AI w content marketingu - proces produkcji treści, który zwiększa wydajność bez utraty jakości

AI nie zastąpi copywritera, ale może kilkukrotnie zwiększyć jego wydajność - pod warunkiem, że zbudujesz proces, w którym AI robi research, strukturę i pierwsze wersje, a człowiek wnosi doświadczenie, aktualną wiedzę i ostateczną redakcję. Google od 2023 roku mówi wprost, że nagradza wartościowe treści niezależnie od tego, jak powstały, ale od 2024 roku traktuje masową produkcję płytkich tekstów jako spam. O sukcesie decyduje więc nie to, ile treści wygeneruje AI, tylko jakie bramki jakości przejdzie każdy tekst przed publikacją.

Prawdziwy przypadek agencji, w której copywriter zamiast 24 przygotowuje około 60 artykułów miesięcznie: podział pracy AI i człowieka, proces krok po kroku, architektura na Make i Notion, pułapki, karta jakości przed publikacją i koszty.

W tym wpisie pokazuję prawdziwy przypadek agencji, która z tym samym zespołem obsłużyła więcej klientów, podział pracy między AI a człowieka, proces produkcji artykułu krok po kroku, architekturę techniczną, pułapki, kartę jakości do sprawdzenia przed publikacją i realne koszty.

Przypadek: agencja, której zabrakło rąk do pracy

Tomasz prowadzi agencję content marketingową: trzech copywriterów, 18 klientów, po cztery artykuły miesięcznie dla każdego, czyli 72 teksty. Każdy copywriter pisał 24 artykuły miesięcznie - to był fizyczny limit. W grudniu agencja pozyskała sześciu nowych klientów. Czwarty copywriter to koszt około 5 000 zł miesięcznie i trzy miesiące wdrożenia, a podwykonawcy po 150 zł za tekst dawali losową jakość.

Wdrożyłem dla agencji proces, w którym AI przygotowuje research, strukturę i pierwszą wersję, a copywriter z autora od zera staje się redaktorem i ekspertem. Copywriter, który pisał 24 artykuły miesięcznie, przy zachowanej jakości przygotowuje dziś około 60. Agencja obsłużyła nowych klientów bez zatrudniania.

Co robi AI, a co człowiek

AI nie zastąpi trzech rzeczy: doświadczenia z pierwszej ręki („wdrożyłem to u 40 klientów i zawsze wraca ten sam błąd"), aktualnej wiedzy branżowej (modele mają datę odcięcia) i charakterystycznego głosu marki. Dobry proces nie próbuje tego obejść - po prostu przypisuje te elementy człowiekowi.

Proces produkcji artykułu krok po kroku

1. 1.Brief. Temat, fraza docelowa, persona czytelnika, trzy najważniejsze myśli, źródła i dane do wykorzystania, ton komunikacji. Dobry brief to połowa jakości.
2. 2.Research z AI. Model generuje listę pytań, które zadają odbiorcy, wątków do sprawdzenia i możliwych źródeł. Człowiek wybiera i uzupełnia.
3. 3.Struktura. Plan nagłówków zgodny z intencją wyszukiwania, zatwierdzany przed pisaniem - poprawka planu kosztuje minutę, poprawka gotowego tekstu godzinę.
4. 4.Szkic. AI pisze pierwszą wersję według briefu i dokumentu z zasadami marki.
5. 5.Warstwa ekspercka. Copywriter albo ekspert dodaje przykłady z praktyki, własne dane i opinię. To ta część, której konkurencja korzystająca z tego samego modelu nie skopiuje.
6. 6.Weryfikacja faktów. Każda liczba, cytat i nazwa są sprawdzane u źródła.
7. 7.SEO i GEO. Sprawdzenie pokrycia tematu względem czołówki wyników (np. narzędziami Surfer czy Clearscope), odpowiedzi wprost na początku sekcji, FAQ i dane strukturalne. Szczegóły w poradniku jak pisać, żeby AI Cię cytowało.
8. 8.Redakcja i karta jakości. Ostateczna redakcja i przejście przez kartę jakości poniżej.
9. 9.Publikacja. Szkic trafia do CMS, a redaktor klika „opublikuj".

Gotowy artykuł możesz potem przerobić na posty, newsletter i krótkie wideo. Jak zrobić to bez brzmienia jak automat, opisuję we wpisie o automatyzacji social media z AI.

Architektura techniczna

Proces dla agencji Tomasza zbudowałem na Make jako orkiestratorze i Notion jako miejscu pracy redakcji:

• Brief trafia do Notion przez formularz.
• Make uruchamia kolejne kroki: research, plan, szkic, sprawdzenie pokrycia tematu.
• Wszystkie materiały lądują w jednej karcie Notion ze statusem „do weryfikacji".
• Copywriter edytuje i zmienia status na „gotowe".
• Make tworzy szkic w CMS (WordPress, Webflow albo Ghost) z tytułem, treścią i meta opisem.

Przykład wywołania, które pisze szkic. Model trzymaj w konfiguracji - ten sam proces działa z modelami różnych dostawców, a najlepiej wybrać go testem na kilku własnych tekstach:

import json, osfrom openai import OpenAIclient = OpenAI()MODEL = os.environ.get("CONTENT_MODEL", "gpt-6.1-sol")

def draft_article(brief: dict, brand_guide: str) -> str: system = f"""Jesteś doświadczonym copywriterem B2B. Piszesz konkretnie, z liczbami i przykładami. Unikasz ogólników typu 'w dzisiejszym dynamicznym świecie'. Każdą liczbę oznaczasz [SPRAWDŹ: źródło]. Fraza docelowa: {brief['keyword']} Zasady marki: {brand_guide}""" user = f"""Temat: {brief['topic']} Czytelnik: {brief['persona']} Najważniejsze myśli: {json.dumps(brief['key_points'], ensure_ascii=False)} Źródła: {brief['sources']} Plan nagłówków: {json.dumps(brief['outline'], ensure_ascii=False)} Pisz według planu. W miejscach na przykład z praktyki wstaw [PRZYKŁAD EKSPERTA].""" r = client.chat.completions.create( model=MODEL, messages=[{"role": "system", "content": system}, {"role": "user", "content": user}], ) return r.choices[0].message.content

Znaczniki [SPRAWDŹ] i [PRZYKŁAD EKSPERTA] to prosty trik: szkic sam pokazuje redaktorowi, gdzie musi zajrzeć do źródła i gdzie dodać własne doświadczenie.

Pułapki

• Publikowanie bez czytania. Jeden z klientów przez dwa miesiące publikował teksty prosto z AI. Search Console pokazało zero kliknięć na 40 nowych artykułach: wszystkie miały tę samą strukturę, rytm zdań i frazy łączące. Każdy tekst musi przejść przez ludzką redakcję, która dodaje konkretne przykłady i zmienia ton.
• Fakty bez sprawdzenia. Model potrafi podać statystykę, która brzmi wiarygodnie, a jest błędna albo nieaktualna. Każda liczba musi mieć źródło.
• Jeden prompt dla wszystkich branż. Konfiguracja dla firmy IT nie zadziała dla kancelarii. Każdy klient potrzebuje własnego dokumentu z zasadami marki - to 2-3 godziny pracy, ale efekt jest radykalnie lepszy.
• Odwrócenie ról. AI przygotowuje materiał, człowiek decyduje. Nie odwrotnie.
• Masowa produkcja. Setki podobnych stron tylko po to, żeby złapać ruch, Google traktuje jako spam (scaled content abuse). Więcej we wpisie o treściach z AI a zasadach Google.

Karta jakości przed publikacją

Przejdź przez dziesięć pytań. Tekst idzie do publikacji dopiero przy dziesięciu odpowiedziach „tak":

Ostatnie pytanie jest najważniejsze - to w praktyce test, którego używa Google w swoich wytycznych o treściach przydatnych dla ludzi.

Ile to kosztuje i oszczędza

Przy 40 i więcej artykułach miesięcznie wdrożenie zwraca się zwykle w 2-3 miesiące. Poniżej 20 artykułów zwrot trwa 4-6 miesięcy. Sens ma przede wszystkim w agencjach obsługujących wielu klientów i działach marketingu B2B z regularną produkcją. Najmniej - przy treściach opartych na osobistym autorytecie autora i w branżach regulowanych bez eksperta do weryfikacji.

---

Buduję procesy produkcji treści z AI dla agencji i działów marketingu - od briefów i zasad marki po integrację z Notion, CMS i narzędziami SEO. Robię to w ramach content marketingu i SEO oraz automatyzacji procesów z AI. Napisz do mnie - jeśli masz więcej potrzeb niż mocy produkcyjnej, pokażę, jak to zmienić bez zatrudniania kolejnych copywriterów.

Warto przeczytać dalej:

• Automatyzacja social media z AI - jeden materiał na wiele kanałów bez utraty głosu marki
• Treści z AI a zasady Google - scaled content abuse i jak korzystać z AI bez ryzyka wypadnięcia z indeksu
• E-E-A-T w 2026 - jak budować zaufanie, które Google nagradza, a modele AI cytują
• Tłumaczenie i lokalizacja treści z AI - wielojęzyczna strona bez biura tłumaczeń