Kérj egy weblapot egy AI-tól és tegyél mellé egy másikat, amit a konkurensed kért. Nagy eséllyel ugyanazt látod. 2025-ben az Anthropic szerint ez Inter betűtípus volt, lila színátmenet fehér alapon és alig valami mozgás. A mi 2026. októberi próbánkban krémszínű papírháttér, nagy talpas cím és benne egy dőlt, barna kiemelő szó. A divat változott, a lényeg nem: a két lap egymás mellett ugyanaz.

Ez nem véletlen. Annyira általános, hogy az AI-cégek maguk is beszélnek róla, az egyikük saját nevet is adott neki.

Az alapvető ok, hogy a generatív AI nem talált ki semmit: egy már egyforma webet tanult meg és most gépi sebességgel gyártja tovább.

A cikk végén ott a lényeg: 7 lépés, amivel a saját lapod kilóg a sorból.

1. Így néz ki az AI-weblap

Az alapkép

Az Anthropic, a Claude fejlesztője, 2025 novemberében egy szakcikkben írta le ugyanezt: ha egy nyelvi modelltől útmutatás nélkül kérsz landing page-t, szinte mindig „Inter betűt, lila színátmenetet fehér alapon és minimális animációt” kapsz.

Ehhez a cikkhez a Claude Sonnet 5.5 modellt kértem meg egy weblap tervezésére, szó szerint így: „Készíts egy landing oldalt egy kitalált budapesti péküzletnek, a neve Morzsa Pékség. Egyetlen önálló HTML-fájl legyen, beágyazott CSS-sel.”

Háromszor futtattam, negyedszer ugyanígy egy kitalált könyvelőirodára. A 2025-ös kép színe és címbetűje egyiken sem jött elő. Helyette négyből négyszer ugyanaz: krémszínű háttér, nagy talpas cím, benne egy dőlt, barnás kiemelő szó. A péküzletlapokon a gomb is ugyanaz, kerek és barna, a három hajtás fölötti szín pedig hajszálra ugyanaz a szín.

Ugyanezt a péküzletet egy ötödik futásban iránnyal kértem: buyer persona (a reggel hétkor kenyérért beálló józsefvárosi lakó), két megnevezett betű, három színkód, „piaci ártábla” hangulat, régi pesti cégtáblák mint referencia, plusz egy tiltólista. Az eredmény kemencefekete háttér, vastag groteszk cím, téglapiros kiemelés, az első képernyőn a mai árakkal.

A lila gomb

A lilának saját története van. 2025 augusztusában, a GPT–5 megjelenése után egy fejlesztő azt írta az X-en, hogy a GPT–5 sem oldotta meg a „lilaproblémát”. Adam Wathan, a Tailwind CSS keretrendszer alkotója erre tréfásan bocsánatot kért: öt évvel korábban ő tervezte indigószínűre a gombokat és most minden AI-jal generált felület indigó.

Hogy ez mennyire nem csak vicc, azt egy nyilvános GitHub-gyűjtemény mutatja, amely AI-eszközök kiszivárgottnak mondott rendszerpromptjait gyűjti. A Vercel weblapkészítőjének, a v0-nak tulajdonított szövegben, a gyűjtemény 2025. október 2-i változatában, ez a szabály áll: „SOHA ne használj hangsúlyosan lilát vagy ibolyát, hacsak nem kérik kifejezetten.” A Vercel ezt hivatalosan nem erősítette meg, de a szabály létezése elárulja, mennyire erős a húzás.

A következő reflexbetű: Space Grotesk

Az első ötlet a tiltás: írjuk bele a promptba, hogy ne legyen Inter. Az Anthropic is ezt tette, aztán belefutott a következő falba. A saját promptjukban ez a figyelmeztetés áll a modellnek: „Generálásról generálásra még mindig közös választásokra konvergálsz (például a Space Groteskre).” Tehát a kifejezett tiltás csak arra jó, hogy a második leggyakoribb választására álljon át a modell – kevesebb hasonló oldalt látsz majd, de abból is irtó sok lesz.

A péküzletes próbánk ugyanezt mutatja nagyban. Ahol a tavalyi alapkép eltűnt, ott sem egyedi lap jött, hanem a következő közös választás.

A Linear-hatás: a másolat másolata

Nem csak a gép másol. A Linear termékfejlesztés-tervező eszköz weboldala annyira népszerű lett, hogy egy egész irányzatot neveztek el róla. A LogRocket UX-blogja 2025-ben azt írta, hogy a „linear design” trend a Linearről kapta a nevét és egyre többen veszik észre, hogy szinte minden SaaS-weboldal ugyanúgy néz ki.

A mechanizmus egyszerű: egy kis cég fejlesztője azt a feladatot kapja, hogy a lap „nézzen ki profin”. Nincs designer, nincs irány, minél előbb kell. Megnézi a sikeres Lineart, átveszi a kinézetét, a főnök elégedett. A következő cég már ezt a másolatot másolja.

2. Miért történik ez az egész?

Disztribúciós konvergencia

Az Anthropic nevet is adott a jelenségnek: distributional convergence, magyarul disztribúciós konvergencia. A magyarázatuk egyszerű. A modell a tanítóadat statisztikai mintázatai alapján jósolja a következő szövegdarabot (tokent). A webes tanítóadatban azok a biztonságos döntések vannak túlsúlyban, amelyek mindenhol működnek és senkit nem zavarnak. Ha nem adsz irányt, a modell ebből a „nagy valószínűségű középből” választ.

A cikk szerint a modell ennél többet tud, a konvergencia csak eltakarja a képességeket. Ez a jó hír: irányítható.

A web már az AI előtt egyforma lett

Az AI nem egy sokszínű internetet laposított el, hanem egy már elszürkült webet tanult meg.

Ezt mérték is. Sam Goree (Indiana University) és szerzőtársai a CHI 2021 konferencián közölt tanulmányukban 2003–2019 közötti weboldalak képeit vizsgálták gépi látással. Az eredmény: a lapok 2007 óta szignifikánsan hasonlóbbak, az oldalelrendezésnél az oldalak közötti átlagos távolság több mint 30%-kal csökkent.

Goree egy korábbi, 2020-as cikkében majdnem 200 000 képről ír, 10 000 weboldalról. Eszerint a lapok közötti különbség 2008–2010 között volt a legnagyobb, utána 2016-ig csökkent. Az okok a tanulmány szerint: közös forráskód és könyvtárak, a színsémák szabványosodása, a mobilos megjelenés. A Bootstrapre, a FontAwesome-ra és a jQuery UI-ra épülő oldalak kifejezetten hasonlítottak egymásra.

Az idővonal szerint ennek kellett történnie:

• 2007: az Apple bemutatja az iPhone-t, a bejelentés szerint a Safari „úgy mutat meg bármely weblapot, ahogy azt megtervezték”, csak nagyítani kell.
• 2010: Ethan Marcotte Responsive Web Design című cikke az A List Aparton: egy lap, ami minden képernyőhöz igazodik.
• 2011: a Twitter két fejlesztője nyílt forrásként kiadja a Bootstrapet, amely eredetileg a cég belső eszközeinek egységesítésére készült.
• 2014: a Google bemutatja a Material Design tervezési nyelvet.
• 2017: elindul a Tailwind CSS fejlesztése.
• 2023: a Vercel bemutatja a v0-t, amely szöveges leírásból React, Tailwind CSS és shadcn/ui alapú felületet épít.

Minden lépés egy valódi problémát oldott meg. Közben minden lépés közös alapértelmezést is adott. Ezekből a közös mintákból tanult a gép.

Miért másolunk?

A szervezetszociológia régóta ismeri ezt a reflexet. Paul DiMaggio és Walter Powell 1983-as tanulmánya nyomán mimetikus izomorfizmusnak hívják: amikor egy szervezet nem biztos a céljában vagy az eszközeiben, a sikeresnek látott másikat utánozza, mert az „biztonságos” út. Nem kell tudnod, miért működik a Linear lapja. Elég, ha elhiszed, hogy ők tudnak valamit, amit te nem. (Téged is másoltak már? Akkor örülj, mert jónak tűnsz.)

Az AI ezt a reflexet gyorsítja fel, ahogy néhány éve a Canva megjelenése is egységesítette a Facebook-hirdetések kreatívjait. Ma már nem kell a másik lapját nézned: a gép az összes másolat átlagát adja.

De várj: akkor a szöveg is konvergál?

Ugyanez történik a szöveggel. Anil Doshi és Oliver Hauser kísérletében azok a szerzők, akik AI-tól kaptak ötletet, jobbnak ítélt történeteket írtak, de ezek a történetek jobban hasonlítottak egymásra, mint a csak emberek írta szövegek. Egy 2025-ös tanulmány (Wenger és Kenett) több nyelvi modellt vetett össze: a modellek válaszai sokkal jobban hasonlítottak egymásra, mint az emberek válaszai egymáshoz. A szerzők szerint tehát nem segít, ha egyszerűen modellt váltasz.

Mi 2014-ben, jóval az AI előtt, ezt írtuk az ügyfeleinknek a briefről: „Fontos, hogy felejtsd el a brief során a sablonformulákat. Abból nem tudunk meg sokat, hogy »minőségi szolgáltatással elégítjük ki az ügyfeleink igényeit«.” A gép ma pontosan ezeket a formulákat adja vissza, mert ezekből látott a legtöbbet.

3. Van ellenszer! Ez a 7 lépés

A jó hír, hogy a modell irányítható. Ha a promptban kimondod, hogy kerülje az Intert és a Robotót, az eredmény azonnal javul. Ez azonban még nem elég, ezért mutatom a Kreatív Kontroll checklistáját az AI slop website ellen: ezt építsd meg skillben (itt írtam le, hogyan), aztán nem kell minden alkalommal végigmenni rajta.

1. Konkrét embernek tervezz, ne „modern, letisztult” lapot. A Linear társalapítója szerint csak akkor tervezhetsz jó terméket, ha valaki konkrétnak tervezed. A promptba ezért ne melléknév kerüljön, hanem ember. Ki jön a lapra, honnan, mit akar megtudni az első öt másodpercben, mitől fél? Egy szegedi fogászat lapja másképp néz ki, ha a műtéttől rettegő ötvenéveseknek szól, mint mikor a gyors fogfehérítést kereső huszonéveseknek.

2. Nevezd meg az irányt, minden dimenzióban. Az Anthropic szerint a hatékony útmutatás megmondja, melyik alapértelmezést kerülje a modell és mit válasszon helyette: betűnél, színnél, mozgásnál és háttérnél külön. Segít egy ismert stílus megnevezése is. A „szép betű” nem irány. A „vastag, szűk groteszk címbetű, mellette jól olvasható talpas kenyérszöveg, kemencefekete háttér, téglapiros kiemelés, színátmenet sehol” már az.

3. Tartsd a tiltólistát, de ne álljon meg ott. Mi a saját munkánkban tiltólistát vezetünk: Inter, Fraunces, Space Grotesk, lila színátmenet, illetve a krémszínű papírháttér barna kiemeléssel, vagyis pontosan az, amit a próbánk irány nélkül hozott. A tanulság, hogy a tiltás csak arrébb tolja a gépet a következő gyakori választásra. Minden tiltás mellé kell egy pozitív irány: mit használjon helyette.

4. Ha van arculatod, abból induljon a gép. Ha a cégednek már van logója, színe, betűje, azt add meg a promptban kódokkal, betűnevekkel. Az ügyfeleink lapjainál mi ezt az élő oldalukról vesszük át, nem az AI ízléséből. A saját márka a legolcsóbb ellenszer, mert az már eleve nem az átlag.

5. Saját képet használj. Saját fotó a csapatról, az üzletről, a termékről; saját illusztráció a generikus ikonsor és a stock photo helyett. A kép az, amit a látogató az első másodpercben észrevesz. Ha az is az átlagból jön, a jó betű sem menti meg a lapot.

6. A szövegbe saját példa, saját szám, saját hang kerüljön. A „minőségi szolgáltatás” és a „csapatunk elkötelezett” a gép átlaga. Egy olyan mondat, hogy „2019 óta 1200 implantátumot ültettünk be”, már csak a tiéd lehet. Adj a promptba valódi ügyféltörténetet, valódi számot, valódi kifogást, amit a vevőid mondanak.

7. Tedd egymás mellé a konkurenseiddel és nézd meg emberi szemmel. Nyisd meg a saját lapod mellett a három legerősebb versenytársad lapját. Takard le a logókat. Ha nem tudod megmondani, melyik a tiéd, a lap még sablon. Az Anthropic szerint a modell generálásról generálásra visszahúz a közös választások felé, ezért ezt a próbát minden új változatnál meg kell ismételni. A gép nem fogja megmondani, hogy ez még az átlag. Ehhez ember kell, aki ismeri a vevőidet és ki meri mondani.

Mikor jó mégis a sablon?

Nem minden sablon rossz. Goree 2020-as cikke szerint a közös könyvtárakra épülő lapok valószínűleg akadálymentesebbek és a látogatónak sem kell minden új oldalon újratanulnia a navigációt. A videó szerzője is elismeri: egy hétvégi hobbiprojektnek nem kell egyedi tervezési nyelv.

A kérdés tehát nem az, hogy használsz-e AI-t vagy sablont. Hanem az, hogy a lapodnak ki kell-e lógnia a sorból. Ha a vevőd a konkurenseid között választ, ki kell lógnia.

Ha a lapodat a konkurensed logójával is ki lehetne tenni, akkor az a lap nem a te vevődnek szól, hanem az átlagnak.