Генеративная система - ИИ-система, чей вывод представляет собой заново сгенерированный текст, в противоположность системе ретрива, которая находит и возвращает существующие документы. Термин чаще всего используется во фразе “Generative Engine Optimization” (GEO), чтобы отличить этот новый класс ответов ИИ от традиционного поиска.
Что делает систему “генеративной”
Традиционные поисковые системы - это системы ретрива: они индексируют корпус документов, оценивают релевантность каждого документа запросу и возвращают ранжированный список. Сами документы остаются неизменными.
Генеративные системы работают иначе. Получив запрос, они производят новый текст, предсказывая, какие слова должны идти дальше, учитывая всё, что есть в их обучающих данных (и любой полученный контекст). Вывод создаётся на лету - это не копия какого-либо одного источника.
Это различие важно, потому что:
- Один и тот же запрос может давать разные ответы при разных прогонах (модель не детерминирована)
- Вывод может содержать информацию из многих источников, смешанную в один ответ
- Нет прямого URL, которому можно приписать ответ - модель его синтезировала
Генеративные системы против систем на базе retrieval-augmented generation
Многие современные “генеративные системы” на самом деле гибридны. Perplexity, например, использует генеративную LLM, но дополняет её ретривом в реальном времени. LLM генерирует текст, но контент заземлён в полученных документах.
Этот гибридный подход - называемый Retrieval-Augmented Generation (RAG) - становится всё более распространённым, потому что снижает проблему галлюцинации (модель выдумывает факты). Когда генеративная система построена на RAG, цитирование источниками, которые получает система ретрива, становится рычагом для видимости в ИИ.
Последствия для видимости бренда
Поскольку генеративные системы составляют собственные ответы, они могут упомянуть бренд без того, чтобы какой-либо пользователь явно искал этот бренд. Пользователь спрашивает “что мне использовать, чтобы отслеживать свой бренд в ChatGPT?”, и система генерирует ответ, включающий названия продуктов из своих обучающих данных и контекста ретрива.
Это ключевая возможность для GEO и AEO: попасть в обучающие данные и цитируемые источники, на которые опираются генеративные системы при составлении ответов в вашей категории.
