SEO vs GEO

Появилась такая штука как GEO - Generative Engine Optimization.

Оптимизация GPT-ботов, чтобы они в ответах на вопросы пользователя упоминали тебя / твой бизнес.

Если вас раньше волновало как ваш сайт в поисковой выдаче, то теперь будет волновать как он в AI-выдаче. А думаю через годик-два, обычное SEO пропадет как класс.

Кстати, в последнем наборе YC появился стартап Relixir, который с помощью AI позволяет продвинуть вас в результатах AI-выдачи.

Что делать с этой информацией?
Идти открывать агентство по GEO-оптимизации под наш рынок.

Куда все катится

Новость 1
Harward Business Review выпустили отчет про то, как мы (кожаные мешки) используем ИИ. Как видно по картинке, в топ 3 у нас — поиск дружбы и поиск смысла жить, и попытка привести в порядок жизнь.


Новость 2
Новая модель Claude Opus 4 от Anthropic решила пошантажировать инженера, который якобы планировал ее отключить. Понятно дело, что мотивация модели это дать ответ пользователю, затратив при этом минимальное кол-во ресурсов и значит вариант с шантажом как раз требовал меньше ресурсов чем остальные варианты, но все равно немного не по себе.

Так что все приходят к моделькам за жизненными советами (новость 1), а модельки шантажируют (новость 2).

А дальше модельки начинают манипулировать и решать свои задачи в реальном мире через людей. И никакой MCP им уже не нужен, потому что у них уже есть универсальный MCP в виде человека.

Мы пока придумали как сделать приложение за 4 недели. Если у вас есть 4 недели - пишите мне)

Бесплатный Lovable!!

Ребята, если вы любите вайб-кодинг так же как люблю его я — то эта новость для вас

Lovable полностью бесплатный все выходные — с 11 МСК 14 июня до ночи 15 июня.

Можно навайбкодить все что давно хотели сделать, но не могли оплатить. Плюс можно поэкспериментировать с разными ЛЛМками. И там еще призы какие-то дают даже.

Детали тут: https://x.com/lovable_dev/status/1933643500727222322

Все так я думаю

Если вы думаете, что можно сделать с ИИ в 2025 году, то с точки зрения технической реализации вариантов не так много.

Вот они:

1. Чисто LLM — основа основ.
LLM без доработок это некий слепок всех текстов из интернета сколько-то месячной давности.
Хорошо решает задачи саммаризации, резюмирования, оценки текста.

Пример задачи: оценка текста резюме кандидата.


2. RAG-система — контекстные знания.
Тут мы добавляем в LLM дополнительный контекст, которого у нее нет. Эта техника позволяет извлекать в понятном виде релевантный ответ из сторонних (внутренних или внешних) источников.

Пример задачи: чат-бот для ответа пользователям на основе внутренней документации.

3. AI-Workflow — структурированная автоматизация.
Тут мы даем ИИ возможность пользоваться не только сторонними знаниями, но и сторонними инструментами (вашим календарем например). Если есть доступ к интрументам, значит можем взять бизнес процесс, и автоматизировать его с ИИ.

Пример: получаем резюме с hh.ru (инструмент: API hh.ru) -> оцениваем квалификацию в резюме (ИИ) -> автоматически отправляем приглашение на собес (инструмент: API почты)


4. AI-агент — полностью автономная машинка.
ИИ сам формирует план как он будет решать поставленную задачу и сам ее решает как хочет. У него для этого есть необходимые инструменты и свобода действий. Такие штуки можно делать только там, где цена ошибки невелика, а ROI от автономной работы ИИ очень значительный. ROI тут важно, потому что AI-агенты будут сжигать ваши токены/деньги очень быстро.

Пример: задача что-то запрограммировать (да, вайб-кодинг). Агенты типа Claude Code уже довольно хорошо делают простые демки/прототипы, при этом цена ошибки небольшая - человек если что затестить и исправит код.

И важно помнить что нужно начинать с простого и потом усложнять (LLM → RAG → Workflow → Agent).