Вопрос «можно ли публиковать тексты, написанные нейросетью» почти закрыт. Google не запрещает AI-контент из-за самого факта использования инструмента. Открытым остаётся другой вопрос: кто в компании отвечает за то, что опубликованная статья точна, полезна и не повторяет десять соседних.
Ниже процесс, в котором модель помогает, а ответственность остаётся у людей. Это не набор промптов для массовой генерации. Если задача в том, чтобы выпускать сотни страниц в месяц, этот текст не про неё.
Коротко
- Google оценивает качество и пользу текста, а не способ его создания. Массовый выпуск страниц без добавленной ценности подпадает под спам-политику.
- Бриф и источники важнее промпта: без них модель заполняет пробелы правдоподобным вымыслом.
- Каждое число, ссылка, цитата и технический совет проверяются по первоисточнику или удаляются.
- У изменчивых сведений должен быть владелец и дата следующей проверки.
Как поисковики относятся к AI-контенту
Сам факт работы с нейросетью поисковики не наказывают. Модель можно привлекать к исследованию темы и к структуре материала. Проблема начинается, когда сайт выпускает множество страниц без пользы для читателя: Google относит это к спаму и называет злоупотреблением масштабированным контентом. Поэтому всё сгенерированное мы проверяем вручную до публикации, включая title, описание, структурированные данные и alt-тексты.
К любому материалу стоит задать три вопроса: кто его создал, как и зачем. Самый важный из них «зачем». Если ответ «чтобы получить трафик по запросу», а не «чтобы помочь конкретному читателю», текст начинается с неправильной задачи. Способ написания здесь вторичен.
Этап 1. Бриф: что должно получиться
Хороший бриф отвечает на пять вопросов. Кто читатель и что он уже знает. Какой вопрос он задаёт. Где границы темы, о чём писать не нужно. Что читатель сделает после чтения. Какая фактура допустима: свои данные, документация, обезличенные примеры.
Последний пункт решает больше, чем кажется. Если в брифе нет фактуры, модель возьмёт её из общих знаний и придумает недостающее. Так в тексте появляются «исследования показывают, что 73% пользователей…» без исследования и без пользователей. Как найти фактуру внутри компании, мы показывали на примере контент-плана из одного кейса.
Этап 2. Источники и данные, которые не нужны модели
Соберите первоисточники до черновика: документацию, нормативы, ваши замеры, расшифровки разговоров с экспертами. Модели можно передавать то, что вы готовы опубликовать. Персональные данные клиентов, договоры, внутренние цены и переписка остаются внутри компании. Если пример нужен, обезличьте его до отправки: уберите имена, адреса, суммы, по которым клиента можно узнать.
Этап 3. Черновик и разметка непроверенного
Черновик от модели удобно сразу размечать. Каждое число, название, ссылку, цитату и конкретный совет редактор отмечает как непроверенное. Отметка снимается только после сверки с источником. На практике это занимает больше времени, чем генерация, и это нормально: именно здесь появляется ценность.
| Тип утверждения | Чем подтвердить | Если подтверждения нет |
|---|---|---|
| Число, процент, статистика | Первоисточник с методикой и датой | Удалить или заменить качественным описанием |
| Ссылка на документ | Открыть ссылку, найти утверждение на странице | Удалить ссылку и утверждение, которое на ней держалось |
| Цитата | Оригинальный текст или запись разговора | Пересказать без кавычек или убрать |
| Технический совет | Документация, проверка на тестовом окружении | Пометить как гипотезу или удалить |
| Возможность сервиса или функции | Актуальная справка или интерфейс на дату проверки | Не упоминать, пока не проверено |
| Опыт компании | Реальный проект и согласие клиента | Заменить явно учебным примером |
Полезно различать три вида высказываний. Факт подтверждается источником. Редакционная рекомендация опирается на опыт и прямо подаётся как мнение. Гипотеза ещё не проверена, и читатель должен это видеть. Модель пишет все три одинаково уверенным тоном, поэтому разводить их приходится редактору.
Этап 4. Редактура логики
Типичный AI-совет верен в общем и бесполезен в частностях. Редактор добавляет то, без чего совет нельзя применить: исходные условия, конкретные действия, способ понять результат и исключения.
Учебный пример 1: совет про скорость сайта
До
- «Оптимизируйте изображения, чтобы ускорить загрузку сайта. Это улучшит пользовательский опыт и позиции».
После
- Условие: главное изображение первого экрана весит больше мегабайта и определяет LCP.
- Действие: отдавать его в WebP или AVIF под размер экрана и не откладывать его загрузку.
- Проверка: LCP по полевым данным для этого шаблона через несколько недель.
- Исключение: если LCP-элемент текстовый, сжатие картинок не поможет.
Учебный пример 2: совет про отзывы
До
- «Собирайте больше отзывов, ведь они повышают доверие клиентов и влияют на ранжирование».
После
- Условие: у компании три филиала, отзывы есть только у одного.
- Действие: после завершённого заказа отправлять клиенту ссылку на карточку того филиала, где его обслуживали.
- Проверка: число новых отзывов по каждому филиалу за квартал.
- Ограничение: покупка и накрутка отзывов нарушают правила площадок. Удаление негативного отзыва не гарантировано.
Этап 5. Пересечения и самостоятельная польза
Перед публикацией проверьте, нет ли на сайте материала, который отвечает на тот же вопрос. Модель охотно напишет пятую статью о «главных ошибках SEO», если её попросить. Новая страница должна добавлять то, чего нет у существующих: другой сценарий, другую аудиторию, глубину. Иначе две статьи начнут делить запросы, и проще усилить старую. Как отличить полезное пересечение от вредного, разобрано в материале о каннибализации запросов. Связь тем со структурой сайта описана в статье о проектировании структуры под спрос.
Ещё один тест на пользу: можно ли было получить этот текст, просто задав вопрос нейросети? Если да, у читателя нет причин приходить к вам. Свои данные, примеры из практики, честные ограничения и выводы, с которыми можно спорить, отличают материал от пересказа.
Этап 6. Выпуск и ответственность за изменчивые сведения
У статьи должен быть автор, который готов за неё отвечать, а не вымышленный «эксперт». Выдуманный профиль автора подрывает доверие и к статье, и к сайту. Если нейросеть заметно участвовала в создании материала, а читатель может об этом задуматься, честнее об этом сказать.
Отдельно отметьте сведения, которые устареют: цены, интерфейсы сервисов, доступность функций, требования документации. Назначьте человека, который проверит их через квартал или полгода, и поставьте дату в календарь. Как решать, что делать со статьёй через год, мы разобрали в материале об обновлении старых статей.
Чек-лист готовности к публикации
- Есть бриф: читатель, вопрос, границы темы, действие после чтения.
- Все числа, ссылки и цитаты сверены с первоисточником или удалены.
- Факты, рекомендации и гипотезы различимы для читателя.
- Каждый совет содержит условие, действие, способ проверки и исключения.
- Примеры либо реальные и согласованные, либо помечены как учебные.
- На сайте нет страницы, которая отвечает на тот же вопрос.
- Title, описание, alt-тексты и разметка проверены так же, как основной текст.
- Назначены автор и ответственный за обновление изменчивых сведений.
Вывод
Нейросеть сокращает время на черновик, но не на проверку. Если процесс устроен правильно, экономия идёт в сбор фактуры и редактуру, а не в число публикаций.
Хороший признак зрелого процесса: редактор может объяснить, откуда взялось каждое утверждение в тексте.
Частые вопросы
Сам факт использования AI не причина для понижения. Google оценивает пользу и качество. Проблемой становится массовый выпуск страниц без добавленной ценности: это подпадает под политику о злоупотреблении масштабированным контентом.
Для SEO это не нужно. Оценка детектора не связана с ранжированием и не говорит о точности. Время лучше потратить на сверку фактов и проверку, отвечает ли текст на вопрос читателя.
Только то, что вы готовы опубликовать. Персональные данные, договоры и внутренние цифры лучше не отправлять во внешние сервисы. Если нужен пример, обезличьте его заранее.
Google считает такие пояснения полезными там, где читатель может задуматься о происхождении материала. Главное, чтобы у статьи был реальный автор, который отвечает за содержание.
