Управление репутацией работодателя в нейросетях

Крупная производственная компания несколько лет назад прошла через болезненную перестройку: менялись процессы, уходили люди, условия труда временно ухудшились. К моменту обращения всё давно наладилось - зарплаты выросли, текучка упала, коллектив стабилизировался. Но интернет запомнил худшее.

HR-отдел заметил странное: вакансии висят, зарплата рыночная, а откликов почти нет. Выяснилось случайно - один из кандидатов признался, что спросил у ChatGPT, стоит ли идти в компанию, и получил развёрнутое предупреждение о задержках зарплат и проблемах с руководством. Проверили Алису и Gemini - картина та же. Нейросети опирались на сотни старых негативных отзывов, разбросанных по HR-площадкам и скопированных на агрегаторах, и пересказывали их как актуальную ситуацию.

Замер подтвердил масштаб: пять из шести проверяемых ответов содержали прямые предупреждения о компании.

Задача

Нейросети не публикуют отзывы - они агрегируют и пересказывают то, что нашли в открытых источниках. Значит, чинить нужно не ответ ИИ, а информационную базу, на которую он опирается: убрать устаревшие и недостоверные материалы, создать актуальные источники и подтвердить изменения контрольным замером по той же группе вопросов.

Начали с фиксации: группа HR-вопросов, три системы, все ответы и источники записаны на одну дату. Это стартовая точка, от которой потом измеряли результат.

Анализ показал, откуда нейросети брали информацию: сотни негативных отзывов на HR-площадках, многократно скопированных агрегаторами, плюс несколько старых публикаций в блогах. Каждый отзыв, продублированный на трёх-четырёх ресурсах, создавал видимость массовой проблемы.

Работу вели в двух направлениях одновременно. Убирали контент, нарушающий правила площадок, - в итоге удалили более трёхсот отзывов. Параллельно создавали актуальную информационную базу: запустили корпоративный блог, подготовили экспертные материалы и организовали публикации в отраслевых СМИ, чтобы у нейросетей появились свежие, авторитетные источники, отражающие реальное положение дел.

Через три месяца провели контрольный замер по тем же вопросам в тех же системах.

Ни в одном из шести проверяемых ответов больше не было предупреждений о проблемах в компании. Ответы стали нейтральными или позитивными - построенными на свежих публикациях и актуальных отзывах вместо трёхлетнего негатива.

Отдельно стоит оговорить: ответы нейросетей зависят от обновлений моделей и появления новых публикаций. Результат не зафиксирован навечно - поэтому мониторинг продолжается.

Ключевые цифры

- 5 → 0 из 6 | ответов с негативом о компании

- 300+ | негативных отзывов удалено

- 3 месяца | от старта до контрольного замера

- 12 | публикаций и экспертных материалов

Нейросети уже участвуют в принятии решений - кандидаты спрашивают у них о работодателях, клиенты проверяют подрядчиков. Если вы не знаете, что ChatGPT или Алиса отвечают о вашей компании, стоит проверить (https://epiccenter.ru/special/upravlenie-reputatsiej-v-nejrosetyah/) - до того, как это сделает кто-то другой.