Нейросеть не виновата, что статьи никто не читает

Эта история повторяется у разных компаний по одной и той же схеме. Подключают нейросеть, пишут в промте "сделай статью про наш продукт", получают текст за тридцать секунд и публикуют. Через какое-то время на сайте лежат десятки одинаковых статей, из поиска ни одного перехода, и дело кончается тем, что нанимают копирайтера переписывать всё заново. Нейросеть тут ни при чём. Сломан процесс вокруг неё.

Нейросеть обучена на том, что писали все остальные. Если в запросе кроме темы ничего нет, она заполняет пустоту тем, что встречается чаще всего в интернете, и получается текст, который мог бы висеть на сайте любого конкурента. Я для себя вывел правило: качество статьи зависит от объёма фактов на входе, а не от длины промта. Нужен читатель и его задача, три-пять фактов с цифрами и источниками, эталонный текст, список слов, которые запрещено использовать. Без этого получаете усреднение, а не статью.

Самое неприятное в генеративном тексте не стиль, а уверенность. Модель подбирает правдоподобное продолжение, а не сверяется с базой данных, и поэтому может дописать исследование, которого не было, или процент, который никто не считал. Один пойманный читателем вымышленный факт обесценивает не одну статью, а всю рубрику: доверие ломается сразу ко всем текстам, не только к этому. Поэтому держу правило без исключений: каждая цифра в черновике помечается источником, всё, что без опоры, вычёркивается, и только потом текст идёт дальше. Этот шаг остаётся даже при полной автоматизации.

Без отдельного документа модель съезжает в нейтральный стиль: вводные конструкции, обещания эффективных решений, обтекаемые фразы, которые не говорят ничего конкретного. Проверяю это так: закрываю подпись под текстом и спрашиваю коллегу, чей это текст. Если ответ "да мог быть чей угодно", значит тон не описан, а просто пожелание в духе "пишите дружелюбно и экспертно". Работает только конкретика: обращение на вы или на ты, предельная длина предложения, запрещённые слова, пара эталонных абзацев из уже существующих текстов.

Написать текст, оказывается, меньшая часть работы. Дальше нужна картинка, адаптация под разные каналы, публикация, и повтор несколько раз в неделю. Если это всё держится на одном человеке, который делает это между основными задачами, конвейер работает недолго и затухает сам собой, без всякого кризиса, просто кончается время. Решение, к которому прихожу каждый раз одинаковое: разделить роли. Нейросеть пишет и рисует, система публикует по расписанию, а человек утверждает и правит факты. Как только исчезает человек, который держит это руками каждый день, схема начинает жить сама.

А как у вас устроена работа с нейросетями в текстах? Проверяете каждую цифру или полагаетесь на то, что модель не ошибётся, и какой из пунктов выше у вас уже ломался на практике?