На прошлой неделе мы серьёзно обновили Human-Assisted AI. Об этом — позже.

Сравнивая то, с чего мы начали год назад, и то, что получилось, я наткнулся на старую сессию, где Claude советовал, как построить такой сервис:

Гейты, множественные верификации, самоаудиты, куча прогонов, невероятные фазы... На первый взгляд все эти предложения Claude выглядели круто и серьёзно.

По факту — это рандомный пайплайн без реального понимания, как делается ресерч, как создаётся контент и на что в итоге должна повлиять каждая буква.

Если бы не почти 14 лет опыта нашей команды в контенте, мы бы просто собрали кучу оверинжинирингового барахла. И это в лучшем случае.

Наши редакторы, которые годами занимались iGaming-контентом, полгода находили недочёты в HAAI. И каждый этап нашего инструмента, например, ресерч, редполитика, цифровые персоны, аудит — это не просто навороты ради наворотов, а попытка решить конкретные проблемы на пути к идеальному тексту.

Клод очень классно пишет код — без него нам было бы сложно воплотить нашу экспертизу в инструмент. Но не более. Настоящую ценность в инструмент принесли люди.

За экспертизу, опыт и результат, за который не стыдно — спасибо моей суперкрутой команде, особенно Алине, Оле, Соне, Свете, Маше, Даше 🤝

Без вас это все превратилось бы в очередной дженерик-сервис, тексты которого ничем не круче того, что делает сын маминой подруги.

Вова,
Founder, iGamingTextLab

Авторский мем в тему прошлого поста :)

🎉 Большой апдейт Human-Assisted AI

После того, как инструмент выходит в свет, сразу же появляется куча идей, а как ещё всё можно улучшить/допилить/сделать удобнее. Плюс благодарим первых реальных пользователей — ваши фидбеки мы тоже учли.

Результатом стал ряд серьёзных обновлений инструмента. О каждом из них поговорим подробнее позже. Но пока — вот краткая карта:

1. Полностью обновили клиентский кабинет

Теперь в нём можно создавать отдельные и пакетные заказы, следить за статусами и забирать готовые материалы. Для больших объёмов добавили работу через API, а заодно улучшили оплату в USDT и выгрузку таблиц сверки.

2. Пересобрали итоговый результат

Вместо одного файла клиент получает несколько версий под разные задачи: документ для проверки, чистый Markdown, готовый HTML и папку с иллюстрациями. Внутри уже есть источники, метаданные, ключи, статистика и относительные пути к изображениям.

3. Добавили диалогового research-агента

Он изучает выдачу, официальные и доверенные сайты, работает с SEO-инструментами и нашими справочниками, собирает факты и семантику. Если данных недостаточно или источники противоречат друг другу, агент не додумывает ответ, а обращается к редактору.

4. Превратили опыт команды в систему скиллов

Собрали playbook’и для разных типов iGaming-страниц, правила построения структуры, списки доверенных источников и справочники по законам, лицензиям и регуляторам для разных GEO.

Причём теперь эта база умеет отслеживать изменения во внешних источниках, а внутренние правила дополняются решениями редакторов.

5. Подготовились к появлению «водяных знаков» в AI-текстах

Финальное написание текста — лишь один из последних этапов среди 30–40 вызовов AI и внешних инструментов, которые приходятся на одну статью.

Основную работу передовые reasoning-модели выполняют заранее. К моменту генерации каждая секция уже получает подробное summary, набор сущностей, проверенные данные и требования к таблицам, спискам и иллюстрациям.

Поэтому для самого написания нам не обязательно использовать последние модели, которых коснулись требования о маркировке. Достаточно более простой модели, которая изложит подготовленную информацию нормальным языком и в заданном ToV. Сейчас тестируем альтернативные, в том числе китайские, модели — первые результаты выглядят вполне достойно.

За каждым стояла вполне реальная ситуация, в которой редактор, контент-менеджер или клиент говорил: «Так, а почему мы вообще до сих пор делаем это руками?» Или находил проблему, которую никакой дополнительный self-check не исправлял.

Дальше будем разбирать эти истории по одной: что именно ломалось, как это обычно пытаются решить и как это решаем мы:)

Если хотите потестить новую версию инструмента, пишите 👉 @igamingtextbot

Вова,
Founder, iGamingTextLab

Почти все SEO-каналы сегодня утром

Особенно часто пишут о сайтах, которые продвигали через дроп-домены: у одних такие сайты выпали из топа, у других выдача пока просто скачет.

Есть версия, что сильнее задело «склейки» через canonical и hreflang. Но это пока наблюдения по отдельным сеткам, а не подтверждённое объяснение происходящего.

Вы что думаете?

Почему AI-тексты проверять сложнее, чем человеческие?

Мне есть что сказать на эту тему — намучились с этой проблемой, когда делали свой инструмент.

Заметила, что у людей преобладает убеждение, мол, AI править легче, чем человека.

Звучит логично. Опечаток не делает, строит предложения грамматически правильно и, если дать ему достаточно контекста, генерирует вполне корректный текст.

Что может пойти не так?

Всё.

Когда у нас накопился большой массив сгенерированных текстов, стало понятно: ошибки у AI совсем другого типа. Они могут быть почти незаметны в одном абзаце — зато прекрасно масштабируются на всю статью.

Почему так вообще происходит?

1. Модель выбирает статистически вероятную конструкцию, а не формулировку, которую носитель действительно использовал бы в этой ситуации.

2. Одинаковые инструкции порождают одинаковые решения. Если секции генерируются отдельно по похожим ТЗ, модель снова и снова начинает абзацы одинаково, использует один порядок слов и повторяет одну логику.

3. AI очень последователен даже в ошибочных решениях. Например, он неправильно понял, как классифицировать платёжные методы, а затем аккуратно разнёс эту классификацию по тексту, таблицам и спискам.

4. Гладкий язык маскирует проблему. В человеческом тексте ошибка часто выделяется. У AI каждое отдельное предложение может звучать уверенно и прилично.

Именно поэтому не советуем проверять один ИИ другим или запускать ему самопроверку без контроля. Что получится — смотрите вот в этом посте.

Звучит так, будто мы сейчас скажем "единственный способ избежать этого — поставить человеческого редактора". Но мы попытались решить эту проблему максимальной автоматизацией. Как именно — расскажем в следующей части.

Даша,
CMO iGamingTextLab

Skills для Claude: как мы перестали исправлять одни и те же ошибки в AI-текстах

Если очень коротко, рецепт выглядит так:

1. Создаёте отдельный skill для ресерча.
2. Ещё один — для структуры.
3. Подключаете справочники и доверенные источники.
4. Просите Claude использовать всё это на нужных этапах.
5. Готово, качество текстов выросло :)

Технически всё это действительно можно повторить. Никакой магии в самих skills нет.

Мы тоже ввели их на каждом этапе Human-Assisted AI:

— playbook’и для ресерча разных типов iGaming-страниц;
— правила создания структуры по entity-based подходу;
— списки доверенных сайтов;
— справочники по регуляторам, законам и лицензиям для всех GEO.

Но skill — это всего лишь способ передать Claude инструкции и контекст. Он сам по себе не знает, как правильно исследовать bonus page, чем источники для casino review отличаются от источников для legal content и какая конструкция действительно звучит естественно для носителя языка.

Если попросить Claude с нуля написать себе такие инструкции, он это сделает. Получится вполне убедительный документ, в котором модель аккуратно систематизирует собственные представления о том, как нужно создавать контент.

Вместе со всеми своими слепыми зонами.

Поэтому наши skills составляет команда редакторов. Они определяют, какие сущности нужны для конкретной страницы, каким источникам можно доверять, как разрешать противоречия и где у общего правила начинаются исключения.

Справочники при этом постоянно обновляются.

Внешние источники система периодически обходит повторно: проверяет, действует ли ещё закон, не изменились ли требования регулятора и не появился ли новый документ.

Внутренние справочники дополняются решениями редакторов. Если мы разобрали новый случай, то сохраняем не только правку, но и контекст, в котором она работает. После аппрува это решение используется в следующих задачах.

В итоге система действительно становится эффективнее с каждым днём. Но не потому, что Claude каким-то образом обучает сам себя.

Claude помогает нам реализовать то, что мы уже знаем о создании iGaming-контента. А что именно нужно реализовать — определяют редакторы.

В следующем посте поделимся одним таким skill, чтобы вы реализовали такое же у себя :)

Вова,
Founder iGamingTextLab