Один из крупнейших консалтинговых брендов мира выпустил отчёт, призванный убедить корпоративных клиентов внедрять ИИ. В качестве доказательств — кейсы реальных компаний: UBS, NHS и других. Эдвард Тянь, CEO сервиса детекции ИИ-текстов GPTZero, вместе с командой разобрал отчёт и обнаружил, что кейсы не существуют. KPMG удалила документ без публичных объяснений.
Контекст
KPMG — одна из «Большой четвёрки» аудиторско-консалтинговых компаний. Её отчёты читают советы директоров, CIO и CFO крупнейших корпораций. Вес таких публикаций — это не просто PR: они формируют бюджеты на ИИ, определяют, кому дают мандат на трансформацию, и закрепляют репутации технологий.
Отчёт был нацелен именно на продажу: убедить потенциальных клиентов, что ИИ уже работает у конкурентов. Стандартный приём — «смотрите, как NHS оптимизировала процессы» или «UBS сократила издержки». Только в данном случае эти истории не были реальными.
Показательно, что выявил это не журналист-расследователь и не регулятор, а CEO компании, которая специализируется на детекции ИИ-сгенерированного контента. Это косвенно указывает на то, каким инструментом мог быть создан отчёт — или как минимум его отдельные части.
Аналитика
Эдвард Тянь вводит термин «secondary hallucinations» — вторичные галлюцинации. Это не просто ошибки языковых моделей: это ситуация, когда авторитетный источник — консалтинговая фирма, аналитическое агентство, исследовательский институт — воспроизводит выдуманные факты как достоверные, и они расходятся дальше уже без проверки. Доверие к бренду работает как пропуск: никто не перепроверяет KPMG так же тщательно, как анонимный блог.
Проблема системная. Рынок консалтинга под давлением: клиенты хотят кейсы, дедлайны сжались, LLM-инструменты ускоряют написание. Соблазн «дополнить» реальный, но скудный материал — огромен. И если модель генерирует убедительно звучащий кейс с правдоподобными деталями, аналитик может не перепроверить каждую строчку. Так вторичные галлюцинации попадают в корпоративные презентации, оттуда в совет директоров, оттуда в решения о миллионных бюджетах.
Ирония в том, что отчёт был создан, чтобы продавать ИИ — и именно ИИ (или небрежная работа с ним) его уничтожил. Для рынка это сигнал: доверие к B2B-аналитике сейчас под вопросом. Компании, которые выстроят верификацию своих материалов как конкурентное преимущество, выиграют.
Кейсы применения в бизнесе
B2B-SaaS стартап: если вы покупаете отраслевой отчёт или используете чужие кейсы в своём питче — внедрите простую верификацию. Перед тем как процитировать кейс UBS или NHS в презентации инвестору, погуглите первоисточник: пресс-релиз, публичное заявление компании, новость. Нет источника — нет кейса. Это займёт 10 минут и убережёт от репутационного провала.
Корпорация с legacy-инфраструктурой: отделы закупок и трансформации часто принимают решения, опираясь на консалтинговые отчёты. Введите правило: любой внешний кейс, использованный для обоснования бюджета, должен иметь публично верифицируемый источник. Это не бюрократия — это защита от принятия решений на основе выдуманных данных.
SMB и локальный бизнес в КР/СНГ: когда подрядчики по ИИ приходят с «кейсами» успешного внедрения — запрашивайте контакты компаний, упомянутых в историях. Реальные кейсы всегда имеют источник: человека, дату, конкретный измеримый результат. «Мы помогли компании вырасти на 40%» без деталей — это не кейс, это маркетинг.
Кейсы в личной жизни
Разработчик и технический специалист: если вы используете LLM для написания технических статей, документации или презентаций — не доверяйте модели в части ссылок, цитат и кейсов. LLM убедительно выдумывает исследования, цифры и примеры. Факты из модели — только как черновик, верификация — через первоисточник.
Контент-мейкер и журналист: история с KPMG — отличный аргумент для построения личного бренда на достоверности. Когда крупные бренды ошибаются, доверие перетекает к тем, кто проверяет. Введите в свой процесс один шаг: «фактчек перед публикацией» — и это само по себе становится конкурентным преимуществом.
Студент и исследователь: в академической и деловой среде часто цитируют отчёты «Большой четвёрки» без перепроверки. Теперь у вас есть конкретный прецедент, чтобы объяснить одногруппникам или коллегам: авторитет бренда не равен достоверности данных. Проверяйте первоисточник — особенно если цифра выглядит слишком красиво.
Как применить сегодня
- Прежде чем использовать внешний кейс в питче или отчёте — найдите публичный первоисточник: пресс-релиз компании, новость, официальное заявление. Нет источника — не цитируйте.
- Если вы создаёте материалы с помощью LLM, добавьте финальный шаг: пройдитесь по всем конкретным утверждениям (цифры, имена, даты, названия) и проверьте каждое вручную.
- Запустите в команде простое правило: «любая статистика в презентации должна иметь ссылку». Это снижает риск вторичных галлюцинаций внутри вашей компании.
- Используйте инструменты детекции ИИ-контента (GPTZero и аналоги) при работе с аналитическими отчётами от подрядчиков — особенно если они нужны для принятия бюджетных решений.
- Постройте репутацию на противоположном: если ваш бренд публикует аналитику — делайте верификацию частью процесса и говорите об этом открыто. Сейчас это редкость, а значит — дифференциатор.
«Вторичные галлюцинации — это когда ошибки LLM получают штамп доверия от авторитетного бренда и расходятся дальше уже без проверки» — Эдвард Тянь, CEO GPTZero