Если первая мысль руководителя при слове «утечки через ИИ» — «просто запретить сотрудникам нейросети», то у меня плохая новость: это не убирает риск, а загоняет его в тень. Давайте разберём, что работает вместо запрета — и с личного навыка, и с уровня компании.

Почему запрет не работает: теневой ИИ в цифрах

«Теневой ИИ» — это когда сотрудники пользуются нейросетями без ведома и контроля компании, обычно через личные аккаунты и телефоны. Запретили на работе — люди продолжают, но уже бесконтрольно, копируя туда рабочие данные. Это не редкость, а массовое явление, и цифры из реальных отчётов отрезвляют:

• По отчёту LayerX (2025), около 77% пользователей ИИ копируют данные в чат-боты, и примерно каждая пятая такая вставка содержит персональные или платёжные данные.
• По Verizon DBIR (2026), доля сотрудников — регулярных пользователей ИИ на рабочих устройствах выросла за год с 15% до 45%.
• По Netskope (2024–2025), около 47% используют генеративный ИИ через личные аккаунты, которые компания вообще не видит.

Отсюда главный вывод: запрет без альтернативы порождает теневой ИИ. Сотрудник видит, что инструмент ускоряет работу, и уходит в обход правил — туда, где контроля ещё меньше. Значит, задача не «запретить и забыть», а дать безопасный способ и научить им пользоваться.

Личный навык №1: обезличивание промпта

Хорошая новость, которая всё меняет: чтобы ИИ помог с задачей, ему почти никогда не нужны реальные данные. Нужна структура. Уберите идентификаторы — и риск падает в разы, а польза остаётся полной.

Что вырезать перед вставкой:

• Имена и контакты → «Клиент А», «Сотрудник 1».
• Суммы и реквизиты → «Сумма X», «счёт №…».
• Названия компаний и продуктов → обобщённо.
• Любые ПДн, номера договоров, адреса.

Как это выглядит на практике. Вместо «проверь договор с ООО Ромашка на 3 млн, реквизиты…» пишете: «проверь типовой договор поставки на риски для покупателя: предоплата 100%, штрафы только для одной стороны». ИИ найдёт ровно те же риски — но без утечки. Конкретику вы подставите сами, уже у себя, в безопасности.

Принцип: отправляйте ИИ задачу и структуру, а не живые данные. И несколько дополняющих приёмов — сократить контекст до необходимого (модели не обязательно знать, о ком речь), дробить чувствительный документ так, чтобы ни один фрагмент не раскрывал целого, и проверять косвенные данные (иногда человек узнаваем по сочетанию «безобидных» деталей).

Честная оговорка: обезличивание снижает риск, но не всегда абсолютно — по совокупности деталей данные иногда можно сопоставить. Поэтому для по-настоящему чувствительного одного обезличивания мало — нужен правильный контур. О нём ниже.

Личный навык №2: светофор данных

Чтобы не решать каждый раз заново, держите в голове простой светофор.

Красная зона — никогда. Персональные данные клиентов и сотрудников, коммерческая и банковская тайна, исходный код и ноу-хау, пароли, ключи и токены, договоры и внутренние документы. В публичный чат — нельзя.

Жёлтая зона — только после обработки. Рабочие тексты без секретов, черновики, деликатные темы — можно, но сначала уберите идентификаторы и детали, по которым узнаётся человек или компания.

Зелёная зона — можно. Общедоступная информация, обезличенные примеры, учебные и абстрактные задачи, помощь с форматированием и шаблонами.

А перед отправкой любого промпта прогоняйте его через один вопрос: «что я сейчас ввожу — и куда это уйдёт?» Если ответ смущает — не отправляйте.

Уровень компании: правила вместо запрета

Личная дисциплина не масштабируется без системы. Но система — это не грозный запрет, который все обходят, а понятная памятка на одну страницу. Что в ней должно быть:

• Что можно и нельзя загружать — короткий список (тот самый светофор), а не талмуд.
• Какие сервисы разрешены — и обязательно рабочая альтернатива публичному чату под разные типы задач.
• Обязательное обезличивание данных как норма.
• Кто отвечает за риск и когда нужно согласование для чувствительных задач.

И тут — главный секрет рабочей политики: она работает не запретами, а удобной альтернативой. Если у людей есть быстрый и одобренный инструмент, им незачем уходить в теневой ИИ. Именно поэтому запрет проигрывает, а «приручение» выигрывает: цель — не делать вид, что ИИ нет, а превратить его из теневого риска в управляемый инструмент.

Обезличивание, светофор и понятная памятка закрывают львиную долю бытовых рисков и снимают соблазн теневого ИИ. Но полная система защиты глубже, и её стоит собрать целиком, если вы отвечаете за данные: как устроена «лестница контуров» — от публичного чата с отключённым обучением через корпоративный Enterprise и режим нулевого хранения к российским локализованным сервисам и локальной on-premise модели, и как сопоставлять контур с чувствительностью задачи; какие технические меры (DLP, наименьшие привилегии, аудит) реально работают; как выглядит готовый шаблон ИИ-политики компании; что делать по шагам, если утечка уже случилась; и почему культура «сообщил — не наказали» защищает лучше строгих санкций.

Всё это — с чек-листом перед вводом, разбором кейсов и шаблоном политики — на лекции «Опасный ИИ-помощник: как не слить себя и компанию через нейросети». Реальные кейсы, российская правовая рамка, практикум. ИИ не нужно бояться или запрещать — им нужно научиться пользоваться безопасно, и лекция даёт для этого всю систему.

Материал актуален на середину 2026 года. Законы, условия сервисов и доли рынка меняются быстро — проверяйте текущие редакции. Это образовательное пособие, а не юридическая или техническая консультация.

Начнём с неприятной правды: утечка через нейросеть почти никогда не дело рук хакеров. Её устраивает добросовестный сотрудник, который просто хочет закрыть задачу быстрее — копирует в промпт рабочий документ и получает помощь. Задача решается. А вместе с ней за пределы компании уходят чужие данные и коммерческая тайна.

Самый задокументированный пример — Samsung. 11 марта 2023 года компания разрешила инженерам полупроводникового подразделения пользоваться ChatGPT. За следующие ~20 дней случилось три отдельные утечки: инженер вставил проприетарный исходный код, чтобы найти ошибку; другой отправил код, связанный с дефектом оборудования; третий загрузил транскрипт внутреннего совещания, чтобы получить протокол. Никто не был злоумышленником — все хотели работать эффективнее. Итог: Samsung запретил генеративный ИИ на рабочих устройствах и начал строить собственную модель. Урок кейса не «ИИ — зло», а «намерение не меняет последствий».

Что на самом деле происходит с вашим запросом

ИИ-чат кажется приватным собеседником: окошко, ответ, закрыли вкладку — разговор будто остался между вами. На деле каждый запрос уходит на чужие серверы, и у него есть четыре возможные судьбы:

Обучение. На бесплатных и личных тарифах введённое может пойти на улучшение модели, если это не отключить. Именно этого боялся Samsung — что данные «всплывут» в ответах другим.

Хранение и логи. Переписка хранится. Удалённые чаты обычно убираются в течение около 30 дней — но это политика сервиса, а не гарантия на все случаи.

Просмотр людьми. Часть переписок может проверяться людьми для модерации и безопасности.

Суд и изъятие. Самое неожиданное — сервис могут обязать сохранять и выдавать логи по решению суда.

И это не гипотеза. В деле The New York Times против OpenAI суд в мае 2025 года обязал OpenAI сохранять все логи вывода ChatGPT — включая те, что пользователи удалили, вопреки обычной политике удаления. Позже требование к новым логам смягчили, но компанию обязали выдать 20 миллионов обезличенных переписок (это подтвердил суд в начале 2026 года). Показательная деталь: корпоративный ChatGPT Enterprise и режим нулевого хранения из-под этого требования были исключены. Вывод простой: кнопка «удалить» защищает от случайного просмотра, но не делает данные неуязвимыми.

Главное правило ИИ-гигиены: тест постороннего

Всю эту сложность можно свернуть в один вопрос, который стоит задавать перед каждым запросом:

Если я не готов показать это постороннему человеку или сервису — я не вставляю это в промпт.

Относитесь к публичному ИИ-чату как к публичному месту: не говорите там того, чего не сказали бы при посторонних. Под этот тест почти всегда попадают: персональные данные (ФИО, телефоны, адреса, фото), договоры, NDA и коммерческая тайна, клиентские базы и переписки, финансы, стратегии и внутренние отчёты, пароли, доступы и реквизиты. Отдельно — скриншоты рабочих систем: в них данных обычно больше, чем кажется на первый взгляд.

Где утечка прячется в обычной работе

Опасны не «подозрительные» запросы, а самые рутинные. Вот где это происходит каждый день:

• Юрист: вставляет договор целиком — со сторонами, суммами, реквизитами, условиями под NDA.
• Маркетолог: загружает клиентский бриф со стратегией, бюджетом и инсайтами.
• HR: отправляет пачку резюме с ФИО, контактами и фото кандидатов.
• Разработчик: кидает кусок кода с ключами и архитектурой (и, по крупным исследованиям утечек, именно код лидирует в статистике сливов в ИИ).
• Поддержка: прикладывает скриншот личного кабинета клиента.

Механика во всех случаях одна: полезный инструмент + чувствительные данные + отсутствие правил.

Почему в России это ещё и вопрос закона

Для ПДн клиентов история не заканчивается на «неловко, если утечёт». Когда сотрудник вставляет данные клиента в ChatGPT, Claude или Gemini — с точки зрения закона происходит трансграничная передача персональных данных: они уходят на серверы в другой стране. По статье 12 152-ФЗ до такой передачи оператор обязан уведомить Роскомнадзор и получить от иностранного получателя сведения о мерах защиты. США не входят в перечень стран с «адекватной» защитой ПДн — то есть для американских сервисов действует усложнённый порядок. И ключевое: даже отправив данные в облако, оператором остаётесь вы — компания. Ответственность по цепочке возвращается к вам, а штрафы по 152-ФЗ в последние годы только ужесточаются.

Отдельно стоит помнить: ПДн — не единственная защищённая категория. Российское право охраняет коммерческую, банковскую, врачебную, адвокатскую, налоговую и государственную тайну. Режим коммерческой тайны особенно хрупок: одним разглашением его легко «сломать», а доказать потом защищённость сведений почти невозможно.

Всё, что выше, — это диагностика: понять, что данные из чата реально уходят наружу, и научиться ловить себя на опасном промпте. Но это половина дела. Вопрос ведь не в том, чтобы запретить ИИ — он экономит часы, и отказываться от него глупо. Вопрос в том, как пользоваться им безопасно: как обезличивать данные так, чтобы задача решалась, а утечки не было; как устроен «светофор данных» — что можно, что осторожно, а что нельзя никогда; как выбрать правильный «контур» под чувствительность задачи (от публичного чата до локальной модели); чем отличаются российские локализованные сервисы вроде GigaChat и YandexGPT; и что такое prompt injection — отдельный класс угроз для ИИ-агентов с доступом к почте и файлам.

Это разбирается на лекции «Опасный ИИ-помощник: как не слить себя и компанию через нейросети» — с реальными кейсами, российской правовой рамкой и чек-листами, только на проверяемых фактах. Если после этой статьи вы иначе посмотрели на свой последний рабочий промпт — это ровно тот материал, который превращает тревогу в рабочую систему.

Материал актуален на середину 2026 года. Условия сервисов и законы меняются быстро — сверяйтесь с текущими редакциями. Это образовательное пособие, а не юридическая консультация; по внедрению ИИ в процессы с ПДн консультируйтесь с юристом и ИБ-специалистом.

В декабре 2025 года словари Merriam-Webster и Американское диалектное общество независимо друг от друга назвали словом года одно и то же — «slop». Слово, которое в 1700-х означало жидкую грязь, а в 1800-х — помои для свиней, идеально описало состояние интернета: сеть заполнилась дешёвым, объёмным, машинно-произведённым контентом, который выливают ради охватов и денег.

И вот главная ловушка, которую важно понять с самого начала: слоп опасен не тем, что врёт, а тем, что имитирует смысл. Текст гладкий, тон уверенный, слова на месте — а понимания после него не прибавилось. Это не сбой и не ошибка. Это стратегия: количество без качества, произведённое почти бесплатно.

Сначала — важное различие: слоп ≠ галлюцинация

Эти два понятия постоянно путают, а они про разное.

Галлюцинация — это когда модель в одном ответе выдумывает неверный факт. Технический сбой внутри модели. Случайность.

Слоп — это бизнес-модель. Массовый выпуск низкокачественного контента ради охвата и прибыли, с минимальной проверкой человеком. Одна галлюцинация — случайность. Десять тысяч сгенерированных скриптом мусорных страниц — это слоп.

Разница принципиальна, потому что бороться с ними надо по-разному. От галлюцинации спасает фактчек одного утверждения. От слопа — навык распознавать пустоту, которая маскируется под экспертизу.

Признаки нейрослопа

Хорошая новость: пустой текст выдаёт себя структурно, даже когда он идеально гладкий. Вот на что смотреть.

Общие формулировки, применимые к чему угодно. Простой тест: мысленно уберите из текста название темы. Если он по-прежнему подходит к любому вопросу — он пустой. «Важно подходить комплексно, учитывать нюансы и опираться на проверенные подходы» — это подходит к ремонту, медицине и запуску ракет одинаково. Значит, это ни о чём.

Ноль конкретики. Нет цифр, имён, дат, примеров из практики. Настоящая экспертиза всегда оставляет следы: конкретный случай, точная цифра, ссылка на исследование. Слоп их не оставляет, потому что за ним нет опыта.

Нет источников и ответственности. Не на что опереться и не с кого спросить. Ни автора, ни ссылок, ни даты.

Много слов вокруг одной банальной мысли. Объём есть, а мысль — на одно предложение.

Проверка за десять секунд: спросите себя — «что нового я узнал и что теперь могу сделать?» Если ответа нет, перед вами красиво оформленный шум, а не информация. Уверенный тон — не признак достоверности. Гладкость не равна глубине, а объём не равен смыслу.

Отдельный вид слопа, который стоит знать: «workslop»

Исследователи BetterUp Labs и Stanford Social Media Lab описали явление, которое они назвали workslop — отполированный на вид, но пустой по сути рабочий контент. Отчёт, презентация или письмо, которые выглядят сделанными, но по сути перекладывают настоящую работу на следующего коллегу, которому теперь надо разбираться, что автор вообще имел в виду. Если вы ловите это ощущение — «вроде всё написано, а что делать-то?» — вы, скорее всего, читаете workslop.

Вторая грань: не только тексты, но и «мнения»

Слоп бывает не только в статьях. Он бывает и в отзывах — и тут механика чуть другая, но принцип тот же: имитация настоящего вместо настоящего.

Иногда вокруг человека, бренда или темы внезапно вскипает волна одинаковых комментариев и отзывов. Формально это «мнения людей». На деле — нередко искусственный шум. И распознаётся он не по отдельному комментарию, а по структуре всего массива.

Смотрите на четыре вещи. Синхронность — десятки сообщений за короткое окно, часто аккурат перед важным событием. Однообразие — похожий стиль, одни формулировки, одинаковые эмоциональные триггеры. Пустые авторы — новые аккаунты без истории, появившиеся именно под этот всплеск. Слабая конкретика — много эмоции, ноль проверяемых деталей.

Один-два признака — совпадение. Несколько вместе — почерк организованной кампании, а не органического мнения. Это не значит «весь негатив проплачен» или «все восторги накручены». Это значит, что реакцию толпы тоже нужно проверять на подлинность, а не принимать за чистую монету. Что масштаб проблемы реален, видно по цифрам: доля вероятно-ИИ отзывов о Temu на Trustpilot в 2025 году, по оценке Originality.ai, выросла примерно до 10,9%.

Почему это не просто раздражает, а по-настоящему опасно

Можно было бы махнуть рукой: ну мусор и мусор, пролистну. Но у заваливания сети слопом есть системное последствие, о котором стоит знать.

Исследование, опубликованное в журнале Nature в 2024 году, описало эффект «коллапса модели»: если новые ИИ-модели обучать преимущественно на данных, сгенерированных другими моделями, качество деградирует — разнообразие теряется, ошибки накапливаются. Проще говоря: чем больше слопа в сети, тем хуже «корм» для следующих моделей. Интернет рискует начать есть сам себя. А ещё слоп — это инфраструктура: дешёвый массовый контент становится топливом для дезинформации, о которой отдельный большой разговор.

При этом — важная честность — не всякий ИИ-контент слоп, и не всякий слоп сделан ИИ. Люди писали пустые шаблонные тексты десятилетиями. ИИ лишь позволил производить это в невиданных масштабах. Проблема не в инструменте, а в конвейере мусора без проверки. ИИ в руках человека, который думает, — полезен.

Всё, что выше, — это навык распознавания на уровне «одного текста» и «одного массива отзывов». Его достаточно, чтобы перестать вестись на гладкую пустоту. Но полная картина сложнее: как устроены фермы ИI-дезинформации, которые NewsGuard насчитала тысячами на шестнадцати языках; почему детекторы ИИ-текста ненадёжны настолько, что сам OpenAI закрыл свой; почему нельзя доверять даже ответу «ИИ сказал, что это правда»; и как в мире, где мусора больше, чем смысла, выстроить личную информационную гигиену по шагам.

Это разбирается на лекции «Интернет тонет в ИИ-мусоре» — с реальными кейсами, цифрами и чек-листами, только на проверяемых фактах. Если вы дочитали досюда и поймали себя на мысли «а сколько же я пролистываю на автомате» — это ровно тот материал, который превращает смутное раздражение в рабочий навык.

Материал актуален на середину 2026 года. Сфера меняется ежемесячно — проверяйте актуальное состояние.

Если первую половину задачи — «понять, что поиск стал ответом» — уже прошли, встаёт главный практический вопрос: по каким правилам нейросеть решает, кого вынести в ответ, а кого проигнорировать?Универсальной формулы нет, и площадки отличаются в деталях. Но закономерности видны across почти всех систем — и на них уже можно работать.

Сначала — смена единицы измерения. В классическом SEO единица — страница, а цель — попасть в топ списка ссылок; успех меряется позициями, CTR и трафиком. В новой дисциплине GEO/AEO (Generative / Answer Engine Optimization) единица — не страница, а утверждение, конкретный фрагмент. Google ранжирует страницы — ИИ цитирует утверждения. Цель смещается с «быть первым в списке» на «быть тем, чей фрагмент вставят в ответ»; успех — это цитирование вас, а метрика — частота упоминаний и цитат.

Важная оговорка, чтобы не выбросить старое: SEO не умерло — оно стало фундаментом. Чтобы вас процитировали, страницу сначала надо найти и проиндексировать. Сильные GEO-результаты почти всегда стоят на крепком техническом SEO. GEO не отменяет SEO, а надстраивается над ним.

По каким сигналам ИИ выбирает источник

Из наблюдений за площадками складывается устойчивый набор факторов:

1. Релевантность под-запросу. ИИ дробит один вопрос на несколько под-запросов и собирает ответ по кусочкам. Ваша страница должна точно отвечать на конкретный под-вопрос, а не «на тему вообще». Плюс к этому — попасть в ответ можно по любому из под-запросов, а не только по главному ключу.
2. Извлекаемость. Чем чётче и самодостаточнее сформулирован ответ на странице, тем легче модели его «вынуть» и процитировать почти дословно — а не пересказать конкурента.
3. Авторитетность. Понятный автор, репутация домена, проверяемость фактов.
4. Подтверждение из нескольких источников. Факт, который повторяется в нескольких независимых местах и не противоречит сам себе, ИИ берёт охотнее, чем одинокое заявление на вашем сайте.

Последний пункт заслуживает отдельного внимания, потому что он ломает привычку. ИИ-выдача заметно кренится в сторону earned media — «заработанных» упоминаний. То, что о вас пишут другие (отраслевые СМИ, обзоры, рейтинги, профильные сообщества, энциклопедии, форумы вроде Reddit), нередко весит больше, чем ваш собственный, даже идеально вылизанный сайт. Причина простая: на своём сайте вы можете написать о себе что угодно, и алгоритм это знает. Поэтому один источник, каким бы хорошим он ни был, для нейровыдачи — слабый сигнал.

Бесплатная фишка: блок прямого ответа

Это самый прямой рычаг из всех — писать так, чтобы модели было физически легко вынуть ваш фрагмент. Работает почти на любой площадке. Структура одного блока:

1. Заголовок-вопрос. Формулируйте H2 как реальный вопрос пользователя. «Что такое GEO?» цитируется лучше, чем «Обзор GEO».

2. Абзац-ответ на 40–60 слов, сразу под заголовком. Прямой, самодостаточный, с ключевой формулировкой в первом предложении: «[Термин] — это…». Не цитатой, не картинкой, не таблицей — обычным абзацем, который модель может взять целиком.

3. Детали и данные. Ниже — 1–2 абзаца раскрытия, а к ним список/таблица/пример и «крючок»: оригинальная цифра, точное определение или экспертная цитата — то, чего нельзя взять больше нигде.

4. Подпись. Дата обновления и автор с указанием экспертизы внизу страницы.

И проверочный приём, который стоит взять в привычку — правило экранного теста: прочитайте свой абзац-ответ отдельно от страницы. Если он понятен и полон сам по себе — его легко процитирует ИИ. Если без остального текста он рассыпается — модель, скорее всего, процитирует не вас.

Что за пределами этой фишки

Блок прямого ответа — рабочий, но это один рычаг из системы. За кадром остаётся то, что как раз и определяет результат:

• Техника доступа. ИИ-боты делятся на три типа — обучающие, поисково-индексные и «читающие по ссылке». Пускать нужно не всех подряд, и здесь легко совершить фатальную ошибку: одна строка Disallow: / под User-agent: * стирает сайт из ИИ-ответов. Плюс llms.txt, Schema-разметка, серверный рендеринг.
• Разница по площадкам. Что критично для Google AI Overviews, устроено иначе, чем для «Поиска с Алисой» (где ответ жёстко завязан на топ Яндекса и локальный контекст) или для ChatGPT, Perplexity и Claude — у каждого свой бот и свои акценты.
• E-E-A-T на практике — как показать опыт, экспертность, авторитет и доверие так, чтобы это считывалось машиной.
• Метрики. Позиции и CTR больше ничего не говорят. Нужны частота упоминаний, частота цитирования, доля голоса против конкурентов и реферальный трафик из ИИ — и простой процесс мониторинга, чтобы это регулярно замерять.

Всё это — с готовыми шаблонами, чек-листом GEO-аудита и разбором реальных кейсов по площадкам — собрано на лекции «Нейровыдача: как теперь тебя находят и как попасть в ответ ИИ». Блок прямого ответа вы можете внедрить уже сегодня; лекция даёт остальную систему, чтобы он действительно приводил вас в цитаты.

Материал актуален на 2026 год. Правила площадок меняются часто — всегда проверяйте результат на своих запросах.

Двадцать лет интернет-маркетинг крутился вокруг одной цели: попасть повыше в списке ссылок. Логика была простая — выше позиция, больше кликов, больше клиентов. В 2024–2026 годах эта логика сломалась, и многие бизнесы до сих пор оптимизируют сайт под правила, которых больше нет.

Что произошло. Поисковик перестал быть списком ссылок и стал источником готового ответа. Вы вводите запрос — и сверху, над обычной выдачей, видите сформулированный нейросетью ответ со ссылками-цитатами. Часто он закрывает вопрос целиком, и пользователь никуда не кликает. Это и есть нейровыдача. У Google это AI Overviews и AI Mode, у Яндекса — «Поиск с Алисой» (бывший Нейро), та же логика — у ChatGPT Search, Perplexity, Copilot, Gemini.

Под капотом работает механизм RAG (retrieval-augmented generation): система не берёт факты «из головы модели», а находит релевантные страницы прямо во время ответа, читает их и собирает единый текст с цитатами на источники. Четыре шага: запрос → поиск источников → синтез → ответ со ссылками. Отсюда два следствия, которые всё меняют. Первое: ответ свежий, потому что опирается на актуальные страницы. Второе, критичное для бизнеса: каждый факт привязан к конкретному источнику — и именно за место в этих цитатах теперь идёт борьба, а не за строчку в списке ссылок.

Почему это переворот, а не косметика. Главное следствие называется zero-click — пользователь получает ответ, не заходя ни на один сайт. Порядок величин на середину 2026 года (цифры разнятся по источникам, важен вектор, а не точный процент):

• ИИ-ответ показывается примерно в четверти–половине запросов в Google;
• до 60% поисков заканчиваются вообще без перехода на сайт;
• на страницах, где сверху стоит ИИ-обзор, кликабельность падает — по некоторым оценкам до 60%+;
• Gartner прогнозирует снижение объёма классического поиска примерно на четверть.

И вот ключевой сдвиг, который стоит осознать: совпадение топа поисковой выдачи и источников, которые реально цитирует ИИ, обрушилось — примерно с 70% до менее 20%. Проще говоря, вы можете честно быть в топ-3 Google или Яндекса — и не попадать в ИИ-ответ, который человек читает первым. «Быть в топе» и «быть процитированным» стали двумя разными задачами.

Удар при этом неравномерный — и это важно, чтобы не паниковать зря. Сильнее всего проседают информационные запросы («что такое…», «как…», «почему…»): именно их ИИ-ответ закрывает целиком. Транзакционные и навигационные запросы держатся заметно лучше. Есть и хорошие новости: трафик, который всё же доходит из ИИ, обычно качественнее — человек приходит уже «прогретым» готовым ответом; а видимость даже без клика имеет ценность — ваш бренд попадает пользователю на глаза как источник, которому доверяет нейросеть.

Бесплатная фишка: 5-минутная самодиагностика новой видимости

Прежде чем что-то менять, посмотрите на себя глазами ИИ. Откройте любой ассистент (ChatGPT, Alice, Perplexity, Gemini) и задайте вопросы так, как их задал бы ваш незнакомый клиент:

• «Кто такой [ваше имя / название компании], чем занимается?»
• «Можно ли доверять [компания]?»
• «Кто лучший специалист / компания по [ваша тема / город]?»

Дальше читайте ответ как диагноз, а не как комплимент. Проверьте четыре вещи: ИИ вообще понимает, кто вы, или путает с однофамильцем? Описание актуальное — или это ваш образ трёхлетней давности? Вы попадаете в ответ на «кто лучший в нише» — или там одни конкуренты? Нет ли прямых ошибок и выдумок о вас? Если нейросеть собирает вас из случайных обрывков или не упоминает вовсе — ваш цифровой след для алгоритма нечитаем. Это не приговор, а точка входа.

Диагностика показывает что сломано. Но дальше начинается инженерия: по каким именно сигналам ИИ решает, кого вынести в ответ, а кого — нет; как переписать страницы, чтобы вас было легко «вынуть» и процитировать; какие боты нужно пустить на сайт (и почему одна строчка в robots.txt может стереть вас из ИИ-ответов целиком); чем правила отличаются у Google, Яндекса, ChatGPT, Perplexity и Claude; и как вообще измерять видимость, когда позиции и CTR больше ничего не показывают.

Всё это — по шагам, с шаблонами, чек-листами и разбором кейсов — разбирается на лекции «Нейровыдача: как теперь тебя находят и как попасть в ответ ИИ». Если самодиагностика вас насторожила — это ровно тот материал, который переводит тревогу в план действий.

Материал актуален на 2026 год. Алгоритмы и доли рынка меняются буквально ежемесячно — проверяйте состояние на своих запросах.