Как агенты выбирают поставщиков: оптимизация под ИИ

Запрос «оптимизация под ии» в поиске всё чаще значит не «попасть в топ Яндекса», а «попасть в ответ агента». Человек не гуглит сам — он просит агента найти поставщика, сравнить цены, выбрать подрядчика. Агент не щёлкает по десяти синим ссылкам: он читает страницы напрямую и отдаёт один ответ. Если сайт написан для человека, который сканирует заголовки, а не для модели, которая читает текст целиком, — в этом ответе его просто не будет.

Как агент ищет

Агент ищет не по ключевым словам, а по смыслу. Текст страницы и запрос пользователя превращаются в эмбеддинги — координаты смысла в многомерном пространстве, — и чем ближе эти координаты друг к другу, тем выше шанс, что агент сочтёт предложение релевантным. Слова могут не совпадать буквально вовсе — совпадает смысл. Это другой механизм, чем индексация по категориям и ключевикам, на которой десятилетиями строился обычный поиск.

Насколько сильно это меняет результат, показывает исследование поиска патентных аналогов — рядом, но похожая задача: там ищут не похожие товары, а похожие изобретения. Авторы прямо пишут, что поиск по кодам классификации структурно ограничивает находки за пределами своей рубрики, и проверяют, может ли представление, обученное прямо на тексте патента, а не на кодах, находить такие связи. Для проверки сравнили две модели, которые обе ищут по смыслу текста, но устроены по-разному геометрически: одна — как плоское пространство, вторая — как искривлённое, которое точнее описывает вложенные иерархии понятий. Разница оказалась огромной: искривлённая модель нашла релевантные совпадения за пределами своей категории на 52% чаще, чем плоская — 18,76% против 12,34% среди топ-10 результатов, на выборке из 3000 запросов по 45 тысячам патентов. Если даже между двумя моделями, которые обе понимают смысл, разница такая большая, то разница между поиском по смыслу и поиском по жёсткой рубрике, в которой живёт классическое SEO, — ещё больше.

По чему он сравнивает

Агент сравнивает по тому, что может достать из текста как факт: цена, сроки, наличие, характеристики, условия возврата, отзывы. Если эти данные растворены в рекламных оборотах, агенту их тяжело извлечь — он либо ошибётся, либо вообще пропустит тебя при сравнении. Чистый, фактический текст агент читает надёжнее, чем красиво написанный.

Та же работа про патенты объясняет, почему формальная рубрика и реальная релевантность — разные вещи. Искривлённая модель, которая находит больше совпадений за пределами рубрик, совпадает с официальной классификацией патентов слабее, чем плоская: NMI 0,2392 против 0,3206. Авторы пишут об этом прямо — это два разных измерения, и только одно из них отвечает на вопрос, который реально нужен для поиска. Для сайта вывод тот же: попасть в «правильную» SEO-категорию и быть релевантным запросу агента — не одно и то же. Подгонка под рубрику иногда даже мешает находиться по смыслу.

Чем это отличается от SEO

SEO готовит страницу для алгоритма ранжирования: ключевые слова, ссылочная масса, правильная рубрика в каталоге поисковика. Агент не ранжирует десять ссылок — он читает твою страницу, страницы конкурентов и отдаёт пользователю один ответ. Задача смещается: не попасть в топ выдачи, а стать тем вариантом, который модель поняла верно и сочла подходящим здесь и сейчас. Если модель поняла тебя неверно или не нашла нужный факт на странице, тебя просто пересказывают неточно — а это хуже, чем низкая позиция в выдаче.

Я считаю, что это только начало. Наступает экономика агентов: рынок, где заказывают работу и платят друг другу уже не только люди, а сами агенты — в рамках digital ID, с собственным кошельком и правами в заданных границах. У каждого человека и бизнеса рано или поздно будет свой агент, который представляет его вовне: отвечает на звонки, ведёт переписку, делает заказы. В этой экономике сайт, написанный только для человека, глазами агента просто не читается — и теряет сделки, которые раньше приходили через людей.

Что сделать на сайте

Первое — вынести факты из маркетингового текста в явный вид. Цена, сроки, наличие, характеристики должны стоять текстом, а не только на картинке и не только внутри рекламного абзаца. Агент не смотрит картинки так, как человек, и не достраивает смысл по дизайну страницы.

Второе — дать агенту машиночитаемую версию тех же фактов: разметка для товаров и услуг, структурированный фид, отдельный файл с описанием того, что есть на сайте и как к этому обращаться. Принцип тот же, по которому давно работает robots.txt для поисковых роботов, — только теперь он адресован моделям, а не паукам.

Как проверить себя

Проверить это можно без анализатора и без разработчика. Открой любого ассистента и попроси его сравнить тебя с двумя-тремя конкурентами по цене и условиям — так, как это сделал бы пользователь, который поручил агенту найти поставщика. Смотри не на тон ответа, а на факты: назвал ли агент тебя вообще и правильно ли он передал твою цену и условия, или перепутал их с чужими.

Сделай это сейчас, не дожидаясь редизайна сайта: один прогон через ассистента занимает пять минут и сразу показывает, видит тебя агент или нет. Дальше остаётся дописать факты, которых агент не нашёл, — и проверить снова.

Вопросы и ответы

Что такое оптимизация под ии-агентов?

Это подготовка сайта и текстов так, чтобы их правильно понимала и находила модель, которая ищет и сравнивает поставщиков вместо человека, — через явные факты и смысл текста, а не только через ключевые слова.

Чем оптимизация под агентов отличается от SEO?

SEO готовит страницу для ранжирования в выдаче поисковика. Оптимизация под агентов готовит страницу для прямого чтения моделью, которая отдаёт пользователю один ответ, а не список ссылок.

Как проверить, видит ли агент мой сайт?

Спросить любого ИИ-ассистента сравнить тебя с конкурентами по цене и условиям и посмотреть, назовёт ли он тебя вообще и правильно ли передаст факты с твоей страницы.

Источники

• Benchmarking Embedding Geometries and Clustering Algorithms for Unsupervised Patent Claim Classification
• CMU graphics professor uses Astra to create a detailed 3D dragon from just 27 KB of code, with ~25 hours of AI calls. Meanwhile, graphics researchers have demonstrated up to 629× faster rendering and 1,000× faster geometry evaluation using…
• I'm a 9th grader and I used Claude to prove a geometry conjecture: the rhombicosidodecahedron can't pass through a copy of itself