Time zaczyna sprzedawać reklamy czytelne dla maszyn, aby wpływać na odpowiedzi AI

Time rozpoczął sprzedaż reklam stworzonych dla agentów AI, co tworzy nowy konflikt dla Google News i każdego asystenta pobierającego treści wydawców. Reklamy nie przypominają banerów ani kart sponsorowanych. Pojawiają się jako tekst czytelny dla maszyn w alternatywnych wersjach stron Time, gdzie boty mogą gromadzić przekazy reklamodawców obok materiałów redakcyjnych.

To rozróżnienie sprawia, że eksperyment ma większe znaczenie niż kolejny format reklamowy. Czytelnicy mogą zignorować baner, rozpoznać przekaz komercyjny lub podać w wątpliwość sponsorowaną rekomendację. System AI może przyswoić zawarty w nim tekst i przedstawić własną odpowiedź bez zachowania oryginalnego projektu strony.

Eksperyment podważa również granicę promowaną przez OpenAI, Google i inne firmy AI. Chcą one, by lokowania komercyjne pozostawały wyraźnie oddzielone od generowanych odpowiedzi. Time i jego partner reklamowy sprawdzają, czy marki mogą wpływać na te odpowiedzi, zanim platforma AI wybierze reklamę.

Time sprzedaje reklamy, których czytelnicy rzadko widzą

Nowy produkt Time traktuje robota indeksującego AI jako odbiorcę reklamy, a nie jedynie jako system dostarczania przekazu do ludzi.

Time zaczął tworzyć uproszczone kopie swoich stron internetowych w formacie markdown w czerwcu 2026 roku, zgodnie ze szczegółami reklam dla agentów opisanymi przez Digiday. Markdown to format dokumentów skupiony na tekście, który usuwa znaczną część wizualnej struktury strony internetowej. Systemy AI mogą go przetwarzać łatwiej niż stronę przepełnioną nawigacją, skryptami, grafiką i tradycyjnymi reklamami displayowymi.

Wydawca współpracuje z firmą technologii reklamowej Mobian. Razem umieszczają płatne komunikaty na tych stronach czytelnych dla maszyn. Komunikaty mają formę pytań i odpowiedzi zawierających informacje dostarczone przez reklamodawcę.

Ally Bank i Project Management Institute należały do pierwszych nabywców wskazanych w raporcie. Time i Mobian opisały ten format jako pierwszy produkt reklamowy wydawcy skierowany konkretnie do agentów AI.

Proces produkcyjny nadal obejmuje ludzką kontrolę. Mobian generuje reklamę na podstawie briefu marki, przekształca ją w PDF i wysyła klientowi do zatwierdzenia. Zatwierdzony materiał pojawia się następnie na stronie markdown, którą może pobrać robot indeksujący AI.

Te lokowania nie są dosłownie nieujawnione. Time umieszcza nad materiałem reklamodawcy etykietę „sponsored content” i podaje nazwę klienta. Ten szczegół ma znaczenie, ponieważ nazywanie ich tajnymi reklamami bez zastrzeżeń sugeruje, że wydawca ukrywa ich komercyjne pochodzenie przed każdą grupą odbiorców.

W praktyce tajemnica wynika ze sposobu dystrybucji. Większość czytelników odwiedza zaprojektowaną stronę Time, podczas gdy agent AI może otrzymać równoległą prezentację tekstową. Ujawnienie widoczne w źródle nie gwarantuje, że asystent zachowa etykietę w swoim podsumowaniu, cytacie lub rekomendacji.

Time sprzedaje jedną reklamę dla agenta na każdej kwalifikującej się stronie markdown. Firma może kierować lokowania na swoje cykliczne listy lub wybrany zakres dat. Mierzy również, jaka część automatycznego ruchu dociera do strony.

Mobian następnie zadaje produktom wyszukiwania AI te same pytania, które zawiera reklama. Śledzi, czy marka się pojawia, jak korzystnie jest przedstawiana i czy wynikowe informacje są dokładne. To przekształca reklamę z jednostki mierzonej ludzkimi wyświetleniami w treść mierzoną odpowiedziami maszyn.

Format znajduje się zatem na styku reklamy natywnej, optymalizacji wyszukiwania i inżynierii pobierania informacji. Jest płatnym materiałem promocyjnym, ale jego bezpośrednim celem niekoniecznie jest kliknięcie. Jego celem jest wejście do puli informacji, z której system AI konstruuje odpowiedź.

Time nie opublikował dowodów wskazujących, że te lokowania konsekwentnie zmieniają wyniki modeli. Pierwsi klienci potwierdzają zainteresowanie komercyjne, a nie udowodniony wpływ. Mimo to produkt tworzy bezpośredni test, który platformy AI, wydawcy i regulatorzy mogą teraz obserwować.

Dlaczego Google News staje przed problemem reklam czytelnych dla maszyn

Google News i produkty oferujące odpowiedzi AI muszą ustalić, czy sponsorowany tekst czytelny dla maszyn jest legalną treścią, reklamą czy próbą manipulowania pobieraniem informacji.

Tradycyjna reklama w wyszukiwarkach utrzymuje kilka ról w stosunkowo wyraźnym podziale. Wydawca dostarcza treść, wyszukiwarka szereguje linki, a reklamodawca płaci za oznaczone lokowanie. Interfejsy generatywne osłabiają te granice, ponieważ system może wyodrębniać fakty, łączyć źródła i odpowiadać bez kierowania czytelnika do jakiegokolwiek wydawcy.

Google News już agreguje materiały z zewnętrznych publikacji. Google Search coraz częściej umieszcza generowane podsumowania i wyniki konwersacyjne między źródłem a użytkownikiem. Reklama skierowana do maszyn, umieszczona na stronie wydawcy, wprowadza płatny język, zanim Google zdecyduje, co pobrać lub podsumować.

Obawa nie polega na tym, że zakup reklamy dla agenta automatycznie kupuje przychylną odpowiedź Google. Żadne publiczne dowody nie potwierdzają takiego skutku. Chodzi o to, że materiał komercyjny trafia na tę samą ścieżkę pobierania co otaczający go tekst redakcyjny.

Konwencjonalny baner zawiera rozpoznawalne sygnały techniczne i wizualne. Jego obraz, umiejscowienie, kod śledzący i pochodzenie z serwera reklamowego pomagają przeglądarkom i platformom go klasyfikować. FAQ napisane naturalnym językiem wygląda znacznie bardziej jak zwykły materiał źródłowy.

Struktura pytań i odpowiedzi przypomina też format preferowany przez wiele systemów wyszukiwania i asystentów. Przedstawia prawdopodobne zapytanie, po czym podaje zwięzłą odpowiedź i powtarza istotne informacje o marce. Te cechy mogą ułatwiać wyodrębnienie fragmentu, nawet gdy żaden model nie nadaje mu celowo preferencyjnego traktowania.

Opublikowane przez Google zasady dotyczące spamu definiują cloaking jako prezentowanie użytkownikom i systemom wyszukiwania różnej treści z zamiarem manipulowania rankingami i wprowadzania ludzi w błąd. Zasady odnoszą się obecnie także do działań mających manipulować generatywnymi odpowiedziami AI w Google Search.

Podejście Time nie wpisuje się jednoznacznie w klasyczny przykład. Markdown jest podobno alternatywną reprezentacją strony, a płatna sekcja ma etykietę sponsorowania. Dostępne wersje tekstowe, strony mobilne i dane strukturalne mogą zgodnie z prawem różnić się od wizualnej prezentacji na komputerze.

Istotne będą intencja i równoważność. Jeśli wersja dla maszyn wiernie przedstawia stronę dla ludzi i zachowuje skuteczne ujawnienie, bardziej przypomina dostępną dystrybucję treści. Jeśli wprowadza twierdzenia promocyjne, których odwiedzający stronę nie mogą rozsądnie znaleźć, zaczyna przypominać perswazję skierowaną konkretnie do robotów indeksujących.

Kierownictwo Time przyznało, że ta kwestia pozostaje niepewna. Mark Howard, dyrektor operacyjny wydawcy, powiedział Digiday, że zasady regulujące sposób traktowania tych reklam przez duże modele językowe pozostają nieustalone. Wskazał ryzyko, że platformy mogą ostatecznie zaklasyfikować format jako cloaking.

Ryzyko to daje Google znaczną przewagę. Może zmniejszyć wagę przypisywaną tekstowi, wykluczyć blok sponsorowany lub karać strony dostarczające robotom indeksującym treść istotnie różną od tej dla użytkowników. Może też zachować treść, wymagając jednocześnie, by generowane wyniki zawierały jej ujawnienie komercyjne.

Żadna z tych odpowiedzi nie jest prosta. Klasyfikator musi odróżnić płatne FAQ od legalnego sponsorowanego dziennikarstwa, danych produktowych, zwykłych oświadczeń firmowych i ustrukturyzowanych metadanych wydawcy. Zbyt szerokie filtrowanie mogłoby usunąć użyteczne informacje. Zbyt słabe filtrowanie mogłoby pozwolić płatnym twierdzeniom pojawiać się jako neutralne odpowiedzi.

Właśnie dlatego Google News ma znaczenie, choć zgłoszony eksperyment rozpoczął się w Time. Wydawcy potrzebują dostępu do dystrybucji Google, a Google potrzebuje wiarygodnych materiałów wydawców. Reklama przeznaczona wyłącznie dla maszyn zmienia tę relację w negocjacje dotyczące tego, które części strony liczą się jako dowody redakcyjne.

Prawdziwa rywalizacja dotyczy ujawnienia kontra pobieranie informacji

Kluczowy kompromis dotyczy tego, czy reklama pozostaje w sposób znaczący ujawniona po tym, jak system AI usunie ją ze strony, na której pojawiło się to ujawnienie.

W przypadku reklamy natywnej skierowanej do ludzi regulatorzy skupiają się na tym, czy rozsądna osoba może rozpoznać relację komercyjną. Przewodnik FTC dotyczący reklamy natywnej stwierdza, że treść promocyjna nie powinna sugerować, iż jest niezależna lub bezstronna, gdy reklamodawca wpływał na jej kształt.

Wytyczne podkreślają jasny język, widoczne umiejscowienie i bliskość przekazu promocyjnego. Zauważają również, że ujawnienia powinny pozostać dołączone, gdy reklama trafia do wyników wyszukiwania, mediów społecznościowych, e-maili lub innych kanałów dystrybucji.

Reklama dla agentów ujawnia nową wersję tego problemu przenośności. System odbierający może zacytować jedno zdanie, skompresować kilka akapitów lub połączyć twierdzenie z materiałem z innych źródeł. Etykieta na początku oryginalnego bloku może zniknąć podczas ekstrakcji.

Załóżmy, że użytkownik pyta asystenta, która instytucja finansowa oferuje najodpowiedniejsze konto dla określonej potrzeby. Asystent pobiera stronę Time zawierającą FAQ finansowane przez reklamodawcę. Jeśli odpowiedź powtarza jego twierdzenia bez kontekstu sponsorowania, użytkownik napotyka wpływ pozbawiony rozpoznawalnej reklamy.

Problem staje się poważniejszy, gdy agent działa, a nie tylko odpowiada. Agent zakupowy lub agent używany w miejscu pracy może porównywać produkty, tworzyć krótką listę dostawców lub finalizować transakcję. Jego operator może interpretować materiał źródłowy jako dowód i nigdy nie sprawdzić strony, na której się znalazł.

Nie oznacza to, że każde oświadczenie reklamodawcy jest fałszywe. Płatny fragment może zawierać dokładne, użyteczne informacje. Problem polega na tym, że komercyjne pochodzenie pomaga użytkownikom zdecydować, jaką wagę przypisać twierdzeniu i czy niezależnie je zweryfikować.

Ujawnienie czytelne dla maszyn wymaga zatem czegoś więcej niż widocznych słów. Potrzebuje metadanych, które systemy pobierania informacji zachowują i rozumieją. Wydawca mógłby oznaczać reklamodawcę, płatny status, granice twierdzeń, datę publikacji i miejsce docelowe za pomocą spójnego schematu.

Platformy AI musiałyby następnie respektować ten schemat. Mogłyby wykluczać płatne twierdzenia z organicznych rekomendacji, wyświetlać je oddzielnie lub identyfikować je w generowanych odpowiedziach. Bez wspólnych zasad każdy robot indeksujący może inaczej interpretować tę samą etykietę.

OpenAI wybrało odmienny model we własnym produkcie. Jego polityka reklamowa ChatGPT stwierdza, że systemy reklamowe pozostają oddzielone od modelu czatu, a reklamodawcy nie mogą kształtować, szeregować ani zmieniać odpowiedzi. Reklamy pojawiają się jako oznaczone lokowania pod odpowiedziami dla kwalifikujących się użytkowników.

Eksperyment Time działa poza tym kontrolowanym interfejsem. Wydawca dodaje płatną treść do materiału, który asystent może pobrać za pośrednictwem wyszukiwania, przeglądania lub innego dostawcy danych. Firma AI nie sprzedaje tego lokowania i może nie wiedzieć, że relacja komercyjna wpłynęła na tekst.

Tworzy to dwa rynki reklamowe wokół tej samej odpowiedzi. Jeden rynek kupuje oznaczone lokowanie od dostawcy asystenta. Drugi płaci wydawcy źródłowemu za język, który może stać się częścią samej odpowiedzi.

Druga ścieżka może wydawać się cenniejsza, ponieważ rekomendacja często ma większy autorytet niż sąsiednia reklama. Wiąże się też z większą niepewnością. Reklamodawcy nie mogą zagwarantować pobrania, przypisania źródła, korzystnego sformułowania ani dalszej tolerancji platformy.

Czytelnicy powinni traktować obecny format jako eksperyment z wpływem, a nie niezawodną metodę kontrolowania modeli. Duże modele językowe mogą zignorować fragment tekstu, preferować inne źródło lub zmienić zachowanie po aktualizacji. Systemy wyszukiwania i pobierania informacji mogą też różnie klasyfikować treści w zależności od użytkownika i zapytania.

Nierozwiązany łańcuch ujawnień pozostaje większym problemem. Etykieta, która nigdy nie dociera do osoby podejmującej decyzję, ma ograniczoną wartość ochronną — niezależnie od tego, czy decydentem jest osoba czytająca podsumowanie AI, czy zautomatyzowany agent wybierający produkt.

Wydawcy chcą przychodów od botów, które zastępują ich czytelników

Reklamy dla agentów są odpowiedzią na ekonomiczne odwrócenie sytuacji: zautomatyzowane systemy konsumują treści wydawców, jednocześnie ograniczając liczbę wizyt ludzi, które wcześniej finansowały reklamy.

Wydawcy tradycyjnie wymieniali otwarty dostęp na uwagę odbiorców. Wyszukiwarki indeksowały ich artykuły, czytelnicy podążali za linkami, a reklamy lub subskrypcje monetyzowały wizyty. Wyszukiwanie generatywne może zachować indeksowanie, jednocześnie eliminując znaczną część ruchu.

Asystent może odpowiedzieć na pytanie faktami zebranymi z kilku publikacji. Użytkownik otrzymuje wygodną syntezę, lecz źródło może nie otrzymać ani odsłony strony, ani okazji do pozyskania subskrybenta, ani tradycyjnego wyświetlenia reklamy.

Strony czytelne maszynowo próbują zwiększyć szanse wydawcy na właściwe zrozumienie i cytowanie. Jednocześnie ułatwiają korzystanie z treści bez odwiedzania zaprojektowanej strony. Reklamy dla agentów Time próbują bezpośrednio monetyzować ten zautomatyzowany dostęp.

To jest sedno odwrócenia sytuacji. Wydawcy dawniej sprzedawali reklamodawcom dostęp do ludzkiej uwagi na własnych platformach. Teraz testują, czy mogą sprzedawać dostęp do systemów stojących między tymi platformami a ludzką uwagą.

Dla Time umieszczenie treści w formie czytelnej maszynowo tworzy powierzchnię reklamową tam, gdzie tradycyjne reklamy wizualne mają niewielką wartość. Crawler tekstowy nie przejmuje się dopracowanym banerem. Interesuje go tekst, który może odpowiadać na zapytanie.

Reklamodawcy również mierzą się ze zmieniającym się procesem odkrywania informacji. Kiedyś osoba mogła porównać kilka linków z Google News, przejrzeć serwisy z recenzjami i zauważyć reklamy retargetingowe. Ta sama osoba może dziś poprosić jednego asystenta o krótką listę rekomendacji i zaakceptować jego podsumowanie.

Skupia to wpływ wewnątrz procesu selekcji asystenta. Marki muszą zdecydować, czy kupować reklamy od platformy, poprawiać własne publicznie dostępne informacje, współpracować z autorytatywnymi wydawcami, czy podążać wszystkimi trzema drogami.

Anthropic zajął najbardziej jednoznaczne przeciwne stanowisko spośród głównych dostawców asystentów. Firma stwierdziła w stanowisku Claude dotyczącym reklam, że zachęty reklamowe naruszyłyby środowisko sprzyjające myśleniu, które chce zapewnić Claude. Rozróżniła neutralną eksplorację od odpowiedzi kształtowanych przez interesy komercyjne.

Ta obietnica znajduje się pod presją, gdy płatny wpływ przenika przez zewnętrzne źródła. Asystent może działać bez wewnętrznego biznesu reklamowego, a mimo to pobierać z otwartego internetu materiały ukształtowane przez interesy komercyjne.

To samo wyzwanie dotyczy Google. Jego infrastruktura reklamowa może wyraźnie oddzielać płatne umieszczenie od wyniku organicznego zgodnie z zasadami platformy. Firma ma mniejszą bezpośrednią kontrolę nad wydawcą, który osadza sponsorowane materiały w treściach udostępnianych do pobierania.

Wydawcy tymczasem nie mogą bez końca czekać, aż firmy AI przeprojektują ekonomię internetu. Umowy licencyjne pozostają nierówne, ruch z poleceń jest niepewny, a blokowanie każdego crawlera może ograniczyć widoczność. Reklama dla agentów oferuje potencjalny strumień przychodów wykorzystujący infrastrukturę, którą wydawcy już kontrolują.

Wprowadza jednak również ryzyko dla wiarygodności. Czytelnicy ufają uznanym publikacjom częściowo dlatego, że oczekują granicy między osądem redakcyjnym a wpływem reklamodawców. Płatny fragment skierowany do maszyn może osłabić tę granicę, nawet jeśli strona dla ludzi pozostaje niezmieniona.

Wykorzystanie przez Time etykiety sponsorskiej jest zatem ważne, lecz samo w sobie niewystarczające. Wydawca musi wykazać, że etykieta przetrwa ekstrakcję oraz że płatne twierdzenia nie zyskują autorytetu redakcyjnego wyłącznie dlatego, że znajdują się w zaufanej domenie.

Reklamodawcy stoją przed powiązanym problemem pomiarowym. Mobian może sprawdzać, czy marka pojawia się w wybranych odpowiedziach AI, lecz korelacja nie dowodzi, że płatny tekst spowodował taki wynik. Model mógł już znać markę, pobrać inne źródło lub wygenerować inną odpowiedź dla innego użytkownika.

Wskaźniki widoczności, pozytywnego wydźwięku i dokładności mogą opisywać wyniki. Nie zapewniają jednak stabilnej atrybucji, której marketerzy oczekują od kliknięć lub śledzenia konwersji. Aktualizacje platform mogą także bez ostrzeżenia wymazać uzyskane korzyści.

Format może mimo to okazać się użyteczny. Marki mogą doceniać kontrolowane eksperymenty na autorytatywnych stronach, zwłaszcza gdy odkrywanie produktów przez AI wpływa na drogie lub złożone zakupy. Rynek potrzebuje jednak niezależnych pomiarów, zanim widoczność maszynowa stanie się równoważna skuteczności reklamowej.

Dla wydawców najbezpieczniejszym zasobem długoterminowym pozostaje zaufany materiał źródłowy. Jasne raportowanie, dokładne informacje ustrukturyzowane i przejrzyste granice komercyjne są trwalsze niż jakakolwiek taktyka zależna od aktualnego sposobu analizowania treści przez crawlera.

Pracownicy wiedzy stoją przed tym samym wyzwaniem wewnątrz organizacji. Gdy systemy AI łączą dokumenty źródłowe w jedną odpowiedź, pochodzenie informacji może zniknąć. Utrzymywanie przeszukiwalnej osobistej bazy wiedzy pomaga użytkownikom wracać do pierwotnych materiałów i oceniać, kto stworzył każde twierdzenie.

Podstawowy nawyk ma znaczenie wykraczające poza ten eksperyment reklamowy. Odpowiedzi generowane przez AI powinny rozpoczynać proces oceny, a nie go kończyć. Użytkownicy potrzebują źródła, kontekstu publikacji oraz wszelkich relacji finansowych związanych z daną informacją.

Co Google News i platformy AI muszą zrobić dalej

Kolejne trzy sygnały pokażą, czy reklamy dla agentów staną się uznanym formatem medialnym, czy krótkotrwałą formą optymalizacji pod crawlery.

Pierwszym sygnałem jest klasyfikacja przez platformę. Reakcja Google ma znaczenie, ponieważ jego produkty wyszukiwania i informacyjne łączą wydawców z dużą publicznością, a systemy generatywne mogą wykorzystywać tekst wydawców w odpowiedziach.

Google nie musi zakazywać każdej reklamy czytelnej maszynowo. Musi jednak stworzyć spójną zasadę dla alternatywnych stron, sponsorowanych fragmentów i metadanych komercyjnych. Egzekwowanie zasad wobec jednego wydawcy bez opublikowanych kryteriów pozostawiłoby szerszy rynek w stanie domysłów.

Należy obserwować, czy Google aktualizuje dokumentację, dodaje obsługę ustrukturyzowanych oznaczeń sponsorskich lub podejmuje widoczne działania wobec stron zawierających komercyjne twierdzenia przeznaczone wyłącznie dla crawlerów. Jasne wsparcie wzmocniłoby argument za legalnym nowym formatem. Kara za cloaking znacząco by go osłabiła.

Drugim sygnałem jest trwałość ujawnień. Time i Mobian powinny sprawdzić, czy etykiety sponsorskie przetrwają w podsumowaniach wyszukiwania, odpowiedziach chatbotów, cytowaniach i działaniach agentów. Publikowanie przykładów i metodologii pozwoliłoby reklamodawcom, regulatorom i czytelnikom ocenić system.

Decydujące pytanie nie brzmi, czy gdzieś w źródle istnieje „treść sponsorowana”. Chodzi o to, czy osoba otrzymująca rekomendację rozumie, że reklamodawca zapłacił za umieszczenie istotnego języka na ścieżce pobierania informacji.

Jeśli asystenci konsekwentnie zachowują tę informację, reklamy dla agentów zaczynają przypominać reklamy natywne czytelne maszynowo. Jeśli asystenci ją pomijają, eksperyment tworzy problem z przejrzystością, który platformy będą musiały naprawić.

Trzecim sygnałem są niezależne dowody związku przyczynowego. Reklamodawcy potrzebują kontrolowanych testów pokazujących, że płatne fragmenty zmieniają odpowiedzi bardziej niezawodnie niż zwykłe informacje o marce, materiały public relations lub standardowa optymalizacja wyszukiwania.

Testy te powinny porównywać równoważne strony, wiele modeli, powtarzane prompty i wyniki w czasie. Powinny też mierzyć nieprawidłowe odpowiedzi i negatywne skutki, a nie tylko pozytywne wzmianki.

Dowody na spójny, ujawniony wpływ wzmocniłyby komercyjne argumenty Time. Słabe lub niestabilne efekty sugerowałyby, że reklamodawcy płacą za rzadki dostęp, nie otrzymując niezawodnych rezultatów.

Szerszy rynek nie będzie stał w miejscu podczas tych testów. OpenAI rozwija wyraźnie oddzielone reklamy konwersacyjne, podczas gdy Amazon opracowuje reklamy wokół asystentów zakupowych. Anthropic pozycjonuje asystenta bez reklam jako przewagę opartą na zaufaniu.

Google musi równoważyć obie strony. Prowadzi duży biznes reklamowy, lecz jego produkty wyszukiwania zależą też od tego, czy użytkownicy wierzą, że odpowiedzi organiczne nie zostały po cichu kupione poprzez manipulowanie źródłami.

Użytkownicy Google News powinni stosować tę samą dyscyplinę, co wobec tradycyjnych materiałów sponsorowanych. Otwórz cytowaną stronę, sprawdź ujawnienie, porównaj inne źródło i oddziel twierdzenia faktograficzne od rekomendacji.

Deweloperzy budujący systemy pobierania informacji powinni zachowywać pochodzenie na poziomie fragmentu. Cytowanie całej domeny nie wystarcza, gdy jeden blok jest redakcyjny, a inny finansowany przez reklamodawcę. Status płatności powinien towarzyszyć wyodrębnionemu tekstowi.

Nabywcy korporacyjni powinni pytać dostawców, czy pobierane reklamy mogą trafiać do rekomendacji, podsumowań lub zautomatyzowanych decyzji zakupowych. Powinni też pytać, czy ich systemy zachowują ujawnienia, gdy treści przemieszczają się między narzędziami.

Wydawcy powinni unikać traktowania alternatywnych stron maszynowych jako niewidzialnego kanału. Każde twierdzenie przekazane agentowi może ostatecznie dotrzeć do człowieka, wpłynąć na zakup lub pojawić się w wygenerowanej odpowiedzi. Należy stosować wobec niego tę samą kontrolę redakcyjną i prawną.

Bezpośrednia historia nie polega na tym, że reklamodawcy odkryli niezawodny sposób kontrolowania AI. Znaleźli nowe miejsce do testowania wpływu — wewnątrz materiałów, z których maszyny korzystają przed ułożeniem odpowiedzi.

To rozróżnienie zdefiniuje kolejną fazę reklamy AI. Jeśli Google News i inne platformy zachowają kontekst komercyjny, wydawcy będą mogli rozwijać przejrzystą, czytelną maszynowo powierzchnię reklamową. Jeśli nie, każdej pobranej rekomendacji będzie towarzyszyć nowe pytanie: czy asystent wybrał tę informację, ponieważ była użyteczna, czy dlatego, że ktoś zapłacił za umieszczenie jej na ścieżce maszyny?

Na razie czytelnicy powinni domagać się pierwotnego źródła stojącego za każdą komercyjną rekomendacją. Zespoły produktowe powinny audytować to, co pobierają ich agenci, a wydawcy powinni udowodnić, że etykiety sponsorskie przetrwają poza stroną. Google News i asystenci konwersacyjni zdecydują, czy reklamy dla agentów staną się rozliczalnym medium, czy jedynie niewidzialnym wpływem.