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.

Ещё одна группа мнений — и она формирует взгляд остальных

На одном из слайдов прозвучала формулировка, которую стоит повторить дословно: нейросеть — это ещё одна группа мнений, а не вся репутация.

Формулировка честная и сразу снимает две крайности. Паниковать не нужно: ответ машины не отменяет вашей отраслевой репутации, рекомендаций и отношений. Но и игнорировать нельзя: к мнению этой группы всё чаще обращаются раньше, чем к вашему — до первой встречи, до переговоров, до решения о сделке.

И вот принципиальное отличие от всех прежних групп. С журналистом можно поговорить. С аналитиком — встретиться. Машине нельзя объяснить. Ответ пишет она, переписать его нельзя. Можно изменить только то, из чего он будет собран.

Это уже не завтра

Три цифры, которые закрывают вопрос «а не рано ли».

42% запросов в поиске Яндекса во II квартале 2026 года приходились на быстрые ответы Алисы AI — это данные самой компании. То есть почти в половине случаев человек получает готовый текст, а не список ссылок, и до вашего сайта может вообще не дойти.

74% руководителей считают, что имидж первого лица существенно влияет на имидж компании, ещё 23% — что скорее влияет. Опрос Ассоциации менеджеров и АКОС, высшие руководители более трёхсот организаций.

И цепочка, в которой это работает: вы и ваша компания — справка нейросети — кадровик, инвестор, журналист, контрагент. Справку читают до разговора.

И отдельная цифра, которая показывает скорость перераспределения внимания: до трети показов рекламы сегодня уходит внутрь генеративных сервисов, а не на сайты. Трафик, который раньше приходил к вам, всё чаще заканчивается ответом машины — и машина сводит компанию к одной карточке, которую вы не писали.

Что именно ломается

На лекции провели живой эксперимент: один и тот же вопрос о конкретном человеке прогнали через семь систем и оценили ответы по восемнадцатибалльной шкале. ChatGPT набрал 16, Perplexity и Claude — по 13, ГигаЧат и DeepSeek — по 12, Алиса — 11, Qwen — 7.

Но важны не баллы, а характер ошибок. Их четыре типа, и каждый знаком любому, кто занимался проверкой контрагентов.

• Утверждение без источника и даты. Текст выглядит как факт, проверить его нельзя. В нашей профессии это называется «данные без происхождения», и мы такое в заключение не берём.
• Привязка к чужой компании. Система приписала человеку организацию, с которой он не связан, без подтверждения.
• Смешение однофамильцев. В разборе публичного предпринимателя нейросеть подтянула громкое дело, которое касалось другого человека с той же фамилией. Вот это бьёт по репутации напрямую — и заметить можно, только если проверять.
• Профилирование. Одна из систем предложила составить «профиль человека» и описать его круг профессиональных связей. Для деловой справки это уже за гранью.

Чинить надо не ответ, а полку, с которой его собирают

Это главная механика, и она удивительно близка нашему ремеслу: работаем не с симптомом, а с первопричиной.

Ответ Алисы вручную не исправляется — только через источники. И тут важное наблюдение: по замеру на тысяче запросов доля источников, которые нейросеть берёт не из первой десятки обычного поиска, за полгода упала с 40% до 10%. Проще говоря, в девяти случаях из десяти машина собирает ответ из того, что и так стоит в топе. Никакой отдельной «магии под ИИ» нет: сначала обычная видимость, потом всё остальное.

Второе — иерархия источников. Пирамида доверия выглядит так: реестры и госорганы, затем сайт компании и деловые СМИ, затем агрегаторы и обзоры, и только потом отзывы, форумы и блоги. Отсюда простой вопрос для проверки: сколько из первых пяти источников, на которые сослалась нейросеть, относятся к двум верхним ступеням? Если ни одного — ваш профиль собран с чужих слов.

Почему это риск с владельцем, а не тема для пиар-службы

Здесь я скажу то, чего на лекции не говорили, — это уже взгляд из нашей профессии.

Первое. Проверка контрагента и кандидата всё чаще начинается с нейросети, а не с реестра. Значит, ответ машины о вашей компании и первых лицах — это факт, который влияет на решения третьих лиц: на условия сделки, на решение банка, на выбор партнёра. Факт, влияющий на решения, — это по определению предмет оценки рисков.

Второе. Недостоверные сведения о компании в публичном поле — не абстракция. Когда речь заходит о личной ответственности членов совета директоров, в споре смотрят на то, какая информация о компании была доступна и что общество делало с искажениями. Напомню контекст: в 2025 году к субсидиарной ответственности привлечено 5 549 человек, в среднем 96,6 млн рублей на одно лицо, взыскание обращается на личное имущество. Про механику этого риска я подробно писал в отдельной статье.

Третье. Риск преемственности. Когда вся публичность компании завязана на одном спикере, после его ухода он ещё долго живёт в ответах нейросети как действующий руководитель. Долгая память модели обновляется только с новой версией, то есть месяцами. Это управляемый риск, и у него должен быть владелец.

Вывод простой: место этой темы — не в маркетинговом плане, а в карте рисков и в годовом плане аудита. Процедура дешёвая, эффект измеримый.

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 — не «что о нас пишет машина», а «во что это обходится».

Пять последствий, каждое из которых уже знакомо любому, кто сидел на той стороне стола:

• Условия сделки. Контрагент проверяет вас одним запросом и получает один абзац. Неснятое сомнение в этом абзаце 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. Вам это объяснят не словом «репутация», а цифрой в предложении.
• Состав команды. Нужный вам кандидат тоже спрашивает машину. Самые дорогие кандидаты отказываются раньше всех и молча — в статистике отказов их нет, потому что они не дошли до интервью.
• Допуск к тендерам и аккредитациям. Там, где репутацию проверяют формально, машинный ответ работает первым фильтром — быстрым и непрозрачным. Оспорить его в процедуре нельзя: он не документ.
• Накопленный эффект. Картина, которую машина собрала о компании, устойчива. 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 — когда условия уже хуже, кандидат уже отказался, тендер уже проигран. Поэтому это зона внутреннего контроля, а не зона коммуникаций.

Редкий случай, когда предупредительную работу можно измерить до потерь

Вывод: здесь у аудита появляются четыре метрики, которые можно показать комитету и перепроверить через квартал.

Обычно с ценностью аудита всё наоборот. Ориентир возврата на функцию порядка один к восьми звучит убедительно, но то, что не случилось благодаря аудиту, квантифицировать сильно сложнее, чем то, что случилось: предотвращённой потери нет ни в отчётности, ни в P&L, и слайда из неё не сделать.

Репутация в машинных ответах — 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.

Это и есть работа на языке, на котором бизнес слышит аудит: не «мы нашли», а «вот во что это обошлось бы компании и вот как мы держим это под контролем».

Четыре вопроса, которые стоит задавать раз в квартал

Это уже моя компоновка — минимальная процедура, которую может выполнить один человек за час и вынести результат на комитет по аудиту.

1. Что системы отвечают о компании и о первых лицах? Один и тот же вопрос в несколько систем, одна учётная запись, зафиксированная дата. Ответы вариативны, поэтому нужна выборка, а не один прогон.
2. Из чего собран ответ? Открыть список источников и посчитать, сколько из первых пяти относятся к верхним ступеням пирамиды доверия. Это и есть измеримый показатель.
3. Есть ли ошибки, которые бьют по нам? Устаревший руководитель, чужая компания, однофамилец, недостоверная цифра, непроверенное обвинение. Каждая ошибка — наблюдение с первопричиной и владельцем.
4. Что изменилось с прошлого квартала? Без динамики это разовое любопытство, а не контроль.

Результат укладывается в одну страницу для совета: что отвечают, из чего собрано, какие ошибки найдены, что исправлено, как изменилось.

Что мы проверили у себя

Проверять чужое, не проверив своё, — плохая практика, поэтому за неделю после лекции я прогнал собственный сайт по тому же чек-листу: индексация во всех трёх поисковиках, доступность для краулеров нейросетей, машиночитаемая разметка, канонические адреса, самодостаточные блоки вопросов и ответов, карта сайта для языковых моделей.

Нашлось то, чего я не ожидал. Заголовки всех статей оказались на сто с лишним знаков длиннее нормы из-за служебного хвоста — в выдаче от смысла оставалась половина. На ключевой посадочной странице не было ни одного заголовка: вся вёрстка на безликих блоках, и машине просто не за что зацепиться. Это ровно та ситуация, которую мы в аудите 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.

Поэтому повторю исходное. Нейросеть — ещё одна группа мнений. Важная, влиятельная, но не единственная. Ценность вашей компании по-прежнему определяют те, кто способен её распознать. Просто теперь среди них есть машина, и с ней тоже нужно уметь разговаривать — на её языке, через источники.

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.