<стр>Плюс скрытое предсказание, которое изменит открытия, управляемые искусственным интеллектом

<п>Очень много людей провели 2025 год, споря о том, умирает ли SEO. Оно никогда не умирало. Оно переходило на новый слой. Discovery продолжает переходить от поисковых систем к системам искусственного интеллекта. Ответы теперь приходят с помощью моделей, которые переписывают вашу работу, обобщают конкурентов, смешивают источники и формируют решения еще до загрузки окна браузера. В 2026 году этот сдвиг станет настолько заметным, что руководители и оптимизаторы больше не смогут относиться к нему как к крайнему случаю; проценты из источников сместятся. Стек поиска, который поддерживался последние 20 лет, теперь является лишь одним из нескольких уровней, которые формируют решения клиентов. (Об этом я рассказываю в своей новой книге «Машинный уровень» (непартнерская ссылка).)

Это важно, потому что в 2026 году победят компании, которые будут рассматривать системы искусственного интеллекта как новые каналы сбыта. Проиграют компании, ожидающие, пока их аналитические панели наверстают упущенное. Вы больше не оптимизируете параметры для одной входной двери. Теперь вы оптимизируете для многих. Каждый из них основан на моделях, которые решают, что показывать, кому это показывать и как вас описать.

<п>Вот 14 вещей, которые будут определять конкурентные преимущества в 2026 году. Каждая из них уже видна в реальных данных. Вместе они указывают на год, когда открытия станут более атмосферными, более разговорными и более зависимыми от того, насколько хорошо машина сможет анализировать и доверять вам. И в конце этого списка находится чертовски интересное предсказание, которого, держу пари, вы не ожидали увидеть в следующем году! Если честно, я уверен, что некоторые из вас так и сделали, но до такой степени? Понимание того, что все это было так близко? <п>Выпейте кофе или чай, найдите любимое место для чтения, и начнем!

Изображение предоставлено: Дуэйн Форрестер <х2>1. Поверхности ответа AI становятся новой входной дверью

<п>ChatGPT, Claude, Gemini, Meta AI, Perplexity, CoPilot и Apple Intelligence теперь находятся между клиентами и вашим веб-сайтом. Все больше и больше пользователей задают вопросы в этих системах, прежде чем начать поиск. И ответы, которые они получают, противоречивы. Анализ BrightEdge показал, что механизмы искусственного интеллекта не соглашаются друг с другом в 62% случаев. Когда двигатели так сильно расходятся во мнениях, видимость бренда становится нестабильной. Руководителям необходимы отчеты, показывающие, как часто их бренд появляется в этих системах. Оптимизаторам нужны рабочие процессы, которые оценивают извлечение фрагментов, надежность внедрения и наличие цитирования в нескольких системах ответов.

2. Содержимое должно быть предназначено для машинного поиска

<п>В исследовании Copilot, проведенном Microsoft в 2025 году, было проанализировано более 200 000 рабочих сеансов. Наиболее распространенными задачами с помощью ИИ были сбор информации, объяснение информации и переписывание информации. Это основные задачи, которые должен решать современный контент. Модели ИИ выбирают контент, который структурирован, предсказуем и легко встраивается. Если вашему контенту не хватает четкого разделения, последовательных шаблонов или явных определений, моделям становится сложнее использовать. Это влияет на то, будете ли вы появляться в ответах. В 2026 году ваш выбор форматирования станет сигналом ранжирования для машин.

3. LLM на устройстве меняют способ поиска людей

4. Носимые устройства начинают управлять воронкой поиска

5. Короткое видео становится обучающим материалом для ИИ

<п>Видео теперь является основным обучающим сигналом для современных мультимодальных моделей. V-JEPA 2 от Meta AI обучается на неизвестном количестве часов необработанного видео и изображений, но это по-прежнему показывает, что крупномасштабное видеообучение становится основой для понимания движения, физического прогнозирования и ответов на вопросы по видео. Gemini 2.5 от Google DeepMind явно поддерживает понимание видео, позволяя модели интерпретировать видеоклипы, извлекать визуальный и аудиоконтекст и анализировать последовательности. Исследование Sora, проведенное OpenAI, показывает, что современные генеративные видеомодели учатся на различных видеовходах, чтобы понимать движение, физические взаимодействия, переходы и динамику реального мира. В 2026 году ваше короткометражное видео станет частью более широкого спектра сигналов. Не только стенограмма. Визуальные эффекты, темп, движение и структура становятся векторами, которые модель может интерпретировать. Если ваш видеовыход и письменный контент расходятся, модель по умолчанию будет использовать тот носитель, который обеспечивает более четкое и последовательное общение.

6. Сигналы органического поиска смещаются в сторону доверия и происхождения

<п>Традиционные алгоритмы полагались на ссылки, ключевые слова и шаблоны кликов. Системы искусственного интеллекта смещают этот вес в сторону происхождения и проверки. Perplexity описывает свою модель как дополненную поиском, извлекая из авторитетных источников, таких как статьи, веб-сайты и журналы, и отображая цитаты, чтобы показать, откуда берется информация. Независимые аудиты поддерживают это направление. Оценка генеративных поисковых систем, проведенная в 2023 году, показала, что такие системы, как Perplexity, отдают предпочтение фактическому, хорошо структурированному и подкрепленному внешними доказательствами контенту при сборе цитируемых ответов. Это остается верным и сегодня. Анализ отрасли SEO также показывает, что страницы с четкими метаданными, последовательной тематической организацией и видимой идентификацией автора с большей вероятностью будут цитироваться. Естественно, все это меняет то, как выглядит доверие. Машины отдают приоритет последовательности, ясности и поддающимся проверке источникам. Руководителям следует сосредоточиться на управлении данными и стабильности контента. SEO-специалистам следует сосредоточиться на структурированном цитировании, указании автора и семантической связности всей экосистемы контента.

7. Создание когорты в реальном времени заменяет статичные персонажи

<п>LLM создают временные группы, объединяя людей со схожими шаблонами намерений. Эти кластеры могут образовываться за считанные секунды и так же быстро растворяться. Они не привязаны к демографии или личностям. Они основаны на том, что кто-то пытается сделать прямо сейчас. Это основа концепции эмпирической когорты. Маркетологи еще не догнали ситуацию. В 2026 году когортный таргетинг сместится в сторону встраивания намерений, а не личных документов. Оптимизаторы должны настраивать контент с учетом шаблонов намерений, а не атрибутов идентичности.

8. Межагентская торговля становится реальной

Агенты будут назначать встречи, бронировать поездки, перезаказывать расходные материалы, сравнивать поставщиков и заключать простые соглашения. Ваш контент становится инструкциями для другой машины. Чтобы поддержать это, оно должно быть недвусмысленным. В нем должны быть четко указаны требования, ограничения, доступность, правила ценообразования и исключения. Если вы хотите, чтобы агент выбрал ваш бизнес, вам нужна модель контента, которая будет использоваться в дереве решений агента. Руководители должны составить список 10 основных задач, выполняемых агентами, в своей отрасли. Оптимизаторы должны создавать контент, который облегчает интерпретацию этих задач машиной.

9. Аппаратное ускорение позволяет использовать искусственный интеллект в каждой рутине

<п>NVIDIA, Apple и Qualcomm создают оборудование, оптимизированное для обработки данных искусственного интеллекта на устройстве и с малой задержкой. Эти чипы уменьшают трение, что увеличивает количество повседневных вопросов, которые люди задают, даже не открывая браузер. Центры обработки данных NVIDIA платформы вывода показывают, какой объем вычислений перемещается в сторону выполнения моделей в реальном времени. Qualcomm AI Hub  демонстрирует, как современные телефоны могут запускать сложные модели локально, сокращая разрыв между мыслями и действиями. Чипы Apple серии M включают Neural Engines, которые поддерживают локальное выполнение моделей внутри Apple Intelligence. Меньшее трение означает, что люди будут задавать больше мелких, неотложных вопросов в течение дня, вместо того, чтобы группировать все в один сеанс. SEO-специалистам следует планировать открытие, происходящее за счет множества коротких взаимодействий с помощником, а не одного целенаправленного поиска.

10. Объем запросов увеличивается по мере того, как голос и камера берут верх

<п>Голосовой ввод отращивает длинный хвост. Ввод камеры увеличивает количество контекстных запросов. Индекс Microsoft Work Trend Index показывает рост использования искусственного интеллекта в различных категориях повседневных задач, включая сбор личной информации. Люди задают больше вопросов, потому что говорить легче, чем печатать. Форма спроса расширяется, что увеличивает неопределенность. SEO-специалистам нужны более строгие рабочие процессы классификации намерений и лучшее понимание того, как модели поиска группируют схожие вопросы.

11. Авторитет бренда становится машинно-измеримым

<п>Модели определяют авторитет, измеряя согласованность вашего контента. Они ищут стабильную терминологию, четкие взаимоотношения сущностей и закономерности в том, как третьи стороны ссылаются на вас. Они ищут соответствие между тем, что вы публикуете, и тем, как остальная часть сети описывает вашу работу. Это не старая система качества человека. Это статистический показатель достоверности. Руководителям следует инвестировать в графы знаний. SEO-специалистам следует составить карту своей сети объектов и настроить язык вокруг каждого объекта для обеспечения стабильности.

12. Среды с нулевым щелчком мыши станут вашим главным конкурентом

<п>Механизмы ответов извлекают информацию из нескольких источников и дают пользователю единый синтезированный ответ. Это сокращает количество посещений, но увеличивает влияние. В 2026 году доминирующими конкурентами за органическое внимание станут ChatGPT, Perplexity, Gemini, CoPilot, Meta AI и Apple Intelligence. Вы не выиграете, сопротивляясь нулевому щелчку. Вы выигрываете, если являетесь источником, который предпочитает движок. Руководители должны принять новые показатели производительности, отражающие наличие ответов. SEO-специалисты должны проводить ежемесячные проверки видимости бренда на всех основных платформах, отслеживая цитирования, упоминания, перефразирования и пропуски.

13. Конкурентная разведка перемещается в оперативное пространство

<п>Ваши конкуренты теперь живут внутри ответов ИИ, хотят они того или нет. Их содержимое становится частью той же поисковой памяти, которую модели используют для ответа на ваши запросы. В 2026 году оптимизаторы будут оценивать видимость конкурентов, изучая, как их описывают платформы. Вы попросите моделей обобщить конкурентов, сравнить возможности и предложения. Информация, которую вы получите, сформирует стратегию. Это становится новым каналом исследований, который руководители могут использовать для позиционирования и дифференциации.

14. Ваш сайт становится обучающим корпусом

<п>Системы искусственного интеллекта переварят ваш контент много раз раньше, чем это сделает человек. Это означает, что ваш сайт теперь является хранилищем данных. Оно должно быть структурированным, стабильным и последовательным. Публикация небрежной структуры или несогласованной формулировки создает шум внутри моделей поиска. Руководители должны относиться к своему контенту как к конвейеру данных. SEO-специалисты должны думать как информационные архитекторы. Вопрос меняется с как мы оцениваем  на как нам стать предпочтительным источником ссылок для модели.

Компании, добившиеся успеха в 2026 году, будут теми, кто раньше поймет этот сдвиг. Видимость теперь живет во многих местах одновременно. Авторитет измеряется машинами, а не только людьми. Доверие достигается за счет структуры, ясности и последовательности. Победители будут строить мир, в котором открытия носят окружающий характер, а ответы синтезируются. Проигравшие будут цепляться за панели управления, созданные для прошлого, которое не вернется.

Теперь, если вы дочитали до этого места, спасибо, и у меня есть сюрприз – актуальный прогноз на 2026 год! Я думаю, что это большое и важное дело, так что пристегнитесь!

Я звоню это Скрытые сигналы выбора, или, я полагаю, это, поскольку это группа сигналов, которые рисуют картину для платформ. С точки зрения потребителя, это основная ментальная карта, которой он следует: “Я видел это, я что-то почувствовал по этому поводу и решил не продолжать.” Это суть. Разум пользователя делает выбор, даже если он никогда его не формулирует и не нажимает ни на что. Такое поведение порождает смысл. И система может интерпретировать это значение в любом масштабе. Давайте покопаемся…

Предсказание, которого никто не ожидает

К концу 2026 года системы искусственного интеллекта начнут оптимизировать решения на основе шаблонов, которые пользователи никогда не формулируют. Не те запросы, которые они набирают. Не те вопросы, которые они задавали. Но выбора, которого они избегают.

<п>Это сдвиг, который почти все упускают из виду, и вы можете видеть, как его края формируются в трех разных областях. Если собрать их вместе, картинка станет яснее.

<сильный>ПервыйИИ на уровне операционной системы уже учится на поведении, которое не выражено явно. Apple Intelligence описывается как уровень персонального интеллекта, который сочетает генеративные модели с личным контекстом устройства для определения приоритета сообщений, обобщения уведомлений и предложения действий в приложениях. Apple создала это для удобства и конфиденциальности, но создала нечто более важное. Система должна со временем научиться, какие предложения люди принимают, а какие спокойно игнорируют. Он видит, какие уведомления удаляются, какие действия приложения никогда не используются и какие подсказки игнорируются. Ему не обязательно читать ваши мысли. Ему нужно только увидеть, какие из предложенных действий никогда не получат отклика. Эти шаблоны уже являются частью того, как он ранжирует то, что будет обнаружено дальше.

<сильный>Секундныйрекомендательные системы уже рассматривают бездействие как значимые сигналы. Вы видите это каждый раз, когда пропускаете видео на YouTube, пролистываете TikTok менее чем за секунду или закрываете Netflix, когда ряд предложений кажется неправильным. Эти платформы не публикуют точную механику работы, но неявная обратная связь — это устоявшаяся концепция в исследовательском мире. Классическая работа по совместной фильтрации наборов данных неявной обратной связи показывает, как системы используют поведение просмотра, пропуска и просмотра для моделирования предпочтений, даже когда пользователи никогда не оценивают что-либо напрямую. Новые работы продолжают совершенствовать то, как шаблоны кликов, просмотров и избеганий используются в моделях рекомендаций в масштабе. Разумно ожидать, что помощники, ориентированные на LLM, будут следовать той же логике. Шаблон слишком полезен, чтобы его игнорировать. Когда вы закрываете помощника, перефразируете вопрос, чтобы избежать определенного бренда, или прокручиваете предложение, не привлекая его, это данные о том, чего вы не хотели.

<сильный>ТретийИсследования выравнивания уже обучают модели следовать тому, что предпочитают люди, а не только тому, что предсказывает текст. Работа OpenAI «Обучение суммированию с обратной связью от человека» показывает, как можно настроить модели, используя человеческие сравнения результатов, с моделью вознаграждения, которая узнает, какие ответы люди считают лучшими. Это практикуется уже много лет. Этот вид обучения с подкреплением на основе отзывов людей был создан для таких задач, как подведение итогов и оформление стиля, но здесь важен основополагающий принцип. Модели можно оптимизировать с учетом моделей принятия и отклонения. Со временем диалоговые системы смогут распространить это на живые настройки, где исправления, переписывания и отказы будут рассматриваться как сигналы о том, чего пользователь не хочет, даже если он никогда об этом не говорит.

Объедините эти три домена вместе, и получится более крупный узор. По мере того, как системы искусственного интеллекта внедряются в очки, телефоны, ноутбуки, автомобили и операционные системы, они получат точную картину выбора, которого люди избегают. Эти модели избегания станут сигналами, которые сообщат, как помощники оценивают варианты, выбирают поставщиков и рекомендуют продукты. <п>Это не будет похоже на слежку. Модель не заглядывает в вашу личную жизнь. Он наблюдает за вашими моделями взаимодействия с самой системой. Он видит, где вы колеблетесь, какие предложения пропускаете, какие задачи передаете, какие поставщики создают дополнительные вопросы, какие цены заставляют пользователей делать паузу, какие объяснения снижают доверие и какие интерфейсы разрывают цепочку намерений. Все это собственные поведенческие сигналы, которые помощнику уже разрешено использовать. И что платформы видят эти сигналы в глобальном масштабе.

В 2026 году эти Скрытые сигналы выборастанут достаточно сильными, чтобы сформировать новый уровень оптимизации. Тихая система ранжирования, построенная на трении. Если ваш бренд вызывает сомнения, помощник снизит вашу заметность задолго до того, как аналитика заметит проблему. Если ваш контент создает путаницу во время синтеза, он будет пропущен при поиске. Если ваша политика вызывает слишком много дополнительных вопросов, модель отдаст предпочтение конкуренту с более четкими потоками. Пользователь никогда не узнает, почему. Все, что они увидят, это ассистент, предлагающий другой вариант.

Это слой, который заставит руководителей врасплох. Панели мониторинга хотят выглядеть нормально. Рейтинги могут показаться стабильными. Движение транспорта может оставаться стабильным. Тем не менее, конверсия в решениях, принимаемых с помощью ИИ, будет дрейфовать. Клиенты перестанут выбирать вас не потому, что вы потеряли традиционные сигналы ранжирования, а потому, что вы ввели когнитивное противоречие, которое модель может обнаружить и против которой можно оптимизировать.

Победителями станут компании, которые рассматривают избегание как измеримый сигнал. Они проанализируют, какие части их продукта и контента вызывают сомнения. Они будут совершенствовать политику, чтобы уменьшить двусмысленность. Они упростят предложения. Они будут согласовывать объяснения с тем, как модели обрабатывают неопределенность. Они будут создавать опыт, который уменьшит трения на уровне агента и повысит уверенность в последовательности поиска.

К концу 2026 года сигналы негативных намерений могут стать одним из сильнейших конкурентных фильтров в цифровом бизнесе. Не потому, что пользователи что-то говорят, а потому, что их молчание теперь имеет структуру, на которой модель может учиться. Любой, кто смотрит сегодняшние данные, может увидеть формирование этого сдвига, но почти никто не называет его. Тем не менее, первые индикаторы уже здесь, прячась между взаимодействиями, пользователи никогда не заходят достаточно далеко, чтобы завершить их.

Это предсказание, которое определит следующий этап открытий, управляемых ИИ. И помощники предпочтут те компании, которые поймут это раньше.

Этот пост был первоначально опубликован на сайте Duane Forrester Decodes.