В чем суть трансформации
По данным американской компании цифрового маркетинга Conductor, более 60% трафика сайтов организаций сферы здравоохранения обеспечивают ИИ-рекомендации (исследование проводилось с мая по сентябрь 2025 года). У лидера в сегменте фармацевтики этот показатель намного скромнее — 16,4%. Авторы исследования убеждены: ИИ неизбежно станет основным интерфейсом для поиска информации, а это значит, что одной только SEO-оптимизации корпоративного сайта недостаточно. Впору задуматься о AEO (от англ. Answer Engine Optimization — оптимизация под поисковые системы с ответами и ИИ) и GEO (Generative Engine Optimization — метод настройки контента так, чтобы его цитировали чат-боты и ИИ-поисковики). Согласно опросу более чем 250 руководителей высшего звена в крупных американских корпорациях, проведенного Conductor, 94% респондентов планируют увеличить инвестиции в AEO в 2026 году.
«Врач по-прежнему открывает клинические рекомендации, читает публикации, обсуждает случаи с коллегами и посещает образовательные мероприятия, — ранее рассказывал «ФВ» директор по продуктам агентства RX CODE Сергей Дубин. — Но теперь он может начать с естественно сформулированного вопроса специализированному медицинскому ИИ, добавить анализы, коморбидность и уже назначенную терапию — и только после этого перейти к первоисточнику».
По его словам, для фармрынка это означает начало новой конкуренции: не за самый громкий контакт, а за то, чья научная информация окажется наиболее доступной, проверяемой и применимой в конкретной профессиональной ситуации. В этой модели выигрывает не бренд, который чаще упомянут, а организация, которая лучше превращает доказательства в честный и удобный маршрут к решению.
Разговор об «ИИ-оптимизации» часто сводят к вопросу, какие слова добавить на сайт, чтобы алгоритм заметил компанию, сообщил «ФВ» основатель и генеральный директор RECOMO* Сергей Семенов. Но для фармотрасли, по его мнению, такая постановка слишком примитивна и потенциально опасна. Генеративная система читает бренд совсем не так, как человек, она не сверяется с одной идеальной страницей. Она восстанавливает картину из множества фрагментов: корпоративных материалов, публикаций СМИ, отраслевых каталогов, документов, интервью, архивных страниц и пересказов третьих лиц. Поэтому главная задача — не понравиться алгоритму, а сделать проверяемую и актуальную версию факта проще для извлечения, чем устаревшие альтернативы.
«ИИ не знает, какая версия для компании главная. Он видит сеть доказательств и пытается собрать из нее наиболее вероятный рассказ, — объясняет Сергей Семенов. — Критичен не только объем контента, но и согласованность фактов, их датировка, авторство, доступность для машинного чтения и наличие независимых подтверждений».
Зачастую чат-боты не могут получить доступ к высококачественной информации из профессиональных СМИ, поскольку она скрыта за платным доступом. При этом они могут вытащить на свет пост с форума или сайта отзывов, который был опубликован несколько лет назад, выдать устаревшую информацию за актуальный факт, да и просто что-то выдумать. Все это создает риски для фармбренда.
В контролируемом пилоте RECOMO на рынке частной медицины использовались 12 пользовательских сценариев, каждый повторялся три раза. В результате было получено 36 наборов ответов и проанализировано 180 рекомендательных позиций. Среднее совпадение повторных списков топ-5 составило 68%. Иными словами, почти треть состава выдачи менялась от повтора к повтору. Вывод: генеративная рекомендация вероятностна, поэтому выводы нельзя строить по одному скриншоту. Нужны панель сценариев, повторные измерения, отдельная проверка фактов и фиксация источников.
Как возникает правдоподобная галлюцинация? По просьбе «ФВ» RECOMO протестировал сайт одного фармпроизводителя (имя по этическим соображениям не приводится). На актуальной странице сказано, что его образовательная программа предназначена для специалистов здравоохранения. В старом пресс-релизе упомянут пилот поддержки пациентов в двух регионах. В PDF-брошюре без даты утверждается, что программа готовится к масштабированию. Генеративная система соединила три фрагмента и уверенно ответила: «Компания проводит всероссийскую программу поддержки пациентов; регистрация уже открыта». Ни один источник не содержит такого утверждения целиком.
Данные: RECOMO.
«Модель не выдумала все элементы с нуля — она синтезировала неверный вывод из реальных, но несовместимых версий. Именно поэтому такая ошибка выглядит убедительнее случайной фантазии», — прокомментировал ответ ИИ Сергей Семенов.
Ошибки, из-за которых ИИ искажает фармацевтическую информацию
Сергей Семенов выделяет пять типичных ошибок, из-за которых ИИ может искажать информацию о фармкомпании.
- Одна страница считается единственным источником истины. Компания может идеально обновлять свой сайт, но модель одновременно видит старые новости, интервью, документы партнеров и материалы отраслевых площадок. Если актуальный факт нигде больше не подтвержден, его цифровой вес остается низким.
- Одновременно живут несколько версий одного факта. Разные даты запуска, география проекта, статус инициативы, цифры и формулировки аудитории создают конфликт. Для человека это история развития; для системы без временного контекста — набор равноправных утверждений.
- Ключевые данные спрятаны в неудобном формате. Скан, изображение, таблица внутри PDF, страница за формой входа или тяжелый динамический интерфейс могут быть доступны пользователю, но плохо извлекаться автоматическими системами. В результате вторичный пересказ оказывается заметнее первоисточника.
- Маркетинговое утверждение не имеет доказательной опоры. Фразы «лидер», «инновационный подход» или «широкая экспертиза» без автора, даты, методики и проверяемого источника слабо помогают машинному доверию. Конкретный факт с происхождением сильнее рекламного слогана.
- Никто не отвечает за жизненный цикл цифрового факта. Контент публикуется, но не получает владельца, дату пересмотра и маршрут исправления. Удаление страницы не означает исчезновения сведений: копии, цитаты и пересказы продолжают жить во внешней среде.
Как улучшить ситуацию
Начать необходимо с аудита того, во что в настоящее время «верят» модели искусственного интеллекта относительно вашего бренда. Задавайте запросы самым популярным чат-ботам: «Чем занимается [ваша компания]?», «Какие показания к применению [вашего препарата] утверждены?» и «Каковы наиболее распространенные критические замечания в адрес [вашей терапии]?».
Следующий шаг — создать реестр утверждений.
«Для каждого значимого факта зафиксировать утвержденную формулировку, статус, дату действия, владельца, первоисточник и места публикации. Это не новый рекламный документ, а карта того, что компания считает проверяемой актуальной версией», — подчеркивает Сергей Семенов.
Важный факт должен подтверждаться не копированием одинакового текста на десятки страниц, а согласованной системой: официальный материал, автор-эксперт, дата, документ-основание, релевантная отраслевая публикация. Для сведений о лекарственных препаратах приоритетом остаются утвержденные регуляторные источники и актуальные инструкции.
Следующая рекомендация эксперта — публиковать данные в извлекаемом виде. Смысловые заголовки, короткие определения, текстовый HTML, понятные таблицы, FAQ, карточка автора, дата обновления и номер версии упрощают проверку. PDF и инфографика полезны читателю, но критичные факты стоит дублировать обычным текстом.
| Панель запросов должна показывать: знает ли ИИ организацию, правильно ли описывает, на что ссылается, где смешивает версии, рекомендует ли и кого ставит рядом. Запросы нужно повторять, а результаты хранить с датой, формулировкой и доказательствами. |
Наконец необходимо ввести межфункциональное управление. Рабочий контур обычно ведет цифровая или коммуникационная функция, но правила утверждают совместно medical, regulatory/legal, фармаконадзор, IT и владельцы корпоративных данных. У команды должен быть протокол: обнаружить расхождение, определить корректный факт, обновить свои площадки, направить исправления внешним источникам и повторить измерение.
Кто должен всем этим заниматься? По мнению Сергея Семенова, ИИ-видимость нельзя полностью отдать SEO-подрядчику или копирайтеру. Координатором может быть команда цифровых коммуникаций, но право утверждать медицинские и регуляторные факты остается у профильных функций. Практически это небольшой редакционный совет по цифровым данным: он определяет приоритетные темы, владельцев утверждений, периодичность пересмотра и допустимые формулировки для разных аудиторий.
Начинать разумно не со всего информационного массива, а с 20–30 критичных утверждений: что за компания, на каком портфеле специализируется, какие программы для пациентов реализует, каков их текущий статус, какие официальные источники это подтверждают. Затем строится панель пользовательских сценариев и фиксируется исходное состояние.
Речь идет не о том, чтобы писать какие-то отдельные тексты для ИИ, а о том, чтобы управлять машинным доверием, уточняет Сергей Семенов. Искусственному интеллекту проще найти корректное объяснение, легче сослаться на первоисточник и сложнее склеить несовместимые версии. Побеждает не тот сайт, где чаще повторяется определенная формулировка, а тот, у которого актуальная версия факта имеет ясное происхождение, согласованный контекст и устойчивую сеть подтверждений.
*Сервис анализирует, как ИИ узнает, описывает, сравнивает и рекомендует компании, какие цифровые доказательства использует и где возникают информационные искажения.
Источник: pharmvestnik.ru