У KPMG вышел редкий и показательный провал: доклад о пользе агентного ИИ сам оказался примером того, как работают галлюцинации ИИ. В исследовании, опубликованном в октябре 2025 года, нашли фейковые ссылки, искаженные источники и кейсы, которые либо не существовали вовсе, либо были описаны с фантазией, а не с фактами.
Об этом сообщает Engadget со ссылкой на расследование GPTZero и подтверждение со стороны Financial Times. Для русскоязычной IT-аудитории история важна не из-за очередного удара по хайпу вокруг генеративных моделей, а потому, что речь идет не о случайном посте в LinkedIn и не о презентации стартапа, а о документе KPMG, одной из компаний «большой четверки», чьи материалы обычно цитируют как надежный ориентир для бизнеса, консультантов и корпоративных команд.
Проблемный документ назывался Total Experience: Redefining Excellence in the Age of Agentic AI. Он был посвящен тому, как компании используют ИИ, чтобы лучше работать с клиентским опытом. На бумаге все выглядело привычно для корпоративной аналитики: свежий тренд, уверенные формулировки, ссылки на примеры внедрений, выводы для рынка. Но при проверке выяснилось, что именно с этим каркасом у отчета и возникли проблемы.
По данным GPTZero, из 45 ссылок в документе только пять корректно вели к реальным источникам. Еще 28 ссылок ссылались на существующие материалы, но с искаженными названиями, выдуманными деталями или подменой смысла. Оставшиеся 12 были сформулированы так расплывчато, что установить их реальное существование не удалось. В GPTZero для этого даже использовали отдельный термин: vibe citing. Иными словами, модель не цитирует источник, а как будто воспроизводит его настроение и форму, достраивая убедительно звучащую, но ненадежную ссылку.
На этом проблемы не закончились. Следователи пришли к выводу, что примерно половина фактических утверждений в докладе либо ложные, либо приписаны не тем компаниям и не тем продуктам. По версии GPTZero, это похоже на результат работы ИИ-инструмента, который слишком старательно пытался выполнить запрос и найти примеры агентного ИИ «в реальном мире», даже если для этого приходилось дотягивать обычные цифровые сервисы до модного определения.
Самый наглядный пример связан с Emirates. В докладе KPMG утверждалось, что авиакомпания запустила мобильного чат-бота Sara, который может общаться с пассажирами и менять их бронирования. Проверка показала, что Sara действительно была запущена в 2023 году, но не как ИИ-чат-бот в том виде, как это описывалось в документе, и тем более не как сервис, самостоятельно меняющий билеты и поездки. То есть в тексте не просто слегка приукрасили функциональность, а фактически приписали продукту другой класс возможностей.
Другой пример касается UBS. KPMG написала, что банк внедрил агентный ИИ в процессы инвестиционного консультирования, управления рисками и комплаенс-мониторинга. Но, как отмечает Financial Times, в самом UBS эту информацию назвали фактически неверной. Похожая история вышла с швейцарскими железными дорогами SBB: в отчете утверждалось, что у компании есть ИИ-агенты, которые помогают пассажирам планировать, бронировать и оптимизировать поездки с учетом предпочтений, ситуации в реальном времени и углеродного следа. Представитель SBB сказал прямо: это не соответствует действительности.
Здесь важно не только то, что авторы документа ошиблись, а масштаб доверия, на который изначально работал бренд KPMG. Доклады консалтинговых и аудиторских гигантов редко читают как художественную литературу. Их используют в презентациях для советов директоров, в стратегических сессиях, в бюджетировании, в объяснениях для инвесторов и в обосновании закупки очередной платформы с приставкой AI. Если в такой документ попадают галлюцинации ИИ, проблема быстро становится не редакционной, а системной: одна недостоверная публикация начинает кормить десятки вторичных пересказов, новых исследований и корпоративных решений.
На это же обратил внимание глава GPTZero Эдвард Тянь. По его словам, подобные отчеты могут «отравлять колодец информации»: ошибки из авторитетного материала мигрируют дальше по цепочке и превращаются во вторичные галлюцинации, когда другие авторы, аналитики и модели начинают опираться на уже испорченный слой данных. Для разработчиков и продуктовых команд здесь нет большой сенсации: любой, кто хотя бы раз проверял сгенерированный LLM-обзор рынка, видел и вымышленные API, и призрачные исследования, и очень уверенные ссылки в никуда. Сенсация в другом: даже структуры с дорогими редакционными и юридическими контурами контроля пока не научились надежно отделять быстрый AI-assisted ресерч от аккуратной верификации.
KPMG после скандала отозвала документ и заявила, что серьезно относится к точности и целостности публикуемых материалов, а также пересматривает обстоятельства его публикации. Формулировка ожидаемая, но вопрос теперь шире, чем один конкретный отчет. Корпоративный рынок уже привык требовать от команд «ускоряться с ИИ», писать быстрее, исследовать шире и публиковать больше. История KPMG показывает цену такого ускорения без жесткой проверки источников: галлюцинации ИИ становятся не багом в демо, а управленческим риском. И чем чаще бизнес будет покупать не только модели, но и готовые «умные» исследования, тем важнее станет простая, почти старомодная компетенция: вручную проверять факты, ссылки и то, что именно скрывается за громким словом «агентный».