ChatGPT как новый посредник между компаниями

По разных данным, год назад искусственный интеллект использовали 9% российских компаний. Сейчас — 32%. Основные сценарии вполне прикладные: аналитика, маркетинг, работа с документами, поиск информации и автоматизация рутины. Речь пока преимущественно об интеллектуальном помощнике, а не об управлении заводами и производственными линиями. Но именно на этапе сбора данных и сравнения вариантов формируется основа управленческого решения.

Руководителю нужно определить круг поставщиков, проверить компетенции интегратора, оценить опыт подрядчика в конкретной отрасли или подготовить аргументы для закупочного комитета. Часть этого анализа теперь выполняет ChatGPT.

Решение по-прежнему принимает человек. Однако состав участников будущего конкурса зависит от первого этапа исследования. Если ChatGPT не упомянул компанию, не распознал ее отраслевой опыт или описал ее слишком общо, до встречи с отделом продаж дело может не дойти.

Классический поиск предлагает ссылки, которые пользователь изучает и сопоставляет самостоятельно. Генеративный интерфейс выдает краткое описание рынка, список подходящих компаний, их различия и предварительный вывод.

Для покупателя это экономия времени. Для поставщика — новая точка риска.

По данным исследования G2 о рынке B2B-софта, 51% покупателей начинают исследование в ИИ-чате чаще, чем в Google, а 71% используют такие сервисы на разных этапах выбора. ИИ-чаты стали источником номер один по влиянию на первоначальный список поставщиков. Их применяют для сравнения решений, подготовки RFP, оценки соответствия требованиям и анализа рынка.

В B2B цена ошибки выше, критериев больше, а путь к контракту длиннее. Закупочному комитету нужны подтверждения: отраслевой опыт, реализованные проекты, технологические партнерства, отзывы, репутация и способность работать с конкретным масштабом задачи.

ChatGPT собирает эти сведения в одну картину. Ответ может содержать ошибки или устаревшие данные и требует проверки. Но уже сам порядок упоминаний влияет на дальнейшую работу. Компании из первого ответа получают шанс на дополнительное изучение.

На рынке достаточно генеративных моделей, но для российского профессионального пользователя доступность и привычка имеют не меньшее значение, чем технологические характеристики.

В исследовании Ingate Group и SEOnews ChatGPT оказался самым популярным сервисом среди опрошенных маркетологов, руководителей и собственников бизнеса. Его указал 21% респондентов. YandexGPT набрал 9%, GigaChat — 7%.

Claude, который хвалят буквально все исследователи, не рассматриваем по практической причине. Регистрация и доступ к сервису из России требуют дополнительных действий, поэтому его пока сложно считать массовым инструментом для российского бизнеса.

Позиции ChatGPT не отменяют значение GigaChat. У российского решения есть преимущества для корпоративного сегмента: локальная инфраструктура, работа без ВПН, хранение данных на серверах в России (надеемся на это).

Сбер развивает GigaChat как бизнес-платформу. Среди заявленных сценариев — поиск информации, суммаризация обсуждений, обработка клиентских запросов, анализ отзывов, подготовка текстов и работа с большими документами. Для компаний с требованиями к размещению данных и внутреннему IT-контуру эти параметры могут оказаться определяющими.

ChatGPT остается базовой точкой входа в генеративный поиск и текстовую работу. GigaChat занимает сильную позицию в российских корпоративных системах. Для коммуникаций важны оба канала: одна и та же компания может выглядеть убедительно в ответах одной модели и почти отсутствовать в другой.

Если ChatGPT сегодня становится одним из основных инструментов для исследования рынка, то Яндекс Алиса постепенно занимает аналогичную роль внутри российской цифровой экосистемы. После запуска режима с генеративными ответами Алиса перестала быть только голосовым помощником. Теперь она умеет анализировать запрос, обобщать информацию из нескольких источников и сразу формировать ответ, а не просто показывать ссылки.

Для миллионов пользователей Яндекса именно такой формат становится первой точкой знакомства с компанией, продуктом или рынком. Особенность Алисы заключается в том, что она встроена в экосистему Яндекса: поиск, Браузер, мобильные приложения, умные устройства и другие сервисы. Пользователь может задать вопрос естественным языком — например, «какие российские интеграторы внедряют промышленный искусственный интеллект», «с кем работает нефтегазовая отрасль» или «какие компании специализируются на цифровой трансформации производств» — и получить готовое резюме вместо списка сайтов.

Для бизнеса это означает, что борьба идет уже не только за место в поисковой выдаче, но и за присутствие в самом ответе модели. Если Алиса не находит достаточного количества достоверных сведений, не понимает специализацию компании или не видит подтверждения экспертизы, вероятность попасть в первоначальный список рассматриваемых поставщиков снижается. При этом принципы формирования ответов практически совпадают с теми, которые мы наблюдаем у других генеративных моделей.

Наиболее уверенно Алиса опирается на структурированные материалы: официальный сайт компании, отраслевые публикации, экспертные комментарии, исследования, кейсы с измеримыми результатами, рейтинги и независимые упоминания. Чем последовательнее информационное поле компании, тем проще модели определить ее специализацию и объяснить пользователю, чем она отличается от конкурентов.

По сути, для российского рынка Алиса становится еще одним каналом генеративного поиска, который необходимо учитывать при построении коммуникационной стратегии. Компании, ориентированные только на традиционное SEO, постепенно начинают уступать тем, кто системно работает с качеством и полнотой своего публичного информационного поля.

Отдел продаж видит только тех клиентов, которые уже решили связаться с компанией. Значительная часть выбора проходит раньше — во время изучения категории и внутреннего обсуждения проекта.

Представим директора по цифровой трансформации, которому нужен интегратор для промышленной аналитики. Он просит ChatGPT назвать компании с опытом работы на предприятиях сопоставимого масштаба, сравнить их подходы и указать риски внедрения. В результате появляется первичная карта рынка.

Такой ответ не становится основанием для контракта. Он определяет следующий шаг: какие сайты открыть, чьи кейсы изучить и с кем назначить встречу. Преимущество получает не обязательно лучший поставщик, а тот, чья экспертиза понятнее представлена в публичном поле.

ChatGPT не заменяет закупочный комитет и не проводит полноценный due diligence. Его роль — формирование поля выбора. Для B2B-коммуникаций это означает переход от борьбы за внимание в поисковой выдаче к борьбе за присутствие в сформулированном ответе.

Представление ChatGPT о компании складывается из сайта, публикаций в медиа, отраслевых исследований, рейтингов, отзывов, кейсов и интервью. Для модели все эти источники образуют единую картину.

Внутри компании PR, SEO, продуктовый маркетинг и продажи могут существовать как отдельные функции. В ответе ChatGPT границы между ними исчезают.

Если сайт описывает услуги общими словами, кейсы не содержат результатов, а публикации не подтверждают специализацию, модели трудно сформировать уверенную рекомендацию. Сильная компания может выглядеть как один из многих похожих поставщиков.

Последовательное информационное поле дает другой результат. Четкое описание категории, конкретные кейсы, измеримые результаты и независимые упоминания помогают модели определить специализацию компании и ее отличия от конкурентов.

Исследование G2 указывает на значение структурированного источника достоверной информации. Без него компания рискует не попасть в consideration set — круг поставщиков, которых покупатель вообще рассматривает.

PR работает с доверием и репутацией, SEO — с поисковой видимостью, продуктовый маркетинг — с объяснением ценности, продажи — с доказательствами и возражениями. В генеративном поиске эти функции сходятся в одном ответе.

Пользователь может попросить ChatGPT назвать надежных поставщиков, сравнить их сильные стороны и объяснить, для каких задач подходит каждый. Для этого модели нужны узнаваемость, понятное позиционирование, структурированная информация и независимые подтверждения.

Одна публикация проблему не решает. Нужна согласованность источников. Заявление о лидерстве без данных, партнерства без результатов и кейсы без показателей дают слабое и обобщенное описание. Работа с ИИ-видимостью начинается не с попытки понравиться алгоритму. Ее основа — нормальная информационная архитектура: понятная категория, конкретные сценарии применения, доказательные кейсы, сравнения и экспертные комментарии.