Как ИИ научился читать между строк и находить невидимый негатив

СИБУР — один из самых узнаваемых промышленных брендов страны. Миллионы людей видят новости компании, пишут комментарии, обсуждают действия топ-менеджмента и экологические инициативы в соцсетях. Казалось бы, стандартная задача для ORM: собирай упоминания по ключевым словам, и реагируй.

Но была проблема, с которой команда ORM холдинга сталкивалась каждый день.

Стандартные системы мониторинга работают по принципу ключевых слов. Если в тексте комментария к посту нет прямого упоминания «СИБУР», «Томскнефтехим» или «ЗапСибНефтехим», системы такой комментарий не подсвечивают. Он выпадает в «серую зону».

И вот здесь начиналось самое опасное. Под постом о волонтёрской акции или благотворительном проекте мог разгореться скандал с местными жителями. Люди часами дискутировали, делились негативным опытом, обсуждали экологическую ситуацию — но ни разу не упоминали бренд напрямую. Чтобы увидеть такие комментарии, требовалось много времени. Конфликт зрел незаметно, пока не перерастал в полноценный кризис.

Важно понимать механику: система собирала все посты, где прямо упомянут бренд — это база. Но настоящая проблема крылась внутри этих постов. Команда тратила часы на то, чтобы вручную листать комментарии под каждым более-менее крупным постом. Нужно было угадать: а нет ли там, в обсуждении, скандала? Люди могли ругать продукт или обсуждать инцидент, даже не тегая компанию. Для стандартного парсера этих комментариев не существовало, хотя пост-первоисточник был найден правильно. Физически прочитать всё было невозможно. Негатив пропускали, реакция запаздывала, а руководство узнавало о проблемах, когда новость уже устаревала.

Нужен был инструмент, который поймёт контекст беседы, даже если бренд не назвали вслух.

Мы донастроили ИИ-сервис под задачу СИБУРа. Ключевое изменение — система начала работать на двух уровнях.

Как это работает технически:

Система, как и раньше, собирает все публикации из открытых источников (ВКонтакте, Telegram), где встречаются названия холдинга, его дочерних обществ или имена топ-менеджеров. Это стандартный мониторинг по ключевым словам, который был у клиента и до нас.

Но на этом работа не заканчивается. ИИ-сервис заходит внутрь каждого найденного поста и начинает анализировать все комментарии к нему в реальном времени. Система не ищет ключевые слова, она анализирует тональность и смысл каждого сообщения. Сарказм, намёки, обсуждение проблем без упоминания бренда — всё идёт в зачёт. Это позволило не терять репутационные риски на том этапе, где раньше мониторинг заканчивался.

Мы не стали перегружать команду новым сложным дашбордом. Всё заточено под Telegram, потому что PR-менеджеры живут в нём каждый день.

Двухканальная система. Все собранные упоминания сначала попадают в общий поток. ИИ обрабатывает их в реальном времени. Как только система распознаёт признаки негатива, сообщение автоматически переправляется в отдельный Telegram-чат для оперативной реакции. Команде не нужно гадать, где искать угрозу, — система сама приносит её.

Контекст в карточке. Если ИИ находит угрозу, он показывает не просто текст комментария, а ссылку на исходный пост, соседние сообщения и метрики вовлечённости. Можно сразу оценить масштаб: это рядовой хейтер или уже пожар. Не нужно никуда заходить, ничего искать, открывать десятки вкладок.

Два чата. В первом («Входящие») — вообще все комментарии, где что-то сказано про СИБУР. Во втором («Тональность») — только те, где ИИ распознал риск. Чат с негативом мониторится отдельно и в приоритетном порядке.

Мгновенная коммуникация с руководством. Увидели угрозу в Telegram-чате — нажали «переслать» — и руководитель уже получил то же самое: текст, метрики, ссылку на источник. Без пересказов, без презентаций, без потери контекста. Вся информация уходит за секунду.

Внедрение ИИ-анализатора комментариев закрыло главную «слепую зону» репутационного мониторинга. Клиент перестал терять скрытые угрозы и радикально сократил ручную работу там, где раньше приходилось буквально «перепахивать» массивы упоминаний в поисках иголки в стоге сена.

Количественные результаты:

За первые полгода работы ИИ-сервиса обнаружено 414 184 сообщения (в постах, где не было упоминаний бренда, но велось обсуждение компании).

Из массива скрытого негатива (8 964 сообщения после очистки от спама) система и команда выделили 385 критически важных упоминаний, требующих оперативного вмешательства.

В зоне позитива (32 166 сообщений) автоматически отобраны 204 значимых сообщения от лидеров мнений

Эффект: в среднем находится на 22% больше скрытых угроз.

Сокращение времени реакции с часов до минут. Как только ИИ видит негатив — он сразу сбрасывает сообщение прямо в Telegram. И там уже всё видно: сам текст комментария, ссылка на пост, метрики канала: охваты, вовлечённость, сколько людей это уже увидели. Не нужно никуда заходить, ничего искать. Просто открыл чат — и сразу понял масштаб.

Снижение трудозатрат на ручной мониторинг. Там, где раньше приходилось вручную просматривать тысячи комментариев в попытке угадать угрозу, теперь работает автоматика.

Качественные результаты:

Реальная, а не формальная скорость. Раньше скандал успевал разрастись, пока кто-то случайно его замечал, потом начинались совещания, согласования, подготовка ответа. К этому моменту комментарии уже множились. Теперь реакция начинается в момент возникновения угрозы.

Прозрачность для топ-менеджмента. Раньше, пока соберёшь скриншоты, пока оформишь презентацию, пока согласуешь формулировки — новость уже не свежая. Топ-менеджмент видел не живую картину, а «вчерашний суп». Решения принимались на основе устаревших данных. Теперь руководство видит риски онлайн, в том же виде, что и исполнители.

Репутационный контроль на новом уровне. Система понимает контекст там, где бессильны обычные парсеры. Это не просто мониторинг — это защита репутации в её самом уязвимом месте. Под нейтральными и позитивными постами больше не зреют скрытые скандалы.

Решение подходит не только для гигантов вроде СИБУРа, но и для любого бизнеса, который заботится о своей репутации в соцмедиа.