Minął już rok od uruchomienia systemu kaucyjnego w Polsce. Rozwojowi punktów zwrotu i automatów towarzyszy potrzeba jasnej informacji o tym, gdzie oddać opakowanie i na jakich zasadach odzyskać kaucję. Raport „System kaucyjny oczami AI”, przygotowany przez BrandinAI i agencję doradczą 2PR, pokazuje, że odpowiedzi sztucznej inteligencji nie tworzą spójnego przewodnika po systemie. W badanych zapytaniach Perplexity nie wymienił ani razu 14 z 19 monitorowanych sieci handlowych, a DeepSeek konsekwentnie dopuszczał zwrot zgniecionej butelki, podczas gdy pozostałe cztery modele odradzały zgniatanie. W pierwszą rocznicę systemu autorzy przyglądają się temu, jakie informacje i rekomendacje otrzymują osoby pytające AI o zwrot opakowań.
Badanie objęło 1400 odpowiedzi ChatGPT, Gemini, Perplexity, DeepSeek i Claude na 25 pytań oraz 13 044 towarzyszące im odwołania do źródeł. Autorzy sprawdzili, których operatorów i producentów automatów wskazują modele, do jakich sieci kierują osoby szukające miejsca zwrotu oraz jak wyjaśniają zasady systemu. Pomiary powtarzano w sierpniu i wrześniu 2026 roku, dzięki czemu wyniki pokazują wzorce występujące pod koniec pierwszego roku funkcjonowania systemu, a nie pojedyncze wskazania AI.
– Pierwsza rocznica systemu kaucyjnego jest okazją do przyjrzenia się także jego dostępności informacyjnej. Konsument potrzebuje jasnej odpowiedzi, gdzie zwrócić opakowanie i jak przygotować je do oddania. Przedsiębiorca może natomiast szukać informacji o operatorach i dostępnych urządzeniach. Badanie pokazuje, że obraz przedstawiany tym użytkownikom zależy od wybranego modelu oraz sposobu sformułowania pytania. Dla podmiotów działających w systemie oznacza to potrzebę sprawdzania nie tylko własnej obecności w AI, ale również kontekstu i poprawności informacji, które jej towarzyszą – mówi Szymon Kania, CEO BrandinAI.
– Wyniki raportu pokazują, że komunikacja firm zyskuje kolejnych odbiorców, czyli modele AI, które przywołują dostępne treści w odpowiedziach dla użytkowników. Dla marek samo opublikowanie informacji nie oznacza jeszcze, że zostanie ona zauważona i prawidłowo przedstawiona. Warto sprawdzać, z jakimi tematami AI łączy firmę, jakie źródła wskazuje i czy nie powiela nieaktualnych treści. To rozszerza perspektywę działań wizerunkowych i marketingowych o sposób, w jaki publikacje funkcjonują poza swoim pierwotnym miejscem oraz kontekstem. Spójne, aktualne i zrozumiałe materiały pozostają podstawą komunikacji, ale jej ocenę trzeba uzupełniać o analizę odpowiedzi AI – dodaje Bartosz Sosnówka, partner zarządzający w 2PR.
Jednym z najbardziej wyrazistych ustaleń jest skala pomijania marek. W badanych pytaniach ogólnych dotyczących sieci handlowych Perplexity przez cały okres monitoringu nie wskazał 14 z 19 analizowanych podmiotów. W kategorii producentów automatów DeepSeek nie wymienił 12 z 17 marek. Nie oznacza to ich nieobecności w innych modelach. Pokazuje jednak, że użytkownik jednego narzędzia może otrzymać znacznie węższy zestaw propozycji niż osoba zadająca podobne pytanie innemu modelowi.
(fot. S. Duda)
Operatorzy, producenci i sieci handlowe
Rozbieżności dotyczą również siły rekomendacji. OK Operator osiągnął w Gemini 86 punktów AI Visibility, a w DeepSeek zero. Wskaźnik ten opisuje stopień wyeksponowania i polecania marki w skali od 0 do 100. W zbiorczym rankingu operatorów prowadzi Zwrotka z wynikiem 62 punktów, wyprzedzając PolKę zaledwie o jeden punkt. Trzej najczęściej wymieniani operatorzy skupiają 62,2% wszystkich zidentyfikowanych wzmianek w tej kategorii. Obraz rynku przedstawiany przez AI jest więc skoncentrowany, ale jego hierarchia nie jest wspólna dla wszystkich modeli.
Jeszcze wyraźniejszą koncentrację widać wśród producentów automatów kaucyjnych. TOMRA, Envipco i RVM Systems odpowiadają łącznie za 68,6% wzmianek o monitorowanych producentach. TOMRA uzyskała 92 punkty widoczności i pojawiała się w 96,4% odpowiedzi zawierających przynajmniej jedną markę z tej kategorii. Envipco zajęło drugie miejsce z wynikiem 85 punktów, pojawiając się w 86,7% odpowiedzi. Między trzecim a czwartym miejscem rankingu są 24 punkty różnicy. Wysoką pozycję TOMRA i Envipco potwierdzają wszystkie analizowane modele, natomiast wyniki pozostałych producentów są bardziej zróżnicowane.
Dla konsumenta szczególne znaczenie mają odpowiedzi na pytanie, gdzie oddać opakowanie. W ogólnych zapytaniach dotyczących zwrotów Lidl, Biedronka i Kaufland skupiają 47,9% wzmianek o sieciach handlowych. Dodanie nazwy miasta zmienia jednak dystanse między markami. Widoczność Aldi rośnie z 27 do 67 punktów, a Carrefoura z 49 do 78 punktów. W zestawieniu lokalnym pierwszą i piątą sieć dzielą zaledwie cztery punkty. Lidl zajmuje pierwsze miejsce w sześciu z siedmiu badanych miast, natomiast w Katowicach prowadzi Biedronka.
Różnice w praktycznych instrukcjach
Modele różnią się nie tylko wyborem firm, lecz także praktycznymi instrukcjami. We wszystkich 35 odpowiedziach na pytanie o paragon informowały, że nie jest on potrzebny do odzyskania kaucji. Przy pytaniu o zgniecioną butelkę zgodności już nie było. DeepSeek w każdym z siedmiu pomiarów dopuszczał jej zwrot pod warunkiem zachowania czytelnego kodu kreskowego. ChatGPT, Gemini, Perplexity i Claude konsekwentnie odradzały zgniatanie. Rozbieżność powtarzała się w czasie, więc nie była pojedynczą nietypową odpowiedzią.
Różnice pojawiły się także przy wysokości kaucji. Standardowy schemat stawek podało 30 z 35 odpowiedzi. Cztery zawierały inny zestaw kwot i wszystkie pochodziły z DeepSeek. W jednym przypadku ChatGPT nie podał stawek, prosząc o doprecyzowanie, którego kraju dotyczy pytanie. Wyniki pokazują, że zgodność w podstawowych zasadach nie gwarantuje równie spójnych odpowiedzi na każde szczegółowe pytanie.
Raport analizuje również informacje źródłowe prezentowane użytkownikom. W części dotyczącej wiedzy o systemie modele przywołały 358 domen, ale połowa wszystkich odwołań prowadziła do zaledwie 31 z nich. Najczęściej wskazywano gov.pl, z udziałem 16,4%. Sama liczba domen nie oznacza równomiernego wykorzystania dostępnych publikacji. Jednocześnie obecność źródła w odpowiedzi nie dowodzi, że bezpośrednio przesądziło ono o rekomendacji konkretnej firmy.
Wyniki nie stanowią rankingu jakości usług, niezawodności automatów ani udziałów rynkowych. Nie mierzą też faktycznych decyzji zakupowych czy wizyt w punktach zwrotu. Opisują informacje i rekomendacje generowane przez pięć modeli AI w okresie objętym monitoringiem. BrandinAI odpowiadał za pomiar i dane, a agencja 2PR za koncepcję redakcyjną i interpretację wyników. Analiza, metodologia oraz szczegółowe zestawienia są dostępne w raporcie „System kaucyjny oczami AI”.
