У каждой ИИ-системы — своя карта авторитетов. Что это значит, если вы выбираете не ветклинику, а агентство

Недавно я задал 8 ИИ-системам один и тот же бытовой вопрос: «какая ветклиника в Москве лучшая». Ни одна клиника не набрала консенсус у всех 8. Но самое интересное было, конечно, не в списках, а в том, откуда каждая модель брала аргументы. Если разобрать это внимательно, получается почти готовая инструкция для любого бизнеса, который продаёт экспертные услуги - в том числе для агентств и консультантов в маркетинге.

8 моделей - 8 разных источников правды

Когда сводишь все восемь ответов рядом, видно не просто «разные списки», а разные типы аргументации, которые модель использует, чтобы обосновать рекомендацию.

GigaChat честно показал структуру лучше всех остальных. Он не просто перечислил клиники - он разложил их по типу авторитета:

1. народное голосование с точными цифрами («Белый клык» - 89 голосов на MSK1.RU, «Мосветстанция» - 75, «Беланта» - 37);
2. профессиональные премии («Айболит Плюс» - лауреат RE.AWARDS 2025 в номинации «Лучшая ветеринарная клиника»);
3. финансовые рейтинги (крупнейшие сети по выручке, по данным Forbes).

Это, по сути, 3 параллельные и почти не пересекающиеся системы авторитета - и модель об этом не умолчала, а прямо показала, какую метрику под какую рекомендацию подставляет.

Gemini и Perplexity опираются на агрегированные рейтинги и карты - Gemini явно ссылается на Google Maps и Forbes, Perplexity выстраивает ответ вокруг «независимых обзоров 2025–2026» и конкретных оценок вроде «Статус-Вет - 5.0 в экспертном рейтинге 2025 года».

Grok и ChatGPT добавляют то, чего нет у остальных - сигнал противоречивости. Оба явно предупреждают, что у одной и той же клиники («Белый клык») отзывы расходятся полярно: где-то хвалят врачей и диагностику, где-то жалуются на цены и сервис. Это не просто рейтинг - это модель, которая учитывает дисперсию репутации, а не только среднюю оценку.

Mistral тянет данные из низкокачественных источников. В его ответе прямо видны ссылки на сайты вроде markakachestva.ru и sravnishka.ru - по сути SEO-агрегаторы, а не профильные СМИ или премии. Отсюда и список брендов («Филин», «Алисавет», «Спутник»), который почти не пересекается ни с одной другой моделью: он тянет из совершенно другого слоя интернета.

Алиса опирается на профильные сайты клиник и агрегаторы вроде zoon.ru, а не только на Яндекс Карты, как можно было бы предположить - в её ответе явно цитируются vetcentr.ru и подобные источники, помимо карточек с рейтингом и адресом.

Claude не даёт топ вообще. Вместо рейтинга - критерии: круглосуточность и стационар, профильные специалисты под конкретную проблему, собственная лаборатория, отзывы на нескольких площадках одновременно. Модель прямо говорит: «единого официального рейтинга нет - оценки складываются из отзывов и агрегаторов, которые часто расходятся между собой». Это не уклонение от ответа, а другой тип задачи: не «кто лучший», а «как выбирать самому».

Почему это важно не только для ветклиник

Если сложить все восемь подходов, получается почти таксономия источников авторитета, из которых ИИ-системы формируют рекомендацию:

1. Карты и агрегаторы отзывов (Google Maps, Яндекс.Карты, 2ГИС)
2. Народное голосование и локальные медиа-опросы
3. Профессиональные премии и отраслевые награды
4. Финансовые рейтинги (выручка, масштаб бизнеса)
5. Индексированные статьи, обзоры, SEO-агрегаторы (в том числе низкокачественные)
6. Явный учёт противоречивости/дисперсии отзывов
7. Отказ от рейтинга в пользу объясняемых критериев выбора

Ни одна модель не использует все семь типов сразу. Каждая опирается на 1–2 доминирующих источника - и именно поэтому топы расходятся так сильно.

Теперь подставьте на место «ветклиники» любую экспертную услугу, которую сегодня ищут через ИИ, а не через каталоги - например, агентство для GEO-продвижения. Логика не меняется:

1. Если у вас сильный профиль в отзывах, но нет упоминаний в профильных премиях - вас увидит модель типа Perplexity, но, скорее всего, пропустит GigaChat в разделе «премии».
2. Если про вас пишут только SEO-агрегаторы, а не отраслевые СМИ - вы рискуете оказаться в списке у Mistral-подобной модели, но не у тех систем, что тяготеют к качественным источникам.
3. Если ваша репутация противоречива (сильная экспертиза, но были провальные кейсы, которые кто-то публично разобрал) - часть моделей (по образцу Grok и ChatGPT) это заметит и явно об этом скажет потенциальному клиенту.
4. А если вы вообще не встроены ни в один из этих типов источников системно - для части моделей (по образцу Claude) вы не попадёте ни в рейтинг, ни в объяснение критериев, потому что модели попросту не из чего собрать про вас связный ответ.

Что с этим делать

Присутствие в одном типе источника - ещё не стратегия видимости, а в лучшем случае лотерейный билет на одну из 8 систем. Если бизнес системно закрывает несколько типов авторитета одновременно (отзывы на нескольких площадках + профильные премии/рейтинги + качественные упоминания в СМИ, а не только SEO-агрегаторы, привет Мистралю), у него есть шанс появиться в большинстве ИИ-систем, а не в одной случайной.

И отдельный вывод для тех, кто продаёт GEO как услугу: если агентство предлагает «продвижение под ИИ», но работает только с одним типом источника - например, только чистит отзывы или только оптимизирует статьи - оно закрывает от силы 1-2 пункта из 7. Это ровно та подмена, о которой шла речь в одном из прошлых постов: переименованное SEO вместо системной работы с картой авторитетов.