Заблокований ресурс показується в Google AI Overview навіть без VPN — просто з Інкогніто. Чому це не про мову, а про регулювання

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Кілька тижнів тому команда Serpstat аналізувала джерела Google AI Overview для української видачі, обома мовами, бо це наша реальність пошуку.

Одна деталь не давала спокою більше за всі інші цифри: VK, заблокований в Україні з 2017 року, реально з’являється серед цитованих джерел в AI Overview — і не десь ретроспективно, а з інкогніто-режиму, без жодного VPN.

Для мене це не про «погану видачу» і не лише про прогалини українського контенту. І, як показала реакція на попередні наші пости, це і не про мову запиту — навіть якщо гуглити виключно українською, підсанкційні джерела все одно можуть проникати в AI-відповідь. Ми знаходили і mail ru, і «ЛНР/ДНР» сайти на специфічні запити, і окупаційну адміністрацію в Херсонській області, процитовану на звичайний інформаційний запит. Питання інше: чому технічно можливо, що заблокований в Україні ресурс постачає інформацію українському користувачу через генеративний шар пошуку — і що з цим можна реально зробити на рівні регуляції чи інженерії, а не окремих скарг.

Звідки взагалі ця думка. Я наткнулась на дослідження 2023 року від Texty.org.ua, розслідування про те, що сайти терористичних угруповань «ДНР/ЛНР» отримали вищий пріоритет у навчальному датасеті ШІ, ніж багато українських медіа. Це був інший механізм (тренувальні дані, а не live-цитування), але та сама структурна проблема: система не розрізняє «легітимне джерело» й «джерело, доступ до якого в Україні заборонений або яке працює в інтересах країни-агресора» — доки хтось явно не скаже їй це розрізняти.

Прецедент, який показує, що технічно це можливо. У березні 2022 року ЄС ухвалив санкційні заходи, які призупинили мовлення RT і Sputnik у Європейському Союзі. До переліку прямо входили Russia Today/RT та Sputnik, а також конкретні мовні версії RT — English, UK, Germany, France і Spanish. Тобто Google вміє так робити — просто робить це лише коли отримує пряму вимогу щодо конкретної названої сутності, а не за власною ініціативою чи за фактом наявності санкцій у певній країні.

Україна на момент цього дослідження не мала (наскільки нам відомо публічно) аналогічного прямого наказу щодо виключення саме VK з Google AI Overview — і, схоже, саме тому VK і проникає крізь усі шари фільтрації, хоча формально підпадає під санкції РНБО ще з 2017-го, а частина його «родинних» російських платформ — і під санкції ЄС.

Чому це не вирішується через «не гугліть мовою ворога» чи «довіра/недовіра». Ми вже перевіряли: заборонені джерела трапляються незалежно від мови запиту. І питання не в тому, чи довіряє система VK більше за Reddit — ми окремо перевіряли «ефективність» цитування (яка частка потенційних можливостей домену конвертується в реальне цитування), і VK там показує один із найгірших результатів серед усіх перевірених доменів.

Систему не приваблює VK як джерело — вона просто підтягує його туди, де бракує україномовного контенту на вузьких темах. Це означає, що проблема не в «переконати алгоритм не довіряти» — вона в явній відсутності механізму виключення, який спрацював би для RT/Sputnik в ЄС, але чомусь не застосований до підсанкційних платформ для України.

Питання до спільноти, власне заради якого пишу:

Чи є в когось досвід взаємодії з Google (чи іншими AI-платформами) щодо запитів на делістинг конкретних доменів для окремої юрисдикції — які саме юридичні підстави й формат запиту реально працюють (за аналогією з механізмом ЄС)?

Чи бачите ви реалістичний шлях, коли б український регулятор (РНБО, Держспецзв’язку, чи профільне міністерство) могли подати щось на кшталт «ріквесту для вже підсанкційних платформ» — саме для шару генеративного пошуку, а не лише для класичної видачі?

З інженерної точки зору: як спроектувати фільтр джерел, який враховує юрисдикційно-специфічні блок-листи (для України — свій список, для ЄС — свій), не створюючи «дір» там, де контенту й так бракує — тобто без різкого падіння якості відповіді для вузьких тем, де підсанкційне джерело було єдиним доступним?

Мета цього треду зрозуміти, чи існує вже робочий шлях її розв’язання (регуляторний, технічний, чи комбінований), і що для цього реально потрібно зробити на рівні звернень чи інженерних пропозицій, а не просто скарг у пресслужбу.