Z LLM-ów w Polsce korzysta już 13 mln użytkowników. ChatGPT na czele

Duże modele językowe przestały być w Polsce technologiczną ciekawostką dla wąskiej grupy użytkowników. W marcu 2026 roku korzystało z nich miesięcznie 13 mln osób, a 9,2 mln robiło to przynajmniej raz w tygodniu - wynika z analizy Gemius i badania Mediapanel, realizowanego przez Gemius na zlecenie Polskich Badań Internetu.

Dane pokazują utrwalający się nawyk: pytanie zadane modelowi językowemu staje się jedną z codziennych dróg do informacji, porady, porównania produktów czy rozwiązania konkretnego problemu.

Analizę przedstawili podczas Forum IAB 2026 Bartosz Wójcik, ekspert ds. insightu i marketingu w Gemius, oraz Marcin Niemczyk, doradca zarządu Polskich Badań Internetu. Ich najważniejsza teza jest ważniejsza niż kolejny ranking narzędzi: trzeba patrzeć nie tyle na premiery modeli, ile na zachowanie człowieka. Kiedy sięga po AI? Z jakiego urządzenia wtedy korzysta? Czy chce szybko sprawdzić fakt, czy prowadzi dłuższą rozmowę w pracy? I czy po odpowiedzi przechodzi jeszcze na stronę wydawcy albo sklepu?

Najważniejsze dane o LLM-ach w Polsce

W marcu 2026 roku z narzędzi opartych na dużych modelach językowych korzystało w Polsce:

• - 13 mln użytkowników w skali miesiąca;
• - 9,2 mln użytkowników przynajmniej raz w tygodniu;
• - średnio 148 minut miesięcznie na użytkownika;
• - średnio 47 minut tygodniowo na użytkownika.

Rok do roku miesięczny zasięg tej kategorii urósł o 71 proc., tygodniowy o 106 proc., a średni miesięczny czas korzystania o 80 proc. Te trzy dynamiki trzeba czytać razem. Rynek nie rośnie tylko dlatego, że kolejne osoby raz otwierają aplikację z ciekawości. Coraz większa grupa wraca do niej regularnie, a kontakt z narzędziem trwa dłużej.

Wśród klasycznych LLM-ów pozycję lidera ma ChatGPT

Według Mediapanelu korzysta z niego miesięcznie około 35 proc. polskich internautów. Na drugim miejscu znajduje się Gemini. Pozostałe narzędzia, choć obecne w pracy profesjonalistów i bardziej zaawansowanych użytkowników, nie zbliżają się skalą do dwóch największych usług.

W tym zestawieniu Gemius oddziela AI Mode Google od klasycznych LLM-ów. To słuszne rozróżnienie. Chatbot jest miejscem rozmowy i rozwijania wątku; AI Mode pozostaje funkcją wbudowaną w wyszukiwarkę. Użytkownik może zadawać pytania naturalnym językiem w obu środowiskach, ale intencja, interfejs i ścieżka przejścia do źródeł nie są identyczne.

AI nie ma jednego „prime time’u”

Telewizja ma wieczorny szczyt oglądalności, radio - poranne i popołudniowe pasma dojazdów. LLM-y wymykają się takiej logice. Ich użycie utrzymuje się na relatywnie wysokim poziomie od rana do późnego wieczora, z lekkim wzrostem aktywności wieczorem.

To ważna wskazówka dla marketerów. Sztuczna inteligencja nie jest kolejnym kanałem, w którym wystarczy kupić obecność w godzinie największego zasięgu. Jest raczej warstwą codziennych mikrodecyzji. Ktoś pyta o skład produktu stojąc w sklepie, w pociągu porównuje oferty, przy biurku porządkuje informacje do prezentacji, a wieczorem szuka wyjaśnienia dla szkolnego zadania dziecka. Każdy z tych momentów może trwać kilka minut, lecz w skali dnia buduje nowy rytm korzystania z sieci.

Różnice między pokoleniami pozostają widoczne. Pokolenie alfa korzysta z AI najczęściej po szkole i wieczorem. Wśród generacji Z widać dwa okresy podwyższonej aktywności - w ciągu dnia i później, po godzinach. Millenialsi wyraźnie częściej uruchamiają narzędzia między 9.00 a 17.00, a następnie wracają do nich w czasie prywatnym. Starsze grupy używają AI bardziej równomiernie, lecz na niższym poziomie.

Nie należy jednak wyciągać z tego zbyt prostego wniosku, że o korzystaniu z modeli decyduje wyłącznie wiek. Jak podkreślają Bartosz Wójcik i Marcin Niemczyk, coraz większe znaczenie ma sytuacja użytkownika. Model językowy staje się dostępny wtedy, gdy pojawia się potrzeba: sprawdzenia, porównania, napisania, wyjaśnienia lub zaplanowania.

Telefon do szybkiego pytania, komputer do dłuższej pracy

Największy wzrost użycia AI napędzają urządzenia mobilne. Smartfon sprawia, że narzędzie jest pod ręką w chwili zakupu, podróży, rozmowy albo nagłego problemu do rozwiązania. To właśnie na telefonie najlepiej widać logikę krótkich kontaktów: jedno pytanie, kilka zdań odpowiedzi, koniec rozmowy.

Komputer pełni inną funkcję. Zasięg narzędzi AI na PC jest niższy niż na urządzeniach mobilnych, ale użytkownicy spędzają na nim ponad dwa razy więcej czasu. Ten podział ma praktyczne znaczenie dla firm. Mobile może być przestrzenią szybkiego rozeznania - pytania o cenę, wybór, parametry, adres lub instrukcję. Komputer sprzyja dłuższym sekwencjom: analizie dokumentu, przygotowaniu tekstu, programowaniu, planowaniu kampanii, zestawianiu wariantów i pracy z większą liczbą materiałów.

Widać to także w różnicy między użyciem w domu i poza nim. Poza domem interakcje z AI są krótsze. Wyjątkiem jest generacja Z, dla której wykorzystanie AI w obu kontekstach ma zbliżony zasięg. To nie dowód, że młodzi całkowicie porzucili wyszukiwarki czy tradycyjne serwisy. Pokazuje natomiast, że narzędzie oparte na modelu językowym wrosło w ich zwykłe środowisko cyfrowe.

LLM zmienia początek ścieżki do informacji

Najdalej idące skutki dla rynku mediów nie dotyczą czasu spędzanego w samych aplikacjach. Chodzi o pierwszy krok w poszukiwaniu informacji.

W klasycznym modelu użytkownik wpisywał zapytanie do wyszukiwarki, przeglądał listę wyników, wybierał link, a dopiero potem trafiał na stronę wydawcy, sklepu albo instytucji. W rozmowie z LLM-em ten etap może wyglądać inaczej. Użytkownik formułuje problem, dopytuje, zawęża wybór i otrzymuje gotową syntezę. Czasem przechodzi do źródeł. Czasem odpowiedź wystarcza mu na tym etapie.

W danych Mediapanelu pojawia się grupa blisko pół miliona użytkowników, którzy w danym dniu korzystają z LLM-ów, ale nie używają tradycyjnego searcha. Nie jest to dowód trwałego porzucenia Google czy innych wyszukiwarek. Jedna osoba może jednego dnia poprosić model o streszczenie dokumentu, a następnego wrócić do zwykłego wyszukiwania. To jednak wyraźny sygnał, że część potrzeb informacyjnych może zostać zaspokojona bez przejścia przez klasyczną listę wyników.

Zmiana jest widoczna także w samym wyszukiwaniu. Udział odsłon wyników searcha, które nie kończą się przejściem na żadną stronę, urósł w ciągu dwóch lat z 12,2 proc. do 16,6 proc. W tym samym czasie bezpośrednie przejścia z wyników wyszukiwania do zewnętrznych serwisów wyraźnie spadły. Mediapanel odnotował szczególnie silny spadek odsłon searcha w kategorii informacji i publicystyki - o 81 mln rok do roku - oraz w edukacji - o 63 mln.

Trzeba tu zachować ostrożność. Dane pokazują kierunek i skalę współwystępowania zjawisk, ale same nie dowodzą, że każda utracona odsłona jest skutkiem odpowiedzi generatywnej. Na ruch z wyszukiwarek wpływają też zmiany algorytmów, sezonowość, jakość treści, pozycja marki, konkurencja, zmiany w samych wynikach wyszukiwania i zachowania odbiorców. Mimo tego zastrzeżenia teza o przebudowie ścieżki informacyjnej jest coraz trudniejsza do zignorowania.

Ruch z LLM-ów nie zastąpi wydawcom Google

Wokół widoczności marek w odpowiedziach AI powstała nowa gałąź usług. Obiecuje się „pozycjonowanie w LLM-ach”, mierzenie obecności w odpowiedziach i szybkie odzyskanie ruchu utraconego z wyszukiwarek. Dane Mediapanelu studzą ten entuzjazm.

Tylko około 3 proc. wizyt na LLM-ach kończy się przejściem na stronę zewnętrzną. Gemius szacuje potencjał takiego ruchu na około 2,2 mln wizyt miesięcznie. Dla porównania, polskie strony internetowe generują około 4 mld wizyt miesięcznie. Dysproporcja jest ogromna.

Wniosek nie brzmi: „nie warto być obecnym w odpowiedziach AI”. Brzmi inaczej: nie wolno mylić widoczności z ruchem, a ruchu z efektem biznesowym. Marka przywołana przez model może zyskać rozpoznawalność, wejść do zestawu rozważanych opcji albo zostać uznana za wiarygodne źródło. Nie oznacza to automatycznie kliknięcia, kontaktu, zakupu czy prenumeraty.

Dla wydawców jest to szczególnie niewygodne. Ich model opiera się na wejściu użytkownika na własną stronę, kontakcie z tekstem, reklamą, ofertą subskrypcji albo newsletterem. Odpowiedź wygenerowana w zewnętrznym interfejsie może przejąć pierwszą potrzebę informacyjną, lecz nie musi oddać odbiorcy autorowi źródłowego materiału. W krótkim okresie LLM-y nie są więc ekwiwalentem ruchu z wyszukiwarki.

Co powinny robić marki, sklepy i wydawcy

Pierwszą reakcją nie powinno być kupowanie kolejnej usługi z etykietą „GEO” albo „AI SEO”. Google podkreśla, że dla obecności treści w AI Overviews i AI Mode nie istnieją osobne techniczne wymogi ani specjalne dane strukturalne. Nadal liczą się fundamenty: indeksowalność strony, rzetelna treść, przejrzysta struktura informacji, dobre linkowanie wewnętrzne, aktualne dane firmowe i zgodność oznaczeń ze stanem faktycznym.

To nie oznacza, że strategia nie wymaga zmian. Wymaga, ale przede wszystkim redakcyjnych i analitycznych.

Po pierwsze, trzeba budować treści, które są źródłem, a nie tylko komentarzem do cudzej informacji. Modele i systemy wyszukiwania mają większy pożytek z dokumentów zawierających sprawdzalne dane, metodologię, nazwiska autorów, daty, definicje, wyjaśnienia procesu oraz jasno opisane ograniczenia.

Po drugie, marka powinna rozpoznać pytania, w których chce być wiarygodnym punktem odniesienia. Nie chodzi o to, by próbować pojawić się w każdej odpowiedzi. Ważniejsze są sytuacje decyzyjne: wybór produktu, ryzyko prawne, serwis, bezpieczeństwo, porównanie wariantów, finansowanie, logistyka, gwarancja, kryteria jakości.

Po trzecie, trzeba odróżniać treść użyteczną od treści seryjnie produkowanej. Jeśli każda strona powtarza tę samą ogólną definicję, nie buduje przewagi ani dla czytelnika, ani dla systemu, który ma wybrać wiarygodne źródło. O wartości materiału przesądza własna wiedza: dane, doświadczenie, dokument, test, rozmowa z ekspertem, odpowiedzialnie opisana metoda.

Po czwarte, wydawca powinien wzmacniać kanały, które prowadzą do niego bez pośrednictwa wyszukiwarki: newsletter, aplikację, powiadomienia, bezpośrednie wejścia, społeczności, wydarzenia, abonament oraz formaty, których nie da się zastąpić kilkuzdaniowym streszczeniem. Chodzi zwłaszcza o śledztwo, analizę opartą na dokumentach, autorski wywiad, lokalną informację użyteczną, bazę danych lub narzędzie.

Jak mierzyć widoczność w odpowiedziach AI

Nie ma jednego wskaźnika, który uczciwie odpowie na pytanie: „czy marka jest widoczna w LLM-ach?”. Sposób odpowiedzi zależy od modelu, aktualnej wersji usługi, języka, historii rozmowy, lokalizacji, promptu, źródeł dostępnych narzędziu i chwili wykonania zapytania. Ręczne testowanie kilku pytań może być przydatne redakcyjnie, ale nie jest jeszcze miarą rynku.

W przypadku wyszukiwarki Google sytuacja staje się nieco bardziej mierzalna. W czerwcu 2026 roku firma zapowiedziała w Search Console wydzielone raporty dotyczące obecności stron w funkcjach generatywnych Search i Discover. Mają one pokazywać m.in. wyświetlenia, adresy URL, kraje, urządzenia i zmiany w czasie. Google wdraża te raporty etapami, początkowo dla części witryn, dlatego nie należy zakładać, że każdy właściciel serwisu zobaczy je natychmiast.

Dla praktyki marketingowej rozsądniejszy jest zestaw kilku miar: zasięg i czas użycia danej kategorii narzędzi, ruch referencyjny z usług AI, jakość tego ruchu po wejściu na stronę, konwersje, udział ruchu bezpośredniego, zmiany w zapytaniach brandowych i organicznych oraz kontrolowana analiza odpowiedzi na najważniejsze pytania użytkowników. Dopiero razem pokazują, czy obecność w ekosystemie AI tworzy wartość.

Co dokładnie mierzy Mediapanel - i czego z tych danych nie wolno wyczytywać

Mediapanel ma w Polsce szczególną pozycję, ponieważ jest wspólnym badaniem rynku, prowadzonym przez Polskie Badania Internetu we współpracy z Gemiusem i Komitetem Badań Radiowych. Łączy pasywny pomiar internetu, telewizji i radia. W części internetowej wykorzystuje podejście hybrydowe: dane site-centric, zbierane z audytowanych witryn i aplikacji, oraz dane user-centric, pochodzące z paneli badawczych.

Metodologia ma znaczenie zwłaszcza przy opisie narzędzi, które nie muszą być oskryptowane przez swoich właścicieli. Gemius korzysta z kilku rodzajów paneli: cookie panelu obejmującego audytowane domeny, software panelu dla komputerów i urządzeń mobilnych oraz hardware panelu, w którym mierzone są także inne media. W realiach ograniczania third-party cookies firma wykorzystuje identyfikatory first-party i modele łączenia identyfikatorów z tego samego urządzenia.

To solidna podstawa do obserwacji zasięgu, czasu i powtarzalności korzystania. Nie daje jednak pełnego wglądu w sens pojedynczej rozmowy. Z danych panelowych nie wynika, czy odpowiedź modelu była prawdziwa, czy użytkownik jej zaufał, czy wykorzystał ją zawodowo, czy zmieniła jego decyzję zakupową. Nie można też automatycznie utożsamiać czasu spędzonego w aplikacji z jakością kontaktu ani traktować korelacji między popularnością LLM-ów a spadkiem ruchu z searcha jako dowodu jednej prostej przyczyny.

LLM-y w Polsce: etap nawyku, nie eksperymentu

Najważniejsza zmiana nie polega na tym, że Polacy znaleźli kolejną aplikację. Polega na przesunięciu pierwszego odruchu. Coraz częściej, zanim użytkownik otworzy wyszukiwarkę, serwis informacyjny albo kartę produktu, najpierw zada pytanie modelowi.

Z perspektywy mediów i marek to nie jest jeszcze rewolucja w przychodach z ruchu. Dane Gemius wskazują, że LLM-y nie rekompensują skali wejść, które wciąż może przynosić klasyczne wyszukiwanie. Jest to jednak rewolucja w punktach styku z odbiorcą. Informacja, reputacja i wybór mogą zacząć się w odpowiedzi, której firma nie kontroluje i która nie zawsze prowadzi do jej własnej strony.

Dlatego najrozsądniejsza strategia nie polega na gonitwie za obietnicą szybkiego „pozycjonowania w AI”. Polega na konsekwentnym tworzeniu materiałów, które są użyteczne, własne, aktualne i możliwe do zweryfikowania - oraz na mierzeniu realnego efektu, nie samej obecności w odpowiedzi generatywnej.

Źródła:

1. Gemius i Polskie Badania Internetu. „Poza hype’em AI: jak realne wzorce użycia zmieniają marketing i media”. Mediapanel, 30 czerwca 2026. Dane o zasięgu, czasie korzystania, urządzeniach, generacjach, wyszukiwaniu oraz ruchu odsyłającym z LLM-ów.

2. Polskie Badania Internetu. „Mediapanel”. Dostęp 30 czerwca 2026. Opis badania, jego funkcji i pasywnego pomiaru cross-mediowego.

3. Gemius. „New Gemius Methodology in a World without 3rd Party Cookies”. Dostęp 30 czerwca 2026. Opis paneli badawczych oraz modelowania identyfikatorów first-party w pomiarze widowni.

4. Google Search Central. „AI Features and Your Website”. Dostęp 30 czerwca 2026. Dokumentacja zasad obecności stron w AI Overviews i AI Mode.

5. Hillel Maoz i Moshe Samet. „Introducing Search Generative AI Performance Reports in Search Console”. Google Search Central Blog, 3 czerwca 2026. Informacje o raportach mierzących widoczność stron w funkcjach generatywnych Google Search.

Pobierz ebook "Wielki ranking agencji marketingowych 2026 roku i e-book o trendach w promocji w sieci"