Компания Empirank 18 августа 2026 года опубликовала аудит рекомендаций локальных бизнесов, которые выдаёт ChatGPT. Из 1 257 проверяемых утверждений подтвердились фактами 749, то есть 59,6 процента. Неверными оказались 24 утверждения, это 1,9 процента. Хотя бы одну неверную деталь получили 20 бизнесов из 182, то есть каждый девятый. Самая тревожная цифра здесь другая: 479 утверждений, 38,1 процента, не удалось подтвердить ничем.
Данные актуальны на август 2026 года.
Мы уже разбирали замер, который отвечал на вопрос «почему нейросети вообще не называют мой бизнес». Этот аудит отвечает на следующий по порядку вопрос, и он для владельца бизнеса неприятнее: вас назвали, а что именно про вас сказали.
Ниже сами цифры, слабые места этого исследования и та часть, которую можно применить у себя на неделе.
Что именно проверяли
Методика устроена в два хода. Сначала модель просили порекомендовать локальные бизнесы, затем каждое фактическое утверждение из её ответов проверяли по внешним доказательствам.
| Показатель | Значение |
|---|---|
| Исходный пул бизнесов | 3 000 |
| Бизнесов, реально попавших в рекомендации и опознанных | 182 (ещё 9 отброшены, личность не установлена) |
| Всего утверждений в ответах | 1 515 |
| Из них проверяемых фактических | 1 257 |
| Подтвердилось | 749 (59,6%) |
| Не удалось подтвердить | 479 (38,1%) |
| Оказалось неверным | 24 (1,9%) |
| Спорных | 5 (0,4%) |
| Бизнесов хотя бы с одной ошибкой | 20 из 182 (11%), из них 5 с грубыми |
Заголовок «каждый девятый» получается из последней строки. При этом и 11 процентов бизнесов, и 1,9 процента утверждений не главная цифра в таблице. Главная стоит строкой выше.
Почему главная цифра не 1,9 процента, а 38,1
Полтора процента прямой лжи звучат почти успокаивающе. Проблема в том, что 479 утверждений попали в третью категорию, и авторы исследования описывают её предельно аккуратно: неподтверждённое не означает ложное, это означает, что доказательства не нашлось в отведённых границах проверки.
Для владельца бизнеса разница между «неверно» и «нечем подтвердить» практически стирается. В обоих случаях модель произнесла о вас утверждение, за которым в открытых источниках ничего не стоит. Если завтра клиент решит это проверить, он окажется ровно в положении проверяющего из исследования и ничего не найдёт.
Отдельной строкой в таблице стоят пять спорных утверждений, 0,4 процента. Что именно попало в эту категорию, авторы не раскрывают, а сам её размер говорит о том, что пограничных случаев в замере почти не было: подавляющее большинство утверждений либо подтверждается, либо нет. Для владельца бизнеса это упрощает картину. Спорить с формулировками, скорее всего, не придётся, придётся их либо подтверждать, либо исправлять.
Отсюда первый вывод: то, что о вашем бизнесе нельзя прочитать в открытом виде, модель всё равно чем-нибудь заполнит.
Самый ненадёжный класс утверждений: ваши регалии
В разбивке по категориям разброс огромный, и он ложится ровно по линии «что легко проверить снаружи».
Утверждения о том, кто вы и где находитесь, подтверждались практически всегда: 99,5 процента из 182 проверенных. Утверждения об аккредитациях, лицензиях, сертификатах и членстве в отраслевых объединениях, то есть обо всём, что подтверждает вашу профессиональную пригодность бумагой, подтвердились в 19,2 процента случаев из 26 проверенных.
Оговорка обязательна: 26 утверждений это очень маленькая выборка, и делать из неё точный процент нельзя. Направление при этом читается однозначно. Название и адрес лежат в справочниках и на картах, они проверяются в один клик. Лицензия, сертификат и членство в ассоциации лежат в реестрах, до которых надо дойти, а часто не лежат нигде в машиночитаемом виде, то есть текстом на странице, который программа может прочитать и сопоставить, а не картинкой или сканом. Именно там модель начинает достраивать.
Неприятность в том, что регалии это как раз то, чем бизнес продаёт. Когда ChatGPT сообщает клиенту, что вы сертифицированный партнёр, а подтверждения этому нет, риск несёте вы, а не модель.
Помогают ли ссылки в ответе
Логично предположить, что утверждение со ссылкой на источник надёжнее. Замер эту надежду поддерживает слабо.
Утверждения, подкреплённые цитированием, подтвердились в 59,9 процента случаев (1 199 утверждений по 170 бизнесам). Утверждения без указания источника подтвердились в 53,4 процента (58 утверждений по 12 бизнесам). Разрыв около шести пунктов, причём вторая группа настолько мала, что всерьёз опираться на это сравнение нельзя.
Вывод для читателя ответа простой и невесёлый: наличие ссылки под текстом не является знаком качества этого текста. Ссылка говорит о том, что модель что-то читала, а не о том, что она это правильно пересказала.
Кто считал и почему это надо знать
Здесь начинается часть, которую в пересказах обычно опускают, а она меняет вес выводов.
Во-первых, Empirank это компания, которая продаёт оптимизацию под ответы нейросетей. Исследование, показывающее, что нейросети говорят о бизнесах неточно, работает на её собственный рынок. Это не повод отбрасывать цифры, это повод читать их с поправкой на интерес.
Во-вторых, и это важнее: контроль качества в исследовании вели не люди, а независимые ИИ-агенты. Авторы указывают это в разделе ограничений сами. То есть перед нами проверка ответов нейросети силами нейросетей, и относиться к ней как к твёрдому факту нельзя.
Ответы получены на одной версии ChatGPT с одними настройками в августе 2026 года и представляют собой замороженный срез: на другой модели, в другом интерфейсе и в другое время результат будет другим. Проверялся только тот срез бизнесов, чью личность удалось однозначно установить. Страны выборки авторы поимённо не раскрывают, поэтому переносить проценты на любой конкретный рынок нельзя, корректная формулировка звучит как «в выборке исследования».
Почему модель вообще достраивает факты
Языковая модель не хранит карточку вашей компании и не «знает» её в том смысле, в каком знает справочник. Она предсказывает продолжение текста, опираясь на то, что видела при обучении и что нашла в момент запроса. Когда клиент спрашивает о лицензиях, ответ обязан появиться, потому что вопрос задан. И если проверяемого материала нет, ответ собирается из типичного: так обычно устроены компании этого профиля в этом городе.
Отсюда следует неочевидная вещь. Чем более типичен ваш бизнес и чем меньше о нём написано конкретики, тем выше шанс получить правдоподобное описание, не имеющее к вам отношения. Небольшая компания без подробного сайта уязвимее крупной просто потому, что о ней меньше написано: пустоты больше, и заполнять её приходится сильнее.
И отсюда же понятно, почему проблема не лечится обращением в OpenAI. Исправлять там нечего: единичного файла с вашими данными не существует, а ответ пересобирается заново на каждый запрос. Работает только изменение того материала, из которого он собирается, то есть открытых источников о вас. Это медленно и скучно, зато действует на все модели сразу, а не на одну.
Сначала закройте то, что читается машиной без усилий: цены, часы, услуги, город, юридическое лицо текстом на своих страницах. Потом подтверждаемые регалии со ссылками на реестры. Внешние карточки и справочники идут третьими: они дают меньший прирост точности, но именно там живут расхождения, которые ломают уже собранное.
Чем это отличается от вопроса «почему меня не называют»
Это две разные задачи с разными решениями, и путать их дорого.
Попадание в ответ решается видимостью: модель должна вообще знать о вашем существовании из источников, которым она доверяет. Мы разбирали это на данных сплошной переписи рынка в материале о том, почему нейросети не рекомендуют ваш бизнес.
Правильность описания решается другим: должен существовать один доступный источник фактов о вас, на который можно сослаться, и обычно это ваш собственный сайт. Первое приводит клиента, второе определяет, что он о вас узнает по дороге. Бизнес может успешно решить первую задачу и провалить вторую, и тогда трафик из нейросетей будет приходить с чужими представлениями о ваших ценах, часах работы и составе услуг.
Что делать на этой неделе
Работы здесь на несколько вечеров, и почти вся она делается без подрядчика.
Спросите модель о себе
Задайте ChatGPT три вопроса о своей компании так, как их задал бы клиент: чем занимаетесь, сколько стоит, есть ли лицензии. Выпишите каждое утверждение в ответе отдельной строкой и отметьте, есть ли ему подтверждение на вашем сайте.
Выложите факты о себе простым текстом
Цены, часы работы, состав услуг, зона обслуживания, юридическое лицо. Не картинкой, не в PDF, не только в мессенджере. То, что нельзя прочитать текстом на странице, для модели не существует.
Подтвердите регалии ссылкой на реестр
Каждый сертификат, лицензию и партнёрский статус сопроводите номером и ссылкой на публичный реестр или на страницу выдавшей организации. Это единственный способ перевести регалию из класса «нечем подтвердить» в класс проверяемых фактов.
Приведите к одному виду данные во внешних карточках
Название, адрес и телефон в справочниках, на картах и в соцсетях должны совпадать между собой посимвольно. Расхождения это ровно тот материал, из которого собираются неточные описания.
Поставьте проверку на регулярную основу
Ответы моделей меняются вместе с обновлениями, поэтому разовая проверка устаревает. Раз в квартал повторяйте первый шаг и сравнивайте с предыдущей записью.
Если хочется начать с быстрого замера, у нас есть бесплатный инструмент, который проверяет, называют ли вас нейросети в ответах на профильные запросы. Он показывает первую половину задачи, видимость, а вторую половину, точность описания, вы закроете шагами выше. Общая механика попадания в ответы разобрана в материале про AI Overviews в Google, а вопрос о том, нужна ли под это отдельная работа, мы разбирали здесь.
Частые вопросы
Проверьте, что нейросети отвечают на запросы вашей ниши
Открыть бесплатный инструмент