Клиент спросил: зачем платить агентству, если есть нейросети. Вот наш честный ответ

Есть задачи, в которых нейросеть уже объективно выигрывает у человека.

Например, вся рутинная работа с текстовыми данными. Группировка семантики по смыслу, разметка интентов, генерация черновиков ТЗ, нормализация массивов запросов, подготовка контентных шаблонов. Если задача формализуется — ИИ почти всегда дешевле и быстрее.

Час работы senior-специалиста стоит дорого. Час работы модели — копейки. И если агентство до сих пор делает руками то, что давно автоматизируется, это уже вопрос к агентству.

Например, недавно мы собирали структуру для крупного контентного раздела интернет-сервиса. Раньше такая работа выглядела так: SEO-специалист вручную группировал несколько тысяч запросов, проверял интенты, искал дубли и распределял фразы по будущим страницам. Это занимало несколько дней и все равно требовало повторной проверки.

Сейчас нейросеть помогает собрать первичную структуру буквально за час. Но важен другой момент: примерно четверть результатов после проверки мы все равно перерабатываем вручную. Потому что ИИ отлично группирует похожие фразы по смыслу, но не всегда понимает, где начинается другой интент и где объединение запросов уже сломает будущую структуру сайта.

Именно здесь появляется разница между «получить ответ» и «получить рабочее решение».

На этой неделе мы на ретро разбирали клиента, у которого основной продукт — мобильное приложение. Он принес SEO-стратегию, которую сгенерировал через нейросеть.

На первый взгляд документ выглядел неплохо:

Но дьявол в деталях и некомпетентности (отсутствии опыта и знаний), когда ты не можешь сказать нейронке: “это работает иначе, вот так ХХХ”, а она ответит “прости, ты прав, сейчас переделаю”. У тебя просто нет скиллов.

Вернемся к стратегии. Главная рекомендация — создать отдельный лендинг под запрос «мобильное приложение [категория]».

Нейросеть даже привела аргументацию: у конкурента есть похожая страница, значит стратегия рабочая.

И здесь начинается самое интересное.

Проблема оказалась в том, что ИИ вообще не понял, как устроена выдача по этому запросу.

На момент анализа топ был занят не коммерческими лендингами, а тематическими подборками и обзорами. Среди них уже стояла главная страница клиента — и продолжала расти.

Не потому что у нее «правильный H1». А потому что весь сайт был посвящен продукту-приложению, и Google воспринимал главную как наиболее релевантную страницу по совокупности сигналов.

Чтобы это проверить, мы подняли фактическую выдачу по региону через Топвизор, посмотрели, какие страницы реально ранжируются, сверили историю роста URL и отдельно проверили конкурента, на которого сослался ИИ.

И тут выяснилось главное: конкурент вообще не стоял в топе по этому запросу. У него действительно существовал отдельный лендинг приложения. ИИ увидел страницу — и автоматически сделал вывод: страница есть → значит стратегия работает.

Но нейросеть даже не проверила, ранжируется ли этот URL.

На практике работало совсем другое: главная страница клиента ранжировалась выше, чем лендинг конкурента.

Если бы клиент создал отдельную страницу, произошло бы ровно то, что часто ломает SEO-проекты: релевантность размазалась бы между двумя URL. Новая страница начала бы конкурировать с главной, а сайт потерял бы накопленный вес.

При этом такая гипотеза еще и стоила бы денег. Новый лендинг — это не «бесплатная рекомендация от ИИ». Это работа SEO-специалиста, копирайтера, дизайнера и разработчика. Даже без сложной реализации — часы команды. 

И главный вопрос здесь не в том, можно ли сделать страницу. Вопрос в другом: окупится ли она быстрее, чем усиление уже растущей главной.

ИИ этого не считал.

Именно здесь проходит граница между «текст выглядит убедительно» и «решение действительно работает».

Когда нейросеть советует откровенную ерунду — это не страшно. Специалист сразу это увидит.

Опаснее другое: когда ответ выглядит профессионально.

LLM-модели отлично умеют:

Но они не умеют проверять гипотезы так, как это делает человек с доступом к данным. Это особенно заметно в SEO.

Например, нейросеть может открыть поиск через web search. Формально — да, она «видит интернет». На практике между «открыть поиск» и «проанализировать выдачу» огромная разница.

Часть данных устаревает в кэше.Часть страниц ИИ не открывает из-за JS-рендеринга и защиты от ботов.Нет полноценной привязки к региону.Нет нормального съема SERP по устройствам.Нет исторической динамики.Нет понимания, какая страница реально приносит трафик.

SEO-специалист в этот момент смотрит:

И только потом принимает решение.

Например, ИИ очень любит переписывать title и H1. Часто они выглядят даже лучше, чем у среднего SEO-шника. Проблема в том, что модель не знает спрос.

Она не видит Wordstat. Не понимает частотность. Не различает реальные интенты. Не знает, какой запрос собирает коммерческий трафик, а какой — информационный мусор.

Поэтому нейросеть сначала пишет красивый заголовок, а уже потом подгоняет под него логику.

SEO работает наоборот: сначала данные → потом решение.

Большинство ИИ-аудитов сегодня устроены одинаково. Нейросеть берет:

После чего собирает «стратегию».

Дело в том, что проблемы в SEO почти никогда не возникают на уровне советов из чек-листов.

Сайт может не расти из-за конфликтов в robots.txt, дублей URL, JS-рендеринга, распределения внутреннего веса, проблем индексации или каннибализации запросов. Такие вещи невозможно увидеть без логов, Вебмастера, аналитики и ручной проверки проекта.

ИИ выдает усредненный best practice. Но SEO почти никогда не выигрывается усредненными решениями.

Парадокс в том, что именно поэтому сильные пользователи нейросетей со временем начинают ценить специалистов еще больше. Они быстрее остальных упираются в главный потолок LLM-моделей: нейросеть умеет генерировать ответы, но не умеет отвечать за последствия решений.

Можно самостоятельно:

Но дальше начинается дорогая часть: приоритизация, проверка, внедрение, экономика решений и ответственность за результат.

Именно здесь появляется роль агентства.

Не как «людей, которые знают теги». А как команды, которая умеет отличать рабочую гипотезу от красиво оформленной ошибки.

Самый неудобный вопрос для любой нейросети звучит так: кто отвечает, если стратегия не сработает?

Если ИИ ошибся:

Он просто предложит: «попробуйте другой подход».

И все.

На практике ответственность — это не абстрактное слово из коммерческого предложения. Это ежедневная работа: смотреть мониторинги, замечать просадки, ловить выпадение страниц, проверять гипотезы, спорить с клиентом, когда данные против его идеи, и принимать решение под конкретный бизнес, а не под «среднюю температуру по интернету».

ИИ этого не делает.

И в ближайшие годы, скорее всего, делать не будет.

Подробно про то, как мы относимся к ответственности за результат, почему делим риск с клиентом и почему это меняет всю работу, мы писали отдельно в одном из наших материалов. 

ИИ уже изменил SEO. И продолжит менять рынок дальше. Многие процессы действительно стали быстрее, дешевле и эффективнее.

Но это не отменило экспертизу. Наоборот — цена ошибки выросла.

Потому что теперь практически любой человек может за 15 минут получить очень убедительный ответ, который выглядит как стратегия senior-специалиста.

Проблема в том, что между «убедительно выглядит» и «принесет результат бизнесу» — огромная разница.

Именно за эту разницу клиент и платит агентству.

Если хотите обсудить SEO-стратегию для своего проекта — оставьте заявку на сайте KINETICA