17 августа 2026 г. · 7 min read
Невидимый интеллект LLM
Все следят за вопросом и ответом. Интеллект — между ними, и туда никто не смотрит. Десять дней в Hexa, реальный рынок и слой стека, которым пока никто не владеет.
Невидимый интеллект LLM
Бренды клиентам описывает машина — абзацем, который никто не видит, как он пишется, из источников, которые никто не выбирал. Большинство брендов теперь платят кому-то, чтобы это измерить.
Все следят за вопросом и ответом. Интеллект — между ними, и туда никто не смотрит.
Проблема: никто не знает, что происходит в середине
Раньше люди вводили ключевые слова в строку поиска и получали десять синих ссылок. Это можно было измерить. Третье место по запросу «беговые кроссовки», восьмое по «кроссовки для трейлраннинга». Скучно, но честно.
Теперь люди печатают фразу. Модель читает её, решает, что на самом деле имелось в виду, разбивает на части, идёт что-то искать, выбрасывает большую часть найденного и пишет абзац. Бренд либо попадает в этот абзац, либо нет.
Всё, что имеет значение, происходит в середине. А середина — чёрный ящик.
Prompt
best CRM for a small team
Intent distilling
What do they actually want? A CRM recommendation for a team of a few people.
Decomposition
- best CRM small team
- what CRM should a 5 person startup use
- CRM price per seat
Retrieval
- review site · A
- forum thread · B
- vendor page · A
- listicle · B C
- news · C
- comparison · A B
Selection & ranking
- review site · A
- forum thread · B
- vendor page · A
- listicle · B C
- news · C
- comparison · A B
Synthesis
Writes one paragraph from what was kept. Brand B was in the sources. It is not in the paragraph.
Answer
For a small team, Brand A is a strong pick…
What happens between the prompt and the answer: intent distilling, decomposition, retrieval, selection and ranking, synthesis. Only the prompt and the answer are observable.
Каждая из этих стрелок — место, где бренд либо попадает внутрь, либо отсеивается. Никто из тех, кто сегодня продаёт GEO, не может сказать вам, какая именно стрелка вас убила. Они могут сказать только, что вас не было в финальном абзаце.
Это проблема статистики, а не ранжирования
Вот что ломает мозг людям, которые приходят из SEO.
Задайте один и тот же вопрос дважды — получите два разных ответа. Задайте его чуть иначе — получите другой набор источников. Задайте завтра — снова иначе. Никакого третьего места не существует. Есть распределение.
Так что вся работа — это работа с выборками:
- Вы не запускаете промпт один раз. Вы запускаете его n раз. Один ответ — это анекдот. Сто ответов — это измерение. «Частота упоминания 34% ± 6» что-то значит. «Мы появились» не значит ничего.
- Вы кластеризуете промпты по намерению, а не по строке. «Лучшая CRM для маленькой команды» и «какую CRM выбрать стартапу из 5 человек» — один и тот же вопрос в разной одежде. Если считать их двумя разными ключевыми словами, вы задвоите счёт и обманете сами себя.
- Вы измеряете больше, чем просто присутствие. Частоту упоминания. Долю голоса против конкретных конкурентов. Позицию в ответе. Тональность упоминания. Какой источник процитирован в обоснование упоминания.
- Вы следите за разбросом, а не только за средним. У бренда, упоминаемого в 90% случаев одной моделью и в 10% случаев другой, нет проблемы «в среднем 50%». У него две разные проблемы.
- Вам нужен контроль. Иначе не понять, сработал ли ваш контент или модель просто обновили во вторник.
Это аналитический костяк всей категории: дизайн выборки, кластеризация, атрибуция, доверительные интервалы. Это ближе к социологическим опросам, чем к SEO.
—
n = 0 · mentioned 0
Run the prompt. One answer is an anecdote.
Математика, которая реально окупается
Основную работу здесь делают четыре инструмента.
Интервал Уилсона — для вопроса «мы уверены?» Частота упоминания — это доля, а нормальное приближение разваливается при малых n и при значениях около 0 или 1 — а именно там и живут бренды. Уилсон не разваливается. И он сразу говорит вам нужный размер выборки: чтобы измерить частоту упоминания с точностью ±5 пунктов при доверии 95%, нужно примерно 400 прогонов этого кластера промптов. При ±10 пунктах — около 100. Если ваша панель показывает цифру по 20 прогонам, она показывает шум.
Байесовское обновление Beta-Binomial — для вопроса «сдвинулось ли?» Моделируйте частоту упоминания каждого кластера промптов как апостериорное Beta-распределение. Априор — из прошлого месяца, правдоподобие — из прогонов этой недели, на выходе — апостериор. Это честно работает с малыми выборками, накапливает свидетельства во времени вместо того, чтобы выбрасывать прошлую неделю, и сразу даёт P(частота выросла) вместо p-значения, которое никто не умеет интерпретировать.
Байес — для вопроса «какой рычаг сработал?» Это тот, который все пропускают. Вы наблюдаете упоминание. Вам нужно P(наша новая страница вызвала это | упоминание), а измерить вы можете P(упоминание | страница процитирована). Байес переворачивает одно в другое, а априор — это базовая частота упоминания вообще без страницы. Примените его — и большинство заявлений «наш контент сработал» рассыпаются: базовая частота уже была высокой, просто никто не проверил. Тот же трюк для цепочки источников: при данном упоминании — какой из ваших ресурсов был процитирован, с весом по тому, как часто этот ресурс вообще цитируется.
KL-дивергенция — для вопроса «насколько наш синтетический набор далёк от реальности?» Кластеризуйте промпты по намерению, получите распределение по кластерам для вашего синтетического набора и распределение по кластерам для реального трафика, измерьте разрыв между ними. KL (или дивергенция Дженсена-Шеннона, которая симметрична и ограничена, а потому её проще приводить в отчёте) даёт одно число — насколько ошибочен ваш смоделированный набор промптов. Без реальных промптов это вообще нельзя посчитать — в этом тихая проблема любой платформы, работающей только на синтетике. Она не может измерить собственную ошибку.
Ещё два, коротко: разность разностей (difference-in-differences) против контрольного набора брендов-конкурентов, чтобы обновление модели во вторник не записалось вам в победу; и поправка на множественные сравнения, потому что если проверить 200 кластеров промптов при p<0.05, чисто по случайности получится десять «значимых» результатов.
Что я нашёл на рынке
Я использовал эти десять дней, чтобы реально поговорить с людьми. С компаниями, у которых есть проблема, и с компаниями, которые продают лекарство. Profound и вся остальная эта компания.
Рынок реален. Боль реальна. Бренды следят за каналом, который не могут увидеть, и этот канал растёт.
Но почти все работают на синтетических промптах. Модель генерирует список вопросов, которые клиенты «могли бы» задать, и платформа измеряет именно их. Умно придумано. Работает достаточно хорошо, чтобы продавать. Я тоже строил на синтетических данных и быстро получил полезный сигнал.
Но это всё равно догадка. Очень нарядно одетая догадка о том, что люди на самом деле печатают. И вторая проблема хуже: даже с идеальными промптами вы наблюдаете только вход и выход. Середина по-прежнему тёмная. Вы не видите подвопросов. Не видите запросов, которые сработали. Не видите источников, которые рассматривались и были отброшены.
Нарисуйте петлю — и увидите, где она рвётся.
The working loop
The loop everyone runs
Два разрыва, и они складываются. Разрыв 1 означает, что вы оптимизируетесь под вопросы, которые никто не задавал. Разрыв 2 означает, что даже когда вы выигрываете, вы не можете сказать, какое из ваших изменений это сделало — так что следующее решение тоже будет догадкой. Петля без чистой обратной связи — не петля. Это беговая дорожка с прикрученной приборной панелью.
Приз — это сырые данные. Реальные промпты, реальные сессии, реальные промежуточные шаги. У кого они есть, тот не гадает насчёт середины. Он её видит.
Где на самом деле стоят GEO-компании в стеке
Любая индустрия данных в итоге приходит к одним и тем же трём слоям, и стоит понимать, в каком из них находитесь вы.
Слой 1 — сбор. Владение сырыми данными у источника. Панели, краулеры, кликстрим, чеки, логи телекома. Строится медленно, дорого, без блеска. Лучшая маржа, труднее всего скопировать.
Слой 2 — аналитика. Лицензирует или покупает сырые данные, чистит их, нормализует, превращает в метрики и бенчмарки, продаёт панель. Большинство стартапов живут здесь, потому что отсюда проще всего начать.
Слой 3 — активация. Берёт метрики и делает работу. Агентства, инструменты, контент-студии. Ближе всего к бюджету клиента, самая низкая маржа.
Обычно между слоями 1 и 2 сидит ещё и брокер — LiveRamp, Snowflake Marketplace, перепродавцы данных по картам, — чья единственная работа — перемещать данные от тех, у кого они есть, к тем, кому они нужны.
Старый SEO ложится на эту схему один в один. Сбор — это краулеры плюс кликстрим-панели, которые тихо продавали браузерные расширения и интернет-провайдеры. Аналитика — это Semrush и Ahrefs, и заметьте: они построили собственные краулеры, то есть владеют слоями 1 и 2, именно поэтому и стали крупными. Активация — это все SEO-агентства на земле.
Отсюда вытекают два правила, и именно они решают, кто выживет:
- Слой 2 сам по себе превращается в товар. Если десять компаний лицензируют один и тот же фид, все они отчитываются одними и теми же цифрами и в итоге конкурируют интерфейсом и ценой.
- Слой 1 может подняться в 2 и 3, когда захочет. В обратную сторону это никогда не работает.
Теперь посмотрите на сегодняшний GEO. Почти каждый игрок — это бизнес слоя 2 без слоя 1 под ним. Лицензировать нечего, потому что данные живут внутри чужих логов чатов. Поэтому они изготавливают недостающий вход — синтетические промпты — и продают аналитику поверх данных, которые сами же придумали.
Реальные промпты и реальные сессии — это слой 1 этой индустрии, и им пока никто не владеет.
- Layer 3 · Activationagencies, tools, content shops
- Layer 2 · Analyticsalmost every GEO player, on synthetic prompts
- ↕ brokerLiveRamp, Snowflake Marketplace, card-data resellers
- Layer 1 · Collectionreal prompts and real sessions: nobody owns it yet
Так зачем кому-то отдавать вам свои данные?
Незачем. В этом вся игра, и именно здесь тихо умирает большинство идей в этой области.
Никто не просыпается с желанием продать вам историю своих промптов. Есть только два честных пути внутрь:
- Постройте что-то, что людям нужно совсем по другой причине. Сервис, который стоит сам по себе, которым бы пользовались, даже если бы вы никогда не трогали данные. Данные — побочный продукт ценности, которую вы уже доставили. Именно так работал любой рабочий бизнес на данных.
- Заплатите за них. Прямо. Купите данные у тех, кому они принадлежат, и будьте честны насчёт того, что вы покупаете и зачем.
Всё остальное — либо проблема приватности, либо просто желание.
Это ограничение — не сноска к бизнесу. Это и есть бизнес. Любая GEO-компания, которая доберётся до реальных поведенческих данных раньше конкурентов, выигрывает не 10%. Она перестаёт гадать, пока все остальные ещё гадают.
Почему я всё равно считаю это одним из лучших мест, где можно оказаться
Агент уже выделяет намерение из вашего промпта. Он уже решает, что искать. Он уже решает, что оставить. Этот механизм строится прямо сейчас, всеми, очень быстро.
Понимание того, что происходит между промптом и ответом, какие действия ведут к какому ответу, и получение этого понимания из реальных данных, а не смоделированных, будет иметь значение для любой компании, которая что-то продаёт.
А теперь тихая часть, потому что большинство тех, кто продаёт что-то в этой нише, вам этого не скажут. Здесь хорошо находиться — но только ограниченное время.
Окно закрывают две вещи.
Первая — закон. Права на данные меняются сразу во всех юрисдикциях, и меняются они в одну и ту же сторону. Собирать поведенческие данные, использовать их и перепродавать становится сложнее, медленнее и дороже с каждым разом. Бизнес, всё преимущество которого держится на реальных промптах и реальных сессиях, — это бизнес, чьё преимущество может стать обязательством после одного нового закона.
Вторая — данные перестают быть особенными. То, что я говорил раньше, что синтетические промпты — это хорошо наряженная догадка, верно сегодня и с каждым кварталом верно всё меньше. Вспомните анатомию середины: выделение намерения, декомпозиция, поиск, отбор. Каждый из этих шагов выполняет модель, а значит, модель можно попросить выполнить его снова, по требованию. Как только модель научится восстанавливать реалистичное распределение того, что люди на самом деле спрашивают, премия за то, что вы это когда-то наблюдали, обнуляется.
Одновременно падает и стоимость сделать это самому. Прогнать кластер промптов пару сотен раз и посчитать статистику — недорогое вычисление, и с каждым годом оно дешевеет. Сегодня для этого покупают платформу. Скоро это будет просто задача по расписанию внутри собственного стека, а панель для задачи по расписанию никто не покупает.
А потом последнее сжатие, и вот за ним я бы следил внимательнее всего. Только у лабораторий есть по-настоящему ненаблюдаемая часть всего этого. По мере того как сама модель становится товаром широкого потребления, а она им становится, лабораториям нужна выручка не из токенов. Продавать структурированную видимость того, что произошло между промптом и ответом, — очевидная диверсификация, и только они могут продавать её, ни у кого не спрашивая разрешения. В этот день любая независимая GEO-компания начинает перепродавать то, что её же поставщик может предложить напрямую.
Так что ждите шума. Крупные раунды, громкие титулы, категория, которая года три будет выглядеть как следующий Semrush. Часть этих денег реальна. Большинство защитных рвов — нет.
Я по-прежнему считаю, что это одно из лучших мест, где можно оказаться. Но уже не так уверен, что это хорошее место, чтобы остаться.
Часть, где я говорю вам, что всё это реально
Всё это я нашёл за десять дней в инкубаторе Hexa. Вы приходите, вам дают проблему, и ваша задача — доказать, что в их идее есть смысл. Такова сделка.
Это не мысленный эксперимент. Идея вышла из этих десяти дней с достаточным весом за собой, чтобы Hexa вложила в её реализацию около 750 000 евро и сейчас продолжает её вместе с моим партнёром.
Меня не выбрали продолжать, но это всё равно были одни из лучших десяти дней за долгое время. Реальная проблема, реальные пользователи на телефоне, реальный рынок, никакого театра. Работа выдержала проверку.
Я бы сделал это снова хоть завтра (но на этот раз с YC 🤣).