Почему нейросети путают компании и специалистов с однофамильцами

Как я обнаружил проблему при проверке DZDirect

Когда я начал исследовать, как нейросети представляют мой проект DZDirect, меня интересовали два вопроса.

Первый: рекомендуют ли ИИ-системы мои услуги, когда пользователь ищет специалиста по Яндекс Директу для B2B-компании?

Второй: что нейросети вообще знают обо мне и DZDirect?

Для проверки я задавал прямые вопросы о Дмитрии Западнове: кто это, чем занимается, с какими компаниями работает и где можно найти информацию о его профессиональной деятельности.

И вот здесь обнаружилась интересная ситуация. В ответах GigaChat, DeepSeek и Perplexity появились ошибки идентификации.

То есть нейросеть могла упоминать нужное имя, но это ещё не означало, что все приведённые сведения относились именно ко мне.

По итогам этой проверки я выделил отдельную задачу в GEO-аудите: выяснять, насколько правильно нейросети идентифицируют компанию или специалиста и нет ли противоречий в информации о них.

Потому что присутствие компании в ответе и достоверность сведений о ней - две разные вещи.

Что происходит, когда нейросеть путает компании

Предположим, предприятие планирует приобрести промышленное оборудование и рассматривает нескольких поставщиков.

Сотрудник отдела закупок находит подходящую компанию, после чего обращается к нейросети с просьбой рассказать о ней подробнее.

Вроде бы обычная ситуация. Человек хочет предварительно разобраться, с кем ему предстоит работать.

Но в ответе ИИ могут оказаться сведения о другой организации с похожим названием. Или, например, устаревшие контакты, чужие проекты и информация, которую невозможно подтвердить.

Причём нейросеть может объединить всё это в один связный ответ, не указывая, что сведения относятся к разным компаниям.

И здесь возникает проблема.

Потенциальный заказчик получает информацию, которая выглядит как справка об организации, хотя часть данных может не иметь к ней отношения.

В B2B, где выбор поставщика нередко связан с проверкой его возможностей и опыта, подобные ошибки особенно нежелательны.

Почему нейросети могут ошибаться

Первое, что хочется сделать после обнаружения такой ошибки, - найти её причину.

Но здесь есть нюанс: по одному готовому ответу невозможно достоверно установить, почему нейросеть перепутала компанию или специалиста.

Причин может быть несколько.

Допустим, в интернете недостаточно сведений, позволяющих однозначно определить, о каком человеке идёт речь. Или разные источники содержат противоречивую информацию.

Другая ситуация - совпадение имён, фамилий или коммерческих названий. Также возможны устаревшие публикации, в которых сохранились прежние контактные данные или описание деятельности.

Наконец, ошибка может возникать непосредственно при формировании ответа самой ИИ-моделью.

Всё это возможные объяснения, но не установленные причины конкретной ошибки.

Поэтому я бы не рекомендовал сразу переписывать сайт или массово публиковать новые материалы.

Сначала нужно разобраться, что именно нейросеть сообщает неправильно, какие сведения о компании опубликованы в интернете и нет ли противоречий в доступных источниках.

Что я проверяю на сайте компании

В первую очередь смотрю на информацию, по которой можно однозначно определить организацию или специалиста.

Это название компании, коммерческое наименование, адрес сайта, контакты и описание деятельности.

Если речь идёт о частном специалисте, отдельно проверяю имя, фамилию и профессиональную специализацию.

Дальше уже более детально изучаю содержание сайта:

• Одинаково ли указано название компании на основных страницах?
• Соответствуют ли контактные данные друг другу?
• Нет ли расхождений в описании услуг и направлений деятельности?
• Правильно ли указаны реквизиты и адреса, если они опубликованы?
• Согласуются ли структурированные данные сайта с информацией, которую видит посетитель?

Для чего это нужно?

Предположим, на главной странице используется одно название организации, в разделе контактов другое, а на страницах услуг встречается третье.

Само по себе такое расхождение ещё не доказывает, что именно оно привело к ошибке нейросети.

Но возникает другой вопрос: зачем вообще оставлять на сайте противоречивую информацию, если её можно привести к единому виду?

Поэтому такие несоответствия имеет смысл устранять независимо от результатов GEO-аудита.

Следующий этап - внешние источники. Нужно посмотреть, как компания представлена на сторонних площадках и не отличаются ли опубликованные там сведения от информации на официальном сайте.

Почему идентификация компании и её экспертиза - разные задачи

Здесь я разделяю работу на два направления.

Первое - привести в порядок базовую информацию о компании.

Кто она, чем занимается, какие товары производит или поставляет, какие услуги предоставляет и где находится её официальный сайт.

Второе направление - раскрытие профессиональной экспертизы.

Это уже подробная информация о продуктах, компетенциях специалистов, реализованных проектах и опыте компании.

Почему я считаю необходимым разделять эти задачи?

Предположим, предприятие начинает активно публиковать экспертные статьи, рассказывать о производстве и показывать реализованные проекты.

Но при этом на разных страницах сайта сохраняются противоречия в названии организации или описании её деятельности.

Получается, что компания увеличивает количество информации о себе, не разобравшись с достоверностью уже опубликованных сведений.

Поэтому сначала я предлагаю проверить базовые данные и устранить обнаруженные несоответствия. После этого можно заниматься более подробным раскрытием деятельности и компетенций.

При этом нужно понимать: даже если вся информация на сайте будет согласована, это не гарантирует, что нейросети перестанут ошибаться.

Но в таком случае у компании как минимум будет достоверный и непротиворечивый источник информации, с которым можно сравнивать ответы ИИ.

Как проверить, помогли ли исправления

После внесения изменений необходимо повторить проверку.

Причём я рекомендую использовать те же брендовые вопросы, которые были подготовлены для первоначального исследования.

Это позволит сравнить ответы до и после изменений.

Смотрим, сохранились ли ошибки идентификации, правильно ли нейросеть описывает деятельность компании и какие источники указывает.

Если раньше ИИ приписывал организации чужие услуги, а теперь описывает её правильно, это положительный результат конкретной проверки.

Но здесь важно не делать преждевременных выводов.

Один правильный ответ ещё не означает, что ошибка устранена окончательно. При другой формулировке вопроса, в новой сессии или в другой ИИ-системе она может повториться.

Поэтому для оценки изменений нужны повторные проверки, а не один удачный ответ.

С чего начать, если нейросети неправильно описывают вашу компанию

Я бы начал с нескольких прямых вопросов о самой организации.

Попросите разные нейросети рассказать, чем занимается компания, какие товары или услуги предлагает и где можно найти её официальный сайт.

После этого сравните полученные ответы с действительной информацией.

Если обнаружатся ошибки, зафиксируйте их и проверьте, нет ли подобных сведений на собственном сайте или внешних площадках.

Не стоит сразу делать вывод, что причина именно в содержании сайта. Сначала нужно разобраться, какие сведения неверны и что можно подтвердить.

И уже после этого определять дальнейшие действия.

Потому что, прежде чем добиваться рекомендаций нейросетей, имеет смысл убедиться, что они вообще правильно понимают, о какой компании или специалисте идёт речь.