Исследование: российские производители сельхозтехники невидимы для нейросетей

Текст: Олег Линьков, агротех-эксперт по digital-инфраструктуре и маркетингу АПК, основатель Webformula-Agro

Мы спросили нейросети о 207 российских предприятиях. 166 из них не были упомянуты ни разу.

Покупатель техники всё чаще начинает выбор не с поисковой строки, а с вопроса нейросети: «какой опрыскиватель взять на три тысячи гектаров», «российские производители зерносушилок», «что известно о заводе таком-то». Ответ приходит готовым списком — и предприятие либо в нём есть, либо нет.

Про позиции в поиске отрасль знает всё. Про то, как она выглядит для генеративных систем, известно меньше: по доступным нам публичным источникам, сопоставимых отраслевых замеров в России мы не нашли. Для исследования подготовили 88 уникальных текстов вопросов о производственных предприятиях из открытого списка Ассоциации «Росспецмаш»: 76 общих, включая 18 именных, и 12 персональных шаблонов по товарным категориям (не всегда совпадающим один в один с пятью группами сравнения ниже — например, категория «Компоненты» использует две разные формулировки). Персональные шаблоны проверялись отдельно на каждом из 226 доменов выборки — это даёт 452 измерения; вместе с общими вопросами это 528 «вопросов» в значении единиц замера, не 528 разных текстов.

Банк данных исследования: несколько слоёв данных — ответы моделей, технические проверки доменов и разметка цитат, тысячи сохранённых ответов нейросетей на 528 вопросов, технический замер 207 сайтов производственных предприятий (из 226 доменов открытого списка Ассоциации) и разбор 743 цитат в ответах с поиском. Собрано и обработано Webformula-Agro, замер 16–18 августа 2026 года.

Как считали

Выборка — все 226 доменов из открытого списка Ассоциации; 207 из них производственные (остальные — вузы, издания, площадки, в расчёт не идут). Предприятия разбиты на пять групп сравнения по типу конечного покупателя.

Каждой компании задавались персональные вопросы двух формулировок на товарную категорию — «где купить X у российского производителя» и «нужен список российских производителей X», сформулированные так, как спросил бы снабженец, а не как пишет SEO-специалист. Сравнивались четыре варианта ответа: три нейросети без подключённого веб-поиска и одна с ним. Оба режима опираются на обученные данные модели, разница именно в обращении к интернету за свежей информацией — режим без поиска показывает, упоминает ли модель предприятие без обращения к интернету; режим с поиском — показывает ли она в ответе ссылку на его официальный сайт.

Это строки, которые реально уходили в тело API-запроса, не общие названия для удобства чтения. Датированный снепшот модели (например, gpt-4o-2024-08-06) провайдеры в ответе не возвращают и нигде не зафиксирован — slug openai/gpt-4o указывает на то, что в данный момент отдаёт этим именем OpenRouter, и мог с течением времени смениться на стороне провайдера без нашего ведома.

Дополнительно только для именных вопросов GPT-4o проверялся ещё и в режиме веб-поиска — 54 запуска (18 вопросов × 3 повтора). Эти запуски входят только в анализ ошибок моделей ниже; в основных показателях видимости и адресного цитирования сравниваются четыре конфигурации из таблицы.

Период сбора данных слоя видимости — 16–18 августа 2026 года. Каждый вопрос повторялся минимум трижды, потому что нейросеть отвечает недетерминированно: температура генерации не занижалась и seed не фиксировался, чтобы воспроизвести тот же ответ, который получает живой пользователь. Единичный ответ измерением не является — считается частота:

mention_rate = (число повторов с упоминанием компании) / (число повторов, где модель вообще дала содержательный текстовый ответ)

Устойчивость ответов между повторами проверялась средним попарным коэффициентом Жаккара по названным компаниям в наборе. Для сопоставимости ниже приведено единое сравнение при N = 3 повторах для всех моделей:

Три варианта из четырёх дают медиану ниже 0,5 — то есть список упомянутых заводов у одной и той же модели на один и тот же вопрос отличается больше чем наполовину от запуска к запуску. Ответы с поиском заметно устойчивее ответов по памяти — это самостоятельный результат, не связанный с видимостью конкретных предприятий.

Для группы «Сельхозтехника» на Алисе и GigaChat доступно по девять повторов, для остальных сочетаний моделей и групп — по три. Показатель «названы хотя бы раз» считался по полной доступной базе повторов без выравнивания, поэтому для сельхозтехники его не следует интерпретировать как строго сопоставимый с остальными группами — он отражает фактически проведённый объём запусков, а не выровненную по всем группам методику.

Параллельно шёл технический замер каждого сайта: скорость, доступность для роботов, полнота карты сайта, машиночитаемость характеристик продукции, доступ для ИИ-агентов, юридическая чистота форм.

Два методических правила, без которых цифры были бы неточными. Совпадение названия — не упоминание предприятия: в отрасли несколько компаний с одинаковыми именами в разных городах, и каждое срабатывание проверялось по региону, домену и профилю продукции. И пропуск в данных — не ноль: если показатель не удалось измерить, он исключается из расчёта, а не засчитывается предприятию как провал.

Рабочие определения трёх ключевых показателей ниже. «Упоминание» — корректное называние предприятия в ответе на персональный вопрос, прошедшее проверку региона, домена и профиля продукции. «Устойчивое присутствие» — среднее значение частоты упоминания по двум типам персонального вопроса для одной модели, взятое по максимуму среди четырёх моделей, не ниже 0,5. «Три и более модели» — из четырёх моделей минимум три дали такое среднее значение больше нуля; это не единовременный запуск всех моделей разом.

Что получилось

166 из 207 производственных предприятий не были упомянуты ни одной из четырёх моделей ни разу. Устойчивое присутствие — частота упоминания от половины повторов и выше — есть только у 14 заводов. Как минимум три из четырёх моделей назвали предприятие хотя бы один раз лишь у пяти заводов.

Рис. 1. Упоминание предприятия хотя бы одной моделью, по группам сравнения. Webformula-Agro, замер 16–18 августа 2026, N = 207.

Второе число важнее первого. Ни в одном из 1236 ответов с поиском не появилась ссылка на официальный сайт именно того предприятия, которому был адресован вопрос — 0 из 1236. Из теоретических 1242 запусков (207 предприятий × два персональных вопроса × три повтора) в базу вошло 1236: для одного предприятия за период сбора данных произошла смена домена, поэтому шесть запусков не сопоставимы с текущей карточкой предприятия. Они отмечены как «не измерено» и исключены из знаменателя, а не засчитаны как нулевой результат. Не в одном случае из тысячи, а ни разу. Это значит, что модель с включённым поиском ни разу не показала в ответе ссылку на сайт того завода, о котором её спрашивали — по адресному цитированию в интерфейсе ответа, а не по полному маршруту, которым модель искала информацию. При этом закрытый для ботов robots.txt здесь ни при чём: у 183 из 188 измеренных сайтов запрета для ИИ-агентов нет, а цитат всё равно ноль. Отсутствие запрета — одно из базовых условий, но не единственное: агента может остановить защита от ботов, авторизация или собственная политика сервиса.

Мы разобрали, какие источники модель показывала вместо сайта завода: 743 цитаты, 266 уникальных доменов

Рис. 2. Тип источника среди 743 цитат в ответах с поиском. Webformula-Agro, замер 16–18 августа 2026.

Сайты самих 226 предприятий выборки в сумме дали 115 цитат из 743. Но это цитаты сайтов разных предприятий выборки вперемешку, не обязательно того завода, о котором был задан конкретный вопрос: ни одна из этих 115 не была адресным попаданием на сравниваемом срезе — там снова ноль.

Отдельно посчитали, есть ли в отрасли доминирующий бренд, за которым не угнаться остальным, или видимости попросту не хватает всем. Для этого среза «фаворитом» условно считалось предприятие с долей не менее 25% подтверждённых упоминаний в соответствующем сочетании «группа × тип запроса» — это рабочий порог исследования, а не отраслевой норматив. На запросах-сравнениях и на общих категорийных вопросах ни одно имя не набирает этой доли в пяти из десяти проверенных сочетаний: дорожно-строительная техника × выборный запрос, компоненты × выборный, компоненты × категорийный, прицепная техника × выборный, прицепная техника × категорийный. Это не значит, что там никого не называют: значит, что там нет фаворита, упоминания распределены слишком ровно. В сельхозтехнике и пищевом оборудовании такого вакуума нет, но публиковать имена лидеров мы не будем: это тоже форма рейтинга видимости предприятий, а его в этом материале нет.

Когда модель отвечает уверенно, она иногда ошибается

На вопросы про конкретный завод по названию — 18 таких вопросов дали 270 успешных ответов (пять сочетаний модель/режим × 18 вопросов × 3 повтора, GPT-4o здесь проверялся и по памяти, и с поиском) — в 20 случаях модель приписала предприятию чужую продукцию или профиль. Эти 18 предприятий — фиксированный список без задокументированного правила отбора: не случайная выборка и не намеренная подборка по признаку омонимии, а составленный вручную набор без сохранённого обоснования. Поэтому 20 из 270 характеризует ошибки модели именно на этом наборе имён, а не частоту ошибок по всем 207 предприятиям выборки.

Случаи касаются пяти предприятий. Два примера дословно, как это выглядит в ответе модели:

GigaChat о компании «Клевер»: «Клевер» («Clever») — крупная российская компания, специализирующаяся на производстве и продаже товаров для детей и подростков…

GigaChat о компании «ДСТ-Урал»: Компания «ДСТ-Урал» («Диагностические системы — Урал») является российским производителем медицинского оборудования и диагностической техники…

На персональных вопросах — тех же, что дали 166 из 207 — такой путаницы формально нет вовсе: конструкция вопроса не даёт модели повода приписать компании чужой профиль, она либо называет её, либо нет. Но там своя проблема: когда целевое предприятие не названо, а список конкурентов модель всё равно приводит, в этих ответах чаще всего встречаются два имени. Из 6481 таких ответов «Ростсельмаш» упомянут в 3032 (46,8%), по запросам о 133 разных целевых заводах; «Петербургский тракторный завод» — в 1938 (29,9%). Это подсчёт упоминаний в ответах без названия целевого предприятия, не доказательство того, что модель «подменила» один завод другим.

В нашем замере эти два названия встречались в этих ответах заметно чаще остальных; что именно этому способствует — состав обучающих данных, распространённость бренда в открытых источниках или что-то ещё, — это исследование не устанавливает.

Какие технические барьеры мы обнаружили

Нейросети — не единственное, что мы измеряли: параллельно шёл технический замер сайтов, и часть находок может быть связана с видимостью в моделях, хотя прямую причинность этот замер не доказывает.

Рис. 3. Скорость загрузки главной страницы на десктопе, 184 сайта с успешным замером из 207. Webformula-Agro, замер 16–18 августа 2026.

Файл llms.txt — экспериментальная конвенция, которой часть площадок уже размечает структуру сайта для ИИ-агентов; доказательств, что его наличие повышает видимость именно в измеренных нами системах, у нас нет.

PDF и клиентская подгрузка контента могут осложнять извлечение информации частью роботов и ИИ-агентов — крупные поисковики умеют индексировать текстовые PDF и рендерить JavaScript, но не все агенты одинаковы, и мы фиксируем доступность именно для нашего сценария обхода, а не утверждаем, что материал недоступен всем системам без исключения.

Отдельная находка касается форм обратной связи: у 110 из 207 сайтов есть форма заявки, и у 44 из них мы не нашли на форме отдельного чекбокса согласия на обработку персональных данных. Это повод для отдельной правовой проверки: отсутствие чекбокса само по себе не доказывает нарушение 152-ФЗ, поскольку правовое основание и способ получения согласия зависят от сценария обработки. К видимости в нейросетях эта находка не относится.

Мы намеренно не утверждаем, что перечисленные правки поднимут видимость в нейросетях на конкретный процент: международные исследования эту гипотезу проверяли, и результат неоднозначный. Устранение механических препятствий не гарантирует роста цитирований, но снимает часть технических ограничений для обхода и извлечения информации. У части предприятий с ненулевой видимостью в нашем замере цитаты собственного сайта в поисковых ответах тоже нулевые: одной технической гигиены недостаточно.

Границы исследования

Рейтинг видимости предприятий и списки отстающих мы не публикуем — только отраслевые распределения без привязки к конкретным компаниям, кроме случаев прямой ошибки модели, разобранных выше. Кабинетные оценки рыночных объёмов в материал не включены — контур первоисточников по ним ещё не сверен. Междневная устойчивость ответов моделей измеряется отдельно и продолжается.

Каждая цифра в этом материале привязана к сохранённым исходным ответам, датам запусков и правилам разметки из банка данных Webformula-Agro. Повторный запрос даст новый замер; опубликованные результаты можно проверить по зафиксированным исходным данным.