Когда репутация компании живёт сразу в тексте, таблице, скриншоте и графике, ошибается не только человек. Ошиб

Когда репутация компании живёт сразу в тексте, таблице, скриншоте и графике, ошибается не только человек. Ошибается и система, которая должна собрать это в одну картину.

Новый бенчмарк CrystalXRD-Bench как раз про такую проблему, только в научной сфере: модели дали 250 изображений дифракционных диаграмм и попросили восстановить полный набор параметров из визуального сигнала. Это не «угадать по картинке», а корректно связать картинку, подпись и смысловую структуру. Лучший результат у GPT-5.4 — Jaccard 0.5888, при exact match 37,6%. Остальные участники заметно просели, и это показательно: даже сильные модели часто видят отдельные элементы, но не собирают их в точную интерпретацию.

Для коммуникаций и репутационных команд здесь важен не сам XRD, а принцип. В кризисе компания тоже работает не с одним источником, а с набором сигналов: публикации, цитаты, комментарии, внутренние данные, скриншоты, графики падения, записи из саппорта. Если AI умеет распознать картинку, но не умеет связать её с контекстом, он легко даст уверенный, но неверный вывод.

Отсюда практический вывод: при использовании AI в мониторинге репутации нельзя оценивать только «понимает ли текст». Важно, умеет ли он сопоставлять разные форматы и не теряет ли структуру на стыке источников. Иначе в момент кризиса инструмент покажет не картину рисков, а её упрощённую имитацию.

Хорошие новости тут тоже есть: такие бенчмарки быстро вскрывают слабые места систем. А значит, помогают точнее выбирать, где AI можно подключать к аналитике, а где ему нужен человеческий контроль.