Iskanje se premika od klasičnih odgovorov umetne inteligence k “agentnemu iskanju”,

May 7, 2026 | Ecommerce, SEO

Gre za članek, ki razloži, da se iskanje premika od klasičnih odgovorov umetne inteligence k “agentnemu iskanju”, kjer sistem sam raziskuje splet, primerja vire in lahko celo izvede dejanje v imenu uporabnika. Osrednje sporočilo je, da SEO ne bo več dovolj razumeti predvsem kot boj za uvrstitve, temveč kot pripravo blagovne znamke, vsebine in spletnega mesta za presojo, razumevanje in uporabo s strani AI-agentov.

Članek trdi, da bo v prihodnje zmagoval tisti, ki bo za AI-agente najbolj razumljiv, dosleden, preverljiv in tehnično dostopen.

VIR

BISTVO

  • Članek definira agentno iskanje kot obliko AI, ki ne le odgovori na vprašanje iz modela ali povzetka virov, ampak aktivno išče informacije, jih razdeli na podnaloge, preverja med več viri in lahko tudi izvede nalogo brez sprotnega človeškega usmerjanja.

  • Avtorica poudari, da pri takem načinu iskanja klasične SEO-predpostavke slabijo, ker AI ne črpa le iz najbolje uvrščenih strani, temveč iz raznolikega nabora virov, kot so uredniške vsebine, ocenjevalne platforme, forumi in strani podjetij.

  • Poseben poudarek je na globini vsebine, saj agenti lahko berejo dokumentacijo, baze znanja, FAQ-je, študije primerov in druge vsebine, ki jih človeški obiskovalec pogosto sploh ne odpre, vendar postanejo pomemben dokaz pri priporočilih.

  • Enako pomembna kot globina je širina potrditve, ker AI-agent ne preverja le, kaj podjetje pove o sebi, temveč tudi ali to potrjujejo ocene, skupnosti, tretji mediji in druge zunanje avtoritete.

  • Praktični zaključek članka je, da morajo podjetja že zdaj uskladiti sporočila čez vse kanale, pripraviti jasne “hub” strani, izboljšati dostopnost vsebine v HTML-ju, uvesti agentne protokole in redno spremljati svoj AI-odtis.

DEJSTVA

  • Članek je napisala Rosanna Campbell, na strani Backlinko, in je bil nazadnje posodobljen 20. aprila 2026.

  • Kot zgodnje primere agentnega iskanja članek navaja ChatGPT Deep Research, Gemini agentic mode in raziskovalne funkcije Perplexity, pri čemer kot smer razvoja omenja tudi nakupovanje v ChatGPT ter rezervacijo miz brez obiska spletne strani.

  • V primeru presoje trajnostnosti znamke Levi’s članek navaja, da je Perplexity odgovor gradil na 15 različnih virih in pri tem uporabil tudi več strani s samega spletnega mesta Levi’s, vključno s poročilom o trajnosti ter stranmi o vlaknih, človekovih pravicah in suženjstvu.

  • Med viri, ki jih agenti po članku tipično preverjajo, so lastna spletna stran, platforme za ocene, kot so G2, Capterra in Trustpilot, skupnostni signali z Reddita in forumov ter tretje uredniške primerjave in analize.

  • V operativnem delu članek našteje bote, ki jih je smiselno spremljati v dnevnikih strežnika, med njimi GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot in Google-Extended, ter priporoča spremljanje pogostosti obiskov, dostopanih strani in odzivov 200 oziroma napak 404.

CITATI

  • “AI search exists on a spectrum.” — to je izhodiščna teza članka, s katero avtorica nakaže, da agentno iskanje ni ločen pojav, temveč naslednja stopnja razvoja AI-iskanja.

  • “That’s agentic search.” — s tem kratkim stavkom avtorica opredeli trenutek, ko AI ne odgovarja več le informativno, ampak raziskuje in deluje namesto uporabnika.

  • “Rankings Matter Less Than Before for Overall Visibility” — ta formulacija povzema najpomembnejši SEO-premik v članku: pozicija v SERP ni več glavni filter vidnosti v AI-okolju.

  • “Your Content Depth Is Now a Competitive Advantage” — članek s tem poudari, da podrobna dokumentacija in bogata razlagalna vsebina postajata konkurenčna prednost, ker jih agenti dejansko preberejo.

  • “Your Site Needs to Be Usable By Agents, Not Just People” — to je verjetno najbolj uporabno praktično vodilo članka, saj preusmeri pozornost z vizualne uporabnosti na strojno berljivost, strukturiranost in izvršljivost informacij.