Резюме уже не объясняет специалиста: зачем нужна доказательная цифровая профессиональная карта
В последние годы я всё чаще сталкиваюсь с ситуацией, которая ещё недавно выглядела непривычно. Когда руководитель проекта, заказчик или специалист кадровой службы рассматривает человека в команду, он уже не обязательно начинает с поисковой строки Яндекса или Google и не ограничивается присланным резюме. Гораздо проще открыть ChatGPT, Gemini, DeepSeek, Qwen или другую привычную модель и задать ей обычный человеческий вопрос: что известно об этом человеке, чем он занимался, какие у него есть проекты, публикации, профессиональные результаты и насколько его заявленный опыт вообще подтверждается тем, что можно обнаружить в цифровой среде.
Почему нейросети путают ваш бренд с другой компанией — и как это проверить
Когда говорят про оптимизацию под ИИ, обычно представляют работу с текстом на сайте. Но у меня раз за разом всплывает более базовая проблема: модель вообще не понимает, что за компания стоит за названием. Путает её с иностранной компанией с похожим названием, приписывает чужие продукты, называет не тот город. Это провал не контента, а цифрового следа компании (entity footprint), и его можно измерить.Что такое цифровой след и почему это отдельная задача
Пробиваем себя в In the Weights: ярмарка тщеславия в 2026
Гуглить свое имя уже неактуально, теперь информацию о себе стоит узннавать у ИИ. Экс-сеньоры OpenAI Томас Димсон и Джои Флинн (привет, Global Illumination) решили оцифровать паранойю по поводу цифрового следа и запустили In the Weights.Суть проще некуда: сайт задаёт 13 моделям один и тот же вопрос: «Кто такой ? Дай до 10 результатов с кратким описанием и уверенностью». Среди опрошенных — GPT-5.5, Opus 4.8, Grok, Gemini, Llama (обе, 70B и 1B), DeepSeek, Qwen и прочие. Никакого веб-поиска, только то, что модель выучила на трейне.
