Нейросеть для генерации текста может сделать каждый текст лучше, а все вместе - похожими друг на друга. В эксперименте, описанном в журнале Science Advances в июле 2024 года, люди писали короткие рассказы, и часть из них могла взять у GPT-4 до пяти идей. Такие рассказы читатели оценили по новизне на 8% выше, а по полезности - на 9%, чем написанные без нейросети. Но при машинном сравнении они оказались ближе друг к другу.
Опыт ставили на рассказах, но для писем клиентам и описаний товаров напрашивается тот же вывод. Если просить нейросеть о том же и почти теми же словами, что и конкуренты, текст выйдет похожим на их тексты, и смена сервиса вряд ли это исправит. Своим его делают сведения, которых нет у других, - факты о продукте, примеры ваших текстов и позиция компании.
Почему тексты выходят похожими
Рассказы писали 293 человека, одни без нейросети, другие с её идеями. Идеи выдавала одна модель по одинаковому запросу на каждую тему, например «Напиши краткое содержание рассказа о приключении в открытом море в трёх предложениях» (перевод). Менять запрос и копировать идею в рассказ авторы не могли. И всё же рассказы с идеями оказались ближе к идеям модели, чем рассказы без них. По выводу исследователей Анила Доши и Оливера Хаузера, авторы отчасти держались за предложенный сюжет.
Сменой сервиса сходство, судя по всему, не убрать. В исследовании, которое журнал PNAS Nexus опубликовал в 2026 году, одинаковые задания на изобретательность выполняли 102 человека и 22 модели, среди них GPT-4o и Gemini 1.5. Одно из заданий - придумать, как ещё использовать предмет. По отдельности модели отвечали примерно так же оригинально, как люди, но ответы разных моделей оказались гораздо ближе друг к другу, чем ответы людей. Даже когда моделям велели мыслить нестандартно, разброс вырос лишь немного и остался намного ниже, чем у людей.
Что положить в запрос
Документация Anthropic, разработчика Claude, советует относиться к модели как к очень способному, но новому сотруднику, который не знает ваших норм и рабочих процессов. Без вводных он напишет то, что подойдёт любой компании. Поэтому в запрос стоит положить:
- факты, которых не скажет конкурент, - цифры, материалы, условия и кому продукт не подходит;
- вопрос покупателя его словами, из письма или звонка;
- позицию компании - что вы советуете и с чем в отрасли не согласны;
- три-пять своих разных текстов как образец тона.
Образцы, по той же документации, - один из самых надёжных способов задать тон и устройство ответа, а из однотипных модель может перенять и случайные черты. Учебный шаблон для описания товара:
Напиши описание [товара] для сайта, до 120 слов.
Кто покупает и о чём спрашивает: [вопрос покупателя].
Факты, используй только их: [цифры, материалы, условия, кому не подходит].
Наша позиция: [что советуем, с чем не согласны].
Образцы тона, возьми интонацию, а не порядок фраз: [3-5 наших текстов].
Не пиши фраз, которые подойдут любой компании, вроде «высокое качество».Для общего чата берите то, что компания и так публикует, и письма без имён и сумм. Персональные данные клиентов, условия договоров и внутренние цены туда не вставляют. Что можно отдавать внешнему сервису, решают с юристом и службой безопасности.
Если компания выпускает статьи регулярно, вставлять факты и образцы в каждый запрос не обязательно - их собирают заранее. Так Kvema настраивает выпуск статей для бренда. Голос там задают по текстам самой компании.
Как проверить, что текст ваш
Замените в готовом тексте название компании на название конкурента. Если всё осталось правдой и про него, ваших фактов в тексте нет и запрос стоит дополнить. Например, фраза «кресло создано для комфортной работы» такую замену переживёт, а «гарантия пять лет, спинку можно поднять на восемь сантиметров» - вряд ли. Детектор ИИ здесь не поможет - он оценивает только то, похож ли текст на написанный нейросетью.
Цифры и условия сверяют со списком фактов из запроса. Порядок проверки до публикации разобран на примере ошибок в статьях, которые писала нейросеть.
Источники
- Эксперимент Анила Доши и Оливера Хаузера, журнал Science Advances, 12.07.2024
- Исследование Эмили Венгер и Йоэда Кенетта, журнал PNAS Nexus, 24.03.2026
- Документация Anthropic о запросах, проверено 05.11.2026
