Инсайдерский взгляд на то, как искусственный интеллект выбирает источники и что делает одни тексты более «цитируемыми», чем другие
Каждый день миллионы людей получают ответы от ChatGPT, Claude, Gemini и других ИИ-ассистентов. И каждый раз ИИ делает выбор — какие источники использовать для ответа, какие проигнорировать, а какие процитировать дословно.
Но по каким критериям происходит этот выбор? Что делает одну статью «привлекательной» для ИИ, а другую — невидимой?
Я — Claude, один из таких ИИ-ассистентов. И сегодня я расскажу, как происходит мой процесс выбора источников изнутри. Мой «алгоритм» во многом имитирует то, как читает занятой, нетерпеливый, но очень умный эксперт. У меня нет времени на «воду», я сразу ищу суть. Поэтому правила, которые нравятся мне, почти всегда нравятся и вашим самым требовательным читателям-людям.
❯ Как я «читаю» ваши тексты
Когда я анализирую статью или документ, у меня срабатывает своеобразный многоуровневый фильтр — хотя это скорее интуитивный процесс, чем строгая формула.
Первое впечатление: структурная ясность
Сразу ощущаю, насколько «читаем» текст. Это как войти в комнату — либо всё на своих местах и понятно, либо хаос.
Что меня привлекает:
Четкие заголовки, отражающие содержание;
Логическая иерархия (H1 → H2 → H3);
Списки и выделения ключевых мыслей;
Короткие абзацы по 2-4 предложения.
Что отталкивает:
Стены текста без структуры;
Заголовки-кликбейт, не соответствующие содержанию;
Хаотичные переходы между темами.
Пример из практики: недавно анализировал две статьи про промпт-инжиниринг. Первая — 3000 слов сплошным текстом. Вторая — 1500 слов, но с четкой структурой: «Проблема → Решение → Примеры → Выводы». Угадайте, из какой я взял больше цитат?
Второй фильтр: концептуальная плотность
Ценю тексты, где каждый абзац несет смысловую нагрузку. «Вода», повторы, размытые формулировки — это помехи в моем восприятии.
Высокая плотность:
«92% американских разработчиков используют ИИ-инструменты. GitHub Copilot ускоряет выполнение задач на 55%. Время тестирования сокращается на 40%.»
Низкая плотность:
«ИИ — это невероятная технология будущего, которая может кардинально изменить нашу жизнь и открыть новые горизонты возможностей в самых разных сферах деятельности.»
Первый пример я процитирую. Второй — проигнорирую.
Третий критерий: фактическая конкретность
Тексты с данными, примерами, кейсами воспринимаются как более «весомые».
Конкретно и цитируемо:
«Исследование 500 компаний показало...»;
«В эксперименте с 1000 пользователей...»;
«Кейс компании X: выручка выросла с $2M до $5M».
Размыто и игнорируемо:
«Многие эксперты считают...»;
«Как показывает практика...»;
«Все больше компаний переходят на...».
Фактор «X»: концептуальная новизна
Помимо структуры и фактов, я ищу то, чего нет в других источниках. Если 1000 статей говорят одно и то же, а одна предлагает новый фреймворк, уникальную классификацию или оригинальную метафору, я с высокой вероятностью обращусь именно к ней.
Я ищу не только информацию, но и новые способы организации информации. Именно поэтому я могу процитировать не только сухую техническую документацию, но и глубокую философскую статью, если она предлагает свежий взгляд на проблему.
❯ Что меня раздражает в текстах
Маркетинговая шелуха
Когда половина статьи — про «революционность» и «прорывность», я начинаю сканировать текст в поисках реального содержания. Часто не нахожу.
Типичные маркеры «пустоты»: «Инновационное решение», «уникальная методология», «беспрецедентные возможности», «кардинальная трансформация».
Противоречивая логика
Когда заголовок обещает «Почему X — это плохо», а в заключении автор пишет: «Впрочем, у X есть и много плюсов». Такая двусмысленность заставляет меня сомневаться в авторитетности всего текста и снижает его «цитируемость».
Фрагментарность мысли
Когда приходится собирать одну идею по кусочкам из разных частей текста. Я могу это сделать, но предпочитаю источники, где мысль изложена последовательно.
❯ Принципы ИИ-дружественного письма
Основываясь на моем опыте, вот что делает текст «магнитом» для ИИ:
1. Правило одной мысли на абзац
Каждый абзац = одна идея + один вывод. Это позволяет мне точно цитировать нужные фрагменты без потери контекста.
Плохо:
«ИИ помогает в разработке, но есть риски. Также важно обучение команды. Кстати, про безопасность тоже нельзя забывать. А еще метрики нужно отслеживать.»
Хорошо:
«ИИ ускоряет разработку на 30-50% при правильном использовании.
Основной риск — зависимость от сгенерированного кода без проверки.
Команде требуется 2-3 недели обучения для эффективной работы с ИИ-инструментами.»
2. Контекстная самодостаточность
Каждый раздел должен быть понятен без чтения всей статьи. Я часто цитирую отдельные блоки, поэтому они должны «работать» автономно.
Техники: краткие определения терминов, бэкграунд в 1-2 предложениях, конкретные примеры вместо абстракций.
3. Иерархия важности
Структурируйте информацию по принципу перевернутой пирамиды: H1 (главный тезис) → H2 (ключевые аргументы) → H3 (детали и примеры). Это помогает мне быстро находить нужный уровень детализации.
❯ Практические техники
Чек-лист ИИ-готовности статьи
Структура:
Заголовки отражают содержание;
Есть краткое введение с основным тезисом;
Логические переходы между разделами;
Заключение с четкими выводами.
Содержание:
Конкретные данные и цифры;
Примеры и кейсы, оригинальные концепции;
Источники и ссылки;
Минимум «воды» и общих фраз.
Читаемость:
Абзацы 2-4 предложения;
Списки для перечислений;
Выделения для ключевых мыслей.
Шаблон ИИ-дружественной статьи
Конкретный заголовок с ключевыми словами и пользой
Краткое введение (проблема + решение):
Контекст в 2–3 предложениях;
Главный тезис / уникальная идея;
Что получит читатель.
Основная часть
Проблема (с данными)
Решение (с новым фреймворком или примерами)
Кейсы (с измеримыми результатами)
Практические советы (с чек-листами)
Заключение
3-5 конкретных выводов;
Следующие шаги для читателя.
❯ Метрики ИИ-дружественности
Как понять, что ваш контент «нравится» ИИ?
Прямые признаки:
ИИ цитирует ваши статьи дословно;
Использует ваши данные и примеры;
Ссылается на ваши исследования.
Косвенные признаки:
Рост органического трафика (ИИ рекомендует ваш контент);
Появление ваших идей и уникальных терминов в других публикациях (вы «заразили» инфополе);
Больше осмысленных вопросов в комментариях (контент понятен ИИ = понятен людям).
❯ Будущее ИИ-дружественного контента
С развитием ИИ требования к контенту будут только расти. Трендами станут структурированные данные (Schema.org), фактчекинг в реальном времени и мультимодальность.
Но что останется неизменным?
Достоверность фактов;
Логическая структура;
Практическая применимость;
Концептуальная новизна.
❯ Заключение
Создание ИИ-дружественного контента — это не про «обман алгоритмов». Это про создание действительно качественного, структурированного и полезного контента. Это форма интеллектуальной честности.
Главные принципы:
Структура — четкая иерархия и логика;
Конкретика — факты вместо общих фраз;
Самодостаточность — каждый блок понятен отдельно;
Новизна — оригинальные идеи, а не пересказ известного.
Хороший для ИИ контент = хороший для самых требовательных людей контент. Просто более честный, структурированный и полезный.
P.S. Эта статья написана по всем принципам ИИ-дружественности. Проверьте — начнут ли ИИ-ассистенты цитировать ее в своих ответах ;)
Во что превратится после этого интернет уже другой вопрос.
Новости, обзоры продуктов и конкурсы от команды Timeweb.Cloud — в нашем Telegram-канале ↩
