Поймали странный провал в AI-ответах: статья была сильной по смыслу, но модель стабильно путала факты и переск

Поймали странный провал в AI-ответах: статья была сильной по смыслу, но модель стабильно путала факты и пересказывала их «в среднем по больнице».

Разобрали причину — данные были размазаны по тексту, без явных сущностей, дат и атрибутов. Для человека это читалось нормально, для LLM — как туман. В ответах всплывали не те числа, смешивались версии продукта, а важный вывод терялся между абзацами.

Что сработало после правки: вынесли ключевые факты в короткие блоки, добавили единый термин для сущности, убрали синонимическую кашу, а сравнения оформили в таблицу. Через несколько тестов запросов в Perplexity и Google AI Overview цитирование стало заметно точнее 📌

Вывод простой: если факты не упакованы, AI их не «додумает» — он их исказит.