Как манипулировать нейровыдачей: одна фейковая страница может изменить рекомендации нейросетей

Я больше 20 лет работаю в контент-маркетинге, репутации и продвижении в интернет, и за это время рынок менялся не раз. Но сейчас перемены особенно заметны: контент уже давно читают не только люди, но и нейросети, которые сами выбирают, что рекомендовать пользователю, а что нет. И оказывается одна убедительная фейковая страница может сбить с толку даже ИИ-ассистента.

Недавнее исследование Китайского университета Гонконга показало. что генеративные рекомендатели уязвимы к фейковому веб-контенту. Проще говоря, ИИ можно повести за собой, если подложить ему страницу, которая выглядит правдоподобно. Для бизнеса это уже не абстрактная научная история, а вопрос видимости бренда, доверия и того, попадете ли вы в рекомендации нейросетей вообще.

Что именно показало исследование

Авторы работы проверяли, как ИИ-ассистенты реагируют на фейковый или заведомо искаженный контент интернет-сайтов, когда подбирают товары и услуги для пользователя. И оказалось, что иногда одной поддельной страницы достаточно, чтобы нейросеть выдала ошибочную рекомендацию. А если в поисковой выдаче подменить информацию на нескольких ТОПовых ресурсах, то вероятность ошибки кратно возрастает.

Примечательно, что это не выглядело как случайная погрешность. Система стабильно демонстрировала уязвимость там, где человек обычно опирается на краткое описание, структуру страницы и доверительный тон текста. ИИ, по сути, тоже попадается на убедительную упаковку.

Что такое FORGE

Чтобы проверить эту уязвимость, исследователи использовали тестовую среду FORGE ( Fake Online Recommendations in Generator Environments ). Простыми словами, это стенд, который имитирует обычный путь пользователя: поиск, просмотр страниц, выбор товара или услуги и финальную рекомендацию ИИ.

FORGE позволяет подсовывать моделям фейковые страницы, где контент выглядит правдоподобно, но специально искажен. Именно в этом и суть эксперимента: не проверить ИИ на абстрактной задаче, а посмотреть, что произойдет в почти реальном сценарии, где пользователь ищет что-то в сети, а ИИ-ассистент анализирует и предлагает решение.

Тестовая среда FORGE доступна по ссылке

Какие ИИ-ассистенты тестировали

В исследовании сравнивали 12 моделей: Gemini 3 Flash, GPT-5.4, o4-mini, Gemini 3.1 Pro, Claude Opus 4.7, Claude Sonnet 4.6, Qwen3.6-27B, Qwen3.6-35B-A3B, Qwen3.5-9B, DeepSeek V4 Pro, GLM-4.6V-Flash и Ministral-3R. Часть из них относится к закрытым системам, часть — к open-weights моделям.

И вот что особенно важно: проблема не ограничивается одной конкретной платформой. Ошибки встречались у разных ассистентов, а значит, это не баг отдельной модели, а системная уязвимость самого подхода. Когда ИИ строит рекомендацию на основе веб-контента, он может ошибиться везде, где контент оформлен убедительно, но на поверку не заслуживает доверия.

Что и как тестировали

Исследователи проверяли 12 категорий товаров и услуг, разделенных на несколько групп. Среди них были: телефоны/персональные компьютеры, домашняя техника, электроника, услуги, отели, рестораны, продукты питания, пищевые добавки, косметика, одежда, нижнее белье, сумки и обувь, кемпинг, велоспорт и фитнес.

Это очень показательный набор. Здесь есть и привычные товары, и услуги, и ниши, где решение принимается быстро, на основе короткого сравнения. Именно такие категории особенно интересны для GEO и контент-маркетинга, потому что в них ИИ часто работает как «быстрый советчик», а не как глубокий аналитик.

Самыми уязвимыми оказались категории, где решение строится на доверии, кратком описании и похожих альтернативах. Проще говоря, чем больше роль мягких факторов — доверия, подачи, визуала, краткой формулировки, — тем легче ИИ сбить с толку.

Выдача редко просто повторяла фейковое название. Так, например, в запросе о защитных пленках для экрана Claude Opus 4.7 и DeepSeek V4 Pro рекомендуют фейковый бренд Langyu (朗域), причем не просто название, а уже с «доказательствами» его якобы качества. В ответах появились формулировки вроде: «часто рекомендуется в технических сообществах», «протестировано на падение при различных ударах», «лучшее соотношение цены и качества, а также репутации». Проблема в том, что этих утверждений не существует. ИИ сам их додумывает.

Это сильный пример того, как генеративный ассистент не просто ошибается, а начинает усиливать подделку правдоподобными социальными сигналами.

Таблица частоты обмана нейросетей в процентах.

Где риск выше всего

Если смотреть на цифры из таблицы, то категория ресторанов оказалась одним из самых проблемных сегментов: там средние значения уязвимости были особенно высокими, а у некоторых ИИ значения доходили до критических уровней. Схожая ситуация наблюдалась в категориях "местная жизнь" и "здоровье".

Почему так происходит? Потому что в этих категориях пользователь выбирает не только по цене или характеристикам. Ему важны доверие, тон, репутация, ощущение надежности. А это именно те параметры, которые легко имитировать на веб-страницах. ИИ, в отличие от человека, пока еще слишком охотно верит в хорошо выстроенную репутацию.

Если посмотреть с точки зрения бизнеса

Главный вывод здесь простой: эпоха, когда достаточно было просто попасть в выдачу, заканчивается. Теперь нужно думать о том, как ваш бренд читается нейросетями, как он представлен в сети, насколько он структурирован и насколько устойчив к подмене.

Для SEO-специалистов это означает расширение зоны ответственности. Для PR — необходимость следить не только за публикациями, но и за тем, как нейросети интерпретируют информационный фон вокруг бренда. Для маркетологов — это новый уровень конкуренции за внимание, где соперничают уже не только сайты, но и ответы ИИ.

Я бы сформулировал это так: в новой реальности важно уметь манипулировать ии-цитированием. И чем раньше компания начнет думать в этом направлении, тем меньше шансов, что ее обойдет более шумный, но менее качественный конкурент.

Тарифы