Нейросети не ругают — они молчат. Что мы узнали, проверив 163 компании в девяти отраслях
Мы собрали около 13,7 тысячи ответов восьми нейросетей о 163 компаниях — от банков до автомобильных брендов. Главный вывод вышел не таким, каким его ждут PR-службы: негатива в ответах практически нет. Репутацию в нейросетях теряют не те, кого ругают, а те, кого не называют. Рассказываем, что показали рейтинги AIPR по замерам 22–26 октября 2026 года.
Представьте обычный вечер. Человек хочет открыть вклад и не идёт ни в поиск, ни на сайт банка — он спрашивает чат-бота. Через пару секунд у него готовый ответ: три банка, по абзацу на каждый, плюсы и минусы. Остальных банков для него в этот вечер не существует.
Другими словами, клиент перестал листать выдачу. Нейросеть сама решает, кого показать. У этого решения нет ни рекламного кабинета, ни ставки за клик. По крайней мере пока. Есть только то, что модель «знает» о компании и насколько уверенно может её рекомендовать.
Мы в AIPR решили посмотреть на эту картину так, как аудитор смотрит на отчётность: единая методика, повторные проверки, никаких договорённостей с участниками. Восемь нейросетей — ChatGPT, Claude, Gemini, Google AI Overview, Perplexity, YandexGPT, Яндекс Нейро и GigaChat. Девять отраслей. 163 компании, которые сами нейросети относят к этим рынкам. Результаты лежат в открытых рейтингах на aipr.pro. Ниже — четыре наблюдения, которые нам кажутся важнее мест в таблице.
1. Нейросети не ругают. Они молчат
Тональность ответов о 161 компании из 163 — позитивная, о двух — смешанная. Негативной итоговой тональности нет ни у одной компании. Для PR-службы, привыкшей тушить пожары в соцсетях, это звучит как хорошая новость. Это не так.
Нейросеть — вежливый собеседник. О компании, которую знает, она скажет что-то хорошее или нейтральное. Проблема в другом: на вопрос «что выбрать» она называет двух-трёх игроков, и всех остальных в ответе просто нет. Отсутствие не оставляет следов: нет гневного отзыва, на который можно ответить, нет публикации, которую можно опровергнуть. Клиент просто уходит к тому, кого назвали.
Главный риск в нейросетях — не негатив, а тишина.
2. Знают — не значит советуют
Мы разделяем два вопроса. Первый: знает ли нейросеть компанию, когда о ней спрашивают напрямую. Второй: назовёт ли она её сама, когда клиент спрашивает о рынке в целом и не называет брендов. И расходятся они чаще, чем кажется.
Из 163 компаний 159 знают все восемь нейросетей. Но у 44 из них сила обнаружения — насколько охотно модели называют компанию сами, без подсказки, — больше чем на 10 баллов ниже медианы своей отрасли, а у 28 — больше чем на 20. Это больше четверти компаний, которые модели прекрасно знают.
Самый наглядный пример — МТС Банк. Его знают все восемь нейросетей, и на прямые вопросы о нём они отвечают хорошо. Но в ответах на вопрос «какой банк выбрать» он появляется редко: по замеру 22.10.2026 сила обнаружения — 43 из 100 при медиане по банкам 93. В общих подборках банков его называют только три модели из восьми и в 12 ответах из 80; Т-Банк, для сравнения, — в 68. Для бренда это прямой сигнал: нейросеть знает, кто вы, но не понимает, кому вас советовать.
Это не банковская особенность. В продуктовом ритейле самые высокие профили бренда — 92 из 100 — у «Верного» и «Марии-Ра»: если спросить о них напрямую, модели отвечают полно и с опорой на источники. Но сами называют их заметно реже лидеров: сила обнаружения — 71 и 48 (замер 23.10.2026). Узнаваемость — входной билет, но выигрывает тот, кого рекомендуют.
3. «Фамилия» не гарантирует места
Логично ожидать, что сильный бренд вытянет за собой дочерние проекты. Рейтинги показывают обратное.
«Магнит» — первый в продуктовом ритейле. А в быстрой доставке, где сеть учитывается вместе со своей доставкой, — седьмой из 14. Одно имя — и разные позиции в соседних категориях. У X5 история другая: молодой дискаунтер «Чижик» — третий в продуктовом ритейле, выше материнской «Пятёрочки» с её шестым местом.
Обратный пример — Яндекс: Практикум второй в онлайн-образовании, Лавка вторая в доставке, Маркет третий среди маркетплейсов. Но у каждого из этих сервисов своя большая история в своей категории. Работает именно она, а не общее имя.
Для нейросети каждая категория — это отдельный разговор. Модель отвечает на вопрос «где застраховать машину», а не «какой бренд самый известный», и опирается на то, что написано о компании именно в этой категории. Известная «фамилия» не заменяет собственной истории в нужном контексте.
4. Где тесно, а где пусто
Отрасли сильно различаются по плотности. В страховании первые пять компаний — от «АльфаСтрахования» до «Т-Страхования» — укладываются в 1,5 балла, а девять набирают больше 90. Это как фотофиниш: расстановка в топе может поменяться уже при следующем замере. Похожая картина у банков: одиннадцать участников уложились в 2,4 балла — от 93,3 у Альфа-Банка до 90,9 у Райффайзенбанка, и пробиться наверх трудно. У автомобильных брендов места с четвёртого по восьмое разделяют 0,8 балла. А в платёжных сервисах между лидером и серединой рейтинга около 11 баллов: у нейросетей есть явные фавориты, и середине рынка до них далеко.
В остальных отраслях первые тройки без особых сюрпризов. И это тоже своеобразный вывод: Wildberries, Ozon и Яндекс Маркет среди маркетплейсов, Haval, Lada и Geely среди автомобильных брендов, Skillbox и «Яндекс Практикум» в онлайн-образовании. Крупных игроков нейросети знают хорошо. Вопрос в том, что происходит со всеми остальными.
Как мы считали
Максимально просто с учётом специфики задачи. Для каждой отрасли мы собираем вопросы, которые задают реальные клиенты, и задаём их восьми нейросетям. Измерение идёт по двум векторам. Профиль бренда — насколько полно и обоснованно модель отвечает, когда о компании спрашивают напрямую: есть ли конкретика, ссылается ли на источники и площадки, не отвечает ли «нет данных». Сила обнаружения — называет ли модель компанию сама, когда её спрашивают о рынке.
На один рынок приходится порядка полутора тысяч ответов нейросетей. Вопросы о рынке задаются каждой модели по нескольку раз — от двух до трёх, — чтобы снизить влияние случайного ответа. Ответы о компаниях-тёзках не засчитываются бренду. С этим мы столкнулись сами: на старте нейросети путали AIPR с одноимёнными организациями из России, Индии и Великобритании.
Принципы, состав моделей и пороги опубликованы в открытой методологии. Веса внутренних показателей мы не публикуем: иначе их начнут подгонять под формулу, а не под реальность. Данные в статье — по замерам 22–26 октября 2026 года. Рейтинги AIPR регулярно обновляются, актуальные места и показатели — на aipr.pro/ratings.
Одна оговорка, без которой рейтинг легко прочитать неверно. В него попадают компании, которые нейросети сами относят к отрасли, то есть те, кого они уже знают. Поэтому в рейтингах нет «невидимок» с нулевыми баллами. Их проблема ещё глубже, и её показывает только индивидуальный замер. И ещё: мы не подмешиваем в оценку «жёсткие» показатели компаний — выручку, долю рынка, места в отраслевых рейтингах. Они влияют на результат, только если их учитывают сами нейросети.
Что с этим делать
Четыре шага, которые мы советуем любой компании — от федерального банка до регионального дистрибьютора.
- Проверить, знают ли вас и не путают ли. Спросите несколько нейросетей о своей компании напрямую. Если в ответе чужие факты или тёзка — это первая задача.
- Проверить, советуют ли. Задайте вопрос о своей категории, не называя бренда. Если вас нет в ответе, вы теряете клиентов, которые даже не узнали о вашем существовании.
- Работать с источниками, а не с моделью. Нейросети опираются на публикации в авторитетных СМИ, страницу «О компании», справочники и отраслевые обзоры. Важно, чтобы о компании везде говорилось одно и то же: противоречия модель воспринимает как признак недостоверности.
- Мерить регулярно. Ответы меняются вместе с моделями и источниками. Срез раз в квартал, а иногда и раз в месяц, показывает, работает ли то, что вы делаете.
Лидеры рейтингов AIPR, замеры 22–26.10.2026
| Отрасль | Первая тройка | Компаний в рейтинге |
|---|---|---|
| Банки | Альфа-Банк, Газпромбанк, ВТБ | 19 |
| Страховые компании | АльфаСтрахование, Ингосстрах, ВСК | 17 |
| Маркетплейсы | Wildberries, Ozon, Яндекс Маркет | 19 |
| Продуктовый ритейл | Магнит, Лента, Чижик | 19 |
| Быстрая доставка продуктов | Самокат, Яндекс Лавка, Ozon Fresh | 14 |
| Онлайн-образование | Skillbox, Яндекс Практикум, Учи.ру | 18 |
| Автомобильные бренды | Haval, Lada, Geely | 20 |
Полные рейтинги, включая платёжные сервисы и грузовую автологистику, — на aipr.pro/ratings.
Вместо заключения
Десять лет компании учились бороться за первую строчку поисковой выдачи. Теперь выдачи нет — есть ответ из трёх названий. За место в нём можно и нужно бороться, но сначала стоит узнать, где вы находитесь.
Рейтинги по девяти отраслям открыты на aipr.pro без регистрации; о запуске AIPR писала Лента.ру. Первый подробный разбор отрасли — о банках; дальше — другие рынки.
Автор — основатель AIPR. AIPR (aipr.pro) — российский сервис измерения ИИ-репутации брендов. Запущен в 2026 году командой «Пиарошной», чьи ИИ-инструменты для PR-текстов теперь входят в AIPR. Член АЛРИИ.
Материал также опубликован на vc.ru и Дзене.