Блог о внутреннем аудите и контроле

Ещё один смотрящий: нейросеть и репутация компании

Двадцать лет я разбираю, почему одну и ту же работу внутреннего аудита в одной компании считают накладными расходами, а в другой — страховкой бизнеса. Ценность определяет тот, кто смотрит. Так вот: у вашей компании появился ещё один смотрящий, и он не человек.

30 сентября 2026 года в Москве прошла лекция «Репутация в эпоху ИИ» — совместное мероприятие Агентства искусственного интеллекта и Национальной ассоциации корпоративных директоров. Ниже — не отчёт о мероприятии, а то, что я как практик считаю важным для совета директоров и для службы внутреннего аудита.

Отдельная благодарность Сандре Фадеевой (Агентство искусственного интеллекта) и Николаю Соловьёву (Национальная ассоциация корпоративных директоров) — за содержательную программу и за то, что тему принесли корпоративным директорам раньше, чем она пришла к ним сама.

Лекция «Репутация в эпоху ИИ», Москва, 30 сентября 2026 года
Лекция «Репутация в эпоху ИИ», Москва, 30 сентября 2026 года. Совместное мероприятие Агентства искусственного интеллекта и НАКД.

Ещё одна группа мнений — и она формирует взгляд остальных

На лекции прозвучала формулировка, которую стоит повторить дословно: нейросеть — это ещё одна группа мнений, а не вся репутация. Она сразу снимает две крайности. Паниковать не нужно: машина не выносит приговор. Игнорировать нельзя: в отличие от прочих мнений, это мнение человек получает первым и часто единственным — и дальше смотрит на остальное уже через него.

Цифры, которые закрывают вопрос «а не рано ли». Нейроответы показывались примерно на 42% запросов в поиске Яндекса во II квартале 2026 года. До трети показов рекламы уходит внутрь генеративных сервисов, а не на сайты. И 74% руководителей, опрошенных Ассоциацией менеджеров и АКОС, считают, что имидж первого лица существенно влияет на имидж компании, ещё 23% — скорее влияет. Машина сводит компанию к одной карточке, которую вы не писали.

Что именно ломается

На лекции один и тот же вопрос о конкретном человеке прогнали через семь систем. Важны не баллы, а характер ошибок — каждая знакома любому, кто проверял контрагентов:

  • Утверждение без источника и даты. Выглядит как факт, проверить нельзя. У нас это называется «данные без происхождения», и в заключение мы такое не берём.
  • Привязка к чужой компании. Человеку приписана организация, с которой он не связан.
  • Смешение однофамильцев. В разборе публичного предпринимателя система подтянула громкое дело, касавшееся другого человека с той же фамилией. Вот это бьёт напрямую — и заметить можно, только если проверять.
  • Профилирование. Одна из систем сама предложила описать круг профессиональных связей человека. Для деловой справки это уже за гранью.

Чинить надо не ответ, а источники

Механика близка нашему ремеслу: работаем с первопричиной, а не с симптомом. Ответ вручную не исправляется — только через то, из чего он собран. По замеру на тысяче запросов доля источников, которые машина берёт не из первой десятки обычного поиска, за полгода упала с 40% до 10%. Никакой отдельной «магии под ИИ» нет: сначала обычная видимость, потом всё остальное.

Иерархия источников: реестры и госорганы, затем сайт компании и деловые СМИ, затем агрегаторы, и только потом отзывы и форумы. Отсюда вопрос для проверки: сколько из первых пяти источников в ответе относятся к двум верхним ступеням? Если ни одного — ваш профиль собран с чужих слов.

Что компания теряет: условия сделок, ставка по кредиту, кандидаты, тендеры

Вывод: машинный ответ меняет не имидж, а цену денег, условия договоров и состав команды. Руководству тему надо приносить именно в этих терминах.

  • Условия сделки. Неснятое сомнение приходит к вам не возражением, а предоплатой, обеспечением и дополнительными гарантиями. Или не приходит вовсе: до переговоров дело не доходит.
  • Стоимость денег. Банк, лизинговая компания и страховщик смотрят туда же. Полпроцента к ставке на крупном кредите — это десятки миллионов рублей в год, и объяснят это не словом «репутация», а цифрой в предложении.
  • Состав команды. Самые дорогие кандидаты отказываются раньше всех и молча — в статистике отказов их нет, они не дошли до интервью.
  • Допуск к тендерам и аккредитациям. Машинный ответ работает первым фильтром, быстрым и непрозрачным. Оспорить его в процедуре нельзя: он не документ.
  • Накопленный эффект. Ошибка в источниках остаётся в ответах и через год: переобучение модели её не исправит, пока не исправлены сами источники.

Общее у всех пяти одно, и аудитору это знакомо до боли: о проблеме узнают не тогда, когда она возникла, а по последствиям. И владельца у этого риска, как правило, нет: коммуникации отвечают за сообщение, безопасность за контрагентов, кадры за подбор, ИТ за сайт — и ни у кого не записано, что видит внешний наблюдатель. Отсутствие владельца у риска, который уже влияет на условия сделок, — само по себе находка. А для членов совета директоров у этого есть и личное измерение: добросовестность и разумность действий оценивают по тому, что директор знал или должен был знать, — об этом я писал в отдельной статье.

Редкий случай, когда предупредительную работу можно измерить до потерь

Обычно с ценностью аудита всё наоборот: то, что не случилось благодаря нам, квантифицировать сильно сложнее, чем то, что случилось. Предотвращённой потери нет ни в отчётности, ни в P&L. Здесь — исключение, измерять можно до факта:

  • доля качественных источников в том, на что опирается ответ;
  • число содержательных ошибок в ответах на типовые вопросы о компании;
  • срок от обнаружения ошибки до её устранения в источнике;
  • динамика этих трёх показателей от квартала к кварталу.

Четыре вопроса, которые стоит задавать раз в квартал

Моя компоновка — минимальная процедура, которую один человек выполняет за час:

  1. Что системы отвечают о компании и о первых лицах? Один вопрос в несколько систем, ответы сохранить.
  2. Из чего собран ответ? Открыть список источников и посчитать, сколько из первых пяти относятся к верхним ступеням пирамиды.
  3. Есть ли ошибки, которые бьют по нам? Устаревший руководитель, чужая компания, однофамилец, несуществующее дело.
  4. Что изменилось с прошлого квартала? Без динамики это разовое любопытство.

Ответ машины недетерминирован, поэтому фиксируйте с первого раза: дата, точная формулировка запроса, система, источники, снимок экрана. Иначе через квартал сравнивать будет не с чем. Результат укладывается в одну страницу: что отвечают, из чего собрано, какие ошибки найдены, что исправлено, как изменилось.

Три возражения, которые вы услышите

  • «Этим должен заниматься пиар». Коммуникации управляют тем, что компания о себе говорит. Вопрос, совпадает ли это с тем, что видит внешний наблюдатель, — другой работы, и, кроме нас, её никто не сделает.
  • «Это шум, а не риск». Проверяется за час. Если содержательных ошибок нет — тема закрыта с доказательством, а не с ощущением.
  • «Мы в B2B, нас это не касается». В рознице плохой отзыв виден всем. В B2B решение принимает один человек, и его отказ вы не увидите никогда. Отсутствие обратной связи здесь не признак благополучия, а свойство канала.

Что мы проверили у себя

Павел Викторов на лекции «Репутация в эпоху ИИ»
Чек-лист репутационного аудита я проверял сразу на собственном сайте — результаты ниже.

Проверять чужое, не проверив своё, — плохая практика, поэтому за неделю после лекции я прогнал собственный сайт по тому же чек-листу. Нашлось то, чего я не ожидал: заголовки всех статей оказались на сто с лишним знаков длиннее нормы из-за служебного хвоста, а на ключевой посадочной странице не было ни одного заголовка — машине просто не за что зацепиться. Ровно та ситуация, которую мы называем «контроль описан, но не работает». Результат измерю через два месяца теми же вопросами, с фиксацией даты. Напишу о нём, даже если результата не будет.

И о границах

Полный репутационный аудит — это двенадцать пунктов. Машина закрывает четыре, ещё шесть — частично, а два остаются только за людьми: полезность функции и оценка рядом с конкурентами. Та же развилка, что и в нашей работе: данные дают факты, суждение остаётся за человеком. Нейросеть — ещё одна группа мнений. Важная, влиятельная, но не единственная. Просто теперь среди смотрящих есть машина, и с ней тоже нужно уметь разговаривать — на её языке, через источники.

И ещё раз спасибо организаторам за живой эксперимент прямо в зале: разбор ответов нейросетей о реальном человеке в реальном времени убеждает сильнее любого слайда. Такие форматы в нашей среде — редкость.

Если нужна помощь

Разбор того, как ответы нейросетей ложатся на вашу карту рисков и что с этим делать совету, — часть работы, которую я веду как внешний эксперт для внутреннего аудита. Если речь о независимом заключении для совета директоров — это внешняя оценка качества. Если тревожит личная ответственность — диагностика персональных рисков.

Напишите, если хотите обсудить вашу ситуацию: pviktorov@gmail.com

Благодарю организаторов и спикеров вечера — Агентство искусственного интеллекта, НАКД и НРИС.

Частые вопросы

Нужно ли совету директоров заниматься ответами нейросетей о компании?

Да, как риском с конкретным владельцем. Проверка контрагента и кандидата всё чаще начинается с нейросети, поэтому её ответ о компании и первых лицах влияет на решения третьих лиц: условия сделки, решение банка, выбор партнёра. Минимальная процедура — ежеквартальная сверка: одни и те же вопросы к нескольким системам, фиксация даты, анализ источников и ошибок, результат на одну страницу для комитета по аудиту.

Можно ли исправить неверный ответ нейросети о компании?

Напрямую — нет. Ответ генерируется, и переписать его нельзя. Менять нужно источники, из которых он собирается. По замеру на тысяче запросов доля источников, которые нейросеть берёт не из первой десятки обычного поиска, за полгода упала с 40% до 10%: то есть в девяти случаях из десяти ответ собирается из того, что и так стоит в топе поиска. Отдельной оптимизации «под ИИ» в обход обычной видимости не существует.

Как понять, насколько надёжны источники ответа о вашей компании?

Открыть список источников и сопоставить с пирамидой доверия: реестры и госорганы, затем сайт компании и деловые СМИ, затем агрегаторы и обзоры, и только потом отзывы, форумы и блоги. Практический показатель: сколько из первых пяти источников относятся к двум верхним ступеням. Если ни одного — профиль компании собран с чужих слов.

Какие ошибки нейросетей чаще всего вредят репутации компании?

Четыре типа. Утверждение без источника и даты, которое выглядит фактом. Привязка человека к компании, с которой он не связан. Смешение однофамильцев, когда к руководителю подтягивают чужое громкое дело. И профилирование — описание круга профессиональных связей, что для деловой справки избыточно. Отдельный устойчивый дефект — прежний руководитель, который ещё долго числится действующим.

Почему исправления на сайте не сразу меняют ответ нейросети?

Потому что памяти две. Короткая — поиск по вебу в момент запроса: правки доходят за дни или недели, после переиндексации. Долгая — обучающая выборка модели: туда изменения попадают только с новой версией модели, то есть через месяцы. Поэтому работать с источниками имеет смысл заранее, а не после того, как чей-то ответ вас не устроил.

Насколько вообще значимы ответы нейросетей для репутации?

Значимы, но не исчерпывающи. Во II квартале 2026 года на быстрые ответы Алисы AI приходилось около 42% запросов в поиске Яндекса, а 74% руководителей считают, что имидж первого лица существенно влияет на имидж компании. При этом нейросеть — ещё одна группа мнений, а не вся репутация: из двенадцати пунктов полного репутационного аудита машина закрывает четыре, шесть частично, а два остаются только за людьми.

Читайте также