Как изменились ответы нейросетей о работодателе: с 5 предупреждений до 0

1. Вводная задача от заказчика, проблематика, цели

Крупная производственная компания столкнулась с негативом в ответах ChatGPT, Алисы и Gemini. На вопросы о трудоустройстве системы сообщали о задержках зарплат, проблемах с руководством и сокращениях. Эти сведения относились к прежнему периоду перестройки компании, но продолжали встречаться в открытых источниках.

Задача состояла в работе с информационной базой: убрать материалы, нарушающие правила площадок, дополнить её актуальными публикациями и проверить изменение ответов по той же группе HR-вопросов.

2. Описание реализации кейса и творческого пути по поиску оптимального решения

Зафиксировали исходную картину

Задали группу HR-вопросов трём системам - ChatGPT, Алисе и Gemini. Сохранили ответы и источники на одну дату. В пяти из шести проверяемых ответов были предупреждения о проблемах в компании.

Разобрали источники

В ответах использовались сотни старых отзывов на HR-площадках, их копии на других ресурсах и негативные публикации в блогах. Актуальных материалов о работе компании не хватало.

Работали с негативом и новыми публикациями

Для контента с нарушениями правил готовили обращения к площадкам. За три месяца удалили более 300 негативных отзывов. Параллельно запустили корпоративный блог, подготовили экспертные материалы и публикации в отраслевых СМИ - всего 12 материалов.

Повторили проверку

Через три месяца задали те же вопросы в тех же трёх системах и сопоставили ответы с исходным замером.

3. Результаты сотрудничества

В контрольной выборке число ответов с предупреждениями снизилось с 5 из 6 до 0 из 6. Ответы стали опираться на более актуальную информацию о компании.

За три месяца удалили более 300 отзывов с HR-площадок и выпустили 12 публикаций в СМИ и экспертных материалов.

Показатель 5 → 0 относится к шести проверяемым ответам в трёх системах. Он не означает, что проверены все возможные вопросы или что модели больше никогда не вернутся к старым сведениям.