KPMG убрала с сайтов отчет об ИИ под названием Redefining excellence in the age of agentic AI после того, как сразу несколько крупных организаций заявили: приписанные им кейсы использования ИИ не соответствуют действительности. Для рынка это неприятный, но показательный эпизод: даже большой бренд с выстроенными процессами может выпустить отчет об ИИ, в котором ошибки выглядят так, будто тексту слишком активно помогал тот самый ИИ.
Об этом сообщает TechCrunch со ссылкой на публикацию Financial Times и выводы исследовательской группы GPTZero. Речь идет о документе, опубликованном в октябре 2025 года. По данным GPTZero, в нем обнаружили ряд неточностей, а их происхождение собеседники FT связали с AI hallucinations, то есть с типичной для генеративных моделей привычкой уверенно формулировать факты, которых не было. Ирония тут слишком очевидна, чтобы ее не заметить: консалтинговая компания, вероятно, использовала ИИ при подготовке материала о внедрении ИИ.
Список организаций, которые оспорили содержание отчета, выглядит достаточно весомо, чтобы историю нельзя было списать на пару неудачных формулировок. UBS, британская Национальная служба здравоохранения, швейцарские федеральные железные дороги и Transport for London сообщили FT, что заявления об их использовании ИИ были либо неверными, либо вводящими в заблуждение. Это важная деталь: проблема не в стилистике и не в спорной интерпретации. Если компаниям приписывают практики, которых у них нет, такой отчет об ИИ перестает быть аналитикой и превращается в источник репутационных и юридических рисков.
Официальная реакция KPMG была сдержанной, но достаточно однозначной. Представитель компании заявил, что фирма сняла документ со своих сайтов и проводит внутреннюю проверку. Параллельно KPMG напомнила о собственных правилах ответственного использования ИИ, где отдельно прописаны человеческая проверка контента и валидация независимых источников. Переводя с корпоративного на обычный язык: система контроля либо не сработала, либо сработала слишком поздно, когда отчет уже успел разойтись по аудитории. Для консалтинга это особенно болезненно, потому что его товар во многом состоит из доверия к методологии, источникам и аккуратности выводов.
На этом фоне история перестает быть частной ошибкой одного бренда и укладывается в более широкий тренд. В мае 2026 года EY отозвала отчет о программах лояльности, в котором, как сообщалось, нашли фальшивые сноски и следы AI-hallucinations. Когда подобные эпизоды идут подряд у компаний из «большой четверки», это уже не курьез из серии «нейросеть опять что-то придумала». Это сигнал о том, что генеративные инструменты уже встроены в производственный контур подготовки исследований, презентаций и клиентских материалов, а вот зрелость процессов проверки отстает. И отстает заметно.
Для русскоязычной IT-аудитории здесь есть несколько вполне практических выводов. Первый: бренд больше не гарантирует качество исходных данных, если документ собирался с участием LLM. Второй: чем убедительнее выглядит текст, тем выше цена пропущенной проверки. Генеративные модели редко ошибаются робко; они обычно делают это уверенно, гладко и в деловом тоне, из-за чего нестыковки дольше живут незамеченными. Третий: корпоративный AI governance нельзя сводить к запрету копировать чувствительные данные в чат-боты. Настоящая проблема часто появляется на более приземленном уровне: кто именно проверил имена компаний, формулировки кейсов, цифры, даты и первоисточники перед публикацией.
Для разработчиков и продактов эта история тоже не про чужой консалтинг, а про знакомый инженерный сюжет. Если система генерирует текст на базе неоднородных источников, то без жесткого контура верификации она неизбежно начнет производить правдоподобную ерунду. Поэтому в enterprise-сценариях разговор об «агентном ИИ» быстро упирается не в вау-демо, а в скучные, но критичные вещи: provenance данных, журналирование, обязательные ссылки на источники, запрет на неподтвержденные утверждения и ручной sign-off на чувствительных документах. Особенно если речь идет о white paper, отраслевом исследовании или sales-материалах, где ошибка бьет не только по внутренней эффективности, но и по публичной репутации компании.
Для бизнеса урок еще жестче. Если организациям можно безнаказанно приписать вымышленные практики в публичном отчете, рынок начнет относиться с повышенным недоверием ко всем подобным материалам, включая добросовестные. На этом фоне выиграют не те, кто громче всех говорит про agentic AI, а те, кто сможет доказать происхождение каждого важного тезиса. Иначе любой следующий отчет об ИИ рискует читаться не как экспертиза, а как черновик, который забыли проверить до публикации.