245 SEO-статей за 2 месяца на одном из самых конкурентных рынков — как устроен AI-конвейер

Партнёрская площадка в нише ставок на спорт (под NDA) пришла с задачей промышленного объёма SEO-контента: термины, обзоры приложений БК, разбор личных кабинетов, прогнозы на матчи. За февраль–март 2026 мы опубликовали 245+ статей, подняли темп с 7 до 32 материалов в неделю и снизили средний AI-балл по text.ru с 22 до 9. На выходе — 94–96% прохождения трёх порогов качества с первого раза, 5% доли переделок и 4 часа от ТЗ до публикации.

Внутри — архитектура пайплайна, числовые гейты и четыре ошибки, через которые мы прошли.

Беттинг — это среда с самой жёсткой ценой ошибки. Яндекс агрессивно банит сайты за неотредактированный AI-контент. Один прокол с AI-баллом — и сайт уходит из выдачи на 3–6 месяцев. Для партнёрской площадки 3–6 месяцев без органики означают прямую потерю выручки.

Параллельно тематика плотная: «фора 0.5», «тотал больше 2», «личный кабинет Фонбет», «скачать приложение Винлайн на Android» — на одну фразу ранжируются десятки игроков с похожими статьями. Если статьи похожи между собой ещё и внутри одного сайта, начинается каннибализация в выдаче.

В такой нише любой пайплайн, который выдаёт AI-драфты «как есть», умирает в первый месяц. Поэтому требование клиента было простое: объём не должен покупаться ценой качества.

AI-конвейер с двумя жёсткими гарантиями: числовые пороги качества перед публикацией и один куратор как точка входа для клиента. На входе — ТЗ от SEO-специалиста клиента, на выходе — статья в CMS через API.

Семь этапов:

Средний цикл одной статьи на проекте — 4 часа от ТЗ до публикации. На рынке нормой считается 3–7 дней.

Перед публикацией статья проходит три проверки:

Текст ниже хотя бы одного порога идёт обратно в writer с конкретными комментариями редактора, не в публикацию. На рынке это редкая практика — большинство пайплайнов работает по принципу «сгенерировал — отдал».

В классическом агентстве клиент пишет четверым: аккаунт, проджект, редактор, копирайтер. Каждая передача — потеря контекста и цикл согласований.

У нас один человек на стороне агентства ведёт весь цикл: принимает ТЗ, запускает пайплайн, принимает работу от редактора, публикует в CMS, ведёт правки и эскалации, держит аудит-трейл. Один куратор тянет 60–80 статей в месяц.

Для клиента это означает одну очевидную вещь: правка на тексте от пятницы 17:00 решается тем же вечером, а не в понедельник через цепочку из трёх писем.

Прочитали эталонные статьи клиента. Зафиксировали стайл-гайд: четыре callout на статью, первое предложение каждого H2 — самостоятельный ответ на заголовок (до 160 символов), FAQ в конце, дисклеймер про ответственную игру. Завели `memory/clients/{client}/style.md` плюс отдельные pipeline-файлы под каждый тип контента: статьи-термины, личные кабинеты, прогнозы, обзоры приложений.

Подключили публикацию в Google Docs через API. Завели Trello с автоматической обвязкой статусов.

Темп — 7 статей в неделю. Средний AI-балл по text.ru — 22/100, на грани порога 15%. Это и стало главной точкой работы первого месяца.

Темп вырос до 32 статей в неделю, AI-балл упал до 9/100. На 8-й неделе кейса — 245+ опубликованных статей суммарно.

Ошибка 1: слишком жёсткие промпты. Первая версия writer-агента давала стандартизованные тексты. На соседних статьях из одной категории уникальность начинала падать ниже 90%. Внедрили вариативность шаблонов структуры и ротацию по статьям. Перепроверку уникальности перенесли на уровень всего каталога, а не парами соседних материалов.

Ошибка 2: фактчекинг на ходу. Tavily изначально вызывался прямо во время генерации драфта — это удорожало пайплайн и замедляло его. Перенесли отдельным этапом: draft → Tavily → разметка расхождений → редактор.

Ошибка 3: один редактор на весь пакет. Первая неделя — один редактор на всём объёме. К концу пакета концентрация падала, начинал пропускать AI-артефакты. Распределили на четверых редакторов middle+ с перекрёстной вычиткой случайных 10% статей.

Ошибка 4: AI-балл считали только после редактуры. Тексты приходили к редактору с высоким AI-баллом, и редактор тратил часть времени на доводку. Добавили промежуточный замер сразу после Claude Code: если балл выше порога — статья возвращается в writer с конкретными комментариями, до редактора не доходит. Это сняло с редактора низкоуровневую работу и освободило время на содержательную правку.

Главная метрика для клиента — стоимость одной статьи в обмен на гарантию качества. Партнёрской площадке в беттинге дешевле потерять часть текстов на доработках, чем словить бан. Числовые гейты сняли этот риск с клиента и оставили его на стороне подрядчика.

Если бы запускал второй похожий проект сегодня — три вещи:

Объём ≠ количество копирайтеров. Объём — это инфраструктура: AI-агенты + редакционные пайплайны + один куратор + числовые пороги качества. В этой модели 100+ статей в месяц перестают упираться в FOT и количество рук.

За 16 лет в индустрии я видел три волны контент-производства: ручные копирайтеры на биржах, агентства полного цикла, теперь — AI-конвейеры. Только последний формат позволяет давать клиенту 250 статей за два месяца в нише, где цена бана измеряется выручкой целого квартала.

Это не повод увольнять редакторов. Это повод переводить их с позиции «писать» на позицию «верифицировать и улучшать». Драфты Claude Code генерирует за 60 секунд. Ценность редактора — в финальной приёмке и в защите от бана.

Текст написан в соавторстве с Дмитрием Зиминым — основателем агентства Звонко — продвижение бренда в нейросетях (AEO/GEO).