84% ответов ИИ меняются за сутки: исследование стабильности рекомендаций
Hacker News · оригинал
Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.

Исследование Supercite показало, что ответы нейросетей на одни и те же вопросы существенно варьируются от дня к дню. Стабильность рекомендаций зависит не от фиксированного рейтинга, а от того, какие именно веб-страницы алгоритм выбирает для чтения в конкретный момент.
Понимание нестабильности ИИ-ответов критично для маркетинговых стратегий и оценки видимости брендов в поисковых системах нового поколения.
Команда Supercite провела эксперимент, чтобы проверить, насколько предсказуемы ответы искусственного интеллекта на вопросы о выборе товаров. В течение двух дней подряд, 17 и 18 ноября 2026 года, исследователи задали четырем популярным ИИ-движкам — ChatGPT, Gemini, Google AI Overviews и Google AI Mode — одни и те же 210 вопросов в 21 категории. Всего было собрано 839 пар ответов для сравнения. Результаты оказались неожиданными: в 84% случаев набор упомянутых брендов менялся из одного дня в другой. Это означает, что разовая проверка того, рекомендует ли ИИ конкретный продукт, дает крайне мало информации о реальной видимости бренда.
Анализ показал, что стабильность рекомендаций тесно связана с позицией бренда в списке. Если компания занимала первое место, она упоминалась на следующий день в 90% случаев, хотя сохраняла лидерство лишь в 63% ситуаций. Для брендов, занимавших шестое место или ниже, вероятность повторного упоминания падала до 61%, что близко к случайности. Исследователи отмечают, что мелкие бренды теряли свои позиции вдвое чаще, чем лидеры рынка. Это объясняется тем, что крупные компании фигурируют в большинстве списков «лучших», которые читают нейросети, тогда как нишевые продукты присутствуют лишь на нескольких страницах.
Ключевым фактором изменений является ротация источников. Только 42% веб-страниц, процитированных ИИ в первый день, повторялись во второй. Поскольку ответ нейросети представляет собой синтез информации из нескольких прочитанных страниц, смена этих страниц неизбежно приводит к смене рекомендаций. В качестве примера приводится случай с CRM-системами: в один день Google AI Mode выбрал Less Annoying CRM, опираясь на статью Zapier, а на следующий день первым стал HubSpot, так как алгоритм прочитал другие материалы, включая блог Slack и страницу самого HubSpot.
Разные ИИ-движки демонстрируют разную степень волатильности. Gemini оказался самым нестабильным: в 95% случаев его список брендов менялся ежедневно. Google AI Overviews показал наименьшие колебания, хотя две трети ответов все же изменились. ChatGPT отличался наибольшей лояльностью к первому выбору, сохраняя лидера списка в 71% случаев. Исследователи связывают это с тем, что ChatGPT часто начинает формировать ответ на основе внутренних данных, прежде чем обращаться к внешним источникам.
Для бизнеса эти данные означают необходимость пересмотра метрик видимости. Вместо того чтобы фиксировать факт упоминания или отсутствия бренда в одном ответе, важно отслеживать частоту появления компании в серии запросов. Поскольку в среднем на один вопрос ИИ называет около шести брендов, а за два дня через четыре движка может фигурировать до 14 различных компаний, ключевым показателем становится доля упоминаний во времени. Стратегия для малых брендов остается прежней: необходимо попасть как можно больше в авторитетные списки и обзоры, чтобы повысить вероятность быть прочитанным алгоритмом независимо от случайного выбора источников.
Исследователи подчеркивают, что текущие данные являются первыми и отражают лишь суточные изменения. Полноценная картина станет понятна после наблюдения за более длительным периодом. Тем не менее, уже сейчас ясно, что ИИ-поиск работает не как статичный каталог, а как динамичный процесс агрегации информации, где результат сильно зависит от контекста конкретного запроса и случайных факторов выбора источников.