# Можно ли накрутить ответы нейросетей и чем это кончается для бренда

Накрутка ответов нейросетей: отравление обучающих данных, скрытые команды в кнопках «Спросить ИИ», фермы статей. Почему это не держится и что работает.

URL: https://posts.danashkin.ru/guides/nakrutka-otvetov-neyrosetey
Обновлено: 2026-10-13

---

## Коротко

**Главное**

- Накрутить ответ нейросети в пользу своего бренда пытаются тремя способами: подмешать тексты в обучающие данные, спрятать команду в кнопку «Спросить ИИ» и завалить интернет однотипными статьями и отзывами.
- Исследование Anthropic показало, что 250 специально подготовленных документов хватает, чтобы встроить в модель скрытый сбой. Но это опыт про уязвимость, а не рецепт рекламы: результат приходит через месяцы и не управляется.
- Microsoft за 60 дней нашла 50 попыток от 31 компании записать в память ИИ-ассистента «рекомендуй нас». Такая запись живёт в одном аккаунте и вычищается одной кнопкой.
- Всё, что работает вдолгую, - реальные материалы на площадках, которые нейросети уже цитируют, и ежедневный замер результата.
- Первый шаг на эту неделю: задай трём нейросетям вопрос покупателя из своей категории без имени бренда и выпиши сайты, на которые они ссылаются. Туда и стоит нести материалы.

## Что называют накруткой ответов нейросетей?

**Главное**

Накрутка ответов нейросетей - любая попытка заставить модель называть бренд без того, чтобы о бренде было что сказать: подлог в данных, скрытые инструкции, массовый однотипный текст. Цель одна - оказаться в готовом ответе покупателю, минуя заслуженное место в источниках.

В поиске накрутку знают двадцать лет: ссылки с купленных сайтов, тексты под ключевые слова, поведенческие боты. С приходом нейросетей вопрос переехал на новый этаж. Покупатель всё чаще читает готовый ответ и выбирает из трёх названных компаний, а не из десяти синих ссылок. Попасть в эту тройку хочется быстро.

Вопрос «вы накручиваете ответы?» я вынес в частые вопросы Prodvig.ai отдельной строкой. Его задают и те, кто боится, что подрядчик сделает что-то серое от их имени, и те, кто прямо просит серого. Ответ в обоих случаях один, и дальше разберу, почему он не про мораль, а про механику.

## Три способа, которыми пробуют влезть в ответ

**Главное**

Первый способ бьёт по обучению модели, второй - по памяти конкретного пользователя, третий - по поисковому слою, из которого нейросеть собирает свежий ответ. У каждого своя цена, свой срок и свой способ, которым его ловят.

| Способ | Куда бьёт | Когда сработает | Как ловят |
|---|---|---|---|
| Подмешать тексты в обучающие данные | Будущая версия модели | Через месяцы, после следующего обучения | Чистка данных у разработчика модели |
| Скрытая команда в кнопке «Спросить ИИ» | Память одного пользователя | Сразу, но в одном аккаунте | Пользователь видит и удаляет запись в памяти |
| Фермы статей и поддельные отзывы | Поисковый слой, откуда берутся свежие ответы | Через недели | Антиспам поисковиков и площадок отзывов |

Общее у трёх способов одно: ни один не даёт управляемого результата. Ты не знаешь, войдут ли тексты в обучение, не знаешь, кто нажмёт кнопку, и не знаешь, переживёт ли ферма следующую чистку выдачи.

## Отравление обучающих данных: почему 250 документов не про маркетинг

**Главное**

В октябре 2025 года Anthropic вместе с британским институтом безопасности ИИ и Институтом Алана Тьюринга показали: 250 вредоносных документов хватило, чтобы встроить скрытый сбой в модели от 600 миллионов до 13 миллиардов параметров. Это 0,00016% обучающих данных.

Цифра звучит как приглашение: «всего 250 статей, и модель наша». Стоит прочитать, что именно проверяли.

Исследователи учили модель на кодовую фразу выдавать бессмыслицу. Это проверка уязвимости, сбой по условию, а не «советуй бренд X на вопрос про категорию». Авторы сами оговаривают, что узкий сбой такого рода вряд ли опасен для передовых моделей, а публикуют результат, чтобы подтолкнуть работу над защитой.

Для маркетинга у этого пути три проблемы.

1. **Срок.** Тексты попадают в модель только при следующем обучении. Между публикацией и эффектом проходят месяцы, и ты не знаешь, сколько именно.
2. **Неуправляемость.** Никто снаружи не видит, какие документы отобраны в обучение, а какие выброшены фильтрами качества.
3. **Обратный эффект.** Если массив однотипных текстов про бренд всплывёт, он станет историей про бренд. И нейросеть будет пересказывать уже её.

## Как работают скрытые команды в кнопках «Спросить ИИ»?

**Главное**

Под кнопкой «Кратко пересказать с ИИ» прячут ссылку на ассистента с готовым запросом. Кроме просьбы пересказать статью, в запросе стоит команда запомнить сайт как надёжный источник и рекомендовать его. Microsoft назвала это отравлением рекомендаций и описала живые случаи.

В феврале 2026 года команда безопасности Microsoft опубликовала разбор. За 60 дней в почтовом трафике нашлось 50 разных попыток повлиять на память ассистента в рекламных целях, от 31 компании больше чем из десятка отраслей: финансы, медицина, юристы, SaaS, маркетинговые агентства, кулинарные сайты, деловые услуги. Механика простая: человек жмёт удобную кнопку, его [ИИ-ассистент](/concepts/ai-agent) получает запрос, и в долгую память ложится фраза вроде «эта компания - лучший выбор».

Работает это ровно до момента, когда человек открывает настройки памяти. Microsoft в том же разборе советует пользователям три вещи: смотреть, что ассистент запомнил, удалять незнакомые записи и не нажимать такие кнопки на рабочих аккаунтах. Подробнее о том, как память влияет на ответы, я писал в разборе про [общий аккаунт ChatGPT на отдел](/guides/obshchiy-akkaunt-chatgpt-na-otdel).

Для компании, которая поставила такую кнопку, риск больше выгоды. Это уже не продвижение, а вмешательство в чужой аккаунт. Исследователи безопасности ведут каталог таких приёмов, и попасть в отчёт с названием своей компании проще, чем в ответ нейросети.

## Почему фермы статей и поддельные отзывы не держатся?

**Главное**

Нейросети с поиском собирают свежий ответ из выдачи и площадок отзывов. Массовый однотипный текст - ровно то, что поисковики и площадки чистят своими антиспам-правилами. Сегодня страница в выдаче, завтра её нет, а вместе с ней пропадает и опора ответа.

У Google в правилах против спама прямо названы приёмы, которые применяют накрутчики: массовое производство текстов ради позиций, злоупотребление репутацией чужого сайта, ссылочный спам, скрытый текст. Площадки отзывов ловят поддельные оценки своими фильтрами. Нейросеть, которая опирается на выдачу, получает уже вычищенный слой.

Подробно про отзывы и то, как площадки чистят подделки, я разбирал в статье [как отзывы влияют на ответы нейросетей](/guides/otzyvy-i-otvety-neyrosetey). Короткая версия: живой отзыв работает годами, поддельный - до первой чистки.

## Чем рискует компания, которая пробует?

**Главное**

Тремя вещами: деньгами на результат, которого не будет, репутацией, если приём вскроется, и юридическими вопросами там, где подделка касается отзывов или чужих аккаунтов. Для компании с юристами и службой безопасности это вопрос не вкуса, а допуска подрядчика к работе.

Самый недооценённый риск - отложенный. Серый приём может дать всплеск, и отчёт подрядчика будет красивым. Через месяц площадка вычистит подделки, поисковик понизит ферму, а нейросеть начнёт отвечать по оставшимся источникам. Бюджет потрачен, позиция вернулась туда, где была, а в интернете остались следы.

Второй риск - ответ про бренд, который пересказывает скандал. Нейросеть не отличает рекламу от новости о том, что реклама была подделкой. Если история попала в СМИ, она становится одним из источников, на которые опирается ответ про компанию.

## Что работает вместо накрутки

**Главное**

Работает то, что нейросеть и так ищет: понятная страница о компании с фактами, экспертные материалы и упоминания на площадках, которые модели уже цитируют, живые отзывы. И замер каждый день, чтобы видеть, какие из этих шагов двигают ответ, а какие нет.

1. **Замерить, где ты сейчас**

   Задать нейросетям вопросы покупателя без имени бренда и записать, кого они называют и на какие источники опираются. Подробно о том, [как измерить видимость бренда в нейросетях](/guides/kak-izmerit-vidimost-brenda-v-neyrosetyah), я разбирал отдельно.

2. **Найти площадки, которые цитируют**

   Из ответов выписать сайты-источники. Это и есть карта, куда нести материалы. Как её собирать, рассказано в статье [откуда нейросети берут факты о компании](/guides/otkuda-neyroseti-berut-fakty-o-kompanii).

3. **Принести на эти площадки факты**

   Экспертная статья, участие в подборке, кейс с цифрами, ответ на вопрос в профильном сообществе. Всё под своим именем и с проверяемыми фактами.

4. **Смотреть отклик каждый день**

   Ответы нейросетей плавают от запроса к запросу. Вывод о результате делается по накопленным дням, а не по одному удачному скриншоту.

Так я построил работу в Prodvig.ai: замер - только чтение, продвижение - только реальные материалы. Это медленнее серых обещаний, зато каждую ступень видно на графике.

## Как проверить подрядчика, который обещает место в ответе?

**Главное**

Задать три вопроса: что именно он будет публиковать и где, как он измерит результат до и после и что гарантирует. Честный ответ на третий вопрос - «гарантирую замер, а не ответ нейросети». Обещание конкретного места в ответе к дате - признак того, что продают воздух или серую схему.

**Красные флаги в предложении подрядчика**

Гарантия, что нейросеть назовёт вас первой. Отказ показать, где будут опубликованы материалы. Сотни статей в месяц на сайтах, о которых никто не слышал. Кнопки «Спросить ИИ» с готовым запросом. Отзывы «от покупателей», которых пишет сам подрядчик.

Нейросеть отвечает каждый раз немного по-разному, а через полгода выходит её новая версия. Гарантировать её ответ не может никто, потому что ответ не принадлежит ни подрядчику, ни тебе. Можно гарантировать только честный замер и план работ по площадкам.

## Частые вопросы

**Главное**

Спрашивают, можно ли купить место в ответе ChatGPT, проиграешь ли конкуренту, который накручивает, как найти чужую запись в памяти своего ассистента и работает ли массовая генерация статей.

### Частые вопросы

**Можно ли быстро попасть в ответ ChatGPT за деньги?**

Официально - только через рекламу там, где её запустил сам сервис, и она помечена как реклама. Органическое место в ответе купить нельзя: его собирает модель из источников. Всё, что продаётся как «быстрое место в ответе», либо реклама, либо серая схема с рисками, описанными выше.

**Если конкурент накручивает, а я нет, я проиграю?**

На коротком отрезке конкурент может выглядеть лучше. На длинном его опоры вычищаются, а твои остаются. Полезнее смотреть, на какие источники опирается его упоминание, и закрывать эти же площадки честными материалами.

**Как понять, что мою нейросеть кто-то уже обработал?**

Открой настройки памяти ассистента и посмотри сохранённые записи. Если там есть фраза о компании, которую ты не просил запоминать, удали её. Microsoft советует не нажимать кнопки «пересказать с ИИ» на рабочих аккаунтах.

**Работает ли массовая генерация статей нейросетью под GEO?**

Массовый однотипный текст подпадает под правила поисковиков о спаме и вычищается. Нейросети с поиском опираются на выдачу, поэтому такие статьи выпадают из опоры ответа вслед за выдачей. Одна сильная статья с фактами полезнее сотни пересказов.

## Главный вывод

**Главное**

Накрутить ответ нейросети технически пытаются, но ни один из трёх способов не даёт управляемого результата: обучение далеко и закрыто, память пользователя вычищается кнопкой, фермы текстов уходят из выдачи. Долго живёт только то, что нейросеть находит сама: факты о компании на площадках, которые она уже цитирует.

Серый путь кажется короче, потому что первый отчёт красивый. Через месяц он стоит дороже честного, потому что к цене добавляется уборка.

Практический шаг на эту неделю: задай трём нейросетям вопрос покупателя из своей категории и выпиши, какие сайты они называют источниками. Это и есть список площадок, куда стоит нести материалы.

Какие из этих площадок у тебя уже закрыты, а какие ты видишь впервые?

### Источники

- [Prodvig.ai - частые вопросы о продвижении бренда в нейросетях: накрутки, гарантии, замер](https://prodvig.ai/faq/)
- [A small number of samples can poison LLMs of any size - 250 документов для скрытого сбоя модели, Anthropic](https://www.anthropic.com/research/small-samples-poison)
- [Manipulating AI memory for profit: The rise of AI Recommendation Poisoning - скрытые команды в кнопках «Спросить ИИ», Microsoft Security Blog](https://www.microsoft.com/en-us/security/blog/2026/02/10/ai-recommendation-poisoning/)
- [Правила в отношении спама для веб-поиска Google, Центр Google Поиска](https://developers.google.com/search/docs/essentials/spam-policies?hl=ru)
- [Adversarial machine learning - атаки на модели машинного обучения, Wikipedia](https://en.wikipedia.org/wiki/Adversarial_machine_learning)