Что нейросети говорят о вашей компании: репутационный риск, который не видно в СМИ и реестрах

Главное для принятия решений

Как изменилась проверка контрагента

Классический набор due diligence не поменялся: ЕГРЮЛ, картотека арбитражных дел, бухгалтерская отчётность, санкционные списки, публикации в СМИ. Поменялся первый шаг. Раньше сотрудник открывал поисковик и получал список ссылок, по которым сам составлял картину. Теперь он открывает чат и получает готовый абзац: чем занимается компания, кто владелец, какая репутация. Абзац читается как справка, хотя справкой не является.

Масштаб виден по цифрам. По данным Mediascope за ноябрь 2025 года нейросервисами ежемесячно пользуются 26% россиян старше 12 лет: Алиса AI охватывает 14,3% населения в месяц, DeepSeek 9,4%, GigaChat 4%, ChatGPT 3,5%. К лету 2026 года ВЦИОМ зафиксировал 78% интернет-пользователей, обращавшихся к нейросетям за год, против 73% в декабре 2025-го. А Яндекс во втором квартале 2026 года отчитался, что быстрые ответы Алисы AI показываются на 42% поисковых запросов, и доля растёт на несколько пунктов за квартал.

Для бизнеса это означает простую вещь. Первое впечатление о компании у части контрагентов, банков и кандидатов формирует не сайт и не выдача, а текст, который сгенерировала модель. И этот текст вы не видите, если специально не спросите.

Три типа ошибок, которые мы видим в ответах

Ниже реальный прогон: в августе 2026 года мы спросили восемь нейросетей о бренде авторского чая из нашей группы проектов. Название бренда состоит из английских слов, что делает его удобным примером: так выглядит большинство названий в B2B. Задавали три вопроса с названием («что это», «отзывы», «сравни с конкурентами») и девять отраслевых без названия («кто в России собирает корпоративные наборы чая» и подобные).

Первый тип: подмена. GigaChat уверенно описал чайный бренд как «российский бренд одежды, обуви и аксессуаров, созданный компанией DearCraft в 2017 году», а в соседнем ответе как «уходовую косметику премиального сегмента, появившуюся на рынке в 2018 году», и сравнил с корейскими марками. Ни компании DearCraft, ни этих дат, ни косметики не существует. DeepSeek, Gemini и Grok приняли название за социальную сеть BeReal: DeepSeek рассказал о стагнации приложения, Gemini назвал бренд «трендом и мемом внутри BeReal». Хуже всего вышло с вопросом об отзывах: Grok описал компанию как «неофициальное приложение для обхода ограничений BeReal» и пересказал жалобы пользователей на мошенничество и риск бана. Всё это подано без единой оговорки.

Второй тип: пустота. YandexGPT на все три вопроса ответил, что не знает такой компании и что это «возможно, опечатка». Для модели это честный ответ. Для контрагента, который проверяет вас перед сделкой, это сигнал, что компании как будто нет.

Третий тип: невидимость в отраслевых вопросах. На девять вопросов без названия бренда восемь моделей дали 81 ответ. Бренд не был назван ни разу. Модели советовали других поставщиков или отвечали общими словами. При этом бренд существует девять лет, у него живой сайт и публикации.

Точный ответ дали только модели с доступом в интернет. ChatGPT с поиском нашёл сайт, верно описал продукт, регионы сбора трав и формат с QR-плейлистами, и поставил ссылки на источник. Claude нашёл сообщество бренда и страницу кейса у разработчика сайта и описал компанию верно. Perplexity сайт тоже нашёл, но ответ построил с оговоркой «если вы имели в виду BeReal». То есть ошибки делают не «нейросети вообще», а модели, отвечающие по памяти, и именно они стоят у большинства пользователей в России по умолчанию.

Почему это риск именно для due diligence

Репутационный риск в СМИ и реестрах прозрачен: публикация есть или её нет, запись в картотеке арбитража есть или её нет. С нейросетями иначе. Ответ генерируется заново на каждый запрос, у разных людей он разный, и никакой «страницы», которую можно исправить или оспорить, не существует. Ошибка живёт в памяти модели до следующего обновления.

Сценарии, в которых это уже стоит денег:

• Комплаенс банка. Сотрудник перед открытием счёта или крупным платежом спрашивает модель о компании и получает чужую отрасль или чужую историю. Расхождение с документами превращается в дополнительные запросы и недели ожидания.
• Тендерный отдел заказчика. Быстрая справка по участнику, сгенерированная моделью, попадает в заключение. Оспаривать её некому, потому что автора нет.
• Иностранный партнёр. В Центральной Азии и на Ближнем Востоке партнёры проверяют российские компании через ChatGPT и Perplexity. Именно там подмена названия на чужую компанию с санкционной историей обходится дороже всего.
• Кандидаты и сотрудники. Перед офером кандидат спрашивает модель о работодателе. Ответ «не знаю такой компании» читается как «маленькая и непонятная».

Отдельно про санкционный аспект. При проверке по санкционным спискам главная головная боль это ложные совпадения по названию: тёзки, транслитерации, частичные совпадения. Мы разбирали это в материале о перечнях OFAC, ЕС и Росфинмониторинга. Модель, отвечающая по памяти, воспроизводит те же ложные совпадения, но уже без оговорки «проверьте реквизиты». Если у вашей компании есть тёзка под ограничениями, вы обязаны знать, что о вас отвечают нейросети.

Как проверить, что о вас говорят

Ручной способ, час времени. Возьмите пять вопросов: «что такое [компания]», «[компания] отзывы», «[компания] или конкуренты, что выбрать», «какие компании в России занимаются [ваша услуга]», «посоветуй [услуга] в [ваш регион]». Задайте их четырём моделям, которыми пользуются ваши контрагенты: Алисе, GigaChat, DeepSeek и ChatGPT. Ответы сохраните с датой. Это разовый срез, и через месяц он устареет, но первую картину он даёт.

Инструментально. Для регулярного контроля мы используем SEENGO, сервис мониторинга упоминаний бренда в нейросетях: он раз в неделю задаёт список вопросов восьми моделям, включая Алису, GigaChat, DeepSeek и Perplexity, и показывает, где компанию назвали верно, где подменили, а где назвали конкурента. Прогон из этой статьи сделан на нём. Сервис построен в Digital Impuls, у ASHA с ним общий основатель, поэтому и пример взят из нашей группы проектов.

Там же есть бесплатная проверка сайта на 39 маркеров, по которым модели с доступом в интернет решают, можно ли вам доверять как источнику. Для asha-risk.ru она показала 85 из 100: 21 из 23 поисковых маркеров и 11 из 16 маркеров видимости в нейросетях. Пять невыполненных пунктов у нас в работе.

Что делать, если модель ошибается

Исправить ответ внутри модели нельзя. Исправляют источники, по которым модель учится и из которых модели с поиском берут ответ здесь и сейчас.

Страница «О компании» с фактами. Год основания, ОГРН, отрасль одной фразой, руководитель, регионы работы, три ключевых продукта. Не манифест, а справка. Именно такую страницу цитировал ChatGPT в нашем прогоне.

Единое написание названия. Если компания пишется в трёх вариантах (латиница, кириллица, аббревиатура), модель склеивает их с чужими сущностями. Выберите одно основное написание и укажите остальные как варианты на сайте и в справочниках.

Карточки в справочниках и реестрах. Яндекс Бизнес, 2ГИС, отраслевые каталоги, профиль в открытых данных о юрлицах. Модели с поиском опираются на них чаще, чем на сайт.

Публикации от своего имени. Аналитика, кейсы, комментарии в отраслевых СМИ. У бренда из нашего примера ChatGPT нашёл ответ в блоге, а не на главной.

Повторная проверка через месяц. Модели с поиском реагируют за дни, модели, отвечающие по памяти, за месяцы, с релизами. Поэтому это не разовая правка, а тот же режим, что и мониторинг санкционных и регуляторных изменений: регулярный срез и алерт при изменении.

Частые вопросы