В июле 2026 года сообщество разработчиков и исследователей ИИ обсуждает необычное исследование, опубликованное на Хабре. Автор статьи проанализировал 591 ответ от ChatGPT и выяснил, что почти треть запросов к поисковым системам через этот ИИ-инструмент — повторяющиеся. Это открытие ставит под вопрос эффективность работы крупных языковых моделей (LLM) в режиме поиска и поднимает важные вопросы о том, как алгоритмы выбирают источники для цитирования.
Речь идет о функции, которая позволяет ChatGPT обращаться к поисковым системам в реальном времени, чтобы получить актуальные данные. Когда пользователь задает вопрос, модель может сгенерировать несколько поисковых запросов, чтобы найти релевантную информацию. Однако, как выяснилось, в 33% случаев эти запросы дублируются: ChatGPT задает один и тот же вопрос поисковику несколько раз подряд, даже если ответ уже был получен.
В этой статье мы разберем, почему так происходит, какие источники модель предпочитает цитировать всегда, а какие — лишь изредка, и что это значит для тех, кто использует ChatGPT в профессиональной деятельности.
Как проводился анализ: методология и цифры
Автор исследования взял 591 ответ ChatGPT, сгенерированных в стандартном режиме с включенным поиском, и проанализировал каждый поисковый запрос, который модель отправляла в фоне. Результаты оказались показательными:
| Категория запросов | Доля от общего числа | Примеры |
|---|---|---|
| Уникальные запросы | 67% | «Последние новости о квантовых вычислениях» |
| Повторяющиеся запросы | 33% | «Новости AI 2026» (повторен 4 раза подряд) |
| Запросы с разными формулировками, но одинаковым смыслом | 12% (от общего числа уникальных) | «Лучшие смартфоны 2026» и «Топ телефонов 2026» |
Основной вывод: модель не всегда эффективно использует кэш ранее полученных результатов. Вместо того чтобы сохранить ответ и ссылаться на него, ChatGPT повторно отправляет запрос, тратя вычислительные ресурсы и время пользователя. Автор предполагает, что это связано с архитектурой модели: каждый новый вызов поиска рассматривается как независимый, без учета предыдущего контекста.
Почему одних цитируют всегда, а других — через раз
Исследователь обратил внимание на закономерность в выборе источников. ChatGPT отдает предпочтение сайтам с высоким авторитетом в глазах поисковой системы. В частности, в 80% случаев, когда модель цитировала информацию, она ссылалась на один из трех доменов: Википедия, крупные новостные агентства (например, Reuters, BBC) и государственные сайты. Остальные 20% пришлись на блоги, форумы и специализированные ресурсы.
Интересно, что даже если на специализированном сайте была более свежая или точная информация, модель все равно выбирала более «авторитетный» источник, если он содержал хотя бы общие данные по теме. Это объясняется тем, что ChatGPT использует ранжирование по принципу PageRank: чем больше ссылок на ресурс, тем выше вероятность, что модель его процитирует.
Однако есть нюанс: в 15% случаев ChatGPT цитировал источник, который не был указан в явном виде в результатах поиска. Автор предполагает, что модель «запоминает» популярные ссылки из предыдущих сессий и вставляет их постфактум, что может приводить к ошибкам.
Практические последствия: как это влияет на бизнес
Для компаний, которые используют ChatGPT для генерации контента или анализа данных, это исследование имеет прямое значение. Если модель систематически игнорирует узкоспециализированные источники, то бизнес-аналитика, основанная на таких ответах, может быть неполной. Например, стартап, ищущий информацию о конкурентах, рискует получить общие данные из Википедии, а не свежие цифры из отраслевого отчета.
На практике это означает, что пользователям стоит перепроверять факты из ChatGPT, особенно если речь идет о нишевых темах. Кроме того, авторы исследования рекомендуют формулировать запросы максимально конкретно, чтобы модель реже прибегала к повторным обращениям. Например, вместо «новости о криптовалютах» лучше написать «рост биткоина в июне 2026 года: причины и прогнозы».
Техническая сторона: архитектура поиска в ChatGPT
Чтобы понять причину повторов, нужно заглянуть в архитектуру модели. ChatGPT использует мультиагентную систему: один агент отвечает за генерацию текста, другой — за поиск. Когда пользователь задает вопрос, первый агент разбивает его на подзапросы и отправляет их второму агенту. Тот, в свою очередь, обращается к поисковой системе (например, Bing) и возвращает результаты. Проблема в том, что второй агент не всегда помнит, какие запросы он уже отправлял в рамках текущей сессии. Если первый агент повторяет запрос (из-за ошибки в логике или из-за того, что ответ первого поиска был признан неполным), второй агент выполняет его заново.
Это напоминает ситуацию, когда человек дважды задает один и тот же вопрос в чате поддержки, не дождавшись ответа. Только здесь «человек» — это алгоритм, который не умеет ждать.
Решения и перспективы
Разработчики ChatGPT уже работают над улучшением этой функции. Одно из возможных решений — внедрение кэша на уровне сессии, чтобы повторные запросы не отправлялись в поиск, а брались из локального хранилища. Другой подход — обучение модели лучше распознавать, когда ответ уже был получен, и не генерировать лишних запросов.
Для пользователей это означает, что в ближайшие месяцы можно ожидать обновлений, которые сократят время ожидания и повысят точность ответов. Пока же стоит помнить, что ChatGPT — это инструмент, который требует осмысленного подхода. Если вы используете его для работы с данными, обязательно проверяйте источники.
ASI Biont поддерживает подключение к ChatGPT через API — подробнее на asibiont.com/courses. Это позволяет автоматизировать анализ данных и интегрировать ИИ в бизнес-процессы, но с учетом всех ограничений, описанных выше.
Выводы
Исследование 591 ответа ChatGPT показало, что треть поисковых запросов модели — повторы. Это снижает эффективность работы и может вводить пользователей в заблуждение, если они полагаются на единственный источник. Главный вывод для профессионалов: ChatGPT предпочитает авторитетные, но часто общие источники, игнорируя специализированные данные. Чтобы минимизировать риски, стоит формулировать запросы точнее и всегда проверять цитаты.
В долгосрочной перспективе можно ожидать, что разработчики устранят эту проблему, но пока она остается актуальной для всех, кто использует ИИ в аналитике. Будьте внимательны и используйте инструменты осознанно.
Комментарии