Радио 
Доля контента, созданного искусственным интеллектом (ИИ), в сети выросла почти до половины. Но в ответах Google и ChatGPT такие тексты встречаются в разы реже человеческих. О причинах редакции Sostav рассказал Григорий Шевченко, основатель Humanswith.AI.
Компании массово публикуют статьи, написанные нейросетями, рассчитывая быстрее и дешевле попасть в поисковую выдачу и ответы ChatGPT. Генерация обходится дешевле работы автора, а результат часто неотличим от текста человека. Но свежие данные показывают, что пока доля ИИ-контента в интернете подбирается к половине всего написанного, доля таких текстов в реальных цитированиях остается заметно ниже. Нейросети продолжают ссылаться на материалы, написанные людьми.
Сколько текста в сети уже пишет ИИ
По данным исследования Graphite "AI Now Writes as Many Online Articles as Humans", доля статей, написанных преимущественно нейросетью, за первый год после запуска ChatGPT выросла до 35,9%, а с 2025 года держится на уровне около 50%. Ahrefs нашел признаки участия ИИ у 74,2% из 900 тыс. новых веб-страниц, изученных в апреле 2025 года. Методологии разные: Ahrefs считает любое участие генерации, Graphite — только материалы, написанные преимущественно ИИ, однако направление одно. Оба исследования подчеркивают, что генеративный текст стал нормой производства.
Почему это не превращается в цитируемость
В другом исследовании Graphite — "How Does AI-Generated Content Perform in Search and Answer Engines?" — авторы проверили не то, сколько ИИ-текста написано, а сколько его реально цитируется. Результат: среди статей, которые ранжируются в обычной выдаче Google, человеком написаны 86%, и лишь 14% — нейросетью. Среди статей, на которые ссылаются ChatGPT и Perplexity при ответе с поиском в интернете, соотношение почти такое же — 82% на 18% в пользу человеческих текстов. Причем даже те ИИ-статьи, что попадают в выдачу, в среднем занимают более низкие позиции.
Получается, что ИИ пишет почти половину веб-статей, но среди материалов, которые попадают в Google и цитируются ChatGPT и Perplexity, их доля значительно ниже.
Что мешает ИИ-тексту стать источником
Официальная позиция Google по ИИ-контенту проста: ранжирующие системы оценивают не способ создания материала, а его качество — экспертность, практический опыт автора, авторитетность источника и достоверность содержания. К тому же использование автоматизации, включая ИИ, с основной целью манипулировать позициями в выдаче прямо названо нарушением антиспам-политики.
Массовая генерация без редакторского контроля проигрывает именно по этому критерию. У типового ИИ-черновика без вводных данных нет собственных цифр, наблюдений или ограничений применимости, он содержит лишь пересказ уже известных определений в новой формулировке. Такой текст умеет складно рассказать о теме в целом, но не отвечает на вопрос пользователя конкретным фактом.
Система, которая собирает ответ из фрагментов найденных документов, ищет не хорошо написанный абзац, а завершенную мысль с проверяемым фактом, которую можно безопасно процитировать без риска исказить смысл. Если такой мысли в тексте нет, то вставить туда нечего, независимо от того, кто его написал, человек или нейросеть. Но у текста, сгенерированного без экспертизы или собственных данных, с этим заведомо хуже. Модель разворачивает ответ из своей базы знаний и, по сути, пересказывает ее другими словами. Когда такой материал попадает в индекс, системе не за что в нем зацепиться. Механизм описан в патенте Google: страница, которая повторяет то, что уже сказано в других материалах, ничего не добавляет к ответу и поэтому не цитируется.
Что делает текст пригодным для цитирования
Требования к «полезному контенту» сводятся к трем проверяемым вещам.
- Собственная фактура. Данные компании, методика, наблюдение, диапазон значений с условиями.
- Структура, из которой можно извлечь один блок без потери смысла. Прямой ответ в начале раздела, таблица там, где читатель сравнивает варианты, короткое определение вместо расплывчатой формулировки.
- Происхождение сведений. Какая площадка, что за бренд, когда обновлялся материал, на основании чего сделан вывод. Без этого у системы нет оснований считать текст надежным источником, даже если он написан грамотно.
Ни один из этих пунктов не зависит от инструмента, которым написан черновик. Нейросеть неплохо справляется со структурой, формулировками и сокращением текста — это помощь, которую не стоит игнорировать ради принципа «пишем только руками». Но фактуру, проверку утверждений и решение о том, какую позицию транслирует бренд, по-прежнему определяет человек. По моему опыту, именно этот шаг редакторской работы отделяет цитируемые ИИ-тексты от тех, которые нейросети в цитату не берут.
Как сделать ИИ своим помощником и что проверять перед публикацией
Не нужно запрещать генеративные инструменты. Проблема не в нейросети как таковой, а в том, что модель, оставленная без данных, достраивает пробелы статистически вероятными формулировками и делает это одинаково уверенно и там, где знает ответ, и там, где его выдумывает. Поэтому задача редактора — правильная подготовка и прием работы.
Начинается все до первого промпта. Сформулируйте вопрос пользователя максимально близко к естественной речи: не «рассказать о CRM (системе управления взаимоотношениями с клиентами)», а «как выбрать CRM для отдела продаж из пяти менеджеров». Ответные системы собирают ответ под конкретный запрос, и материал, написанный «о CRM вообще», не совпадает ни с одной реальной формулировкой такого запроса.
Затем соберите фактуру — данные, экспертизу, ссылки — и только после этого передавайте ее нейросети. На этом же этапе решите, какая страница будет первоисточником. Если отложить выбор, то адаптации на внешних площадках начнут конкурировать с основным материалом в поиске, тогда и ссылочный вес, и цитирования в ИИ-ответах распределятся между дублями вместо того, чтобы работать на одну страницу.
Дальше идет структура. Черновик, который нейросеть выдала за несколько минут, обычно выглядит законченным: ровные абзацы, подзаголовки, экспертный тон. И как раз эта «правильность» мешает заметить, чего в нем не хватает. Поэтому перед публикацией прочтите материал так, как его «увидит» ответная система. А ее интересует не стиль, а фрагменты, которые можно извлечь и процитировать.
Первое, что она видит, — начало материала и текст сразу под каждым подзаголовком. Если в них рассуждают о важности темы и не отвечают на вопрос из заголовка, то системе нечего взять для ответа, и она выберет страницу, где ответ автор дает сразу. И поисковая, и ответная система выделяют из страницы самостоятельные фрагменты, и фрагмент, который понятен без чтения всего текста, извлекается чаще. Подзаголовок, отвечающий на конкретный вопрос, и самодостаточный раздел под ним становятся готовой цитатой. Там, где читатель сравнивает варианты, ту же роль играет таблица или пошаговая инструкция. А оценки вроде «лучший», «надежный», «эффективный» без критерия лучше убрать. Утверждение, которое нельзя ни подтвердить, ни опровергнуть, ничего не сообщает ни человеку, ни модели.
Затем нужно проверить, на что опираются утверждения. Каждое из них должно подтверждаться источником или собственными данными компании и отвечать на вопрос: что в статье есть такого, чего нет больше нигде? Собственные цифры, опыт внедрения, методика, по которой компания принимала решение.
Следующий вопрос: кто отвечает за текст? Google предлагает оценивать любой материал через три вопроса: кто его сделал, как и зачем (Who, How, Why). На практике это значит, что у статьи указаны автор, дата публикации и дата обновления, а читателю понятно, кто стоит за содержанием.
Последний контур, который стоит учесть, — дистрибуция и контроль. Адаптации на внешних площадках публикуйте только после выхода основной страницы и с заметной ссылкой на нее. А также посмотрите на материал глазами робота: открыта ли страница для индексации, не закрыта ли она от ИИ-краулеров. Даже сильный материал не станет источником, если робот его не видит.
Как понять, что текст работает
Ошибка — измерять результат по упоминанию бренда в ответе модели, а не по ссылке на конкретную страницу. Бренд может звучать в ответе, пока нейросеть ссылается на чужой обзор или агрегатор, а не на материал компании, и тогда рост упоминаний ничего не говорит о результате. Стоит раздельно отслеживать, как часто бренд вообще фигурирует в ответах по релевантным темам и как часто источником указана именно его собственная страница.
Сравнивать эти показатели нужно на одинаковом наборе вопросов и по каждой площадке отдельно. Google и ChatGPT ведут себя по-разному даже применительно к одному и тому же тексту. Усредненная цифра по всем платформам маскирует ту, где результата нет вовсе, а канал, который считался нерабочим, мог просто не попасть в общий отчет.
Что в итоге
Массовое производство ИИ-контента продолжится, так как стоимость генерации только снижается. Но количество опубликованных ИИ-текстов и их доля в цитируемых источниках — два разных показателя. Одни компании наращивают объем генерации в расчете на автоматический рост видимости. Другие вкладываются в проверяемую фактуру и редакторский контроль, и у их материалов больше шансов попасть в цитаты. Поэтому конкурировать стоит не столько объемом публикаций, сколько качеством материалов.