В августе 2026 года я задала восьми нейросетям один и тот же запрос про основательницу нишевого бренда. Шесть систем нашли её и составили отчёт, две признали, что ничего не нашли, а одна из шести приписала ей товарный знак постороннего человека. В этой статье я хочу подробно разобрать, как нейросеть определяет сущность компании, где этот механизм ломается и что сделать, чтобы ИИ-поиск описывал именно вашу компанию.
Сущность компании — это не название
Название — строка символов. Сущность (англ. entity) — объект, на который эта строка указывает: конкретное юридическое лицо с ИНН, сайтом, сферой деятельности, основателем, городом и связями с другими объектами. Человек достраивает эти связи из контекста. Машине их нужно установить.
Когда это не получается, выходят курьёзы. Так, автор SEO-канала Илья Карбышев проверил, как Алиса AI в поиске Яндекса отвечает на запрос с его именем, и получил портрет советского генерала Карбышева. В моём эксперименте в отчёт попала карточка стороннего ООО с похожим названием. В обоих случаях система нашла нужные слова, но не тот объект.
Для компании цена такой ошибки выше, чем для человека: ответ ИИ всё чаще становится первым, что клиент, партнёр или журналист узнаёт о вас.
Как нейросеть определяет сущность компании: три шага
Нейросеть не хранит готовую карточку вашей компании. Она собирает её из того, что усвоила при обучении, и из того, что находит при поиске. Как описывает Лазарина Стой из агентства iPullRank, сопоставление названий с объектами в ИИ-поиске держится на двух операциях: распознавании сущностей и связывании их с базой знаний. Я бы добавила сюда третий шаг — проверку.
Шаг 1. Распознавание
Система находит в запросе или тексте имя и относит его к классу: человек, организация, место, продукт. На этом шаге ошибка возникает, если название совпадает с обычным словом, фамилией или чужим брендом.
Шаг 2. Связывание
Найденное имя сопоставляется с записью в базе знаний. Это может быть элемент Wikidata с постоянным номером (в примере iPullRank у Apple Inc. это Q312) или идентификатор в Google Knowledge Graph. Если записи нет или кандидатов несколько, система выбирает по контексту: сайт, город, отрасль, соседние упоминания.
По данным iPullRank, когда страницы последовательно ссылаются на публичные идентификаторы (sameAs, @id, Wikidata), поиск и языковые модели лучше различают бренд и его продукты, хотя попадание в ответы это не гарантирует. Google в документации к разметке Organization пишет, что она помогает системе понять сведения об организации и отличить её от других в результатах поиска.
Есть и косвенное наблюдение. Сервис LLMrefs заметил, что краткое описание, которым ChatGPT подписывает компанию в панели сущностей, не меняется от запроса к запросу. По их версии, это похоже на выбор из базы знаний, а не на генерацию на лету. Поэтому главный совет для вас: описывайте компанию во всех источниках одинаково.
Шаг 3. Проверка
Если данных мало или они противоречат друг другу, вес получают источники, которым система доверяет больше. В исследовании Университета Торонто (Chen и соавторы, сентябрь 2025), где сравнивали ИИ-поиск и Google, ИИ-системы систематически отдавали предпочтение независимым авторитетным источникам перед сайтами брендов и соцсетями. Сайт объясняет, кто вы, а подтверждают это другие.
Где определение сущности ломается: мой эксперимент с восемью нейросетями
Теперь о том, как выглядит сбой на практике. Я дала Mistral AI, GigaChat, Нейро от Яндекса, DeepSeek, Perplexity, ChatGPT, Claude и Gemini один промпт: собрать отчёт о биографии, профессиональной деятельности и цифровом следе основательницы нишевого бренда. Её имя я намеренно не называю.
Шесть систем из восьми нашли бренд, Mistral AI и Claude сообщили, что не нашли. Среди тех, кто нашёл, я увидела пять типов сбоев:
- Атрибуция по частичному совпадению. Одна система записала героине товарный знак, который принадлежит постороннему лицу с другим отчеством. Нашлась похожая запись в реестре, а личность никто не сверил.
- Чужое юрлицо в отчёте. Карточка постороннего ООО с похожим названием попала в список потенциально релевантных. Другая система нашла похожий знак у третьей компании и корректно пометила его как вероятно не связанный.
- Устаревший индекс. Ссылка Gemini на пост в сообществе ВКонтакте оказалась нерабочей: пост, судя по всему, удалили уже после индексации. В том же ответе система верно назвала прямого конкурента бренда и дала рабочую ссылку на него.
- Один факт в двух версиях. Две системы нашли участие героини в программе одного вуза, но по-разному назвали программу, формат и тему.
- Уверенность без подтверждения. Самый компактный отчёт оказался и самым категоричным. Системы, которые опирались на втрое большее число источников, формулировали осторожнее и помечали непроверенное.
Достоверность живёт на уровне отдельного факта, а не ответа целиком. Тон не показатель точности, каждую ссылку и каждое утверждение придётся проверять руками.
Из чего ИИ собирает образ компании
Чтобы понять, что именно система связывает с вашим названием, полезно посмотреть, какие источники она цитировала в том же эксперименте.
| Слой сигналов | Что показал эксперимент |
|---|---|
| Собственные площадки | Сайт бренда процитировали 5 из 8 систем, Telegram-канал — 4, профиль ВКонтакте и канал в мессенджере MAX — по 3 |
| Независимые упоминания | Выпуск подкаста, записанный сторонним проектом и размноженный по восьми доменам (видео, аудио, статьи, анонсы). Кроме него, не связанных с брендом и с этим интервью упоминаний набралось четыре, и каждое нашла только одна система из восьми |
| Реестры | Данные ИП на rusprofile.ru совпали у двух систем независимо друг от друга |
Подкаст для бренда — независимая публикация: его мы с основательницей бренда записывали на моей площадке. Но восемь доменов, который нашел ИИ-поиск — это один информационный узел: один подкаст, размноженный по площадкам. У ИИ-поиска нет встроенного способа отличить «восемь источников» от «одного источника в восьми местах». Поэтому большинство отчётов почти дословно повторяли одни и те же детали.
Тот же механизм я наблюдала и ранее в проекте «Горящая Телега». В 2024 году мы записали два подкаста с одним маркетологом. Этот разговор превратился в видео, аудиоподкаст, статьи и 19 коротких роликов и разошёлся по 20+ площадкам. По моим данным, это дало 14 000+ просмотров по всем форматам, а по запросу имени эксперта в Яндексе наши материалы заняли первую страницу выдачи.
У этого приёма две стороны. Один содержательный разговор на независимой площадке быстро даёт много точек входа в выдачу. Но для проверки это один источник, и любая неточность в нём тиражируется как «подтверждённый факт», потому что другой проверки в цепочке нет.
Как добиться, чтобы ИИ-поиск правильно определял вашу компанию
Гарантий нет ни у кого, но можно снизить вероятность ошибки и сделать так, чтобы у ИИ было из чего собрать верный образ. Шаги идут по порядку: каждый следующий опирается на предыдущий.
1. Соберите паспорт компании
Одна страница для себя: полное юридическое и короткое название, ИНН и ОГРН, сайт, город, сфера деятельности одним предложением, имя основателя, список официальных площадок. Эти формулировки копируются в раздел «О компании», профили, каталоги и биографии в анонсах. Цель простая: система, которая собирает факты из нескольких мест, должна получить пять одинаковых ответов.
2. Привяжите название к юрлицу
В моём эксперименте ложные атрибуции дали созвучные названия в реестрах. Поэтому:
- укажите ИНН и юридическое название в реквизитах на сайте;
- проверьте, как выглядит ваша карточка в открытых реестрах и на Rusprofile;
- поищите компании и товарные знаки с похожими названиями;
- если пересечения есть, добавляйте в тексты уточнение: город, сферу, имя основателя, например «ООО „Название“, ИНН …».
3. Подготовьте сайт
На сайте нужна страница «О компании» с прямым ответом на вопрос «кто это» и разметка Organization в формате JSON-LD. Google не требует обязательных свойств, но советует добавить как можно больше релевантных: legalName, url, sameAs, taxID и другие. Яндекс обрабатывает схемы, унаследованные от Organization и Place. Пример для маленькой компании:
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Organization",
"@id": "https://example.ru/#organization",
"name": "Название",
"legalName": "ООО «Полное юридическое название»",
"url": "https://example.ru/",
"taxID": "ИНН",
"description": "Одно предложение: чем занимается компания и для кого.",
"founder": { "@type": "Person", "name": "Имя Фамилия" },
"sameAs": [
"https://vk.com/адрес-сообщества",
"https://t.me/адрес-канала",
"https://yandex.ru/profile/номер-профиля"
]
}
</script>
Разметка должна совпадать с тем, что видит посетитель на странице: фактов, которых нет в видимом тексте, в ней быть не должно.
Отдельная техническая деталь. Судя по анализу Vercel и MERJ за декабрь 2024 года (логи сетевого трафика Vercel), краулеры GPTBot, ClaudeBot и PerplexityBot загружали JavaScript-файлы, но не выполняли их. Значит, если реквизиты и разметка появляются на странице только после работы скриптов, часть ИИ-систем их не увидит. Проверьте: откройте код страницы и найдите в нём ИНН.
4. Выровняйте профили и каталоги
Заполните профиль компании в Яндекс Бизнесе: по документации сервиса, у онлайн-компаний он живёт на странице вида yandex.ru/profile/..., а у компаний с адресом показывается на Картах. Первую строку описания в Telegram, ВКонтакте и других площадках сделайте такой же, как в паспорте. Сайт ссылается на профили через sameAs, профили ссылаются на сайт.
5. Решите, нужна ли запись в Wikidata
Wikipedia для этого не нужна. По правилам Wikidata запись допустима, если объект можно описать серьёзными и общедоступными источниками. Но собственный сайт и пресс-релизы к ним не относятся, нужны независимые публикации. Записи, написанные как реклама или без ссылок, по наблюдениям практиков, удаляют. Если независимых упоминаний у компании пока нет, начните с них, а не с записи. Когда запись появится, её номер можно добавить в sameAs.
6. Наращивайте независимые упоминания
Это самый дефицитный слой. Помимо выпуска подкаста, независимых упоминаний, не связанных ни с брендом, ни с этим интервью, в моём эксперименте набралось четыре, и каждое нашла только одна система из восьми. Исследование Торонто объясняет, почему именно такие источники весят больше. Эту «предвзятость в пользу заработанных медиа» я разбирала отдельно.
Как независимый источник работают комментарий в отраслевом издании (запросы СМИ на экспертные комментарии собирает, например, Pressfeed), анонс вашего выступления от организатора, интервью или подкаст на чужой площадке, публичный отзыв клиента. Интервью, распакованное на несколько форматов, даёт много точек входа, но остаётся одним источником, поэтому ищите разные издания и площадки.
Где искать такие площадки и каталоги экспертов, я собрала в списке из 65 площадок для продвижения эксперта.
7. Не ставьте на llms.txt
Файл llms.txt часто предлагают как способ объяснить ИИ, кто вы. В июле 2026 года на Reddit Джон Мюллер из Google в обсуждении, где проверяли такие файлы для различения тёзок, ответил, что Google не использует llms.txt и llms-author.txt и что он не знает других краулеров или моделей, которые подтвердили бы их использование, кроме SEO-инструментов. Ту же работу лучше делают единые данные, разметка и независимые упоминания.
8. Раз в месяц проверяйте, что говорит ИИ
Мой рабочий приём: попросить нейросеть собрать досье и посмотреть, какой образ уже сложился. Для компании я бы использовала такой запрос:
Что известно о компании «Название» (сайт: example.ru, город: …)?
Опиши, чем она занимается, кто основатель и где о ней можно прочитать.
К каждому факту дай ссылку на источник. Если данных мало или есть
несколько компаний с похожим названием, так и скажи.
Запускайте его в трёх-четырёх системах и в двух вариантах: только с названием (так спросит клиент) и с названием, городом и ИНН (так проверяете вы). Записывайте дату, ответ, источники и расхождения с паспортом. Ссылки открывайте руками: в моём эксперименте нерабочая ссылка и точный факт стояли в соседних абзацах и подавались одним тоном.
Исправляйте первоисточник, а не нейросеть: данные в каталоге, текст на сайте, формулировку в чужой публикации. Сравнивайте динамику от месяца к месяцу, а не отдельный ответ: системы отвечают по-разному даже на одинаковые запросы.
Чего не стоит ждать
Даже при аккуратной подготовке нейросеть может ошибиться: индекс устаревает, названия совпадают, модели по-разному взвешивают источники.
Что сделать на этой неделе
Возьмите запрос из восьмого шага и запустите его в трёх нейросетях. Выпишите, что они сказали о вашей компании, и отметьте каждую ошибку и каждую пустоту. Затем заполните паспорт компании и сверьте с ним сайт, Яндекс Бизнес и главный профиль в соцсетях. Расхождения, которые вы найдёте, и есть ваш первый список правок.




