Как девять нейросетей советуют стоматологии в Москве: 4941 ответ и 94 клиники

Бытовая сцена: человек пишет ассистенту «где в Москве срочно вылечить зуб, болит с ночи» и получает не ссылку на поиск, а готовый список из трёх названий с адресами и ценами. Откуда берётся этот список и почему девять ассистентов на один и тот же вопрос дают девять разных ответов — выяснил автор исследования, опубликованного на Habr. Он собрал 549 запросов на живом языке, разбил их на шесть смысловых групп и отправил в девять ассистентов: Google Gemini, Google ИИ Mode, Perplexity, Поиск с Алисой, ChatGPT, Чат с Алисой ИИ, Grok, DeepSeek и GigaChat. Выборка сбалансирована: по 549 ответов на модель, итого 4941. Снимок сделан в июле 2026 года, только Москва, только русский язык.

Главный результат: в 91,7% ответов (4531 из 4941) названа хотя бы одна конкретная клиника. Ассистент не отправляет искать, он рекомендует. Это принципиально отличается от привычного поисковика, который даёт десять ссылок и перекладывает выбор на человека. Модель выдаёт три названия с адресами, и пользователь, скорее всего, просто звонит по первому номеру. При этом у модели нет никакого представления о качестве лечения: она не видела пациентов и пересказывает то, что смогла прочитать в интернете.

Исследователь разделил попадания клиники в ответ на два типа: упоминание по имени (модель пишет название в тексте) и упоминание ссылкой (модель даёт ссылку на страницу как источник). Эти события почти не связаны между собой. Одни клиники живут «игрой имён»: модель запомнила бренд из чужих статей и рейтингов и называет его по памяти, почти без ссылок. Пример — ПрезиДЕНТ: 1541 упоминание по имени, 79,7% всех попаданий — текст ответа. Так же работают К+31, InWhite Medical и Dental Fantasy (616 упоминаний именем и ноль ссылок). Другие клиники сильны в «игре страниц»: модель находит их контент и ссылается на него, но имя в тексте не звучит. Эталон — Зуб.ру: 1694 попадания, все ссылками, ни одного упоминания по имени. Клиника просто выложила прайс файлом, и ассистенты читают его построчно.

Средние цифры по рынку: имя бренда даёт лишь 8,7% упоминаний, остальные 91,3% приносят страницы сайтов. Узнаваемость бренда, в которую годами вкладывают бюджеты, для ассистента почти ничего не значит. Значит то, что модель смогла прочитать и процитировать. Лидер рынка СМ-Стоматология играет в обе игры сразу: 1142 упоминания именем плюс 1762 ссылкой, суммарно 2904 попадания — поэтому она и первая.

Девять моделей показали разные списки лидеров, ни разу не совпав. Gemini ссылался в 100% ответов, а ChatGPT и Чат с Алисой — в 28% и 46% соответственно. Это значит, что механика выдачи у каждого ассистента своя: одни полагаются на поиск по интернету, другие — на внутренние знания. Для бизнеса это создаёт новую реальность: оптимизация под ИИ-ассистентов требует не только узнаваемости, но и структурированного контента, который модель может процитировать. Для пользователей — повод помнить, что рекомендация ассистента — это не экспертное мнение, а результат обработки доступных данных.