ИИ-тексты и поисковые системы: где проходит граница

Вопрос «накажут ли за ИИ-тексты» задают так, будто ответ на него секретный. Он опубликован, и он однозначный. Проблема в том, что формулировка из документации короче любого пересказа, и при пересказе из неё регулярно пропадает ровно то слово, которое всё решает.

Что написано в документации Google

Google не наказывает текст за то, что он сгенерирован. Наказывают за цель. Дословно: «Если вы используете автоматизацию, включая генерацию с помощью ИИ, чтобы создавать контент с основной целью манипулировать позициями в поиске, это нарушение наших правил в отношении спама» (developers.google.com/search/docs/fundamentals/creating-helpful-content, сверено 19 сентября 2026).

Ключевое слово — «основной целью». Оно проводит границу не по способу производства, а по назначению материала. Текст, написанный моделью и полезный человеку, правилам не противоречит. Текст, написанный человеком ради позиций и бесполезный читателю, противоречит им ровно так же, как сгенерированный.

Там же изложена рамка из трёх вопросов: кто, как и зачем. Кто — авторство должно быть понятно по подписи и странице об авторе. Как — автоматизацию стоит раскрывать там, где читатель может задаться вопросом, как это сделано. Зачем — и это, по формулировке самой документации, главное: материал должен существовать ради людей, а не ради трафика.

Где граница проходит на практике

Из формулировки следуют довольно конкретные вещи.

• Триста страниц под триста околоодинаковых запросов, собранных по шаблону, нарушают правила независимо от того, кто их писал.
• Статья, у которой есть определённый читатель и определённый вопрос, правилам не противоречит независимо от того, кто её писал.
• Пересказ трёх страниц из топа своими словами не становится полезнее от того, что его сделала модель, и не становится вреднее. Он просто был бесполезен и остаётся таким.

Практический вывод: если материал невозможно описать фразой «этот текст отвечает такому-то человеку на такой-то вопрос», проблема не в инструменте. Смена инструмента в этом случае ничего не меняет, потому что вопрос остаётся тем же самым.

Что ломается в текстах, написанных моделью

Наказание — далеко не главный риск. Гораздо чаще ИИ-текст просто не работает, и по узнаваемым причинам.

Нет ни одного факта, которого нет у конкурентов. Модель пишет по усреднённому содержимому интернета, поэтому по умолчанию выдаёт то же, что и все. Страница получается корректной и ровно настолько же полезной, как десять уже существующих.

Цифры выглядят как факты и ими не являются. Это самая дорогая ошибка. Модель уверенно напишет цену, долю рынка или дату, потому что такая цифра правдоподобна. Проверять придётся каждую.

Структура подогнана под ожидание, а не под запрос. Модель хорошо воспроизводит форму «введение, восемь подзаголовков, вывод» и плохо угадывает, что именно спрашивают по этому запросу, потому что выдачи она не видела.

Текст звучит одинаково. Одни и те же конструкции, один и тот же ритм. Читатель это замечает раньше, чем поисковая система.

Рабочее разделение труда

Практика, которая держится на объёме: модель работает с формой, человек отвечает за содержание и за факты.

Обратите внимание на третью строку. Она и есть то, что отличает работающий материал от ещё одного пересказа: собственные цифры, собственный опыт, конкретные примеры. Модель их не придумает, и просить её об этом — тот самый способ получить правдоподобную выдумку.

Что модель действительно делает хорошо

Список короче, чем обещает реклама, и полезнее.

• Превращает список запросов в человеческие подзаголовки.
• Сокращает готовый текст, не теряя смысла.
• Разбирает большие выгрузки: сорок тысяч строк, из которых надо достать закономерность.
• Переводит, сохраняя аргумент, если потом вычитывает носитель.
• Пишет черновик раздела, когда тезисы уже сформулированы человеком.

Общее у всех пяти: на вход подаётся то, чего у модели самой нет. Там, где входных данных нет, на выходе получается среднее по интернету. Проверить это можно за минуту: попросите модель написать раздел без единого входного факта и сравните результат с первой страницей выдачи по той же теме. Совпадений будет больше, чем хотелось бы.

Нужно ли раскрывать использование ИИ

Документация Google советует раскрывать автоматизацию там, где читатель может задаться вопросом «как это было сделано». Это не требование пометить каждый абзац. Это про случаи, когда способ производства меняет отношение к материалу: сгенерированный обзор товара, автоматически собранная сводка, синтетический отзыв.

Отдельно стоит сказать про отзывы и любые свидетельства от лица людей. Сгенерированный отзыв — это выдумка, независимо от того, насколько он правдоподобен, и риск здесь не только поисковый.

Как с этим в Яндексе

Публичных формулировок про ИИ-тексты у Яндекса заметно меньше, чем у Google, и придумывать за него не стоит. Что можно сказать по наблюдаемым свойствам: Яндекс исторически сильнее опирается на поведение пользователей, а поведение — это то, на чём пустой текст проваливается первым. Человек открывает страницу, не находит ответа и возвращается в выдачу.

То есть на практике требование то же самое, просто выраженное другим механизмом. Чем именно отличаются две системы в остальном, разобрано отдельно — Яндекс и Google.

Проверка перед публикацией

1. Каждая цифра имеет источник и дату прямо в предложении. Без источника цифра удаляется.
2. В материале есть минимум один факт, которого нет на первых трёх страницах выдачи по этому запросу.
3. Структура сверена с топ-10: тип страницы и объём соответствуют формату, который поиск считает ответом.
4. Текст прочитан вслух. Однообразный ритм слышно сразу.
5. Внутренние ссылки расставлены и ведут на существующие страницы.
6. Материал можно описать фразой «отвечает такому-то человеку на такой-то вопрос».

Шестой пункт стоит проверять первым. Он отсеивает материалы, которые не надо было начинать.

Про второй пункт стоит сказать подробнее, потому что он самый неудобный. Факт, которого нет у конкурентов, редко берётся из чтения: это собственные цифры, разбор конкретного случая, результат, который вы измерили. Когда такого факта нет, честный вывод — тему пока писать нечем, и это нормальное состояние. Половина тем в любом плане ждёт, пока появится, что по ним сказать.

Отсюда же следует, где модель экономит время на самом деле. Она убирает чистый лист и берёт на себя форму, а сбор фактуры остаётся ровно там, где был. Если считать общее время на материал, экономия получается порядка трети, а не в разы, как обещают.

Чем это делают и сколько стоит

Цены по данным каталога gbseo.ru на 19 сентября 2026; «розница» — цена той же подписки у вендора. Набор целиком — 4 999₽ в месяц против 36 700₽ по розничным ценам, калькулятор на главной считает любой поднабор. Как эти этапы встают в квартальный график, разобрано в материале про контент-план.

Частые вопросы

Понижает ли Google позиции за ИИ-текст?

За сам факт генерации — нет. За автоматизацию, основной целью которой является манипуляция позициями, — да, и это прямо написано в его документации.

Работают ли детекторы ИИ-текста?

Как основание для решения — нет. Они ошибаются в обе стороны, и ориентироваться на их процент при приёмке текста означает заменить вопрос о пользе вопросом о стилистике.

Можно ли публиковать перевод, сделанный моделью?

Да, если его вычитал человек, читающий на этом языке. Непрочитанный машинный перевод выдаёт себя оборотами, которых в языке не бывает, и читателя это отталкивает раньше, чем поисковую систему.

Сколько правок нужно черновику от модели?

По опыту — примерно столько же времени, сколько ушло на генерацию, если материал фактурный. Экономия получается не на редактуре, а на чистом листе.

Надо ли писать в статье, что она сделана с помощью ИИ?

Там, где читатель может задаться вопросом, как материал был создан. Для обычной экспертной статьи с указанным автором это обычно излишне; для сгенерированной сводки или обзора товара — уместно.