Исследование агентства Burson под названием «Парадокс достоверности» зафиксировало разрыв, который многие маркетологи предпочитали не замечать: число упоминаний компании в ответах ИИ-платформ не означает, что эти ответы воспринимаются как авторитетные. Burson прогнал вопросы про 85 компаний через семь ИИ-платформ и оценил результаты собственной моделью Decipher — в итоге получилось более 55 тысяч оценок убедительности.
Главный вывод исследования: выигрывает конкретика. Ответы, в которых ИИ рассказывал о реальных продуктах и о том, как устроена работа внутри компании, звучали достовернее, чем рассуждения об «управлении», «миссии» и «лидерстве». Аудитория имеет значение: для деловой аудитории ИИ-ответы оценивались примерно на 10% убедительнее, чем для обычных потребителей. Бизнес-читателям важнее инновации и операционное устройство компании, потребителям — продукты и атмосфера внутри.
Прежде чем делать из этого исследования ориентир, стоит учесть его ограничения. Burson не раскрывает ни промпты, ни список из 85 компаний, ни внутреннюю логику модели Decipher. Оценки — модельный прогноз, а не реакция живых читателей. Агентство само зарабатывает на репутационном консалтинге и продвижении в нейросетях, что создаёт конфликт интересов. Тем не менее механизм, который исследование нащупало, не отменяется методологическими оговорками.
Ответы про продукты и внутреннее устройство компании звучали достовернее, чем про «управление» и «миссию».
Механизм этот прост: нейросеть не сочиняет репутацию компании, она пересказывает то, что уже существует в доступных ей источниках. Если в сети есть спецификации, подробные описания продукта, обзоры, разборы, нормальные отзывы — мультимодальный контент любого рода — модели есть что взять и пересказать. Если про компанию во всём интернете три отзыва, и те скорее негативные, ни одна нейросеть не выдаст «это лидер рынка». Просто неоткуда. Рекламные слоганы вроде «номер один в мире» модель видит, но копировать их в ответ пользователю не станет — это не работает как рекомендация.
Отдельный сюжет — накрутка ответов нейросетей. Рынок таких сервисов уже сформировался, и их операторы честно предупреждают: эффект держится считанные дни. Если за упоминанием нет реального контента — о продукте, о кейсах, о том, как компания работает, — нейросеть перестаёт цитировать её в ответах. Бесконечная накрутка не работает. Есть узкие случаи, где стартовый буст оправдан: очень специфические отраслевые компании с крошечным рынком, где физически мало площадок для публикаций, или узкое решение под реальный спрос, который сложно широко описать в сети. Во всех остальных случаях это расход без лидов — зато с красивой отчётностью о росте упоминаний.
Есть и системный эффект: компании, накручивающие видимость, заспамливают ответы нейросетей и снижают их качество для всех пользователей. Это классическая трагедия общих ресурсов — каждый тянет одеяло на себя, в итоге инструмент деградирует для всех. ИИ-платформы уже борются с поведенческой накруткой и будут делать это активнее.
Практический вывод из всего этого: правильный вопрос для компании — не «упомянули ли меня в нейропоиске», а «есть ли мне чем это упоминание подтвердить». Видимость в нейросетях — это не авторитет. Нейросеть работает как фильтр: за упоминанием стоит конкретика — вам верят; за упоминанием пустота — вас назвали, но мимо.
