ХабрПостыНовостиМегапосты?

Среди 7 200 ответов ИИ нашли 284 расхождения с подтверждёнными фактами

Американское digital‑агентство Verndale вчера запустило услугу оценки видимости брендов в ответах ИИ. В анонсе компания раскрыла результаты исследования для одного американского университета: свыше 7.200 ответов на 100 вопросов в ChatGPT, Gemini, Google AI Overviews, Google AI Mode, Perplexity и Claude.

Агентство разделило вопросы потенциальных студентов магистратуры и покупателей профессиональных образовательных программ. Среди 18 организаций университет получил 16% упоминаний по вопросам о программах получения степени. При этом 13% референс‑ссылок вели на официальный сайт учреждения. Это больше, чем на любой другой домен в выборке.

В 21 сочетании вопроса и ИИ‑системы ответы упоминали как минимум двух конкурентов, но не сам университет. Интересно, что 284 ответа противоречили актуальным сведениям о программах, которые подтвердил заказчик. Verndale не раскрывает в пресс‑релизе полный перечень расхождений и исходные ответы. А жаль.

Для GEO и управления репутацией это полезный знак: доля упоминаний показывает присутствие бренда, но не гарантирует точность фактов о нём. В практическом аудите лучше фиксировать вопрос, ИИ‑систему, процитированный источник и проверку утверждения по актуальным данным компании.

@reddice
08.10.2026 15:16 UTC
Первоисточник

Комментарии

@CitizenOfDreams
08.10.2026 10:36 UTC
0

Среди 7 200 ответов ИИ нашли 284 расхождения с подтверждёнными фактами

А что так мало? У меня при общении с ИИ явно больше половины его ответов относятся к категории "вы совершенно правы, я действительно это выдумал".

08.10.2026 10:39 UTC
+1

Интересно, а какая модель?

@Chemist_modeler
08.10.2026 11:25 UTC
+1

Какая модель - видимо, не так важно, как формулировка вопроса и то, на каких текстах модель обучена.

Я спросил у Gemini, знает ли она о работах таких-то двух авторов (я и один из моих друзей-соавторов, но не по основной теме наших работ, а, скорее, о нашем с ним хобби, впрочем, вылившемся в кое-какие публикации). К моему удивлению, в ответе были три ссылки - и все точные, одна из них - на статью в издании типа Хабра (без линка), другая в китайском журнале (но на английском языке), третья - в не самом рейтинговом, но все же эльзевировском журнале. Все три опубликованы больше 10 лет назад. Совместных статей у нас (не считая пары десятков хаброобразных статей и статеек в разных местах) всего штук пять. Яндексовская Алиса нашла целых пять - и тоже все точные, из них четыре "хаброобрвзные".

Причина необычной для Gemini точности выдачи - вероятнее всего, именно очень редкое сочетание фамилий авторов (хотя каждый из нас имеет публикации по основной работе, и вот их гугловский ИИ путает безбожно). А Алиса явно натренирована на русскоязычных текстах больше, чем на иностранных, поэтому больше их и нашла..

С брендами, подозреваю, ситуация будет в чем-то похожей. Если спросить что-то очень конкретное или уникальное - ответы будут точнее. Если просто "на тему" - лажи в ссылках будет много. И многое будет зависеть от языка. Но как знать, может, это ненадолго...

08.10.2026 12:09 UTC
0

Да, здесь конечно важна как конкретика в формулировке вопроса, что всегда влияет на результат работы с LLM, так и специфика поисковых роботов: Гугл точно не назвать слабой поисковой системой, но по одним и тем же запросам, относящимся к рунету, он почти всегда отрабатывает хуже Яндекса.

@teamkozulin
08.10.2026 15:23 UTC
+1

Всё дело в "цифровом следе", с одной стороны бренд может на это повлиять, а с другой стороны нет. Дело касается сторонних публикаций, написанных (например), студентами, конкурентами и т.п.

Это как с контекстной рекламой, настроить её прекрасно можно по ключам своих конкурентов и получать лиды. Главное в объявлении не использовать название конкурента)

Для уменьшения ошибок, нужно все возможные платформы привести к одному правильному ответу и нарастить свои публикации, чтобы перекрыть сторонние.

08.10.2026 15:26 UTC
+1

Всё так. Структурирование данных. И в этом отлично помогают специальные общедоступные библиотеки, например предоставляемые Wikipedia и Wikidata