Может ли ИИ-система заменить SEO-специалиста?
Любая площадка, используемая для бизнес-пиара, сегодня завалена контентом на тему «Как я заменил SEO-подрядчика ИИ-агентами и стал Д'Артаньяном». Что в этих текстах соответствует реальности, а что – иллюзии автора? Могут ли ИИ-системы стать полноценной заменой специалисту?
TL; DR: ИИ-система – инструмент для SEO-специалиста, но не для заказчика без экспертизы. Если вы не готовы всерьёз погружаться в теорию и практику поисковой оптимизации, никакой ИИ-инструментарий вашему бизнесу не поможет. Практик с серьёзным опытом в SEO и использовании мультиагентных связок на реальных проектах может интегрировать ИИ в рабочие процессы, увеличивая эффективность и снижая затраты на продвижение. Всё остальное – лотерея.
Нет никакой всеобщей «SEO»
Давайте начнём с этого странно звучащего тезиса. Под «SEO» понимаются совершенно разные дисциплины, термин настолько растаскан, что теряет смысл, и его нужно периодически обновлять.
Я бы сформулирован так: SEO (поисковая оптимизация) – это комплекс дисциплин и практик, целью которых в настоящий момент служит оптимизация доступности и ценности веб-презентации бизнеса для поисковых систем и их пользователей. Означенной цели можно добиваться множеством методов:
- IR (Information Retrieval), подразумевающая оптимизацию машиночитаемости и соответствия техническим требованиям поисковых систем к документам (страницам) и коллекциям документов (сайтам) в интернете.
- Поисковый спам, основанный на эксплуатации уязвимостей поисковых алгоритмов (текстовый, ссылочный, поведенческий, хостовый и т.п.). Ваши купленные ссылки и поведенческие боты никак не могут претендовать на звание SEO, хотя и активно используются в его рамках.
- Комплексный интернет-маркетинг, учитывающий видимость и эффективность присутствия сайта и на связанных каналах и веб-площадках.
Эффективность, важность и ограничения каждого метода можно обсуждать отдельно, но надо понимать, что лишь оценка всего комплекса методов оптимизации может дать представление о том, что следует использовать для продвижения каждого конкретного проекта. Универсальных методов на сегодняшний день не существует.
Как не существует и ИИ-систем, способных правильно определить и применить методы для продвижения этого проекта в поиске. В любом случае речь может идти только о перечне задач, выстроенных в соответствии с чьими-то представлениями и приоритетами – либо того, кто эти системы настраивал, либо самой ИИ-системы, выступающей в качестве оркестратора для мультиагентов. Рассмотрим, каковы возможности ИИ в этом смысле.
Что ИИ-система знает о теории и практике SEO
Любой квалифицированный SEO-специалист в обязательном порядке имеет:
- Некоторый обязательный минимум теоретической подготовки, подразумевающий понимание базовых алгоритмов ранжирования, документации поисковых систем, или даже фундаментальных трудов по теории поиска.
- Практические навыки сбора и обработки данных, выстраивания и тестирования гипотез, практического применения методов оптимизации, управления проектами, формирования стратегии и тактики оптимизации в конкретных поисковых нишах.
- Умение делать выводы как из теории, так и из практики, замечать и внедрять наиболее эффективные тренды в оптимизации, сохраняя контекст.
Ни одна ИИ-система не может полноценно конкурировать в этом плане с SEO-специалистом. И вот почему:
- Теоретическую базу можно загрузить в RAG или использовать для дообучения, однако на практике основным источником данных служат маркетинговые материалы веб-студий, которые редко содержат действительно ценную фактическую информацию.
- Кроме того, принцип работы LLM — это статистическое распределение токенов в чужих текстах, а не анализ причинно-следственных связей. В отличие от агентов с подкреплением (RL), стандартные модели не имеют встроенного механизма для осмысления результатов своих же действий, из-за чего игнорируют множество сигналов, критически важных для принятия решений.
Проблему можно разделить на 2 весомых аспекта, делающих её нерешаемой:
- Поисковые алгоритмы динамические, и основные веса (которых сейчас, видимо, за тысячу) постоянно меняются. То, что надёжно работало буквально вчера, уже неактуально сегодня. Информацию об этом ИИ получит только из вторых рук и сильно позже, чем любой практик.
- Текстовые корпусы, на которых обучаются LLM, едва ли содержат действительно актуальные и важные данные о работе поисковых систем, а свежая информация в интернете на эту тему чаще всего имеет либо научный, либо рекламный характер. Рекламный – преобладает. Никто не торопится делиться работающими методами продвижения в поиске по понятным причинам.
Но и это ещё полбеды. Гораздо хуже, как эти мультиагентные системы работают в реальности. Рассмотрим конкретный пример – Claude SEO.
Тестируем ИИ-агентов для SEO на практике
Технический аудит
Инструмент выдаёт низкоуровневые обобщённые проблемы, многие из которых НЕ являются критическими. Аудит не учитывает контекст сайта — он просто проверяет наличие тех или иных элементов по чек-листу, не оценивая их реальную значимость. Примеры:
- robots.txt — помечается как критическая ошибка при отсутствии, хотя если сайту нечего блокировать, его отсутствие не влияет на SEO.
- Sitemap.xml — также помечается как критическая проблема, хотя для 95%+ сайтов сайтмап не обязателен, особенно если архитектура сайта позволяет ботам легко находить все страницы.
- JSON-LD Schema — отсутствие помечается критическим, хотя многие сайты в нём не нуждаются, а поисковики постепенно сокращают использование структурированных данных (например, FAQ-разметка уже не поддерживается). Точно так же наличие микроразметки не нужно ИИ-системам хотя бы потому, что обычная реализация её очень далека от реально полезной для улучшения машиночитаемости.
- LLMS.txt — выносится как проблема, хотя нет доказательств, что он вообще используется поисковиками или LLM. А практика показывает, что он фактически не используется ни одной системой. (Тест Дэна Петровича с данными в 30 дней для понимания статистики в этом плане).
Полностью проигнорированы следующие проверки:
- Заголовки X-Robots-Tag. Да, у вас на сайте могут быть заголовки, запрещающие индексирование на уровне сервера, хотя в метатегах будет разрешено. Поисковый робот учтёт запрещающий серверный заголовок, а разрешения не увидит. Проблема характерна для JS-фреймворков типа Next.js
- Проверка канонических адресов. Распространённая проблема: CMS подклеивает страницу к другому URL, а тот сам по себе не может быть каноническим (например, потому что отдаёт 404).
- Канонизация хоста (www и без www). Нету такой проверки. А проблема-то никуда не делась, скорее даже растёт, поскольку сайты теперь тоже вайбкодят без попыток разобраться с серверными настройками.
И перечислять можно ещё долго, а речь о гораздо более важных проблемах, чем отсутствие микроразметки.
По итогам: инструмент оценивает наличие/отсутствие элементов, но не их реальную ценность для конкретного сайта. Системы оценки не коррелируют с ранжированием — это просто предопределённые баллы на основе собственных проверок.
Контентный анализ
Агент не сканирует сайт целиком: он этого просто не умеет. Он выхватывает произвольное количество доступных в данный момент страниц, так что даже в этом плане говорить о комплексной оценке презентации бизнеса на сайте нельзя.
Инструмент абсолютно непригоден для контент-аудита. Он даёт самые общие рекомендации, но не проводит глубокий анализ:
- Страницы, практически не содержащие контента, игнорируются, система просто не учитывает этот момент.
- Отсутствует оценка контента на техническое и семантическое дублирование.
- Анализ интента отсутствует.
- NLP, читаемость, сущности — не оцениваются. Структурный анализ сайта отсутствует как факт.
Каждая метрика «Качества контента» в выходной таблице — на самом деле структурный/технический атрибут: количество символов, количество слов, количество тегов, наличие схемы. Ни одна из них не измеряет качество контента: на какие запросы отвечает эта страница? Насколько хорошо? Нужны ли они на сайте?
Конкурентный анализ
Агент, отвечающий за анализ рынка, определяет конкурентов, извлекает их карты сайта (sitemap.xml) и на этой базе начинает определять контентные пробелы – в отрыве от семантики, бизнес-задач, предварительного выстраивания типовой структуры. Все основания – это есть у конкурентов (которые, вполне возможно, точно так же перенимают это друг у друга, не думая – зачем).
Что входит во внятный аудит конкурентов, занимающих высокие позиции в поиске? Это глубокая, структурированная диагностика, призванная ответить на главный вопрос: почему они занимают эти позиции, а вы — нет? Такой аудит выходит далеко за рамки простого сравнения бизнес-моделей и фокусируется на стратегиях, приносящих реальный органический трафик.
Аудитор должен правильно определить конкурентов, чтобы не сравнивать маленький интернет-магазин с маркетплейсом, оценить список запросов – как в зоне кликабельности, так и в зоне видимости (условно – топ-50), получить представление о семантической структуре сайтов конкурентов, и только после этого выявлять наиболее эффективные методы привлечения конвертируемого трафика из поиска. И вот для этого уже нужен намного более серьёзный инструментарий, чем галлюцинирующая ИИ-система и её гипотезы.
К слову, о галлюцинациях
Тут всё достаточно эпично, перечислим лишь некоторые типовые моменты.
- Ключевые слова. Система предлагает что-то своё, релевантное по каким-то непонятным критериям. Немудрено: без доступов к системам статистики, оценке спроса и критериев кластеризации запросов поисковыми системами иначе быть и не может. Интенты? – Не, не слышал.
- Агент сканирует сайт, нарывается на блокировку или не получает вовремя ответ. Наши действия? – Придумать несуществующий URL, его контент, обнаружить там ошибки и дать рекомендации. Нет данных – придумай их.
- Оценка на web-decay. Отличная идея: мусорных неактуальных страниц на сайте быть не должно. Как этот веб-распад определяет агент: по данным GSC фиксирует снижение кликов, что с его точки зрения в явном виде свидетельствует о переходе хорошей страницы в разряд мусорных. Актуализировать контент, добавить отсутствующие блоки, в принципе как-то оптимизировать? – Нет, мы добавим ключевых слов.
- Агент, отвечающий за линкбилдинг, на голубом глазу обходит веб и ищет линкопомойки. Разумеется, находит, и вы получаете рекомендацию прикупить с них ссылок – из тех, за которые в приличном обществе бьют конечностями по лицу.
Думаю, нет смысла перечислять дальше, чтобы не увеличивать энтропию.
Так что же мы имеем с гуся?
В актуальном состоянии сервисы наподобие Claude SEO совершенно непригодны даже для поверхностных аудитов, уступая в полезности даже хорошо известным десятилетия сервисам наподобие pr-cy.ru. Там вы как минимум получаете более точную информацию технического характера, без которой не получить хотя бы базового представления о состоянии сайта.
Теоретически, инструментарий типа Claude SEO может быть полезен для бесплатной выборочной проверки каких-то базовых показателей, косвенно свидетельствующих об оптимизации сайта для поиска. Но это всё: характер и качество проверок не позволяет считать такой инструментарий достаточным даже для поверхностного комплексного аудита, не говоря уже о замене профессиональной оптимизации сайта.
ИИ-системы прекрасно справляются с автоматизацией рутинных задач: сбором и систематизацией данных (если вы предоставите им доступы), классификацией, анализом, выводом закономерностей и шаблонов. Для SEO-специалиста ИИ-агенты – незаменимое подспорье в работе, позволяющее автоматизировать, по сути, любой процесс. Однако для этого нужно понимать, что именно автоматизировать – и стоит ли делать это вообще. И чаще всего речь идёт о дообучении модели или жёстком её контроле.
А для этого нужно быть специалистом, который знает, что делает, учитывает вероятность ложных корреляций, опирается на собственный многолетний контекст, а не материалы из поиска, созданные с единственной целью – привлечь клиентов. Да, там часто содержится полезная информация – но воспользоваться ей сможет только специалист. Никакая «ИИ-система», построенная на статистике совместного использования слов, не может считаться полноценным интеллектом, это всего лишь гиперактивный джун, который может эффективно справляться с рутиной по заданным специалистом сценариям.