В эпоху поисковых систем текст создавался прежде всего для людей, хотя авторы давно учитывали правила SEO: ключевые слова, понятная структура, короткие абзацы и заголовки. С распространением генеративного ИИ ситуация меняется ещё сильнее. Всё больше материалов публикуется не ради прямых просмотров, а ради того, чтобы попасть в поле зрения поисковых роботов и быть использованными в ответах нейросетей.

Эта тенденция получила название GEO — оптимизация под генеративные движки. Её сторонники советуют формулировать вывод в начале текста, разбивать материал на несколько чётких тезисов, добавлять структурированную разметку и размещать публикации на площадках, которые часто индексируются ИИ-системами. Цель такой работы — не обязательно получить читателя на сайт, а добиться того, чтобы модель упомянула бренд, товар или мнение в ответе на пользовательский запрос.

Опасность этого подхода показал эксперимент, авторы создали несуществующий «умный браслет» и разместили о нём несколько рекламных публикаций с вымышленными характеристиками. Через короткое время отдельные ИИ-модели начали повторять эти сведения в ответах, а после серии дополнительных публикаций включали несуществующий товар в рекомендации.

Эксперимент не доказывает, что модели сформировали устойчивое «мнение» о продукте, но демонстрирует другое: система может найти информацию релевантной по форме и теме, не распознав, что она была массово создана в рамках одной манипуляции.

Проблема усиливается тем, что пользователи всё чаще получают ответ прямо в интерфейсе ИИ и не переходят к первоисточникам. По приведённым данным, ИИ-резюме уже заметно сокращают органический трафик сайтов. При этом модели нередко используют информацию из пользовательских платформ и контентных сообществ, где качество, авторство и достоверность материалов могут сильно различаться.

В результате меняется сама логика распространения знаний. Раньше ложное утверждение должно было убедить большое число людей, чтобы стать заметным и повлиять на общественное мнение. Теперь ему иногда достаточно попасть в индексируемый массив текстов, откуда его может извлечь модель и повторить с видимостью авторитетного ответа.

При этом структурированный и понятный текст сам по себе не является проблемой. Чёткая подача полезна и читателю, и машине. Риски возникают, когда оптимизацию используют для распространения недостоверных сведений, скрытой рекламы или искусственного создания впечатления, будто определённая точка зрения подтверждается множеством независимых источников.

Главный вызов состоит в том, что автор постепенно превращается не только в рассказчика, но и в поставщика данных для ИИ. Текст всё чаще создаётся как набор фрагментов, которые легко извлечь, сопоставить с запросом и встроить в ответ модели. Такие статьи могут почти не читать люди, но они всё равно способны влиять на решения людей — через то, что им рассказывает искусственный интеллект.