# Najwięksi dystrybutorzy: najgorsza czytelność dla AI > Oceniliśmy 984 katalogi przemysłowe, a potem zmierzyliśmy na żywo 25 znanych marek. Ich mediana to 40 wobec mediany rynku 50. Pełna tabela z nazwami. **Language:** pl **Published:** 2026-08-13 **Category:** Research · **Tags:** AI visibility, benchmark, industrial distribution, robots.txt, structured data, GEO **Canonical:** https://partsgraph.ai/pl/blog/biggest-distributors-worst-ai-readability ## W skrócie **Jak najwięksi dystrybutorzy i producenci przemysłowi wypadają w ocenie tego, czy asystenci AI potrafią odczytać ich katalogi produktowe?** Gorzej niż rynek, któremu przewodzą. W 984 ocenionych katalogach przemysłowych mediana wyniku to 50 na 100. Ponowny pomiar 25 powszechnie znanych marek, wykonany na żywo 13 sierpnia 2026 r., daje medianę 40, przy czym 15 z 25 firm wypada poniżej mediany całej grupy. RS Components ma 35 punktów, Farnell 33, Mouser 34, Grainger 34, ABB 34, a Zoro 31, podczas gdy najwyższy wynik w całej badanej grupie — 80 — należy do małego dystrybutora specjalistycznego, o którym poza jego niszą nikt nie słyszał. Skala okazuje się tu raczej obciążeniem niż przewagą, ponieważ duże środowiska kumulują dokładnie to, co blokuje dostęp maszynom: agresywne reguły antybotowe na brzegu sieci, specyfikacje renderowane przez JavaScript oraz strony katalogowe, do których żaden crawler nie ma prawa dotrzeć. --- Industrial AI Visibility Benchmark objął pomiarem 984 katalogi producentów i dystrybutorów, stawiając jedno pytanie: czy asystent AI jest w stanie faktycznie pobrać z tej witryny specyfikację produktu? Mediana wyniku wyniosła 50 na 100. Ta liczba została opublikowana w formie zanonimizowanej. Ten artykuł zanonimizowany nie jest, ponieważ bardziej użyteczny wniosek krył się wewnątrz samego rozkładu wyników. **Największe i najbardziej znane firmy dystrybucji przemysłowej wypadają poniżej mediany rynku, któremu przewodzą.** Ich mediana to 40. Piętnaście z dwudziestu pięciu powszechnie znanych marek, które zmierzyliśmy ponownie, plasuje się poniżej środka własnej grupy, a najwyższy wynik w całej próbie 984 katalogów — 80 — należy do małego dystrybutora specjalistycznego, nierozpoznawalnego poza swoją niszą. ## Tabela Pomiar wykonany na żywo **13 sierpnia 2026 r.**, a nie przepisany z wcześniejszych badań terenowych. Każdą liczbę poniżej może odtworzyć dowolna osoba przy użyciu [bezpłatnego gradera](https://partsgraph.ai/audit) — w tym wymienione firmy. | Firma | Domena | Wynik | Ocena | |---|---|---|---| | Voltimum UK | voltimum.co.uk | 78 | B | | Rexel UK | rexel.co.uk | 66 | C | | Siemens | siemens.com | 65 | C | | Cromwell | cromwell.co.uk | 65 | C | | B&Q | diy.com | 65 | C | | Toolstation | toolstation.com | 60 | C | | Jewson | jewson.co.uk | 62 | C | | Reichelt | reichelt.de | 61 | C | | Legrand | legrand.com | 58 | C | | Screwfix Trade | screwfix.com | 50 | D | | Digi-Key | digikey.com | 49 | D | | HARTING | harting.com | 42 | D | | TE Connectivity | te.com | 40 | D | | Schneider Electric | se.com | 39 | F | | Festo | festo.com | 39 | F | | RS Components UK | uk.rs-online.com | 35 | F | | Würth | wurth.com | 34 | F | | Travis Perkins | travisperkins.co.uk | 34 | F | | Mouser | mouser.com | 34 | F | | ABB | abb.com | 34 | F | | Grainger | grainger.com | 34 | F | | Sonepar | sonepar.com | 34 | F | | Conrad | conrad.com | 34 | F | | Farnell UK | uk.farnell.com | 33 | F | | Zoro US | zoro.com | 31 | F | Mediana tych 25 firm: **40**. Mediana pełnej próby 984: **50**. Rozpiętość tutaj: od 31 do 78. ## Dlaczego powtórzyliśmy pomiar przed publikacją Badania terenowe do benchmarku prowadziliśmy 10 sierpnia. Publikowanie imiennego wyniku sprzed trzech dni byłoby niedbalstwem, więc każda firma z tabeli została oceniona ponownie w poranek publikacji. **Dwadzieścia jeden z dwudziestu pięciu firm powtórzyło wynik co do punktu.** To uspokajający rezultat, jeśli chodzi o samo narzędzie pomiarowe. Trzy firmy — nie: - **Rexel UK: 57 → 66.** Poprawa o dziewięć punktów w trzy dni. - **TE Connectivity: 53 → 40.** Spadek o trzynaście punktów. - **Schneider Electric: 51 → 39.** Spadek o dwanaście punktów. Mało prawdopodobne, by ktokolwiek w tych firmach pracował w tamtym tygodniu nad czytelnością dla AI. Zmiana reguły na brzegu sieci, aktualizacja polityki WAF, konfiguracja CDN wdrożona z zupełnie innego powodu — każda z tych rzeczy potrafi z dnia na dzień przesunąć wynik o dwucyfrową liczbę punktów, w dowolną stronę i bez niczyjej wiedzy. A potem zdarzyło się to ponownie, już w trakcie pisania tego artykułu. Drugie przejście, kilka godzin po pierwszym, wykazało, że **Toolstation przesunął się z 63 na 60** — zmiana mniejsza, ale w obrębie tego samego dnia; w tabeli powyżej znajduje się liczba skorygowana, a nie ta zapisana rano. To najbardziej użyteczna operacyjnie obserwacja w całym artykule. **Czytelność maszynowa nie jest właściwością, którą naprawia się raz.** To żywa konfiguracja, która dryfuje — i dryfuje po cichu, bo nic w Twoim monitoringu tego nie pilnuje. Cztery z tych dwudziestu pięciu firm zmieniły wynik w ciągu siedemdziesięciu dwóch godzin, jedna w ciągu jednego popołudnia, i można bezpiecznie założyć, że nikt w tych firmach o tym nie wiedział. ## Co naprawdę dzieli 78 od 31 Cztery mierzone elementy nie są jednakowo trudne do naprawienia, a różnica między czołówką a dołem tabeli rzadko wynika z tego, że lider zrobił coś szczególnie sprytnego. ### Polityka dla crawlerów — najtańsze punkty do zdobycia Większość witryn w badanej grupie ma robots.txt, który nie mówi zupełnie nic o crawlerach AI. To nie jest wrogość, to milczenie — plik powstał, zanim ta kategoria klientów w ogóle zaistniała. A milczenie coraz częściej sprowadza się do odmowy, ponieważ bezpiecznym domyślnym zachowaniem crawlera wobec nieokreślonej polityki jest trzymanie się z daleka. Wymienienie z nazwy crawlerów silników odpowiedzi, które chcesz u siebie widzieć, to praca na jedno popołudnie i zarazem zmiana o największej dźwigni, jaka jest dostępna niemal każdej firmie z tabeli. ### Osiągalność na brzegu sieci — tu przegrywają duzi Tutaj skala szkodzi już czynnie. Korporacyjne systemy zarządzania botami istnieją po to, by powstrzymywać scraping, ataki credential stuffing i zbieranie cen — i robią to dobrze. Domyślnie traktują też podejrzliwie każdego klienta, który nie wygląda jak przeglądarka, a taki jest każdy crawler silnika odpowiedzi. Kilka najniższych wyników w tej tabeli w ogóle nie wynika z problemów z treścią. Treść jest w porządku. Klient inny niż przeglądarka po prostu nigdy do niej nie dociera. ### Czytelność na stronie — pułapka JavaScript Jeśli Twoje specyfikacje są składane w przeglądarce przez aplikację JavaScript, większość crawlerów widzi pusty kontener. Dane produktowe istnieją, są poprawne — i są niewidoczne. Zamykają tę lukę dopiero dane strukturalne renderowane po stronie serwera: Schema.org `Product` z realnymi atrybutami, a nie z samą nazwą i ceną. ### Powierzchnie dla agentów — tu praktycznie nikt nie zaczął Wśród wszystkich 984 katalogów **ani jeden nie udostępniał endpointu, który agent mógłby odpytać bezpośrednio.** Żadnego serwera MCP, żadnego czytelnego maszynowo feedu zaprojektowanego pod pobieranie danych, a nie pod porównywarkę cen. Poprzeczka nie jest tu wysoko zawieszona. Rzecz w tym, że prawie nikt jej nie przeskoczył, co czyni z niej najtańsze dostępne wyróżnienie dla każdego, kto ruszy pierwszy. ## Czym to badanie nie jest Warto wprost określić granice tej tezy, bo benchmark, który się przechwala, zasługuje na sceptycyzm, z jakim się spotyka. To **nie** jest miara jakości katalogu. Kilka firm ze słabymi wynikami ma znakomite dane produktowe. Problemem jest dostęp, a nie poprawność. To **nie** jest twierdzenie, że marka z niskim wynikiem nie pojawia się w odpowiedziach AI. Duże marki są obszernie opisywane w całej sieci, a asystent bez trudu o nich opowie, korzystając ze źródeł zewnętrznych. Ryzyko jest bardziej konkretne: asystent odpowiada na techniczne pytanie o Twój produkt, korzystając z danych dystrybutora, starej strony z pamięci podręcznej albo z tabeli porównawczej konkurenta — i cytuje ich zamiast Ciebie. To **nie** jest stały ranking. Jak pokazały trzy firmy w ciągu trzech dni, te wyniki się zmieniają. I **nie** jest to oskarżenie. Nic w tej tabeli nie jest skutkiem czyjejś źle podjętej decyzji. To nagromadzony osad rozsądnych, pojedynczych wyborów — zablokować scrapery, renderować po stronie klienta, wypuścić aplikację SPA — dokonanych, zanim pojawił się nowy rodzaj czytelnika. ## Jeśli jesteś w tabeli Uruchom [grader](https://partsgraph.ai/audit) na własnej domenie. Szczegółowy rozkład wyniku pokazuje, która z czterech sond zawiodła i dokładnie dlaczego. Jest bezpłatny i nie wymaga rejestracji, bo argument, który możesz sprawdzić samodzielnie, jest wart więcej niż taki, który trzeba przyjąć na wiarę. Jeśli uważasz, że wynik jest błędny — źle rozpoznany regionalny sklep, błędnie zinterpretowane przekierowanie geolokalizacyjne, wyzwolony limit zapytań — daj nam znać. Powtórzymy pomiar i publicznie skorygujemy zapis. Robiliśmy tak już wcześniej. Pomiar, co do którego nikt nie jest gotów pomylić się publicznie, nie jest pomiarem — jest marketingiem. ## Metoda Każdą witrynę sondujemy tak, jak podszedłby do niej crawler AI. Pobieramy stronę główną i robots.txt, docieramy do katalogu przez mapę witryny i próbkujemy strony produktowe standardowym klientem innym niż przeglądarka. Oceniane są cztery wymiary: polityka dostępu dla crawlerów, osiągalność dla maszyn na brzegu sieci, czytelność maszynowa na stronie oraz powierzchnie dla agentów. Nie dotykamy niczego, co jest za logowaniem, nie przekraczamy celowo limitów zapytań, a witryna, która nas blokuje, zostaje odnotowana jako blokująca, a nie ponowiona w przebraniu — sama blokada jest wynikiem. Pełna grupa 984 katalogów pozostaje opublikowana w formie zanonimizowanej jako [Industrial AI Visibility Benchmark 2026](https://partsgraph.ai/research/ai-visibility-benchmark-2026). Wymieniamy tu 25 firm z nazwy, ponieważ są duże, notowane na giełdzie lub powszechnie znane, pomiar może odtworzyć każdy, a wniosek jest istotnie bardziej użyteczny z nazwami niż bez nich. ## Najczęstsze pytania ### Jak zmierzono te wyniki? Każdą witrynę sondujemy tak, jak podszedłby do niej crawler AI: pobieramy stronę główną, robots.txt oraz próbkę stron katalogowych standardowym klientem innym niż przeglądarka, a następnie oceniamy cztery rzeczy — czy polityka dla crawlerów wymienia z nazwy agentów AI, czy klienci spoza przeglądarki w ogóle przechodzą przez brzeg sieci, czy specyfikacje produktów znajdują się w danych strukturalnych renderowanych po stronie serwera, czy też są uwięzione w JavaScript, oraz czy katalog jest wykrywalny i osiągalny. Żadnego logowania, żadnego pobierania treści zza uwierzytelnienia, niczego, czego nie spróbowałaby także wyszukiwarka. Ten sam grader jest bezpłatny i publicznie dostępny, więc każdą liczbę z tego artykułu może odtworzyć firma, której ona dotyczy. ### Czy niski wynik oznacza to samo, co bycie niewidocznym dla ChatGPT? Nie, i warto być tu precyzyjnym. Niski wynik oznacza, że asystent musi się bardziej natrudzić, aby pobrać z Twojej witryny dokładne specyfikacje, i chętniej sięgnie po dystrybutora, ofertę z marketplace'u albo starszy opis z pamięci podręcznej. Nie oznacza to, że Twoja marka nigdy się nie pojawia. Praktyczne ryzyko jest subtelniejsze niż niewidoczność: asystent odpowiada na pytanie o specyfikację Twojego produktu, korzystając z cudzych danych, i cytuje właśnie tamto źródło. ### Dlaczego duże firmy miałyby wypadać gorzej niż małe? Trzy nakładające się na siebie powody, wszystkie będące konsekwencją skali, a nie niedbalstwa. Duże organizacje umieszczają na brzegu sieci warstwę zarządzania botami, a domyślną postawą takich produktów jest odmawianie dostępu nieznanym klientom — do których zaliczają się dziś crawlery silników odpowiedzi. Duże katalogi są zwykle renderowane przez aplikację JavaScript, a większość crawlerów nie wykonuje JavaScript. Do tego duże witryny latami gromadzą reguły w robots.txt, pisane po to, by powstrzymać scrapery i boty cenowe, i nigdy nieprzejrzane ponownie, gdy pojawiła się nowa kategoria uprawnionych crawlerów. Nic z tego nie jest błędem popełnionym celowo. To dryf. ### Wyniki w Waszym sierpniowym benchmarku różnią się od tych tutaj. Dlaczego? Ponieważ zamiast korzystać ponownie z wcześniejszych badań terenowych, wykonaliśmy pomiar jeszcze raz w dniu publikacji. Spośród 25 wymienionych tu firm 21 powtórzyło swój wcześniejszy wynik co do punktu. Trzy zmieniły się o więcej niż trzy punkty w ciągu trzech dni: Rexel UK wzrósł z 57 do 66, TE Connectivity spadł z 53 do 40, Schneider Electric spadł z 51 do 39. Sama ta zmienność jest już wnioskiem — pojedyncza zmiana konfiguracji na brzegu sieci potrafi z dnia na dzień przesunąć wynik o dwucyfrową liczbę punktów, dlatego jednorazowy audyt ma krótki termin przydatności. ### Nasz wynik wygląda na błędny. Co mamy zrobić? Uruchom grader samodzielnie i przeczytaj szczegółowy rozkład wyniku, który pokazuje dokładnie, która sonda zawiodła i dlaczego. Jeśli uważasz, że wynik to fałszywy alarm — źle rozpoznany regionalny sklep, błędnie zinterpretowane przez nas przekierowanie geolokalizacyjne, wyzwolony przez nas limit zapytań — daj nam znać, a powtórzymy pomiar i skorygujemy zapis. Robiliśmy już taką korektę i zrobimy to ponownie. Pomiar jest wart publikacji tylko wtedy, gdy jesteśmy gotowi publicznie się co do niego pomylić. ### Czy to po prostu SEO pod nową nazwą? Zakresy się pokrywają, ale to nie jest ten sam problem. Klasyczne SEO optymalizuje pod uszeregowaną listę linków, w które klika człowiek. Tutaj mierzymy, czy maszyna potrafi pobrać konkretny fakt techniczny — prąd znamionowy, stopień ochrony IP, skok gwintu — i odtworzyć go na tyle dokładnie, by zacytować właśnie Ciebie. Witryna może dobrze się pozycjonować i mimo to pozostawać nieczytelna w tym sensie, co pokazuje kilka firm z poniższej tabeli. ## Źródła 1. [The Industrial AI Visibility Benchmark 2026 — 984 graded catalogues](https://partsgraph.ai/research/ai-visibility-benchmark-2026) 2. [Partsgraph grader — free, no signup, reproduces any figure in this article](https://partsgraph.ai/audit) ## Other languages - English: https://partsgraph.ai/blog/biggest-distributors-worst-ai-readability/md - Deutsch: https://partsgraph.ai/de/blog/biggest-distributors-worst-ai-readability/md - Français: https://partsgraph.ai/fr/blog/biggest-distributors-worst-ai-readability/md - Español: https://partsgraph.ai/es/blog/biggest-distributors-worst-ai-readability/md - Italiano: https://partsgraph.ai/it/blog/biggest-distributors-worst-ai-readability/md - Nederlands: https://partsgraph.ai/nl/blog/biggest-distributors-worst-ai-readability/md - Português: https://partsgraph.ai/pt/blog/biggest-distributors-worst-ai-readability/md - Svenska: https://partsgraph.ai/sv/blog/biggest-distributors-worst-ai-readability/md - Türkçe: https://partsgraph.ai/tr/blog/biggest-distributors-worst-ai-readability/md - 日本語: https://partsgraph.ai/ja/blog/biggest-distributors-worst-ai-readability/md - 한국어: https://partsgraph.ai/ko/blog/biggest-distributors-worst-ai-readability/md - 简体中文: https://partsgraph.ai/zh/blog/biggest-distributors-worst-ai-readability/md --- Partsgraph — the agent-ready parts data layer. Free AI-visibility grader: https://partsgraph.ai/pl/audit