedstawiać go jako klienta możliwego do rozpoznania wyłącznie w access logu.
AI Agent — działanie uruchomione lub zlecone przez użytkownika
W tym poradniku AI Agent oznacza klasę celu, w której system pobiera stronę, aby wykonać działanie uruchomione lub zlecone przez użytkownika. ChatGPT-User, Claude-User i Perplexity-User są przykładami klientów opisywanych przez dostawców jako obsługujące pobrania wynikające z pytania albo działania użytkownika.
Mapowanie tych klientów do szerszej klasy Agent jest interpretacją modelu interakcji. Sam User-Agent nie dowodzi, że żądanie było prawidłowo autoryzowane, że faktycznie pochodziło od wskazanego operatora ani że doszło do bezpośredniej interakcji AI z człowiekiem.
Nie każdy agent reprezentuje jednak interes użytkownika. Agent sponsorowany przez reklamodawcę może prowadzić rozmowę handlową w imieniu biznesu, dlatego klasyfikacja powinna obejmować także principal i rolę komercyjną.
Porównanie AI Search, AI Agent i AI Training
Tabela porządkuje decyzję właściciela strony. Opisuje typowy model, a nie zamkniętą klasyfikację każdego dostawcy i każdego żądania.
| Klasa celu | Inicjator | Typowy cel | Cel interakcji | Znaczenie robots.txt | Dowód tożsamości | Główne ryzyko |
|---|---|---|---|---|---|---|
| AI Search | Automatyczny crawler wyszukiwania | Indeksowanie i przygotowanie odpowiedzi | System wyszukiwania i jego użytkownik | Reguły mogą sterować dostępem rozróżnialnego klienta | User-Agent trzeba łączyć z aktualnymi danymi operatora | Utrata widoczności po zbyt szerokiej blokadzie |
| AI Training | Automatyczny crawler lub token polityki | Rozwój lub trening modelu | Proces tworzenia modelu | Może komunikować zastrzeżenie dla współpracującego klienta | Tożsamość żądania nie dowodzi późniejszego użycia treści | Nieudokumentowane wykorzystanie lub błędne przypisanie celu |
| AI Agent | Użytkownik lub proces działający na jego polecenie | Pobranie potrzebne do wykonania zadania | Strona, system AI i użytkownik | Dostawca może odmiennie traktować reguły dla pobrań użytkownika | Potrzebny jest sygnał klienta, pochodzenia i kontekstu żądania | Podszycie klienta lub błędne założenie o intencji użytkownika |
Jak przełożyć klasyfikację na politykę dostępu
Najpierw zapisz klasę celu i poziom pewności, następnie oceń typ zasobu oraz oczekiwany efekt biznesowy. Dopiero wtedy wybierz Allow, Monitor, Rate limit albo Block. Nieznany cel nie musi automatycznie oznaczać blokady, ale może uzasadniać dodatkową obserwację lub ograniczenie dla wrażliwego zasobu.
Reguła „allow search / block training” ma sens tylko wtedy, gdy dostawca udostępnia rozróżnialne sygnały i opisuje ich działanie. Dla publicznego artykułu, płatnego archiwum i danych produktowych decyzje mogą być różne.
Zobacz model AI Crawler GovernanceSprawdź rolę zastrzeżenia TDM i robots.txtOddziel cel od weryfikacji tożsamości botaZobacz przypadek crawlera do review reklamOceń koszt i możliwą wartość różnych klientów automatycznych
Gdzie kończy się Crawler Governance, a zaczyna Agent Transparency
AI Crawler Governance dotyczy relacji maszyna–serwis: kto pobiera zasób, w jakim deklarowanym celu, na podstawie której polityki i jaka akcja została wykonana. Obejmuje decyzje o dostępie, obserwacji, ograniczeniu i zachowaniu śladu dowodowego.
AI Agent Transparency dotyczy bezpośredniej relacji system AI–człowiek: czy użytkownik wie, że kontaktuje się z AI i jaki jest kontekst tej interakcji. Rozpoznanie klienta pobierającego stronę nie rozstrzyga automatycznie, czy obowiązek informacyjny w konkretnej interakcji został spełniony.
Ograniczenia interpretacji
Klasyfikacja celu jest zależna od aktualnej dokumentacji, dostępnych sygnałów i kontekstu. Nie dowodzi sama w sobie, że treść została użyta do treningu, że operator przestrzega polityki, że tożsamość klienta została zweryfikowana ani że żądanie było szkodliwe.
Wynik techniczny nie jest automatyczną oceną zgodności prawnej. Oddzielaj dane zaobserwowane od deklaracji dostawcy i wniosków, zapisuj datę źródła oraz pozostawiaj status Unknown, gdy dowody są niewystarczające.
Czytaj także
Źródła i dalsza weryfikacja
Prawo, dokumentacja platform i standardy techniczne mogą się zmieniać. Przed działaniem sprawdź aktualne źródła oraz kontekst swojej organizacji.