AI w marketingu — przegląd lipca 2026

Siedem wydarzeń z lipca układa się w jeden spójny obraz, choć pochodzą od różnych dostawców. Przez ostatnie miesiące narracja brzmiała „model umie więcej”. W lipcu przesunęła się na „model kosztuje mniej i sam wykonuje zadanie od początku do końca”. To zmiana bardziej biznesowa niż technologiczna i właśnie dlatego dotyczy także firm, które nie mają własnego zespołu technicznego.

Co się zmieniło

Wzorzec miesiąca dobrze widać w tym, na co dostawcy kładli nacisk w komunikatach: na koszt użycia modeli i na agenty działające bez stałego nadzoru. Widać go w co najmniej trzech niezależnych ruchach rynkowych.

Pierwszy filar to koszt. OpenAI opisało GPT-5.6 wprost w kategoriach granicy opłacalności ceny do wydajności (ang. price-performance frontier), a w osobnym materiale — jako połączenie najwyższej klasy inteligencji z najwyższej klasy efektywnością. To dwa komunikaty na ten sam temat, co samo w sobie jest sygnałem, jak mocno akcentowana jest dziś ekonomika użycia modeli. Nacisk pada nie na nową funkcję, a na koszt i efektywność tego, co model już potrafi. Opisaliśmy tę premierę osobno w naszym newsie o GPT-5.6.

Drugi filar to agenty, czyli programy, które wykonują wieloetapowe zadania bez człowieka pilnującego każdego kroku. Google rozszerzyło w Gemini API zarządzane agenty (managed agents) o model 3.6 Flash i mechanizm zaczepień (ang. hooks), pozwalający wpinać własną logikę w przebieg pracy agenta. Równolegle OpenAI pokazało wdrożenie firmy avatarin, która zbudowała na GPT-Realtime agenta sprzedażowego działającego w handlu detalicznym całą dobę. Jedno to narzędzie dla działów technicznych, drugie to dowód, że taki agent stoi już na sklepowej pierwszej linii.

Trzeci filar to reklama, w której AI przestaje być tylko narzędziem produkcji, a staje się także powierzchnią i przedmiotem regulacji. Search Engine Roundtable opisał nowy typ kampanii w ChatGPT Ads — kampanię konwersacyjną z agentem biznesowym, w której reklamodawca rozmawia z użytkownikiem zamiast pokazywać mu baner. Z drugiej strony Google dodało w interfejsach programistycznych Campaign Manager oraz Display & Video 360 obsługę etykietowania treści wygenerowanych przez AI. Rynek jednocześnie otwiera nowy kanał i buduje wokół niego oznaczenia — to typowa faza dojrzewania, nie eksperyment.

Uczciwie: nie wszystko układa się w tę linię równie mocno. Studium przypadku (ang. case study) Univé o budowaniu zespołu gotowego na AI to przede wszystkim historia organizacyjna, a nie produktowa. Pokazuje jednak coś, co spina cały miesiąc: samo obniżenie ceny modelu i dostępność agentów nic nie dają, jeśli ludzie w firmie nie wiedzą, do czego ich użyć.

Co to znaczy dla Twojej firmy

Najważniejszy praktyczny wniosek jest prosty: kalkulacje sprzed pół roku mogły się zdezaktualizować. Jeśli w Twojej firmie ktoś policzył automatyzację obsługi klienta, generowanie opisów produktów albo analizę zapytań i wyszedł mu koszt nie do przyjęcia — ten rachunek warto zrobić jeszcze raz. Lipiec był miesiącem, w którym dostawcy sami postawili opłacalność w centrum przekazu.

Druga rzecz to zmiana roli AI w kontakcie z klientem. Do niedawna sztuczna inteligencja pracowała na zapleczu: pisała teksty, podpowiadała nagłówki, porządkowała dane. Przykład avatarin i kampanie konwersacyjne w ChatGPT Ads pokazują coś innego — AI rozmawia z klientem bezpośrednio, w Twoim imieniu, także wtedy, gdy nikogo nie ma w biurze. To realna szansa dla mniejszych firm, bo obsługa poza godzinami pracy przestaje wymagać zmianowego zespołu. To także realne ryzyko: co powie taki agent, gdy klient zapyta o rzecz, której nikt nie przewidział.

Trzecia rzecz to przejrzystość. Etykietowanie treści AI w narzędziach reklamowych Google to zapowiedź kierunku, w którym idzie cały rynek. Warto założyć, że pytanie „czy ta grafika i ten tekst powstały z udziałem AI” będzie z czasem pojawiać się coraz częściej — ze strony platform, partnerów i klientów. Firmy, które już dziś wiedzą, które materiały powstały jak, będą miały łatwiej.

Czego lipiec nie zmienia: nie ma tu żadnego sygnału, że AI zastępuje strategię, ofertę czy jakość produktu. Tańszy i szybszy model po prostu obniża próg wejścia. Firma bez pomysłu na to, co chce powiedzieć klientom, dostanie teraz tylko możliwość powiedzenia tego taniej i częściej.

Dla praktyka

Zadania na najbliższy miesiąc — w kolejności od najpewniejszego zwrotu:

Przelicz koszty. Weź trzy procesy, w których używasz modeli językowych, i sprawdź, co zmienia przejście na GPT-5.6 pod kątem kosztu na zadanie. Porównanie zrób na własnych, realnych danych z ostatniego miesiąca, a nie na przykładach z dokumentacji.
Odkop odrzucone pomysły. Zrób listę projektów AI, które w tym roku zatrzymały się na argumencie „za drogie” lub „za wolne”. Przy każdym zapisz, jaki próg kosztu lub czasu odpowiedzi musiałby zostać osiągnięty, żeby wróciły do gry. Teraz masz konkretne kryterium do sprawdzenia.
Przetestuj agenta na wąskim wycinku. Jeśli rozważasz obsługę klienta przez agenta, zacznij od jednego, dobrze opisanego obszaru — na przykład pytań o status zamówienia albo dostępność. Zdefiniuj z góry, kiedy agent oddaje rozmowę człowiekowi.
Uporządkuj oznaczanie treści. Wprowadź wewnętrzną zasadę zapisywania, które materiały reklamowe powstały z udziałem AI. Jeśli korzystasz z Campaign Manager lub Display & Video 360, sprawdź nowe pola etykietowania z zespołem lub agencją.
Zaplanuj naukę zespołu. Przykład Univé pokazuje, że wdrożenie AI to projekt kompetencyjny. Wyznacz w zespole jedną osobę odpowiedzialną za testowanie narzędzi i dzielenie się wnioskami, zamiast liczyć, że każdy nauczy się sam.

Czego nie robić w tym miesiącu:

Nie przenoś całej obsługi klienta na agenta naraz. Wdrożenie opisane przez avatarin to praca zespołu produktowego, a nie przełącznik do włączenia w piątek po południu.
Nie przebudowuj budżetu reklamowego pod kampanie konwersacyjne w ChatGPT Ads. To bardzo świeży format — potraktuj go jako test z niewielką kwotą i jasno określonym kryterium sukcesu, nie jako nowy główny kanał.
Nie zmieniaj dostawcy modelu wyłącznie na podstawie komunikatu prasowego. Deklarowana efektywność to jedno, Twoje realne zapytania i Twoje dane to drugie. Migruj dopiero po własnym pomiarze.
Nie ukrywaj udziału AI w materiałach. Kierunek rynku jest odwrotny — idzie w stronę oznaczania, nie zacierania śladów.

AI w marketingu — przegląd lipca 2026

Co się zmieniło

Co to znaczy dla Twojej firmy

Dla praktyka

Źródła

Tematy

Popularne

Serwis