Érti a mesterséges intelligencia, mit csinál a céged? Lemértük 300 weboldalon

Miért számít, hogy a gép érti-e az oldaladat

Kezdjük egy tévhit eloszlatásával, mert erre szokás rosszul építeni: a mai nyelvi modellek kiválóan értik a szöveget. Elolvassák az oldaladat, és pontosan felfogják, hogy fogorvosi rendelő vagy autókereskedés. Nem arról van szó, hogy a gép „nem tud olvasni".

A különbség nem a megértés, hanem a bizonyosság. A modell a szövegből következtet: kitalálja az árat, a nyitvatartást, a működési területet. Néha eltalálja, néha nem — és ha nem, azt te nem tudod megcáfolni. A géppel olvasható adat pontosan ezt a találgatást veszi ki: ahelyett hogy a gépnek ki kelljen következtetnie, hogy melyik szám az ár és melyik a rendelési idő, ott van kimondva.

Ez a második olvasó eddig főleg a Google keresőrobotja volt. Ma már mellette ott vannak a nyelvi modellek adatgyűjtői is — a GPTBot, a ClaudeBot, a PerplexityBot és társaik. Ezek járják a weboldalakat, és amit összegyűjtenek, abból áll össze a válasz, amit a felhasználó kap, amikor beírja, hogy „ajánlj egy jó könyvelőt Nyíregyházán".

Ennek a géppel olvasható rétegnek a neve strukturált adat, a hozzá használt közös szótáré pedig schema.org. A gyakorlatban egy rövid, rejtett adatblokk a weboldal kódjában, ami kimondja, amit az ember amúgy is lát: ez egy cég, így hívják, ez a címe, ezt csinálja, ennyibe kerül.

Hogy ez számít-e, arra van dokumentált bizonyíték: a Google hivatalosan is ebből építi a kiemelt találatokat és az entitásokról tárolt tudását. Az AI-válaszokra gyakorolt hatása ennél kevésbé dokumentált — logikus, hogy segít, de nem mérte senki nyilvánosan, és ezt így is kell mondani.

Megnéztük az llms.txt fájlt is: ez egy egyszerű szöveges összefoglaló a domain gyökerében, ami gépi olvasók számára jelzi, mit hol talál a webhelyen. Ennél fontos pontosan fogalmazni, mert két külön dolgot szoktak összekeverni vele — erre a 3. fejezetben visszatérünk. Részletesen az llms.txt cikkünkben írtunk róla.

A kérdés, amit meg akartunk válaszolni, egyszerű: a magyar üzleti weboldalakon oda van-e írva mindez?

Hogyan mértünk

Összegyűjtöttük a legnagyobb forgalmú magyar üzleti weboldalakat, és mindegyikről lekértük ugyanazt, amit egy AI-adatgyűjtő is lekérne: a főoldalt, a robots.txt-t és az llms.txt-t. Aztán megnéztük, mi van bennük.

Fontos, hogy mit nem csináltunk. Nem futtattunk JavaScriptet, nem kattintottunk sehova, nem léptünk be semmilyen fiókba, és nem néztünk aloldalakat. Pontosan azt láttuk, amit egy adatgyűjtő program lát az első kérésre — se többet, se kevesebbet.

Honnan a lista? A mintát nyilvános forgalmi adatok alapján állítottuk össze: a magyar, illetve osztrák végződésű domaineket vettük forgalom szerinti sorrendben, és egyetlen, előre leírt szabállyal szűrtünk: bekerül az a domain, amelynek a főoldala egy árut vagy szolgáltatást értékesítő szervezet elsődleges, ügyfélnek szóló megjelenése. Kimaradt tehát a közigazgatás, az egyetemek, a közgyűjtemények, a nonprofit szervezetek, a technikai infrastruktúra és a felnőtt tartalom. Így jött ki oldalanként 150-150 weboldal.

Az eredmény: mit talál egy AI a magyar üzleti weboldalakon

A 150 magyar oldalból 124 volt mérhető — a többi automatikusan visszautasította a kérést, vagy időtúllépéssel válaszolt. Az alábbi arányok mind erre a 124 oldalra vonatkoznak.

A legbeszédesebb szám a második sor. Minden második vezető magyar üzleti weboldalon nincs géppel olvasható formában odaírva, hogy melyik cégé az oldal. Egy ember persze látja a logóból és az impresszumból. Egy nyelvi modell viszont ilyenkor is csak következtet — és ha rosszul következtet, azt te nem tudod javítani.

Az llms.txt sorát érdemes pontosan érteni, mert két dolgot szoktak összekeverni vele. A keresési rangsorra nincs hatással — a Google saját, generatív találatokról szóló útmutatója kifejezetten kimondja, hogy az AI Overviews és az AI Mode működéséhez nem kell llms.txt. Ugyanakkor 2026 májusában a Google beépítette a saját mérőeszközébe: a Lighthouse és a PageSpeed Insights új, „ügynöki böngészés" (agentic browsing) kategóriája tételesen ellenőrzi, hogy van-e llms.txt a domain gyökerében, és azt is megnézi, hogy érvényes-e — van-e benne főcím, elég hosszú-e, tartalmaz-e hivatkozásokat. A Google indoklása szerint enélkül „az ügynökök több időt tölthetnek az oldal feltérképezésével". Vagyis: nem rangsortényező, de a Google eszköze hiányként jelzi, ha nincs meg — és ez a gépi ügynökökről szól, nem a klasszikus keresésről.

És közben a szöveg ott van. A nyers HTML-ben mért szószám mediánja 1280 szó, az alsó negyedé is 730. Ez nem üres oldalak problémája.

Lemaradtunk a szomszédtól? Nem

A fenti számokra kézenfekvő reakció, hogy „na, megint le vagyunk maradva Nyugat-Európától". Ezt konkrétan megvizsgáltuk, és a mérés nem támasztja alá.

Kontrollcsoportnak Ausztriát választottuk, mégpedig egy konkrét ok miatt. A mintavételhez használt nyilvános forgalmi rangsorban közel azonos számú magyar és osztrák domain szerepel — 2945, illetve 2934 —, és a századik helyezett is nagyjából azonos forgalmi szinten áll. A két ország vezető oldalai így valóban összemérhetők.

A magyar és az osztrák oldalakat párba állítottuk: a legnagyobb forgalmú magyar üzleti oldal az osztrák megfelelőjével, a második a másodikkal, és így tovább, 150 páron át. Ahol egy pár bármelyik tagja nem volt mérhető, ott mindkettőt kihagytuk — így a blokkolás nem tudta az egyik ország javára billenteni az eredményt. 87 pár maradt.

A magyar oldalak öt mutatóból négyben számszerűen jobbak. Egyik különbség sem szignifikáns — vagyis egyik sem nagyobb annál, amit a véletlen is okozhatna. A helyes következtetés tehát nem az, hogy Magyarország jobb, hanem az, hogy a két ország vezető üzleti oldalai között nincs kimutatható különbség.

Miért hihető ez? Mert nem egyszer mértük. A magyar–osztrák összevetés három egymástól független mérési futtatásban készült el (52, 87 és 88 értékelhető pár), és mindhárom ugyanazt adta: nincs szignifikáns eltérés. A különbségekre számolt megbízhatósági tartományok kizárják, hogy Magyarország bármelyik mutatóban jelentős hátrányban lenne.

A hír tehát nem az, hogy a magyar cégek rosszabbak. Hanem az, hogy Európában gyakorlatilag senki nincs felkészülve — miközben az AI-alapú keresés már ma is ide irányítja az érdeklődőket.

Ami megvan, azt nem a cégek csinálták

Érdemes megnézni, hogy a meglévő strukturált adat pontosan miből áll. A leggyakoribb elemek sorrendben: cégazonosítás (60 oldal), oldalleírás (47), webhelyleírás (44), logó és képek (40), belső kereső (37), postai cím (27), morzsamenü (24).

Ez a lista magától beszél. Ezeket mind a tartalomkezelő rendszer generálja automatikusan — egy WordPress a megfelelő bővítménnyel, egy webáruházmotor alapból. Nem emberi döntés eredménye, hanem azé, hogy valaki jó rendszert választott.

Ami emberi döntést igényelne — hogy pontosan milyen szolgáltatást nyújtasz, mennyiért, milyen területen, milyen gyakori kérdésekre van válaszod — az jellemzően nincs ott. A magyar cégek tehát nem rosszul csinálják a gépi olvashatóságot. Nem csinálják — csak megkapják.

Ez egyben jó hír is: aki tudatosan hozzányúl, az egy olyan mezőnyben lép előre, ahol a többiek nem is indultak el.

Mit jelent ez egy cég számára

Nézzük meg, mi történik akkor, amikor valaki megkérdez egy nyelvi modellt, hogy „ki csinál webáruházat Szabolcsban".

A modell azoknak a cégeknek a nevét fogja kimondani, amelyekről biztosan tudja, hogy ilyen szolgáltatást nyújtanak azon a területen. Ahol ez géppel olvasható formában oda van írva, ott ez biztos tudás. Ahol nincs, ott a modell a szövegből próbálja kitalálni — ami néha sikerül, néha nem, és néha rosszul.

A gyakorlati következmény háromféle:

• Kimaradsz a válaszból. Nem azért, mert rossz a szolgáltatásod, hanem mert a gép nem volt biztos benne, hogy te ilyet csinálsz.
• Pontatlanul kerülsz bele. Régi árral, megszűnt szolgáltatással, rossz várossal — mert a modell abból dolgozott, amit ki tudott következtetni.
• Nincs miből idézni. Ha nincs világosan megfogalmazott, konkrét válaszod a tipikus kérdésekre, akkor a válaszban a versenytársad mondata fog szerepelni, nem a tiéd.

És mindez nem AI-tiltás miatt van. A mért magyar oldalak 87,1%-a beengedi az AI-adatgyűjtőket — mindössze 12,9% tilt bármelyiket is. A hozzáférés nem szűk keresztmetszet. Nincs mit odaadni.

Mit lehet ezzel kezdeni

Négy lépés, nagyjából a megtérülés sorrendjében. Egyik sem igényel új weboldalt.

1. Írd oda géppel is, ki vagy. Cégnév, cím, elérhetőség, működési terület, logó — strukturált adat formájában. Ez a leggyorsabb lépés, és ezen múlik, hogy a gép egyáltalán azonosítani tud-e. A mért oldalak felén ez hiányzik.
2. Írd oda, mit árulsz és mennyiért. Szolgáltatásonként vagy termékenként, géppel olvasható formában. Ez az, amit a tartalomkezelő rendszer nem csinál meg helyetted, és pont ez különböztet meg a versenytársaidtól.
3. Tedd fel a gyakori kérdéseket válasszal. Nem azért, hogy hosszabb legyen az oldal, hanem mert a rövid, konkrét válasz könnyebben idézhető — és mert a Google a kérdés-válasz jelölést dokumentáltan felhasználja a találati megjelenítéshez.
4. Készíts llms.txt fájlt. Rövid, szöveges tartalomjegyzék a domain gyökerében, gépi olvasóknak. A keresési rangsorodra nincs hatással — ezt a Google kimondta —, a Google saját mérőeszköze viszont 2026 májusa óta ellenőrzi, és hiányzóként jelzi, ha nincs meg. Fél nap munka, és a mért mezőny 93,5%-án nincs meg. Az első három lépés fontosabb, de ez a legolcsóbb.

Ha ellenőrizni akarod, mi a helyzet nálad, a legegyszerűbb, ha megnyitod a saját oldalad forráskódját, és rákeresel az application/ld+json kifejezésre. Ha nincs találat, akkor a fenti 35,5%-ban vagy. Az llms.txt meglétét pedig egyszerűen kipróbálhatod: írd a domained után, hogy /llms.txt.

Módszertan — hogyan ellenőrizhető

Ezt a fejezetet azért írtuk meg részletesen, hogy a mérés bárki által ellenőrizhető és megismételhető legyen.

A minta

Nyilvános forgalmi adatok alapján összegyűjtöttük a legnagyobb forgalmú magyar, illetve osztrák végződésű domaineket, forgalom szerinti sorrendben. Erre alkalmaztuk a befogadási szabályt, amíg meg nem lett oldalanként 150 weboldal. A sorrendet tehát nem mi állítottuk fel, és a szűrés is egyetlen, előre rögzített szabály szerint történt — nem oldalanként mérlegeltünk.

A teljes mintalista — a kizárt domainekkel és a kizárás indokával együtt — megvan, és kérésre hozzáférhetővé tesszük. A cikkben azért nem közöljük, mert a mért oldalak nevét sem közöljük: az eredmény összesített, és egyetlen cég sem azonosítható belőle.

Amit mértünk

Oldalanként három nyilvános erőforrást kértünk le: a főoldalt, a /robots.txt-t és az /llms.txt-t. Bejelentkezés nem történt, védett tartalmat nem kértünk le, tartalmat nem tárolunk és nem közlünk újra — kizárólag összesített mérőszámokat.

Páros illesztés és páronkénti kiesés

A magyar–osztrák összevetés nem két halmazt hasonlít össze, hanem párokat: a legnagyobb forgalmú magyar üzleti oldalt a legnagyobb forgalmú osztrákkal, a másodikat a másodikkal, és így tovább. Ha egy pár bármelyik tagja nem volt mérhető, mindkettő kiesett. Erre azért van szükség, mert az automatikus lekérés visszautasítása országonként eltérő gyakoriságú — enélkül a fejlettebb védelemmel rendelkező oldalak szisztematikusan az egyik oldalról esnének ki.

A statisztikai próba

Páros adatra páros próba való: McNemar-próbát használtunk, amely csak azokat a párokat veszi figyelembe, ahol a két oldal eltér. A próba pontos binomiális, nem közelítés, ezért kis mintán is helyes eredményt ad.

Egy mérőszámot menet közben ki kellett venni. Az első elemzés azt találta, hogy a magyar főoldalak egyikén sem szerepel géppel olvasható szolgáltatás- vagy termékleírás. A kontrollmérés viszont megmutatta, hogy ez nem magyar sajátosság: külföldön sincs. Ezeknek a jelöléseknek a természetes helye a termék- és a szolgáltatásoldal, nem a főoldal — a szám tehát nem elhanyagoltságot mért, hanem a mérés hatókörét. Kivettük; a cikkben egyetlen állítás sem hivatkozik rá.

Amit ez a mérés nem mond ki

• Csak a főoldalt mértük. Az aloldalakról semmit nem állítunk. Egy cég oldalán lehet gazdagabb jelölés a termékoldalakon.
• Egyetlen időpont. Pillanatkép 2026. augusztus 7-ről, nem trend.
• Nem futtattunk JavaScriptet. Ha egy oldal a strukturált adatot utólag, böngészőben tölti be, azt nem láttuk — ahogy egy AI-adatgyűjtő sem látná.
• A nem mérhető oldalak. 150 párból 63 esett ki, mert valamelyik fél visszautasította az automatikus lekérést. Hogy ezek az oldalak mennyiben térnek el a többitől, nem tudjuk. A védelmet nem kerültük meg.
• A minta nem véletlen mintavétel. Az eredmény a vezető üzleti oldalakra érvényes, nem a kis- és középvállalkozásokra. A KKV-szektorban a helyzet nagy valószínűséggel rosszabb, de ezt nem mértük.
• A jelölés megléte nem minőség. Azt mértük, hogy van-e, nem azt, hogy jó-e. A törött tudásgráfok aránya (5 a 28-ból) épp azt mutatja, hogy a kettő nem ugyanaz.