Polpharma, Aflofarm i Adamed liderami widoczności w AI. PRCN publikuje pierwsze w Polsce badanie firm farmaceutycznych na bazie AI Visibility Index

Polpharma, Aflofarm Farmacja Polska oraz Adamed Pharma zajęły trzy pierwsze miejsca w zestawieniu widoczności firm farmaceutycznych w odpowiedziach generowanych przez modele ChatGPT i Gemini. Ranking jest częścią raportu „Recepta na AI. Badanie widoczności firm farmaceutycznych w AI Overviews”, opracowanego przez agencję PRCN. Badanie objęło 50 przedsiębiorstw działających na polskim rynku i koncentrowało się na tym, jak modele językowe identyfikują firmy, opisują ich działalność oraz przypisują im określone kompetencje.

W łącznym zestawieniu obu modeli Polpharma uzyskała wynik 91 proc., Aflofarm 72 proc., a Adamed 68 proc. Kolejne miejsca zajęły Sanofi, LEK, Boehringer Ingelheim, Roche Polska, USP Zdrowie, Haleon Poland i Gedeon Richter Polska. Autorzy raportu podkreślają, że zestawienie dotyczy wyłącznie widoczności informacyjnej w wybranych modelach AI. Nie jest oceną wyników finansowych, udziałów rynkowych, jakości produktów, reputacji ani przewagi konkurencyjnej poszczególnych przedsiębiorstw.

AI Visibility Index ma mierzyć więcej niż liczbę wzmianek

Na potrzeby badania PRCN opracował autorski wskaźnik AI Visibility Index, w skrócie AVI. Składa się on z trzech elementów. Połowę wyniku stanowi obecność firmy w odpowiedziach AI, czyli częstotliwość jej spontanicznego wskazywania w pytaniach dotyczących liderów rynku, innowacji oraz aktywności komunikacyjnej. Kolejne 30 proc. przypisano jakości opisu, obejmującej poprawność, szczegółowość i trafność przedstawianych informacji. Ostatnie 20 proc. dotyczyło spójności obrazu organizacji w różnych kontekstach.

Badanie przeprowadzono od 1 maja do 30 czerwca 2026 r. z wykorzystaniem modeli ChatGPT i Gemini. Oba systemy otrzymały taki sam zestaw pytań dotyczących rynku farmaceutycznego oraz poszczególnych przedsiębiorstw. Łącznie wykonano 200 zapytań: 150 pytań ogólnych i 50 pytań zawierających nazwę konkretnej firmy.

Ocena miała charakter hybrydowy. W pierwszej kolejności automatycznie sprawdzano, czy odpowiedź rzeczywiście zawiera nazwę przedsiębiorstwa, jego alias albo dopuszczalny wariant nazwy prawnej. Dopiero po potwierdzeniu wzmianki analizowano jakość i spójność opisu. Maksymalny wynik dla jednej firmy wynosił 30 punktów, które następnie przeliczano na wartość AVI.

Polpharma na pierwszym miejscu w obu modelach

Polpharma uzyskała najwyższy wynik zarówno w ChatGPT, jak i Gemini. W analizie odpowiedzi ChatGPT jej AVI wyniósł 89 proc. Model regularnie wskazywał firmę jako jednego z najważniejszych producentów farmaceutycznych w Polsce, łącząc skalę działalności z własnym zapleczem produkcyjnym oraz badawczo-rozwojowym.

Drugie miejsce w ChatGPT zajął Aflofarm z wynikiem około 72 proc., a trzecie USP Zdrowie z wynikiem około 56 proc. Według autorów raportu obie firmy były jednak przedstawiane w odmienny sposób. Aflofarm częściej pojawiał się jako rozpoznawalna organizacja o szerokim profilu działalności, natomiast obraz USP Zdrowie był w większym stopniu budowany wokół marek i produktów konsumenckich.

W zestawieniu Gemini Polpharma uzyskała 93 proc., natomiast bardzo wysoki wynik osiągnął również Adamed – 89 proc. Model szczególnie często wiązał tę firmę z działalnością badawczo-rozwojową, rozwijaniem własnych produktów oraz profilem eksperckim. Aflofarm zajął kolejną pozycję z wynikiem 72 proc.

Rozbieżności pomiędzy modelami dotyczą także kolejnych przedsiębiorstw. Firmy dobrze rozpoznawane przez jeden system nie zawsze osiągały równie wysoką widoczność w drugim. Przykładem jest Adamed, którego pozycja była zdecydowanie silniejsza w odpowiedziach Gemini niż w ChatGPT. Z kolei USP Zdrowie znalazło się wysoko w analizie ChatGPT, ale nie osiągnęło analogicznego wyniku w zestawieniu Gemini.

W praktyce oznacza to, że nie istnieje jeden, jednolity obraz rynku generowany przez wszystkie systemy AI. Poszczególne modele mogą inaczej porządkować dostępne informacje, nadawać większe znaczenie odmiennym źródłom i silniej reagować na określony sposób opisywania kompetencji przedsiębiorstwa.

Widoczność w AI nie jest rankingiem pozycji rynkowej

Jednym z kluczowych zastrzeżeń raportu jest rozdzielenie widoczności informacyjnej od rzeczywistej pozycji biznesowej. Wysoki wynik AVI nie oznacza automatycznie większej sprzedaży, lepszych wyników finansowych, wyższej jakości produktów ani większej innowacyjności. Podobnie niski wynik nie świadczy o słabej pozycji rynkowej przedsiębiorstwa.

Raport pokazuje jedynie, czy firma pojawia się w odpowiedziach dwóch wybranych modeli, jak jest przez nie opisywana i czy generowany obraz pozostaje konsekwentny. Jest to więc pomiar obecności w określonym środowisku informacyjnym, przeprowadzony w konkretnym przedziale czasu.

Zastrzeżenie to ma istotne znaczenie ze względu na dynamiczny charakter modeli generatywnych. Ich odpowiedzi mogą zmieniać się wraz z aktualizacją systemu, sposobem sformułowania pytania, dostępnością źródeł oraz datą wykonania analizy. Wyników raportu nie należy zatem traktować jako stałej i uniwersalnej miary widoczności danej organizacji.

Znaczenie dla komunikacji firm farmaceutycznych

Pomimo ograniczeń metodologicznych badanie wskazuje na zmianę, którą przedsiębiorstwa farmaceutyczne powinny uwzględnić w zarządzaniu informacją. Systemy generatywne coraz częściej stają się pośrednikiem pomiędzy użytkownikiem a źródłami internetowymi. Nie tylko wyszukują informacje, ale również łączą je, porządkują i przedstawiają w formie gotowej odpowiedzi.

Dla firmy oznacza to, że sama obecność w wyszukiwarce nie gwarantuje prawidłowego odwzorowania jej działalności przez model. Znaczenie ma spójność informacji publikowanych na stronie korporacyjnej, w materiałach prasowych, bazach wiedzy, mediach branżowych, wypowiedziach eksperckich i niezależnych opracowaniach.

Autorzy raportu zwracają uwagę, że modele łatwiej identyfikują organizacje posiadające jasno określony profil. Jeżeli przedsiębiorstwo jest konsekwentnie kojarzone z konkretnymi technologiami, obszarami terapeutycznymi, kompetencjami produkcyjnymi lub działalnością R&D, system może sprawniej przypisać mu właściwy kontekst. Bardzo szeroka i niespójna komunikacja może natomiast utrudniać jednoznaczne sklasyfikowanie firmy.

Nie oznacza to jednak, że komunikacja powinna zostać podporządkowana wyłącznie algorytmom. W sektorze regulowanym priorytetem nadal pozostają poprawność, aktualność i możliwość zweryfikowania informacji. Szczególnej kontroli wymagają treści dotyczące produktów leczniczych, wskazań, bezpieczeństwa terapii, badań klinicznych oraz informacji przeznaczonych dla pacjentów.

Ekspercka treść zamiast komunikacji wyłącznie produktowej

Wśród praktyk przedstawionych w raporcie znalazło się rozwijanie kompletnego profilu organizacji, jednoznaczne komunikowanie specjalizacji oraz publikowanie wiedzy eksperckiej, a nie wyłącznie informacji produktowych. Autorzy rekomendują również stosowanie zasady BLUF – Bottom Line Up Front – zgodnie z którą główny komunikat powinien pojawić się na początku publikacji, a kolejne części mają go rozwijać i dokumentować.

W praktyce farmaceutycznej może to oznaczać tworzenie materiałów wyjaśniających kompetencje produkcyjne, projekty badawczo-rozwojowe, rozwijane technologie, obszary terapeutyczne lub zasady funkcjonowania systemu jakości. Istotna jest przy tym możliwość przypisania treści do konkretnej organizacji, eksperta i źródła.

Raport wskazuje również na znaczenie obecności w niezależnych źródłach. Model może lepiej rozpoznać określoną kompetencję firmy, jeżeli jest ona opisywana nie tylko w jej własnych kanałach, ale również w mediach branżowych, publikacjach eksperckich, materiałach konferencyjnych i wiarygodnych bazach wiedzy.

Nowy obszar zarządzania informacją

PRCN określa działania związane z widocznością w odpowiedziach sztucznej inteligencji terminem AIO – Artificial Intelligence Optimization. W tym ujęciu nie jest to pojedyncza kampania promocyjna, lecz długofalowy proces obejmujący komunikację, public affairs, zarządzanie treścią i strukturą danych.

Dla przemysłu farmaceutycznego istotniejsze od samego miejsca w rankingu może być pytanie, czy modele poprawnie identyfikują profil organizacji. Błędne przypisanie obszaru działalności, nieaktualny opis zakładu, pominięcie ważnych kompetencji albo nadmierne kojarzenie firmy z jednym produktem mogą wpływać na sposób, w jaki jest ona przedstawiana partnerom biznesowym, kandydatom, inwestorom i innym interesariuszom.

Wyniki badania sugerują, że widoczność w AI będzie coraz częściej wymagała współpracy działów komunikacji, marketingu, public affairs, IT, prawnego i compliance. Każdy z tych obszarów odpowiada za inną część ekosystemu informacji, z którego mogą korzystać modele. Bez wspólnych zasad aktualizacji treści i kontroli ich zgodności łatwo o powstawanie rozbieżnych wersji opisu tej samej organizacji.

Raport „Recepta na AI” jest pierwszą edycją badania PRCN. Jego wyniki należy traktować jako punkt odniesienia do dalszego obserwowania sposobu, w jaki generatywna sztuczna inteligencja odwzorowuje polski rynek farmaceutyczny, a nie jako ostateczny ranking przedsiębiorstw. Najważniejszy wniosek dotyczy rosnącego znaczenia uporządkowanej, merytorycznej i możliwej do zweryfikowania informacji w cyfrowym ekosystemie branży.