Ostatnia pula prelegentów MozCon NYC 2026: jak przełożyć AI, content i agentów na mierzalny wzrost przychodów w Twoim biznesie

AI w wyszukiwarkach i odpowiedzi generatywne zmieniają sposób, w jaki klienci w ogóle dowiadują się o Twojej marce. Spadające kliknięcia z Google, rosnąca rola agentów AI i presja na „więcej za mniej” w marketingu prowadzą do jednego wniosku: dotychczasowe podejście do SEO i contentu przestaje wystarczać.

MozCon NYC 2026 gromadzi ekspertów, którzy nie tylko opowiadają o trendach, ale pokazują konkretne, skalowalne frameworki dla AI, contentu, lokalnego SEO i przygotowania serwisów na agentów. Z perspektywy właściciela firmy czy marketing managera to przede wszystkim zestaw odpowiedzi na pytanie: jak przełożyć chaos wokół AI na przewidywalny wzrost przychodów, a nie wyłącznie na kolejne eksperymenty.

AI jako system operacyjny marketingu: podejście Erica Siu

Większość zespołów traktuje AI jak „sprytny gadżet”: pojedyncze prompty, okazjonalne generowanie tekstu, czasem prostą automatyzację. Eric Siu proponuje inne podejście: potraktować AI jako operacyjny kręgosłup marketingu, który spina wiedzę, dane i procesy w jedną, działającą całość.

W praktyce chodzi o zbudowanie czegoś na kształt „wspólnego mózgu zespołu”. Zamiast luźnych notatek i rozproszonych dokumentów powstaje ustrukturyzowana baza wiedzy, która zasila wyspecjalizowane agentowe „role” – np. agenta do analizy słów kluczowych, agenta do researchu konkurencji czy agenta do personalizacji ofert. Powtarzalne zadania, które dziś pochłaniają czas specjalistów, przejmuje AI jako warstwa wykonawcza, a menedżerowie koncentrują się na nadzorze i decyzjach.

Biznesowo istotne jest to, że Eric koncentruje się na mierzalnym przełożeniu AI na przychód, a nie na „innowacjach dla samej innowacji”. Wdrożenia, o których mówi, mają usuwać kluczowe blokery skalowania: powtarzalne raportowanie, manualne przygotowywanie analiz, ciągłe przepisywanie tych samych treści na różne kanały. Celem jest maksymalne skrócenie drogi od pomysłu do uruchomionej kampanii przy zachowaniu kontroli strategicznej.

Typowy błąd, który tu wychodzi na wierzch: inwestowanie w pojedyncze narzędzia AI bez uporządkowania wiedzy i procesów. W efekcie firma ma zestaw ciekawych „zabawek”, ale nie buduje przewagi systemowej ani trwałej efektywności kosztowej.

Skalowanie contentu bez utraty jakości: podejście Chimy Mmeje

Content marketing od lat jest fundamentem strategii SEO, ale dziś presja jest większa niż kiedykolwiek: trzeba produkować szybciej, taniej i szerzej. Chima Mmeje pokazuje, że samo „podkręcanie wolumenu” nie działa, zwłaszcza gdy organiczny ruch z klasycznego SERP-u staje się mniej przewidywalny, a odpowiedzi AI przechwytują część zapytań.

Jej kluczowa teza brzmi: zamiast pytać „ile treści możemy wyprodukować”, warto pytać „które kanały i formaty realnie budują popyt”. Jeśli organiczny ruch z Google nie rośnie lub rośnie, ale nie przekłada się na sprzedaż, potrzebna jest strategia wielokanałowa – łączenie wyszukiwarki, social mediów, newslettera, wideo, treści produktowych i materiałów sprzedażowych w jednym, spójnym planie popytowym.

W tym podejściu rola AI jest jasno podporządkowana jakości. Narzędzia generatywne mają wspierać research, strukturę i redakcję, ale nie zastępować eksperckiego punktu widzenia. Z biznesowej perspektywy to jedyny sposób, by content faktycznie wpływał na jakość leadów, długość cyklu sprzedaży i współczynnik domykania, a nie tylko „podbijał sesje” w raportach.

Chima mocno akcentuje też potrzebę mierzenia wpływu contentu w skali – nie tylko przez pryzmat sesji z organic, ale także liczby zapytań demo, wpływu na pipeline, udziału treści w finalnych rozmowach handlowych. Uporządkowanie tych danych ujawnia często nieoczywiste wnioski: treści, które generują mniejszy ruch, mogą jednocześnie dowozić najbardziej wartościowe leady.

Typowe uproszczenie, z którym się rozprawia: przekonanie, że duża biblioteka treści równa się „silne SEO”. W praktyce wiele firm buduje rozrośnięte archiwa, które generują ruch informacyjny, ale nie wspierają sprzedaży ani retencji.

Marketing engineer – brakujące ogniwo w nowoczesnym zespole

Nick Lafferty zwraca uwagę na problem, który większość firm odczuwa intuicyjnie: zespoły marketingowe korzystają z coraz większej liczby narzędzi, ale ich praca nadal opiera się na ręcznych, nieskalowalnych procesach. W tym miejscu pojawia się rola marketing engineer.

To nie jest klasyczny marketer ani typowy developer. To osoba, która rozumie kampanie, dane i technologie na tyle dobrze, by budować automatyzacje, agentów i integracje przyspieszające egzekucję – od przepływu leadów i scoringu, przez enrichment danych, po zaawansowane raportowanie. Taki profil pozwala przekuć strategię ustaloną przez head of marketing w działające systemy, a nie tylko w kolejne arkusze i checklisty.

Z perspektywy właściciela firmy lub CMO wniosek jest prosty: bez funkcji marketing engineer trudno realnie skalować AI i automatyzację. Nawet najlepsze pomysły i narzędzia kończą jako pojedyncze testy, gdy brakuje osoby odpowiedzialnej za wdrożenia, standaryzację i utrzymanie tych rozwiązań. W wielu organizacjach zatrudnienie jednego marketing engineera ma większy wpływ na tempo dostarczania kampanii i jakość danych niż powiększenie zespołu o kilku kolejnych specjalistów od treści czy mediów.

Typowy błąd w tym obszarze to „przerzucanie” odpowiedzialności za automatyzację na IT, które nie zna kontekstu marketingowego, albo na marketerów, którzy nie mają czasu ani kompetencji technicznych, by projektować skalowalne systemy.

Lokalne SEO, które dowozi przychód, a nie tylko pozycje

Amanda Jordan stawia mocną diagnozę: lokalne SEO jest z pozoru proste, ale trudne do zrobienia tak, by przynosiło pieniądze. Restauracje, salony usługowe czy sieci lokalne często widzą wzrost pozycji i ruchu, ale nie widzą wzrostu rezerwacji, zamówień czy obrotu.

Głównym problemem jest skupienie się na metrykach próżności: liczbie wyświetleń, pozycjach fraz, łącznej liczbie opinii – bez wglądu w to, jak użytkownicy faktycznie przechodzą z wyników wyszukiwania do transakcji. Amanda koncentruje się na diagnozowaniu sytuacji, w której „SEO rośnie, ale kasa nie”. Wskazuje na niespójne dane NAP, chaotyczne przejście z wizytówki do strony, zbyt skomplikowany proces zamówienia, brak widocznych dowodów zaufania i jasnych cen.

Z perspektywy sieci lokalnej czy franczyzy kluczowe jest też spojrzenie na skalowalne operacje SEO. Elementy, które realnie wpływają na efektywność – lokalne landing pages, standaryzowane ścieżki rezerwacji, proces pozyskiwania i odpowiadania na opinie, spójne dane o godzinach i dostępności – często są „odcinane” przy optymalizacjach kosztowych. Tymczasem to właśnie te pozornie drobne rzeczy decydują o realnym udziale w rynku lokalnym, a nie sama obecność na frazę „najlepsza restauracja w…”.

Częsty błąd zarządów: ocena agencji i zespołów in-house głównie po pozycjach w mapach. Z perspektywy przychodu znacznie ważniejsze jest to, czy lokalny SEO setup upraszcza drogę od wyszukania do zakupu i czy pozwala skalować wyniki na dziesiątki lokalizacji.

Przygotowanie serwisu na agentów AI: perspektywa Crystal Carter

Crystal Carter zwraca uwagę na trend, który dopiero zaczyna być widoczny w danych, ale radykalnie zmieni krajobraz: AI agenci jako nowy typ użytkownika. To systemy, które w imieniu człowieka porównują oferty, weryfikują warunki, wypełniają formularze i finalizują działania. W praktyce oznacza to, że Twój serwis będzie coraz częściej odwiedzany i „czytany” nie tylko przez ludzi, ale także przez automaty.

Jeśli serwis jest dla takich agentów trudny do przetworzenia lub zinterpretowania, tracisz widoczność na rzecz konkurentów, którzy projektują infrastrukturę pod „agentic discovery”. Tu liczy się nie tylko klasyczne SEO techniczne, ale także jakość feedów produktowych, struktura i dostępność API, poprawne i aktualne dane o dostępności, cenach i warunkach zakupu, a także logiczna architektura informacji.

Crystal wskazuje na znaczenie nowych standardów – jak MCP czy emerging agent protocols – które mają pomóc agentom AI w skuteczniejszym nawigowaniu po zasobach sieci. Z punktu widzenia biznesu stawką jest nie tylko pozycja w wynikach wyszukiwarki, ale także to, czy AI agenci w ogóle rozważą Twoją ofertę w rekomendacjach. Brak jakościowych danych i struktur oznacza faktyczne „wycięcie” z części ścieżek zakupowych.

Typowa pułapka: traktowanie agentów AI jak odległej ciekawostki technologicznej. Tymczasem pierwsze efekty są już widoczne w e-commerce, turystyce czy usługach finansowych, gdzie automaty zaczynają filtrować oferty według kryteriów, które wymagają precyzyjnych, maszynowo czytelnych danych.

Co to oznacza w praktyce

Patrząc łącznie na zapowiedzi prelekcji, widać wyraźnie, że SEO przestaje być wyłącznie grą o pozycje w Google, a staje się częścią szerszej architektury wzrostu opartej na AI. Dla zarządów i marketing leadership oznacza to konieczność kilku konkretnych zmian w podejściu strategicznym.

Po pierwsze, AI trzeba traktować jak warstwę infrastruktury, a nie pojedyncze narzędzie. Firmy, które zbudują „mózg organizacji” złożony z wiedzy, procesów i agentów (jak w podejściu Erica Siu), będą szybciej testować hipotezy, skracać czas wdrożeń i lepiej wykorzystywać dane historyczne. W praktyce może to oznaczać skrócenie czasu uruchomienia nowej kampanii produktowej z kilku tygodni do kilku dni oraz zmniejszenie kosztu pozyskania leada dzięki automatyzacji powtarzalnych zadań.

Po drugie, treści muszą stać się kanałem sprzedażowo–popytowym, a nie tylko SEO-wym. Myślenie Chimy o multi-format content i mierzeniu wpływu na sprzedaż jest antytezą „produkowania blogpostów, bo tak trzeba”. Jeśli Twoje raporty kończą się na ruchu i pozycjach, nie widzisz pełnego obrazu. Konieczne jest spięcie danych contentowych z CRM-em, pipeline’em sprzedaży i marketing automation, tak aby mierzyć realny wpływ treści na przychód i retencję.

Po trzecie, kompetencje techniczne stają się krytyczne po stronie marketingu. Rola marketing engineera, o której mówi Nick Lafferty, oraz techniczne wymagania związane z agentami AI, o których mówi Crystal Carter, prowadzą do tego samego wniosku: bez ludzi na styku „kod + wzrost” trudno będzie efektywnie zarządzać automatyzacją, danymi i przygotowaniem serwisu na nadchodzące zmiany w wyszukiwaniu. Bez tego ryzykujesz, że inwestycje w AI i MarTech nie przełożą się na realne oszczędności czasu ani lepszy performance kampanii.

Po czwarte, lokalne SEO musi być rozliczane jak performance, a nie jak PR. Podejście Amandy Jordan do diagnozowania sytuacji, w której widoczność nie przekłada się na sprzedaż, to dobry wzorzec dla każdej sieci lokalnej czy franczyzy. Uporządkowanie danych, ścieżek konwersji i procesów operacyjnych często przynosi większy zwrot niż kolejne inwestycje w link building. Kluczowe jest tu przesunięcie uwagi z „gdzie jesteśmy widoczni” na „jaką część lokalnego popytu realnie przechwytujemy”.

Wreszcie, trzeba przyjąć, że punkt ciężkości przenosi się z klasycznego SERP-u na odpowiedzi i agentów. Oznacza to konieczność myślenia o tym, jak Twoje dane, oferta i treści będą konsumowane nie tylko przez ludzi w przeglądarce, ale także przez systemy, które ich reprezentują. Organizacje, które zaczną przygotowania już teraz – porządkując dane, inwestując w API i struktury oraz budując kompetencje techniczne w marketingu – zbudują wyraźną przewagę konkurencyjną w zakresie widoczności, jakości ruchu i efektywności sprzedaży.

Kto najbardziej skorzysta na podejściu prezentowanym na MozCon NYC

Nie każdy biznes ma takie same potrzeby, ale tematy MozCon NYC wyraźnie celują w kilka profili organizacji. Dla zespołów SEO i growth to szansa na przejście z roli „wykonawców optymalizacji” do roli partnerów biznesowych, którzy projektują systemy wzrostu oparte na AI i automatyzacji. Konsekwencją jest większy wpływ na przychód, strukturę lejka i decyzje produktowe, a nie tylko na techniczne parametry serwisu.

Dla liderów contentu to praktyczny kierunek, jak przejść od „produkcji treści na bloga” do zarządzania portfolio formatów i kanałów, które wzajemnie się napędzają. Wprost przekłada się to na lepszą jakość leadów, wyższą efektywność działań ABM i lepsze wykorzystanie treści w procesie sprzedaży.

Sieci lokalne, retail i horeca otrzymują konkretne wskazówki, jak przełożyć lokalne SEO na rzeczywisty wzrost rezerwacji i sprzedaży, a nie tylko widoczności. Chodzi o to, by kolejne punkty na mapie nie były kosztem stałym, ale realnym źródłem skalowanego przychodu.

Z kolei technical i product teams zyskują wyraźną mapę tego, jakie zmiany w architekturze serwisu i danych będą konieczne, by AI agenci nie „omijali” ich oferty. Dla zarządów i C-level to materiał, który pozwala inaczej spojrzeć na budżety marketingowe: nie jak na koszt działań punktowych, ale jak na inwestycję w infrastrukturę wzrostu na najbliższe lata, obejmującą zarówno widoczność, jak i skuteczność konwersji.

Rekomendacje i wnioski końcowe

Jeśli zarządzasz marketingiem lub sprzedażą, warto potraktować wnioski z programu MozCon NYC jako impuls do szybkiego przeglądu własnej strategii. Pierwszy krok to audyt obecnego wykorzystania AI. Wypisz, gdzie AI realnie wspiera procesy (z mierzalnym efektem na czas, koszt lub przychód), a gdzie jest jedynie gadżetem. Na tej podstawie zaplanuj 1–2 pilotażowe projekty, które przybliżą Cię do wizji „AI jako systemu operacyjnego”, a nie dodatku do działań.

Drugi krok to przegląd strategii contentowej pod kątem popytu i wpływu na sprzedaż. Zdefiniuj, które formaty realnie wspierają akwizycję i domykanie leadów, a które jedynie generują ruch informacyjny. Tam, gdzie to możliwe, połącz dane analityczne z CRM-em i pipeline’em handlowym. Rozważ stworzenie jednego „growth content planu” zamiast osobnych planów dla SEO, social i newslettera – dzięki temu łatwiej będzie zarządzać budżetem pod kątem przychodu, a nie tylko zasięgów.

Trzeci krok to decyzja o kompetencjach technicznych. Albo rekrutujesz marketing engineera, albo świadomie rozwijasz takie kompetencje w istniejącym zespole (np. u analityka lub marketing ops). Bez tego trudno będzie sensownie wdrażać automatyzacje, agentów i integracje danych, o których mówią prelegenci. Brak tej roli zwykle kończy się tym, że „projekty AI” zatrzymują się na poziomie proof-of-concept.

Czwarty krok dotyczy firm lokalnych i sieciowych: zredefiniuj KPI dla lokalnego SEO. Zamiast wyłącznie pozycji i liczby wyświetleń, włącz do raportowania rezerwacje, telefony, zamówienia i średni koszyk. Na tej podstawie zweryfikuj, czy Twoja obecność w mapach, wizytówkach i lokalnych landing pages faktycznie pracuje na przychód i udział w rynku, a nie tylko na „dobrze wyglądające” wykresy.

Wreszcie, zacznij przygotowywać serwis na agentów AI. Uporządkuj strukturę danych, zadbaj o spójność informacji o ofercie, przejrzyj feedy produktowe, rozważ wdrożenie dodatkowych API lub udoskonalenie obecnych. Nawet jeśli część standardów jest jeszcze w fazie kształtowania, inwestycje w jakość danych i przejrzystość architektury już dziś dadzą Ci przewagę zarówno w klasycznym SEO, jak i w świecie agentów. To bezpośrednio przełoży się na większy udział w rekomendacjach AI i lepszą jakość ruchu.

Jeżeli planujesz udział w MozCon NYC, podejdź do niego jak do warsztatu tworzenia nowego modelu wzrostu dla Twojej firmy. A jeśli nie – wykorzystaj opisane wyżej kierunki jako punkt wyjścia do rozmowy wewnątrz organizacji o tym, jak ma wyglądać Twoje SEO i marketing w erze AI search oraz agentów.

Źródło: Moz.com