Kogo polecają czaty AI, gdy Polacy pytają o banki? Sprawdziliśmy blisko 1200 odpowiedzi

Wyobraź sobie osobę, która chce założyć konto firmowe. Nie otwiera dziesięciu porównywarek. Pyta ChatGPT: „który bank polecasz do konta firmowego?” i dostaje dwie, trzy nazwy. Z tej krótkiej listy wybiera. Sprawdziliśmy, kto na niej jest, a przewaga lidera zaskoczyła nas samych.

W lipcu 2026 zadaliśmy czterem silnikom AI (ChatGPT, Gemini, Google AI Overviews i Google AI Mode) 299 pytań o bankowość i zebraliśmy 1196 odpowiedzi. Część pytań dotyczyła wiedzy ogólnej, część wprost prosiła o rekomendację. Stawka jest prosta: klient wybiera z nazw, które zobaczył w odpowiedzi. Bank nieobecny w odpowiedzi nie bierze udziału w tym wyborze. Poniżej pokazujemy, kogo silniki wymieniają najczęściej i dlaczego kolejność zaskakuje.

Jaki bank czaty AI polecają najczęściej?

Najpierw słowo o tym, co liczymy. Z 1196 zebranych odpowiedzi do rankingu weszło 160 odpowiedzi rekomendacyjnych, czyli takich, które padły na jedno z 40 pytań typu „który bank polecasz do…”. To właśnie w nich silnik realnie kogoś poleca, a nie tylko tłumaczy, czym jest lokata.

Odsetek przy każdej marce mówi, w jakiej części tych odpowiedzi pojawia się jej nazwa. Średnia pozycja mówi, jak wysoko na liście silnik ją stawia. Lider jest jeden i prowadzi z dużą przewagą:

• Pekao: 65,6% odpowiedzi rekomendacyjnych, średnia pozycja w odpowiedzi 2,5.
• PKO BP: 42,5%, średnia pozycja 2,5.
• mBank: 42,5%, średnia pozycja 2,9.
• ING: 40%, średnia pozycja 3,1.
• Alior Bank: 35,6%, średnia pozycja 3,4.
• Erste Bank Polska: 35%, średnia pozycja 3,1.
• Bank Millennium: 31,9%, średnia pozycja 3,0.
• VeloBank: 31,9%, średnia pozycja 2,6.

Czy największy bank wygrywa też w odpowiedziach AI?

Nie. PKO BP, największy bank w Polsce, dzieli drugie miejsce z mBankiem: obie marki pojawiają się w 42,5% odpowiedzi rekomendacyjnych. Pekao wyprzedza je o ponad dwadzieścia punktów procentowych. Czołówka rankingu to wciąż wielkie, znane banki, ale kolejność nie odzwierciedla ich wielkości.

Za podium robi się ciasno. ING (40%), Alior Bank (35,6%) oraz Bank Millennium i VeloBank (po 31,9%) tracą do wicelidera zaledwie kilka punktów procentowych. Przy tak wyrównanej stawce kilka nowych wzmianek w dobrych źródłach potrafi przetasować kolejność.

Ciekawie wygląda też dolna część czołówki. VeloBank pojawia się w 31,9% rekomendacji, ale gdy już pada, silniki stawiają go średnio na pozycji 2,6, czyli wyżej niż ING czy Alior Bank. Rzadsza obecność nie oznacza więc dalszego miejsca na liście.

Jedno zastrzeżenie: to pomiar obecności w odpowiedziach, nie ocena ofert. Nie rozstrzygamy, który bank jest najlepszy dla klienta. Mierzymy, czyja nazwa pada, gdy klient pyta.

Dlaczego ten sam bank ma 52,5% w jednym silniku i 75% w innym?

Spójrz na lidera. Pekao pojawia się w 75% odpowiedzi rekomendacyjnych Gemini, w 70% odpowiedzi Google AI Mode i w 65% odpowiedzi ChatGPT. W Google AI Overviews już tylko w 52,5%. Ten sam bank, te same pytania, a różnica sięga ponad dwudziestu punktów procentowych.

Skąd ta rozbieżność? Każdy silnik czerpie z innego zaplecza i inaczej składa odpowiedź. Jeden opiera się mocniej na bieżących wynikach wyszukiwania, inny na tym, czego nauczył się wcześniej. Dlatego obecność w jednym silniku nie gwarantuje obecności w pozostałych.

Płynie z tego praktyczny wniosek. Jeśli sprawdzisz swoją markę tylko w ChatGPT, zobaczysz wycinek obrazu, nie cały obraz. Widoczność w AI trzeba mierzyć w każdym silniku osobno, bo klienci nie korzystają z jednego czatu, tylko z kilku różnych.

Skąd czaty AI biorą rekomendacje banków?

Silniki AI nie mają własnego zdania o kontach i kredytach. Składają odpowiedź z tego, co znajdą w sieci: rankingów kont i lokat, porównywarek finansowych, artykułów poradnikowych oraz stron samych banków. Gdy pytanie brzmi „który bank polecasz”, model sięga po źródła, które już uporządkowały temat w formie zestawienia.

To tłumaczy, dlaczego wyniki bywają zaskakujące. Bank obecny w wielu rankingach i porównaniach ma więcej okazji, żeby trafić do odpowiedzi, niezależnie od skali swojego biznesu. Liczy się to, jak często i w jakim kontekście sieć wymienia markę, a nie wielkość jej bilansu.

Dochodzi do tego element losowości. Ten sam silnik, zapytany dwa razy o to samo, potrafi ułożyć listę inaczej. Dlatego pojedyncza rozmowa z czatem niewiele mówi o widoczności marki. Dopiero większa liczba odpowiedzi, jak 160 rekomendacji w tym badaniu, pokazuje powtarzalny wzorzec zamiast przypadku.

Jak powstało to badanie?

Badanie przeprowadziliśmy w lipcu 2026. Zadaliśmy czterem silnikom AI (ChatGPT, Gemini, Google AI Overviews i Google AI Mode) 299 pytań, jakie mógłby zadać konsument: o konta, kredyty, lokaty oraz bankowość firmową. Zebraliśmy 1196 odpowiedzi. Ranking marek policzyliśmy na 160 odpowiedziach rekomendacyjnych, które padły na 40 pytań wprost proszących o polecenie banku.

Uczciwie: to stan na moment pomiaru. Odpowiedzi silników zmieniają się w czasie, bo zmieniają się źródła, z których korzystają, i same modele. Ten sam zestaw pytań zadany za kilka miesięcy może dać inne liczby. Pełny ranking wraz z rozbiciem na silniki znajdziesz na citelyzer.com/pl/dane/banki.

Co z tego wynika, jeśli nie prowadzisz banku?

Mechanika jest ta sama w każdej branży. Klient pyta czat AI o polecenie, dostaje krótką listę nazw i z niej wybiera. Jeśli Twojej marki na tej liście nie ma, nie bierzesz udziału w wyborze, a najczęściej nawet o tym nie wiesz. Bankowość była tu tylko przykładem: te same pytania można zadać o biura rachunkowe, sklepy, software house’y czy gabinety.

Dobra wiadomość: to da się zmierzyć tak samo, jak zmierzyliśmy banki. Wystarczy zadać silnikom pytania, które zadałby Twój klient, i sprawdzić, czy pada Twoja nazwa, w których silnikach i obok kogo. Taki pomiar sam z siebie nie zmieni widoczności, ale pokazuje, gdzie jesteś i od czego zacząć. Właśnie do tego zbudowaliśmy CiteLyzer: monitoring widoczności marki w AI, który robi taki pomiar regularnie, a nie raz.