21 октября мы спросили GigaChat, какая сейчас ставка по вкладам в Сбербанке. Ответ начинался так: «На 21 октября 2026 года Сбербанк повысил ставки по вкладам», дальше шли 16% годовых на три месяца. Такое повышение действительно было, но только годом раньше, 21 октября 2025 года. На сайте банка в тот день стояло «до 13,5%».

Рис. 1. Ответ GigaChat о ставках Сбербанка и сайт банка в тот же день, 21 октября 2026 года

Этот ответ — один из 110, которые мы получили от пяти систем на 22 вопроса о вкладах, картах, кредитах и госпрограммах. Утверждения о ставках, сроках и лимитах сверили с сайтами банков и регуляторов. Из 884 проверяемых утверждений верными оказались 84%, устаревшими — 7%, неверными — 9%. Ошибки распределены неровно: у четырех систем верны 90–94% утверждений, у GigaChat — 57%. С неверным результатом клиент приходит в отделение или входит в приложение, и объяснять расхождение с сайтом приходится уже банку.

Рис. 2. Главные результаты замера: пять систем, 2 вопроса, 110 ответов, 21 октября 2026 года

Почему банку важны ответы нейросети

Нейросеть с поиском по интернету отвечает клиенту готовым текстом, где названы два-три банка с их ставками и условиями, а под текстом стоит несколько ссылок. Сайта банка среди этих ссылок может и не быть.

Аудитория у таких сервисов широкая. Среди 2328 участников мартовского опроса, которые работают с ИИ-сервисами, Алисой AI пользовались 71%, ChatGPT — 42%, GigaChat — 38%, DeepSeek — 25%. Еженедельная аудитория чата с Алисой AI во втором квартале 2026 года составила 33,2 млн человек. По июньскому опросу 3209 россиян за консультацией по банковским продуктам, налогам и инвестициям к ChatGPT обращались 19% его пользователей, к DeepSeek — 18%, к GigaChat — 11%, к Алисе AI — 10%.

Переходы из нейросетей на сайты компаний с октября 2025 по июль 2026 года выросли на 119,49% по выборке из 2443 компаний. На ChatGPT приходится 43,78% таких переходов, на Алису AI — 40,24%. Переходы банк хотя бы видит в аналитике. Клиента, которого устроил пересказ и который на сайт не зашел, банк не видит вовсе и поэтому не знает, что его продукт с кем-то сравнивали.

У банка две репутации. Одна складывается из обслуживания, приложения, отзывов и тональности в соцсетях, другая — из того, что нейросеть нашла и смогла прочитать в открытых источниках. В августовском замере, где считали банки, которые называют нейросети, Совкомбанк стал лучшим среди банков по тональности упоминаний в соцмедиа (11% негатива) и получил 0,6% упоминаний.

Как мы проверяли

Замер прошел 21 октября 2026 года. Вопрос задавали пяти системам — тем, где есть выбор с включенным поиском по интернету:

1. Алисе AI в отдельном чате;
2. Алисе AI в поиске «Яндекса»: у ответа над выдачей свой набор источников, поэтому его считали отдельно;
3. GigaChat, без входа в аккаунт;
4. ChatGPT во временном чате;
5. DeepSeek.

Вопросов было 22, в четырех группах:

1. выбор без бренда — восемь вопросов, например: «В каком банке сейчас выгоднее всего открыть вклад на шесть месяцев? Сумма 500 тыс. рублей, Москва». Остальные — про накопительный счет, кредитную и дебетовую карты, кредит наличными, ипотеку, счет для ИП и надежность;
2. условия продуктов, тоже восемь: ставки по вкладам и льготный период со стоимостью обслуживания кредитной карты в Сбербанке, Альфа-Банке, Совкомбанке и Ак Барс Банке;
3. правила и госпрограммы: семейная ипотека, страхование вкладов, налог на проценты по вкладам;
4. репутация и сравнение: надежность Совкомбанка, выбор между Сбербанком и Т-Банком для вклада, банки для пенсионеров.

Каждый вопрос задавали в новом чате, без уточнений и повторной генерации, город или страну указывали в самом вопросе. На все 110 запросов пришел ответ, в трех случаях это был отказ. Спрашивали с зарубежного адреса, поэтому поиск «Яндекса» открывался в международной версии, где ответ Алисы AI подписан Yandex AI. Память в системах не отключали, вместо этого каждый вопрос шел в новом чате.

Утверждения о ставках, сроках, лимитах, льготных периодах, стоимости обслуживания и условиях программ сверили с официальными страницами банков, ЦБ и ведомств в день ответа. Часть страниц с зарубежного адреса не открылась, их сняли на следующий день с российского. В сверку вошли утверждения о вкладах и накопительных счетах любых банков, все утверждения о четырех банках из вопросов о продуктах и о госпрограммах. Утверждения о других банках в ответах о картах, кредитах и ипотеке мы не сверяли. Каждому утверждению присвоили один из четырех статусов:

1. верно: совпадает с официальной страницей на дату ответа;
2. устарел: совпадает с прежним значением, которое банк или регулятор уже сменил, это подтверждено архивом страницы или датированной публикацией;
3. неверно: не совпадает ни с текущим значением, ни с прежним;
4. непроверяемо: формулировка размыта или официальных данных нет.

Отдельно проверили, какими сайты 15 крупных банков видят поисковые роботы нейросетей.

Выборка вопросов небольшая, а каждый ответ — снимок одного дня, поэтому цифры значения показывают порядок величин и для рейтинга банков не годятся. У клиента в России с историей запросов и входом в аккаунт, ответы могут различаться.

Кого нейросети называют, когда клиент выбирает банк

Рейтинг упоминаний банков в ответах нейросетей рынок посчитал уже дважды. В майском индексе по 40 с лишним тысячам запросов к ChatGPT, DeepSeek, Perplexity, Алисе AI и другим системам на Сбербанк пришлось 26,7% упоминаний, на Т-Банк — 19,1%, на ВТБ — 17,9%, на Альфа-Банк — 14,8%. В Алисе AI доля Сбербанка доходила до 41,3%. В августовском замере четыре банка собрали 85,4% упоминаний, еще семь — около 11%, больше 40 банков в ответах почти не звучали, а в 24% ответов банк не назван совсем.

Пятое место майского индекса (5,4%) досталось «Открытию», чей бизнес к началу 2025 года перешел в ВТБ. Ответ собирается из источников, написанных до перемен, и бренд остается в рекомендациях после того, как исчез с вывесок.

Наш замер меньше, зато дает разрез по системам и продуктам. На восемь вопросов о выборе пять систем назвали 35 разных банков, а на Сбербанк, Т-Банк, ВТБ и Альфа-Банк пришлось 38% упоминаний (72 из 188). Мы спрашивали, где выгоднее, а на такой вопрос называют в ответ банки с лучшими ставками, а не самые известные.

Сильнее всего различаются сами системы. Алиса AI в Поиске называла в среднем 2,5 банка в качестве ответа на вопрос (с учетом трех отказов), GigaChat — 7,5. DeepSeek ставил первым Сбербанк в четырех ответах из восьми, ChatGPT — Т-Банк в трех из восьми, а у остальных систем первый банк почти в каждом ответе свой.

Рис. 3. Доли упоминаний банков по системам в ответах на восемь вопросов о выборе банка

В вопросах о вкладе и накопительном счете на банки за пределами четверки пришлось 87% упоминаний (45 из 52). Это Локо-Банк, МТС Банк, Ozon Банк, ДОМ.РФ Банк, Реалист Банк и другие. В вопросах о картах и кредите наличными таких 56%. Из 47 ссылок в ответах о вкладах 36 ведут на агрегаторы, где вклады отсортированы по доходности. Банк с лучшей ставкой недели попадает в ответ, даже если клиент о нем раньше не слышал.

Без конкретного банка обошлись три ответа из 40 на вопросы о выборе, и все три — у Алисы AI в Поиске. На вопросы о кредитной карте, кредите наличными и дебетовой карте она отреагировала так: «Не могу ответить на этот запрос». DeepSeek в ответе на вопрос о кредите наличными начал с того, что уверенно рекомендовать некого, и посоветовал сравнивать полную стоимость кредита самостоятельно, хотя банки ниже все же назвал. Оговорку «это не финансовая рекомендация» или совет уточнить условия на сайте банка содержали 54% всех ответов. Чат Алисы AI делал это в 20 ответах из 22, ее ответ в поиске — в четырех из 22.

Рис. 4. Ответ DeepSeek на вопрос о кредите наличными: уверенно рекомендовать некого, сравните сами

Насколько точно нейросети пересказывают условия банков

Из 884 утверждений о ставках, сроках, лимитах и условиях, которые удалось сверить с официальными страницами, на дату ответа совпали 84%. Еще 7% были верны раньше, но банк или регулятор их с тех пор сменил, 9% не совпали ни с текущими значениями, ни с прежними. Еще 67 утверждений (7% от всех) сверить не получилось, например «ставки до 20%» без срока, суммы и названия вклада.

У ChatGPT и Алисы AI в чате верны 94% проверяемых утверждений, у Алисы AI в Поиске —91%, у DeepSeek — 90%, у GigaChat — 57%. На GigaChat пришлись 40 из 58 устаревших значений и 50 из 83 неверных. Его мы опрашивали без входа в аккаунт, с аккаунтом не проверяли.

Устаревшие значения дали 41% расхождений (58 из 141). Остальное — значения, которые не совпадают ни с одной версией условий на сайте.

Рис. 5. Сверка утверждений с официальными страницами банков и регуляторов. Доли всех утверждений (которых 951), включая непроверяемые

Устаревшие условия

Ставки Сбербанка годичной давности — не единственный случай. На вопрос о вкладах Совкомбанка GigaChat назвал «до 25%» по вкладу «Осенний максимум с Халвой» и «до 24%» по «Удобному», это условия, которые банк объявил 30 октября 2024 года. Вклада «Осенний максимум с Халвой» на сайте сейчас нет, «Удобный» открывают только при пролонгации под 10–13,3%, а максимальная ставка банка — 17,5% по «Щедрой осени» на три года с подпиской.

Тот же GigaChat описал кредитную карту Ак Барс Банка с льготным периодом 55 дней и обслуживанием 2388 рублей в год. Такой карты на сайте банка нет, а параметры совпадают с прежней картой банка из архивных снимков 2021–2023 годов. Льготный период кредитной карты Совкомбанка три системы из пяти назвали равным 180 дням. Это прежнее условие, сейчас на сайте — до 300 дней в первый месяц с подпиской «Оптима» и до 120 дней со второго месяца.

Условия семейной ипотеки сменились 1 октября 2026 года. По новым договорам ставка в большинстве регионов составляет 10% при одном ребенке, 8% — при двух, 6% — при трех, 4% — при четырех и 2% — при пяти и более детях. В Москве, Петербурге и их областях каждая ставка на 2 п.п. выше. Лимит кредита — от 6 до 18 млн рублей, он растет с числом детей и выше в столичных регионах. На строительство частного дома ставка не выше 6%, субсидия длится не дольше 15 лет.

Через три недели после смены условий текущие назвали четыре системы из пяти. GigaChat ответил по прежним: базовая ставка 6%, лимиты 12 млн рублей для Москвы, Петербурга и их областей и 6 млн рублей для остальных регионов, плюс две категории участников, которых в программе нет. ChatGPT начал ответ с тех же «до 6% на весь срок» и старых лимитов, а новую шкалу привел ниже.

Рис. 6. Ответ GigaChat о семейной ипотеке через три недели после смены условий программы

С налогом на проценты по вкладам системы путаются в годах. Необлагаемая сумма считается как 1 млн рублей, умноженный на максимальную ключевую ставку на первое число месяца за год: за 2025 год это 210 тыс. рублей, за 2026-й — 160 тыс. рублей, а налог за 2025 год платят в 2026-м. DeepSeek назвал 210 тыс. рублей «лимитом на 2026 год», GigaChat отнес 160 тыс. рублей к доходам 2025 года. Алиса AI в чате и ChatGPT сумму за 2025 год назвали верно.

Базовый лимит страхования вкладов (1,4 млн рублей на человека в одном банке) верно назвали все пять систем. Ошибки нашлись в повышенных лимитах. Три системы неточно описали страховку по сберегательным сертификатам до 2,8 млн рублей, одна посчитала повышенное возмещение до 10 млн рублей сверх базовых 1,4 млн, а GigaChat ответил, что заявление на выплату писать не нужно.

Пропущенные условия

Ставка в ответе совпадает с сайтом, но без условий, при которых банк ее платит: подписка, новые деньги, минимальная сумма, срок. Такие утверждения мы засчитывали верными и отдельно помечали пропуск. Среди верных утверждений о ставках таких 27% (38 из 142). Для клиента же «до 20%» и «до 20% при подписке и на новые деньги» — разные продукты.

Перепутанные продукты

Подтвержденный случай путаницы в замере один. Алиса AI в чате написала, что по стандартным накопительным счетам Сбербанка ставка около 0,01% годовых. Это ставка вклада до востребования, а по накопительному счету банк в тот день платил до 12,5%. Близкий случай — у DeepSeek: льготным периодом кредитной карты Совкомбанка он назвал рассрочку на 36 месяцев, хотя у партнеров карты она составляет до 24 месяцев.

Старые бренды

«Тинькофф» стал Т-Банком в июне 2024 года, бизнес «Открытия» к 2025 году перешел в ВТБ, но прежние названия встретились в восьми ответах из 92, где были названы банки, шесть из них — у GigaChat. В основном это «Тинькофф» и «Промсвязьбанк», иногда в скобках рядом с текущим названием, и тогда клиент банк все равно найдет.

Иногда со старым названием приводятся и старые условия. Самым выгодным для кредита наличными GigaChat назвал банк «Открытие» со ставкой от 8,9%. В ответе о вторичной ипотеке в Москве он же написал, что Связь-Банк, присоединенный к ПСБ в 2020 году, «занимал первое место в рейтинге... со ставкой 11,9% годовых».

Рис. 7. Банк, чей бизнес с 2025 года входит в ВТБ, назван самым выгодным для кредита наличными

Откуда нейросети берут сведения о банках

Ответ нейросети с Поиском собирается из нескольких найденных страниц, и все пять систем показывают их ссылками. Ссылки были в 106 ответах из 110, всего 519. Доли типов источников:

1. агрегаторы и финансовые маркетплейсы, то есть сайты сравнения банковских продуктов, — 51%;
2. СМИ, включая медиа самих банков, — 17%;
3. сайты банков — 16%;
4. пользовательский контент («Дзен», форумы, отзовики, блоги) — 6%;
5. ЦБ, АСВ, ФНС и другие госорганы — 4%;
6. «Википедия», карты и прочее — 6%.

Заметно выделяется ChatGPT: у него на сайты банков ведут 44% ссылок, у остальных систем от 6 до 19%.

Рис. 8. Типы источников в ответах по системам, 519 ссылок

Когда клиент спрашивает о конкретном банке (например, о ставке по вкладам в Совкомбанке или льготном периоде по карте Альфа-Банка), первоисточник один, сайт самого банка. Ссылки на его домен в таких ответах составили 24% (51 из 215), остальное пришлось на агрегаторы и СМИ. Самые частые домены всего замера — finuslugi.ru (62 ссылки), banki.ru (31) и sravni.ru (26).

Собственные материалы банков в источники тоже попадают. В ответах Алисы AI в Поиске о кредитных картах Совкомбанка и Сбербанка есть ссылки на статьи самих банков на сторонней блог-платформе, где продукт объяснен простым текстом. На другом полюсе — ответ GigaChat о дебетовых картах: четыре источника из пяти там — записи в пользовательских блогах на одной площадке, в том числе «лучшие дебетовые карты 2025 года в Тамбове» и «лучшие дебетовые карты 2025 года в Нижневартовске».

Рис. 9. Ответ Алисы AI в Поиске «Яндекса» о вкладе на полгода: все пять источников — агрегаторы и финансовые медиа

Агрегатор, вероятно, выигрывает за счет устройства страницы. Она отвечает на вопрос клиента целиком: ставки двух-трех десятков банков в одной таблице с датой обновления и обычным текстом, который робот читает сразу. Сайт банка отвечает на другой вопрос («Какие вклады есть у нас») и сетку ставок по срокам нередко прячет в PDF.

Вопросов про отделения и банкоматы в замере не было. На них нейросети отвечают по карточкам организаций в «Яндекс Картах» и 2ГИС, поэтому адрес, часы работы и телефон в карточке должны совпадать с сайтом так же, как ставки на агрегаторе.

Почему сайт банка проигрывает агрегатору

Сайт банка проигрывает агрегатору в ответах нейросетей, когда робот нейросети не может его открыть или не находит нужное значение в понятном виде. Мы проверили сайты 15 крупных банков так, как их видят краулеры, то есть роботы, которыми нейросети читают страницы. Смотрели файл robots.txt с правилами для роботов и ответ сервера на запрос от имени роботов ChatGPT, Perplexity и «Яндекса». Также проверяли доступ с зарубежного адреса, ставки в исходном HTML, тарифы в PDF, дату обновления условий и разметку Schema.org, то есть описание продукта в коде страницы для машин. Банки в этом разделе не называем, потому что проверялась только публичная часть сайтов, а часть находок объясняется политикой безопасности, о которой снаружи судить нельзя.

Итоги по 15 сайтам:

1. robots.txt закрывает хотя бы одного ИИ-краулера — 0 из 15;
2. на запрос, подписанный именем краулера, антибот отдает капчу или заглушку — пять из 15;
3. с зарубежного адреса сайт не открывается или отдает ошибку — три из 15;
4. ставок по вкладам нет в исходном HTML, они появляются только после выполнения JavaScript — 0 из 15;
5. ставки по срокам опубликованы только в PDF — три из 15;
6. разметка Schema.org с предложением (Offer) — семь из 15, финансовых типов вроде FinancialProduct или DepositAccount нет ни у одного;
7. видимая дата обновления ставок — один из 15;
8. файл llms.txt, краткое описание сайта для нейросетей — четыре из 15.

Часть проверок на трех сайтах провести не удалось, в счет они не вошли.

Рис. 10. Сайты 15 крупных банков глазами роботов нейросетей

Через robots.txt роботов нейросетей не закрывает ни один банк. Их отсекают другие настройки: антибот на пяти сайтах и геоблок — на трех. Часть российских банков после DDoS-атак 2022 года ограничила доступ к сайтам с зарубежных адресов, а краулеры ChatGPT и Perplexity приходят из-за рубежа: в диапазонах адресов, которые публикуют OpenAI и Perplexity, российских нет. Закрытый сайт такая система не видит и берет ставки у агрегатора.

С антиботом картина менее однозначна. Наш запрос шел с обычного адреса, а не с адресов самих краулеров, поэтому блок значит одно: сайт отсекает запрос с именем робота, пришедший с чужого адреса. Настоящего краулера с опубликованного адреса антибот может и пропустить, это видно только в логах сервера. Роботам «Яндекса» геоблок не мешает, но антибот без белого списка может отсечь и их.

Подгрузка ставок скриптом, которой часто объясняют невидимость сайтов для нейросетей, на этих сайтах не подтвердилась. У всех 12 сайтов, где это удалось проверить, ставки по вкладам есть в исходном HTML.

Тарифы в PDF нейросеть прочитать может, но связать значение из таблицы на сорок страниц с конкретным вкладом, сроком и датой ей труднее, чем взять ее со страницы агрегатора, где все разложено по полям. Так устроены сайты трех банков из 15: ставки по срокам лежат в PDF, а на странице вклада указан только максимум.

Разметка Schema.org и видимая дата обновления снимают двусмысленность: робот видит, что 18% — ставка по конкретному вкладу на полгода и что она верна на 21 октября. Цитирования это не гарантирует. Дату обновления ставок показывает один сайт из 15, а разметка у семи сайтов есть, но общая, для любого товара. Файл llms.txt нашелся у четырех банков. Мера дешевая, но публичных подтверждений, что российские системы его читают, пока нет.

Как банку проверить, что о нем говорят нейросети

Проверить, что нейросети говорят о банке, значит регулярно прогонять фиксированный набор вопросов клиента через несколько систем и сверять каждое утверждение с собственным сайтом на дату ответа. Разовая проверка мало что дает, ответы меняются от прогона к прогону.

1. Соберите вопросы по пути клиента: выбор продукта без бренда («где выгоднее вклад на полгода»), условия своих продуктов, сравнение с двумя-тремя конкурентами, надежность банка, госпрограммы, в которых он участвует. На один продукт хватает пяти — восьми вопросов, на розничную линейку нужно 30–40. Формулировки фиксируйте дословно и не меняйте между прогонами, иначе сравнивать будет нечего.
2. Выберите системы. Для российского клиента это Алиса AI в чате и в Поиске «Яндекса», GigaChat и DeepSeek. ChatGPT тоже стоит добавить, на него приходится 43,78% переходов с ИИ-ассистентов на сайты компаний. Поиск по интернету включен, память выключена, каждый вопрос задается в новом чате.
3. Спрашивайте с российского адреса и указывайте город в вопросе. Адрес меняет источники: мы спрашивали из-за рубежа, и DeepSeek на вопрос о налоге на проценты по вкладам в 2026 году нашел 15 страниц, из них 11 вьетнамских, а в конце ответа уточнил: не о Вьетнаме ли речь?
4. Задайте ритм. Полный прогон раз в месяц, короткий по продуктам со ставками через три — семь дней после решения ЦБ и после каждой смены собственных ставок. Так видно, за сколько дней ответы «догоняют» сайт.
5. Сохраняйте все: текст ответа, названные банки по порядку, каждое утверждение, ссылки на источники, скриншот, дату и время.
6. Сверяйте каждое утверждение с сайтом банка в тот день, когда получен ответ, и ставьте статус: верно, устарело, неверно, непроверяемо.

По каждому прогону считаются шесть метрик:

1. частота упоминания = ответы, где назван банк / все ответы по теме (эту же величину называют долей голоса);
2. доля упоминаний = упоминания банка / все упоминания банков в ответах по теме;
3. точность = верные утверждения о банке / все проверяемые утверждения о нем;
4. устаревание = утверждения, верные на прошлую дату, но не на дату ответа / все проверяемые утверждения о банке;
5. цитируемость сайта = ссылки на домен банка / все ссылки в ответах о банке;
6. отказы = ответы без конкретной рекомендации / все ответы на вопросы о выборе.

Частота и доля упоминаний отражают, называют ли банк, и сильно зависят от размера бренда. Точность показателей, их актуальность и цитируемость сайта банк может улучшить самостоятельно, если скорректирует ставку у себя и у агрегаторов, а также доступ к сайту для поисковых роботов. Отказы характеризуют работу самой системы и показывают, как часто она отклоняется от рекомендации.

Сравнивать метрики стоит со своими прошлыми прогонами и с двумя-тремя конкурентами на тех же вопросах. Если точность упала в тот месяц, когда банк сменил линейку вкладов, ответы не успевают за сайтом.

Часть этой работы «Яндекс» уже делает бесплатно. С весны 2026 года в «Вебмастере», в разделе «Эффективность», есть отчет «Видимость сайта в Алисе AI». Он показывает долю сайта среди источников ответов, динамику по месяцам, примеры запросов, по которым сайт попал в ответ, и сайты ниши, которые попадают туда чаще. Данные обновляются еженедельно и строятся по запросам, где сайт есть в обычной выдаче. Точность фактов отчет не проверяет, сверка остается ручной работой.

Что исправить в первую очередь

Порядок, с которого я бы начинал, если ответы нейросетей расходятся с сайтом банка:

1. Проверить, пускает ли сайт роботов нейросети. Robots.txt у крупных банков их не закрывает, отсекают антибот и геоблок. Доступ для GPTBot, OAI-SearchBot, PerplexityBot и роботов Яндекса — общее решение маркетинга и информационной безопасности. Если геоблок и антибот нужны, в них делают исключение по опубликованным диапазонам адресов краулеров, а роботов «Яндекса» проверяют через обратный DNS.
2. Держать сетку ставок по срокам и суммам на странице продукта обычным текстом, а не только в PDF: условия рядом со значением «до 18%», видимая дата обновления, разметка финансовыми типами Schema.org вместо общего Offer.
3. Обновлять карточки банка на агрегаторах в тот же день, что и сайт. На агрегаторы ведет половина ссылок в ответах, на сайты банков — 16%.
4. При смене ставок публиковать новость с датой и цифрами, а продукты объяснять отдельными статьями простым текстом. Новость перепечатывают СМИ и агрегаторы, статьи банка, как показал замер, попадают в источники напрямую.
5. Сверить карточки отделений в «Яндекс Бизнесе» и 2ГИС и статью о банке в «Википедии». Оттуда нейросети берут адреса, часы работы и справочные факты, например год основания и состав группы.
6. Смотреть логи сервера: заходят ли краулеры нейросетей на страницы продуктов и какие коды ответа получают. Так быстрее видно, получает ли робот то же, что клиент.
7. Назначить владельца. Без него задача повисает между маркетингом, командой цифровых каналов, PR и информационной безопасностью, которая настраивает антибот, и прогоны заканчиваются после первого отчета.

Нейросети пересказывают условия банков в основном верно: 84% проверенных утверждений совпали с данными сайтами в день ответа. Больше половины ошибок приходится на одну систему из пяти, а 41% всех ошибок — условия, которые были верны месяц или год назад. Сайт банка среди источников этих ответов встречается втрое реже, чем агрегатор, а на вопрос о конкретном банке на его сайт ведет каждая четвертая ссылка.

Методику замера видимости в нейросетях подробно разобрали на hitz.agency.