Клиент спрашивает у ChatGPT или Алисы про вашу компанию — и получает в ответ чужой адрес, устаревший телефон, придуманную «историю с судом» или отзывы, которых у вас никогда не было. Вы ничего такого не публиковали, а нейросеть уверенно рассказывает это десяткам людей ежедневно. Знакомо? Это не злой умысел и не «взлом» — это два разных технических сбоя с понятными причинами и, что важнее, управляемыми способами снизить риск. Разберём, откуда берётся вымысел, чем он отличается от путаницы между компаниями, и что с этим делать.
Галлюцинация и склейка сущностей — это две разные проблемы
Их часто валят в одну кучу, но лечатся они по-разному, поэтому сначала разделим.
Галлюцинация — это когда модель придумывает факт, которого нет нигде: несуществующую дату основания, «филиал в Казани», выдуманную фамилию директора. Языковая модель по природе не «вспоминает» факты из базы, а достраивает правдоподобное продолжение фразы. Если точных данных о вас под рукой мало, она заполняет пустоту тем, что статистически похоже на правду — и звучит это гладко и уверенно.
Склейка сущностей (entity conflation) — это когда факты реальные, но не ваши. Модель берёт данные однофамильца-конкурента, тёзки из другого города или другой компании со схожим названием и приклеивает их к вам. Классика жанра — новость о банкротстве фирмы с похожим именем из соседнего региона, выданная за сводку о вашем живом бизнесе.
Первое лечится тем, чтобы дать модели достаточно чётких данных о вас. Второе — тем, чтобы помочь ей однозначно отличить вас от «двойников». Дальше по порядку.
Почему модель вообще фантазирует
Современные ИИ-ответы работают не по памяти, а по принципу «найди фрагменты и перескажи»: система выхватывает из индекса куски текста по запросу и собирает из них ответ. Отсюда три источника вымысла:
- Пустота в источниках. Если про вас в сети мало внятной, структурированной информации, модели нечего цитировать — и она достраивает картину сама.
- Мусор в обучающих данных. Модели учились на всём подряд: старые новости, гневные посты, заказные материалы, забытые справочники с неверным телефоном. Всё это оседает «фоном» и всплывает в ответах.
- Требование связности. Модель обязана выдать гладкий текст. Когда фактов не хватает, связность обеспечивается правдоподобной выдумкой — и по тону её не отличить от проверенного факта.
Вывод простой: чем меньше о вас качественных и согласованных источников, тем больше простора для фантазии. Информационный вакуум ИИ не оставляет пустым — он его заполняет.
Откуда берётся склейка: тёзки, филиалы и обрывки данных
Если запрос пользователя недостаточно точный, ИИ старается «добрать» источники до связного ответа — и хватает всё, что похоже по названию. Особенно уязвимы компании с распространённым именем («Меридиан», «Гарант», «СтройДом»), сетевые бренды с филиалами и фирмы, сменившие название или юрлицо. Модель не понимает, что «Ромашка» в Перми и «Ромашка» в Ростове — это два разных бизнеса, если ей об этом никто явно не сказал.
Ключевая мысль: у нейросети нет встроенного «паспорта» вашей компании — она собирает вашу личность из того, что найдёт в сети. Если данные разрознены и противоречивы, соберёт неправильно: не по злобе, а по нехватке однозначных признаков.
Главная причина, которую вы реально можете исправить — разнобой в данных
Большинство ошибок ИИ о компании растут из одного корня: несогласованность. На сайте один телефон, в Яндекс.Бизнесе — другой, в старом каталоге — третий, название где-то с «ООО», где-то с кавычками-ёлочками, где-то латиницей. Для человека это мелочь. Для машины — сигнал, что перед ней, возможно, разные организации, и повод сгенерировать «усреднённую» химеру.
Здесь работает принцип единого NAP — Name, Address, Phone (плюс сайт, режим работы, реквизиты). Одно и то же написание названия, один адрес, один телефон — везде, слово в слово. Это самый недооценённый и самый действенный рычаг: он бьёт и по галлюцинациям (даёт чёткий факт), и по склейке (отделяет вас от тёзок).
Нейросеть не проверяет вас по вашему сайту как по единственному источнику правды. Она сверяет то, что находит на разных площадках. Совпадает — уверена; расходится — сомневается и додумывает.
Что реально снижает риск
Волшебной кнопки нет, и сразу отсечём миф: у нейросетей нет базы, куда можно «занести компанию за деньги». Предложения вроде «пропишем вас в ChatGPT за 5000» — техническая чушь: платить не за что и некому. Модель формирует ответ из открытых источников, и влиять можно только на них. Вот что действительно работает.
1. Единый NAP на всех площадках
Приведите к одному написанию название, адрес, телефон, сайт и режим работы: на сайте, в Яндекс.Бизнесе, на картах, в отраслевых каталогах, в соцсетях. Это фундамент — без него всё остальное осыпается.
2. Однозначные идентификаторы против склейки
Дайте машине признаки, по которым вас нельзя перепутать: ИНН/ОГРН, точный юридический адрес, город, год основания, привязку к конкретным профилям. Чем больше уникальных «якорей», тем меньше шанс, что к вам приклеят чужую историю.
3. Разметка Schema.org — язык, который читают машины
Разметьте организацию через Schema.org (тип Organization/LocalBusiness) и обязательно используйте свойство sameAs — оно связывает ваш сайт с внешними профилями и говорит модели «это всё один и тот же субъект». Особенно ценны ссылки на профили-подтверждения. Сильнейшая цель для sameAs — карточка в открытом графе знаний (Wikidata), потому что она напрямую подпитывает базу знаний поисковиков; вторичные — деловые профили и справочники. Важная оговорка: стандарт llms.txt пока читают не все ИИ-краулеры и как источник фактов о компании он менее надёжен, чем классическая разметка, — ставку делайте на Schema.org, а llms.txt добавляйте как дополнение.
4. Актуальные и «чужие» источники важнее собственного сайта
Нейросети заметно сильнее доверяют независимым публикациям, чем сайту самого бренда. По данным Muck Rack, около 84% цитирований в ответах ИИ приходится на независимые материалы и лишь порядка 0,3% — на сайты самих компаний. Мораль: одного вылизанного сайта мало. Нужны свежие упоминания на площадках, которым модели доверяют, — публикации, отраслевые ресурсы, авторитетные справочники.
5. Попадание в топ обычной выдачи
Генеративные ответы во многом опираются на верх органики. Для Яндекс Нейро до ~90% источников ответа берутся из топ-10 обычной выдачи, а чем ниже позиция страницы, тем резче падают её шансы попасть в ответ. Проще говоря: классическое SEO не отменилось — оно стало входным билетом в ИИ-ответ.
6. Для локального бизнеса — карточка Яндекс.Бизнеса
На запросы «рядом» Алиса читает карточки Яндекс.Бизнеса напрямую: рейтинг, отзывы, фото, полноту данных. Заброшенная карточка — это и потерянный клиент, и повод для машины «додумать» недостающее.
Мониторинг: без него вы не узнаете, что о вас говорят
Ошибку ИИ нельзя исправить, пока вы её не видите. В отличие от отзывов на сайте, ответ нейросети никто вам не покажет — его получает конкретный пользователь в приватном чате. Поэтому мониторинг — не разовая проверка, а регулярная гигиена.
Раз в 2–4 недели задавайте основным моделям (ChatGPT, Алиса/Нейро, GigaChat, Perplexity) типовые вопросы о вас: «что за компания X», «отзывы о X», «телефон X», «X или конкурент — что лучше». Фиксируйте, где всплывает вымысел или чужие факты, и чините именно тот источник, из которого модель это взяла. Часто хватает поправить одну расходящуюся карточку или устаревшую публикацию, чтобы ответ выровнялся.
Чек-лист: как снизить вымысел и путаницу
- Свести к единому написанию название, адрес, телефон, сайт, режим работы на всех площадках (единый NAP).
- Добавить однозначные идентификаторы: ИНН/ОГРН, точный адрес, город, год основания — чтобы вас нельзя было спутать с тёзками.
- Внедрить разметку Schema.org (Organization/LocalBusiness) со свойством sameAs, ведущим на авторитетные профили и граф знаний.
- Заполнить и держать актуальной карточку Яндекс.Бизнеса (рейтинг, фото, отзывы, часы работы).
- Нарастить свежие независимые упоминания на площадках, которым доверяют модели, — не рассчитывать только на свой сайт.
- Работать над попаданием в топ обычной выдачи по ключевым запросам — это вход в генеративный ответ.
- Убрать или обновить устаревшие и противоречивые данные в старых каталогах и профилях.
- Раз в 2–4 недели проверять ответы ChatGPT, Алисы, GigaChat, Perplexity о себе и точечно чинить источник ошибки.
Честный вывод
Полностью «запретить» нейросети ошибаться нельзя — вымысел встроен в саму механику генерации, и гарантий не даёт никто. Но управлять входными данными вы можете, и это работает: согласованный NAP, однозначные идентификаторы, разметка, свежие внешние источники и регулярный мониторинг заметно сокращают и галлюцинации, и склейку. Первые сдвиги обычно видны через 4–8 недель после того, как источники приведены в порядок — это не мгновенный тумблер, а наведение порядка в источниках. Если хотите понять, что именно нейросети говорят о вашей компании сейчас и откуда тянут ошибки, начните с бесплатного разбора на oqgeo.ru/audit/ — покажем конкретные источники проблем и с чего начать.
Частые вопросы
Можно ли заставить ChatGPT «удалить» неверный факт о компании?
Напрямую — нет: у модели нет кнопки правки конкретного ответа, и нет базы, куда можно внести исправление за деньги. Влиять можно только на источники, из которых она собирает ответ. Когда вы исправляете расходящиеся данные, обновляете карточки и добавляете свежие корректные упоминания, ответ со временем выравнивается сам.
Почему нейросеть путает нас с другой компанией с похожим названием?
Это склейка сущностей: у модели нет вашего «паспорта», и при нехватке однозначных признаков она объединяет тёзок в одну сущность. Лечится чёткими идентификаторами (ИНН/ОГРН, точный адрес, город), единым написанием названия и разметкой sameAs, связывающей именно ваши профили между собой.
Достаточно ли просто хорошо сделать свой сайт?
Нет. Модели заметно больше доверяют независимым источникам, чем сайту самого бренда: по данным Muck Rack, на сайты компаний приходится лишь около 0,3% цитирований. Сайт с разметкой — обязательная база, но без свежих внешних упоминаний и попадания в топ выдачи его одного мало.
Как быстро всё это сработает?
Обычно первые изменения в ответах заметны через 4–8 недель после того, как источники приведены в порядок. Точных сроков и гарантированных позиций не даёт никто — многое зависит от того, насколько «зашумлена» ваша ниша и как часто обновляются индексы моделей.