Je váš web vidět pro AI? Změřil jsem 7 797 českých webů.

Krátká odpověď: Roboty, kteří čtou web ve chvíli, kdy se na něj někdo ptá AI (ChatGPT, Claude, Perplexity, Google, Bing, Seznam, Apple), zakazuje v souboru robots.txt jen 0,3 % běžných českých webů a 3,9 % webů ze žebříčku nejnavštěvovanějších. Strukturovaná data (JSON-LD) jsem ve zdrojovém kódu nenašel u 75,7 % běžných webů, sitemapu u 36,8 %. Firmám tedy většinou nechybí povolení pro AI. Chybí jim srozumitelný popis toho, kdo jsou.

Co jsem měřil a na kolika webech

Vzal jsem všech 5 388 českých domén ze žebříčku Tranco (milion nejnavštěvovanějších webů světa) a k nim 5 000 náhodně vybraných z 714 075 českých domén, které zná Common Crawl (veřejný archiv webu).^2,3 Těch 5 000 je rozložených rovnoměrně od velkých webů po malé, aby ve vzorku nebyly jen ty známé.

Z 10 388 domén šlo změřit 7 797. Zbytek neodpověděl (1 217), přesměroval na jinou doménu (744), roboty zakázal nebo nepustil k souboru robots.txt (202 + 163 + 40), přesměroval se až v prohlížeči (121) nebo byl parkovaný (104).

U každého webu jsem přečetl úvodní stránku, robots.txt, llms.txt a sitemapu. Stejně, jak to dělá robot, který nespouští JavaScript. Celý postup je v metodice na konci článku.

Pro představu: českých domén je 1 612 652 (CZ.NIC k 29. 9. 2026).¹ Moje měření pokrývá jen ty, které crawlery znají, tedy ne parkované a nepoužívané.

Výsledky uvádím ve dvou sloupcích: běžné weby (Common Crawl, přepočtené podle velikosti) a nejnavštěvovanější (Tranco). Průměr obou by lhal, protože populárních webů je mezi změřenými 59 %, ale mezi všemi weby, které crawlery znají, jen 0,75 %.

Blokují české weby AI roboty?

Skoro ne. A to je dobrá zpráva.

Nejčastěji zakázaní jsou trénovací roboti: Bytespider (TikTok), GPTBot (OpenAI) a CCBot (Common Crawl), na nejnavštěvovanějších webech každý zhruba u 5–6 %.

Mezi těmi dvěma druhy je rozdíl. Zakázat trénink je legitimní volba: vaše texty pak nejdou do učení modelu, ale AI vás pořád může najít a ocitovat. Zakázat robota, který čte web pro odpovědi, znamená, že vás ChatGPT nebo Perplexity v odpovědi nepřečte.⁵ Pravidla souboru robots.txt popisuje norma RFC 9309.⁴

Co českým webům opravdu chybí

Strukturovaná data jsou pro AI vizitka: název firmy, IČO, adresa, co prodáváte, kdy máte otevřeno. Bez nich si to AI musí domyslet z textu, a když domýšlí, plete se.

Sitemapa je seznam stránek webu. Bez ní robot najde jen to, na co vede odkaz.

„Málo textu bez JavaScriptu“ znamená, že web ukáže obsah až po spuštění skriptů. Robot, který skripty nespouští, uvidí skoro prázdnou stránku.

llms.txt má zatím málokdo a nevadí to. Je to návrh Jeremyho Howarda ze září 2024, ne norma.⁶

„Nenalezeno“ znamená „ve zdrojovém kódu jsem nenašel“. Pokud web vkládá strukturovaná data až JavaScriptem, neviděl jsem je já ani robot, který JavaScript nespouští. Některé roboty ho spouštějí, takže pro ně může být číslo nižší.

Blokuje AI roboty hosting?

Z robots.txt ne. Weby na různých hostinzích se v něm liší málo a odlehlé případy tvoří hrstka zákazníků se společnou šablonou.

Zkusil jsem proto i druhou cestu. 14. 10. 2026 jsem na 520 webů (40 náhodně vybraných z každého ze 13 hostingů a platforem s dostatkem webů ve vzorku) poslal stejný požadavek třikrát: jako prohlížeč, jako vyhledávací robot ChatGPT (OAI-SearchBot) a jako robot Perplexity (PerplexityBot). Hodnotil jsem 475 webů, které se v prohlížeči normálně načetly.

• Robot ChatGPT dostal jinou odpověď než prohlížeč u 4,4 % webů (21 z 475; 95% interval 2,9–6,7 %).
• Robot Perplexity u 3,2 % (15 z 475; 1,9–5,1 %).
• Většinou šlo o odmítnutí (kód 403 nebo 429). U dvou hostingů s nejvíc odmítnutími sedí na 2–4 konkrétních serverech: weby na stejné IP adrese dostaly stejnou odpověď, další servery téhož hostingu roboty pustily. U třetího byla odmítnutí rozptýlená.

Kdo pravidlo nastavil, z toho nepoznám. Weby na jednom serveru může spravovat jedna agentura nebo jeden majitel, proto hostingy nejmenuju.

Tenhle test berte orientačně. Požadavek šel z obyčejné IP adresy, jen s označením robota (User-Agent). Firewally často pouští skutečné roboty podle ověřené IP, takže odmítnutý napodobený robot neznamená, že skutečný neprojde, a naopak. Každý hosting má ve vzorku stejnou váhu, nejde tedy o podíl všech českých webů.

Proč na tom záleží firmě

AI asistent nedá deset odkazů jako Google, ale jednu odpověď s pár jmény. Ve studii SOCi (USA, řetězce s 50 a více pobočkami, leden 2026) doporučil ChatGPT 1,2 % poboček, mapový výběr Googlu 35,9 %.⁷ Vybírá firmy, o kterých má hodně shodných a ověřitelných údajů. Strukturovaná data a sitemapa jsou nejlevnější způsob, jak mu ty údaje dát. Víc v článku AI doporučí jen hrstku firem. Jak se dostat mezi ně.

Jestli vás AI vidí, se dá zjistit za pár vteřin: zjistit, jestli mě AI vidí (SEO a AI analýza webu zdarma).

Co s tím: pět kroků

1. Doplňte strukturovaná data s názvem firmy, IČO, adresou a tím, co nabízíte. Návod: Google, strukturovaná data Organization.
2. Mějte sitemapu a uveďte ji v robots.txt (řádek Sitemap:). Návod: Google, jak vytvořit sitemapu.
3. Text ať je v HTML, ne až po spuštění JavaScriptu. Ověříte to tak, že si zobrazíte zdrojový kód stránky a hledáte v něm svůj text.
4. Nezakazujte roboty, kteří čtou web pro odpovědi AI. Trénovací zakázat můžete, je to vaše volba.
5. Zkontrolujte web v SEO a AI analýze. Ukáže, co z toho vašemu webu chybí: SEO a AI analýza webu zdarma.

Jak číst tato čísla

• Měřil jsem jednu stránku na web, úvodní.
• Robots.txt je deklarace, ne skutečné blokování. Test na serveru je jen orientační (napodobený robot).
• Strukturovaná data hledám jen ve zdrojovém HTML.
• Je to stav ze 13.–14. 10. 2026. Weby se mění, přeměřím čtvrtletně.
• Pokrývám jen viditelnou část českého webu, tedy domény, které znají crawlery.
• Weby, které zakazují všechny roboty, jsem neměřil, takže zákazů AI robotů je ve skutečnosti o něco víc.

Metodika

Základní soubor. České domény, které zná Tranco (seznam 4672X) nebo Common Crawl (vydání cc-main-2026-jul-aug-sep): 5 388 v Tranco, 714 075 v Common Crawlu, z toho 708 824 mimo Tranco. Není to všech 1,6 milionu registrovaných domén.

Vzorek. Všech 5 388 domén z Tranco a 5 000 z Common Crawlu mimo Tranco, náhodně z 10 pásem podle pořadí harmonické centrality (500 na pásmo).

Robot. Měřil jsem pod vlastním jménem BLEY-benchmark/1.0, ne jako AI robot, a respektoval robots.txt podle RFC 9309: kdo zakázal nás nebo všechny roboty, ten se neměřil. Jeden požadavek na server najednou, pauza 0,5 s, strop 15 s.

Které roboty sleduju. Pro odpovědi AI: Googlebot, Bingbot, SeznamBot, Applebot, OAI-SearchBot, ChatGPT-User, Claude-SearchBot, Claude-User, PerplexityBot, Perplexity-User. Pro trénink: GPTBot, ClaudeBot, CCBot, Google-Extended, Applebot-Extended, Meta-ExternalAgent, Bytespider.

Statistika. Tranco a Common Crawl uvádím zvlášť, Common Crawl vážený velikostí pásem. Interval je 95% stratifikovaný (normální aproximace). Jmenovatel každého řádku tvoří jen weby, u kterých šel řádek změřit: u strukturovaných dat 6 651 webů, u robotů 7 767.

Kontrola chyb. Opakované měření 200 domén se shodovalo v 97,2 % hodnot, rozdíly dělaly hlavně nestabilní weby. Parkované domény jsem ručně zkontroloval na 55 vzorcích (53 správně, chyba opravena).

Co zveřejňuju. Jen souhrny a podíly, žádné seznamy domén ani jednotlivé weby. Stejné jádro měření používá veřejná kontrola, takže si kterékoli číslo ověříte na vlastním webu.

Data ke stažení a jak citovat

Souhrnná data dávám volně k dispozici pod licencí CC BY 4.0. Použijete je v článku, prezentaci i vlastní analýze, stačí uvést zdroj. Seznamy domén nezveřejňuju a hostingy jsou v datech anonymní, ze stejného důvodu jako v textu.

• Hlavní tabulka (CSV pro Excel, 2 kB): všechny měřené ukazatele pro běžné i nejnavštěvovanější weby, s intervaly a počtem webů.
• Hlavní tabulka v JSON (9 kB): navíc velikosti vrstev vzorku pro přepočet.
• Blokace robotů podle hostingu (JSON, 9 kB): 31 anonymních hostingů a sítí s aspoň 40 změřenými weby.
• Test serverů (JSON, 11 kB): 13 anonymních hostingů, odpovědi pro OAI‑SearchBot a PerplexityBot.

Zdroje

1. CZ.NIC: nic.cz, počet domén .cz k 29. 9. 2026 (1 612 652); Domain Report 2025.
2. Tranco: seznam 4672X, milion nejnavštěvovanějších domén, 5 388 domén .cz.
3. Common Crawl: vydání cc-main-2026-jul-aug-sep, 714 075 domén .cz.
4. IETF: RFC 9309 Robots Exclusion Protocol (2022).
5. OpenAI: Overview of OpenAI Crawlers. GPTBot = trénink, OAI-SearchBot = vyhledávání v ChatGPT, nastavení jsou nezávislá.
6. Jeremy Howard: The /llms.txt file (návrh, 3. 9. 2024).
7. SOCi: 2026 Local Visibility Index (tisková zpráva, 28. 1. 2026). 350 000+ poboček, 2 751 značek s 50+ pobočkami, USA.
8. Vlastní měření BLEY.cz, běh C10, 13.–14. 10. 2026; test serverů 14. 10. 2026. Souhrnná data bez domén ke stažení pod licencí CC BY 4.0.