Исследование AI Пиксель Тулс · 9 октября 2026 г.
Сбер теряет лидерство в рекомендациях AI?
В ответах нейросетей ВТБ, Альфа-Банк и Т-Банк опережают Сбер, хотя Сбер держит ≈44% рынка вкладов. Итоги по 8 100 ответам пяти нейросетей на 1 620 запросов о банковских продуктах.
Чаще всех называют:
Методология
Как мы готовили это исследование
Открытая методология: всё, что нужно, чтобы воспроизвести результат или оспорить его.
01
Цель и предмет
Изучаем, как пять нейросетей описывают банковский рынок России по «холодным» запросам — без названия бренда в вопросе. Главный вопрос: кого модель называет, когда клиент просит «открыть вклад» или «выбрать карту».
Где лучше открыть вклад в Москве?
Нейросеть советует:
ВТБ
Альфа-Банк
Т-Банк
02
Объём выборки
1 620 запросов = 18 продуктов × 18 интентов × 5 городов. Каждый запрос отправлен в 5 нейросетей — итого 8 100 ответов, 33 110 упоминаний брендов и 47 428 ссылок на источники.
18
продуктов
×
18
интентов
×
5
городов
=
1 620
запросов
8 100
ответов
33 110
упоминаний брендов
47 428
ссылок на источники
03
Принцип нейтральности
Ни один из 1 620 запросов не содержит названия банка. Формулировки идут от клиента: «Где в Москве открыть вклад…», «Какая карта выгоднее…». Так измеряется «холодная» узнаваемость, а не пересказ вопроса.
0
из 1 620 запросов содержат название банка
04
Пять нейросетей
Поиск с Алисой, Google AI Overview, ChatGPT, Perplexity, DeepSeek — сценарии, через которые россиянин задаёт вопрос о банке в 2026 году.
05
Пять городов
Москва, Санкт-Петербург, Краснодар, Екатеринбург, Новосибирск. Срез показывает, какие банки локально различимы, а не только «национальный» топ.
Москва
Санкт-Петербург
Краснодар
Екатеринбург
Новосибирск
06
Разметка
Из каждого ответа извлекаются бренды, явная рекомендация и ссылки. Словарь канонических имён и типов источников открыт — его можно проверить в скачиваемых данных.
Ответ нейросети
Открытый словарь в данных
Полный список запросов и сырые ответы — в разделе «Скачать данные» внизу страницы.
Исследование в цифрах
1 620
запросов
типовых вопросов клиента задали каждой нейросети
8 100
ответов
получили от 5 нейросетей и разобрали по брендам и ссылкам
3 995
брендов
нейросети назвали хотя бы в одном ответе
47 428
ссылок
на сайты-источники привели в ответах
Коротко о результатах
Нейросети
Срез
Продукт
Город
Интент
Показаны все 8 100 ответов
Фильтр меняет все блоки ниже
Чаще всех называют
ВТБ
48,8%
ответов упоминают этот бренд
Чаще всех советуют
ВТБ
0,6%
ответов рекомендуют только его
Главный тип источника
Сайты банков
40,6%
всех ссылок в ответах
В одном ответе
Брендов в среднем
4,1
названий в типичном ответе нейросети
Офлайн-полка против AI-полки
Сравниваем долю рынка вкладов с долей голосов (SoV) в ответах нейросетей. Разрыв показывает, кого ИИ «переоценивает», а кого «недооценивает» относительно реального рынка.
Сбер
34,2 п.п.
ВТБ
4,5 п.п.
Т-Банк
3 п.п.
Альфа-Банк
3,8 п.п.

Газпромбанк
1,6 п.п.
Совкомбанк
1,7 п.п.

Райффайзен Банк
1,5 п.п.
МКБ
1,5 п.п.
Почта Банк
1,4 п.п.

Банк Санкт-Петербург
1,3 п.п.

Уралсиб
0,4 п.п.
Ак Барс
0,4 п.п.

Точка
1 п.п.
Офлайн-полка — оценочная доля рынка вкладов физлиц (внешний ориентир, не показатель нейросетей). AI-полка — доля голосов (SoV) в текущем срезе. Плюс — нейросети называют чаще рынка, минус — реже.
Кого называют нейросети
Топ-50 · 8 100 ответов
Видимость — доля ответов, в которых нейросеть назвала бренд. В колонках справа — тот же показатель отдельно по каждой нейросети.
| # | |||||||
|---|---|---|---|---|---|---|---|
| 1 | ВТБ | 35 | 55 | 51 | 39 | 64 | |
| 2 | Альфа-Банк | 31 | 58 | 40 | 32 | 48 | |
| 3 | Т-Банк | 37 | 54 | 39 | 30 | 47 | |
| 4 | Сбер | 30 | 62 | 19 | 34 | 60 | |
| 5 | Совкомбанк | 17 | 20 | 20 | 23 | 20 | |
| 6 | ![]() Газпромбанк | 12 | 14 | 14 | 15 | 28 | |
| 7 | ![]() ПСБ | 10 | 9 | 18 | 14 | 23 | |
| 8 | ![]() Банк Санкт-Петербург | 7 | 8 | 9 | 9 | 15 | |
| 9 | ![]() МТС Банк | 6 | 6 | 7 | 6 | 10 | |
| 10 | Банк ДОМ.РФ | 7 | 5 | 11 | 4 | 6 | |
| 11 | ![]() Точка | 5 | 10 | 6 | 6 | 6 | |
| 12 | ![]() Россельхозбанк | 4 | 3 | 4 | 6 | 14 | |
| 13 | ОТП Банк | 8 | 5 | 5 | 6 | 5 | |
| 14 | ![]() УБРиР | 3 | 6 | 5 | 4 | 10 | |
| 15 | ![]() Уралсиб | 2 | 3 | 6 | 6 | 8 | |
| 16 | ![]() Левобережный | 3 | 4 | 4 | 2 | 7 | |
| 17 | ![]() Локо-Банк | 3 | 3 | 2 | 3 | 8 | |
| 18 | ![]() Райффайзен Банк | 2 | 2 | 3 | 2 | 8 | |
| 19 | Ренессанс Банк | 2 | 3 | 1 | 4 | 4 | |
| 20 | Кубань Кредит | 2 | 3 | 1 | 1 | 5 | |
| 21 | МКБ | 1 | 1 | 1 | 3 | 5 | |
| 22 | Ozon Банк | 1 | 3 | 3 | 1 | 3 | |
| 23 | Яндекс Банк | 1 | 3 | 1 | 3 | 3 | |
| 24 | ![]() Банк Синара | 1 | 2 | 2 | 1 | 4 | |
| 25 | Модульбанк | 1 | 2 | 2 | 1 | 2 | |
| 26 | Ак Барс | 0 | 1 | 1 | 1 | 4 | |
| 27 | Росбанк | 0 | 1 | 0 | 1 | 3 | |
| 28 | Русский Стандарт | 0 | 0 | 1 | 2 | 2 | |
| 29 | Банк Зенит | 1 | 1 | 0 | 1 | 3 | |
| 30 | Почта Банк | 0 | 1 | 0 | 1 | 2 | |
| 31 | Центр-инвест | 0 | 1 | 1 | 1 | 1 | |
| 32 | Металлинвестбанк | 0 | 0 | 0 | 1 | 2 | |
| 33 | АТБ | 0 | 1 | 0 | 1 | 2 | |
| 34 | ЮниКредит Банк | 0 | 1 | 0 | 1 | 1 | |
| 35 | ![]() Примсоцбанк | 0 | 1 | 0 | 0 | 1 | |
| 36 | Кредит Европа Банк | 0 | 1 | 1 | 0 | 1 | |
| 37 | Открытие | 0 | 0 | 0 | 0 | 3 | |
| 38 | БКС Банк | 1 | 1 | 0 | 0 | 1 | |
| 39 | МСП Банк | 0 | 0 | 1 | 1 | 1 | |
| 40 | Абсолют Банк | 1 | 0 | 0 | 0 | 1 | |
| 41 | Солид Банк | 0 | 1 | 0 | 0 | 2 | |
| 42 | Банк Акцепт | 0 | 1 | 0 | 0 | 1 | |
| 43 | ДелоБанк | 0 | 1 | 0 | 1 | 1 | |
| 44 | ББР Банк | 0 | 0 | 1 | 0 | 1 | |
| 45 | Фора-Банк | 0 | 1 | 0 | 0 | 1 | |
| 46 | БыстроБанк | 0 | 0 | 0 | 1 | 1 | |
| 47 | Камкомбанк | 0 | 1 | 0 | 0 | 1 | |
| 48 | Банк «Россия» | 0 | 0 | 0 | 1 | 1 | |
| 49 | Экспобанк | 0 | 1 | 0 | 1 | 1 | |
| 50 | Ланта-Банк | 1 | 0 | 0 | 0 | 1 |
Продуктовая ось: кто первый в каждом продукте
Лидер по доле голосов (SoV) внутри каждого из 18 банковских продуктов. Общий рейтинг прячет проигрыш в конкретном продукте — смотрите по своему.
Сводный AI-индекс банка
Единая оценка 0–100: видимость, доля голосов (SoV), явная рекомендация и ссылки на собственный сайт. Каждая компонента нормирована на лидера. Чем выше балл, тем «понятнее» банк нейросетям в целом.
Индекс = 40% видимость + 30% доля голосов (SoV) + 15% рекомендация + 15% свой сайт. Каждая компонента нормирована на лидера среди 30 самых заметных банков.
Тональность: модели скорее хвалят, чем ругают
Лексическая оценка тональности 8 100 ответов. Нейросети чаще описывают банки позитивно, но «критика» прячется в ответах про комиссии, ставки и подводные камни.
В целом по 8 100 ответам
54,9%
ответов звучат позитивно
Позитивные
54,9%
Нейтральные
23,4%
Негативные
21,7%
Доля негатива по нейросетям
в среднем 21,7%
25,4%
19,5%
21,2%
18,8%
23,6%
Метод: лексическая оценка — частотность позитивных и негативных маркеров в тексте ответа. Это приблизительная, а не экспертная оценка тональности.
Как отвечает каждая нейросеть
Сколько брендов нейросеть называет в одном ответе, как часто советует один конкретный и кого упоминает чаще остальных.
Поиск с Алисой с чатом
2,9
брендов в одном ответе
1,5%
ответов с одной рекомендацией
Чаще всего называет
1 620 ответов в выборке
Google AI Overview с чатом
4,7
брендов в одном ответе
0,1%
ответов с одной рекомендацией
Чаще всего называет
1 620 ответов в выборке
ChatGPT
3,5
брендов в одном ответе
7%
ответов с одной рекомендацией
Чаще всего называет
1 620 ответов в выборке
Perplexity
3,2
брендов в одном ответе
5,6%
ответов с одной рекомендацией
Чаще всего называет
1 620 ответов в выборке
DeepSeek
6,2
брендов в одном ответе
2,5%
ответов с одной рекомендацией
Чаще всего называет
1 620 ответов в выборке
На что ссылаются нейросети
Какую долю ссылок в ответах получают агрегаторы, официальные сайты, отзовики и СМИ — и какие сайты нейросети цитируют чаще всего.
47 428
ссылок в выборке
Сайты банков
19 242
40,6%
Агрегаторы
12 276
25,9%
СМИ
4 171
8,8%
Регулятор
2 222
4,7%
Карты и отделения
565
1,2%
Отзывы
323
0,7%
Прочее
8 629
18,2%
Самые цитируемые сайты
доля ссылок
1
ВТБ
5,6%
2
Агрегаторы
5,4%
3
Т-Банк
5,1%
4
Альфа-Банк
4%
5
Агрегаторы
3,9%
6
Сбер
3,4%
7
Совкомбанк
2,7%
8
Газпромбанк
2,2%
9
Регулятор
2%
10
Агрегаторы
2%
11
Агрегаторы
1,9%
12
ПСБ
1,7%
Банк крупным планом
Выберите банк — покажем его видимость, рекомендации и сайты, которые его цитируют, в разрезе нейросетей, продуктов и городов.
Выберите банк
ВТБ
48,8%
ответов называют бренд
0,6%
советуют только его
11,9%
доля голосов (SoV)
52,8%
с ним ссылаются на его сайт
Загружаем разбивку по нейросетям, продуктам и городам…
Взгляд отрасли
Что говорят эксперты
Комментарии практиков GEO и аналитиков о том, что результаты исследования значат для банков и агентств.
Для меня главный вывод исследования: масштаб бизнеса сам по себе не обеспечивает лидерство в ответах нейросетей. Банку нужно отдельно работать над тем, в каких ситуациях его рекомендуют и на основании какой информации. Можно хорошо выглядеть по совокупности запросов и почти отсутствовать в ответах про конкретный продукт. Показателен разброс у Сбера: 61,9% ответов с упоминанием в Google AI Overview и 18,7% в ChatGPT. Поэтому оценивать присутствие банка по одной нейросети или среднему показателю нецелесообразно. Я бы смотрел связку «продукт — задача клиента — город — нейросеть». Она позволяет перейти от общего показателя к конкретным задачам: какие условия раскрыть на сайте, каких сравнений не хватает, где актуализировать информацию. Вторая полезная часть — источники. Для GEO это исследование надо расценивать как основание работать одновременно с собственным сайтом и внешними площадками. На сайте нужны понятные условия, тарифы, ограничения, ответы на вопросы клиентов. На агрегаторах — актуальные карточки и корректное описание продуктов. Участвовать в исследованиях, премиях и рейтингах. И я бы не стал на основании доли ссылок СМИ в этом исследовании сокращать PR-бюджет. Исследование измеряет цитирование, но не весь вклад публикаций в узнаваемость, репутацию и продажи.

Роман Ковалёв
GEO-эксперт, совладелец рекламного агентства «Ковалёвы»
Сбер теряет лидерство в рекомендациях? Данные исследования позволяют ответить точнее: лидерство у Сбера брендовое, а не продуктовое. Из 18 продуктов Сбер лидирует в двух: переводы и страхование. При этом называют его почти в каждом втором ответе — 40,8%. Банк знают. Но знают как бренд, а не как ответ на конкретный вопрос. Причина простая. Для нейросети бренд и продукт — разные сущности. «Сбер» она знает из тысяч источников. А «банк для рефинансирования» собирает заново — из тех источников, где эта задача описана. В графе знаний это разные узлы, и масштаб бренда между ними не переносится. Это хорошо видно в разрезе по нейросетям, который дает исследование. Google AI называет 4,7 бренда в ответе — Сбер там в 62% случаев. Алиса называет 2,9 — Сбер в 30%. ChatGPT 3,5 — в 19%. Где нейросеть перечисляет, Сбер есть. Где выбирает — его нет. Наш замер это подтверждает с другой стороны. Сентябрь-октябрь, пилот по потребительским кредитам у банка из первой пятерки исследования. 10 запросов, 7 нейросетей, 70 ответов. Было 8 сентября: банк в 35 ответах, первым — в 17. Стало 9 октября: в 44 ответах, первым — в 29. По одному продукту — 62,86%, тогда как у лидеров сводной таблицы по 18 продуктам — от 41 до 49%. Доля в нейросетях — свойство не банка, а того, что спросили. И за месяц нейросети разъехались: ChatGPT с 2 ответов до 5, Perplexity с 6 до 4. Разрез по нейросетям здесь важнее итогового рейтинга. Отдельно отмечу, что исследование дает для одного банка три метрики: видимость 40,8%, доля голосов 10%, единственная рекомендация — около нуля. Это честнее одной цифры. И это ровно та развилка, с которой сейчас работает рабочая группа по качеству цифровых данных в нейросетях и GEO: какую из них рынку считать результатом. Когда мы делали пилот, главная сложность оказалась не в площадках, а в самих условиях продуктов. Написали, что у банка самый большой лимит, — а у конкурента 40 млн против наших 30, и аргумент пришлось убрать. В рефинансировании сравнили с обычным кредитом, а не с программой рефинансирования. Срок от трех месяцев подали как преимущество — он есть еще у двух банков. Все это переделывали. Нейросеть ошибку не фильтрует, она ее тиражирует. Поэтому рекомендацию усилить карточки на banki.ru я бы дополнил шагом перед ней: продукт должен быть описан одинаково везде, откуда модель его возьмет. Тогда усиление сработает.

Василий Жарков
GEO-эксперт, руководитель агентства NeuroReach
Я обращу внимание как ИИ формирует свои ответы. В ответах Алисы в среднем упоминается 2,9 банка, а в DeepSeek — уже 6,2. При этом Google AI Overview только в 0,1% случаев даёт единственную рекомендацию. Фактически нейросети чаще выступают не в роли консультанта, который выбирает один лучший банк, а формируют список альтернатив. И здесь возникает интересный вопрос, который я уже поднимал, что недостаточно просто попасть в список, в ответ ИИ, как мы привыкли мерить. На мой взгляд — нет. Одно дело, когда нейросеть упоминает банк среди пяти возможных вариантов, и совсем другое — когда выделяет его как наиболее подходящий под конкретную задачу пользователя, объясняет преимущества и аргументирует свой выбор. Отдельно обратил бы внимание на тональность. В исследовании мы видим, что 54,9% ответов имеют положительную окраску. Но если нейросеть одинаково хорошо отзывается обо всех участниках рынка, позитивное упоминание перестаёт быть конкурентным преимуществом. Значение приобретает содержание рекомендации: какие сильные стороны бренда выделены, насколько корректно описаны условия и есть ли убедительные аргументы в пользу выбора. Поэтому я считаю, что рынку GEO предстоит постепенно переходить от измерения простого присутствия бренда к оценке качества его рекомендаций. Видимость останется базовым показателем, но сама по себе она не отвечает на главный вопрос бизнеса: помогает ли присутствие в нейросетях пользователю сделать выбор в пользу компании?

Владимир Назаров
GEO-эксперт, основатель сообщества и премии GEOMI, руководитель агентства Head Promo
Это очень классное исследование! Оно позволяет изучить все аспекты нейроответов на примере конкретного рынка банковских продуктов. В первую очередь мы смотрим на видимость брендов — за это бизнес готов платить. На чём основан конкретный ответ обычно мало кого волнует. Я всегда изучаю структуру источников информации: какие типы источников, СМИ, форматы и даже период написания статей. Например, тут оказалось, что некоторые ответы даны с использованием материалов 10-, 20- и даже 30-летней давности — самые старые статьи — «Коммерсант» за 1992 и 1994 года! Причём вопросы были о том, где менять валюту и какой банк выбрать сегодня. За тридцать с лишним лет изменились и состав рынка, и продукты, и правила работы с валютой — части банков уже давно не существует. Авторитет издания легко спутать с достоверностью — ссылка на «Коммерсант» сама по себе не гарантирует актуальность самого нейроответа. В маркетинговых исследованиях мы различаем первое спонтанное упоминание марки и её знание в целом. Аналогично в ответах ИИ можно измерять Top of AI-mind — частоту первого упоминания бренда. ВТБ лидирует по общей упоминаемости (48,8% ответов), однако по Top of AI-mind значительно уступает Сберу: 11,7% против 19,2%. Для маркетинга и коммуникаций это разные характеристики конкурентной позиции, которые важно разделять. Ещё одно преимущество таких исследований — возможность оценить видимость на разных стадиях условного CJM — важно понимать, на каких этапах пути клиента виден наш бренд и с какими конкурентами мы делим «нейрополе», сохраняется ли присутствие по мере приближения клиента к решению: когда он уточняет комиссии, проверяет требования и готовится подать заявку. Такой анализ помогает выстраивать коммуникационную и маркетинговую стратегию с учётом информационных потребностей и барьеров выбора на каждом этапе. У нас, как у участников ассоциации GEO-агентств, есть и просветительская задача — развивать исследовательскую ИИ-грамотность, разрабатывать методологию таких исследований, поднимать вопросы качества и ответственности перед участниками рынка.

Павел Мтиулишвили
генеральный директор исследовательского агентства DataLab, эксперт по аналитике соцмедиа и AI-видимости
Первое место в офлайне не гарантирует первого места в нейросетях! У Сбера 44,2% рынка вкладов, а по частоте упоминаний в 8 100 ответах о банковских продуктах он оказался 4. Даже в ответах о вкладах и накопительных счетах по доле упоминаний лидирует ВТБ. Конкуренция за клиента начинается с вопроса, в котором ещё нет названия бренда. Человек спрашивает, где открыть вклад, и получает список вариантов. Если вашего банка в нём нет, клиент может выбрать конкурента, так и не зайдя на ваш сайт. В статистике сайта такой потери не видно. Всем компаниям, особенно лидерам рынка, пора работать с нейросетями как с каналом привлечения клиентов (GEO). По каждому важному продукту регулярно проверяйте, кого называют разные модели и какие источники они цитируют. В нашем исследовании около 25% ссылок вели на агрегаторы. Поэтому важно обновлять условия и на своём сайте, и на внешних площадках, откуда нейросети берут информацию.

Дмитрий Севальнев
евангелист Пиксель Тулс, эксперт в области GEO
Инсайты: что важно вынести из исследования?
Каждый инсайт превращается в конкретную задачу по продвижению в нейросетях. Примеры — на реальных разрывах исследования.
Пробел бренда
Сбер: −34 п.п. к офлайн-полке
Сбер держит ≈44% рынка вкладов, но его доля голосов (SoV) в ответах ИИ — 10%. Задача — усилить источники, которые уже цитируют нейросети: карточки на banki.ru и sravni.ru, собственные рейтинговые страницы.
−34 п.п.
разрыв между рынком и AI-полкой
Пробел бренда
Ипотека — вотчина ВТБ
ВТБ лидирует в «Ипотеке» (16,3% SoV) и «Автокредите» (14,4%). Конкурентам — строить локальные ипотечные страницы с чёткими ставками и условиями, которые модель легко перескажет.
16,3%
SoV ВТБ в «Ипотеке»
14,4%
SoV ВТБ в «Автокредите»
Источник
banki.ru цитируют почти как сайт лидера
2 563 ответа со ссылкой — второе место после vtb.ru и больше, чем у сайтов остальных банков. На агрегаторы приходится 25,9% всех ссылок: присутствие на них не менее важно, чем собственный сайт.
2 563
ответа со ссылкой на banki.ru
Источник
Деловые СМИ — редкий источник
СМИ — лишь 8,8% ссылок. Классический PR до AI-выдачи доходит слабо; бюджет выгоднее перекладывать в структурированный контент и собственные площадки.
8,8%
ссылок — на СМИ
Тональность
Поиск с Алисой — самый критичный контур
25,4% негативных ответов — больше, чем у других нейросетей (в среднем 21,7%). Для репутационных кейсов важно чистить источники, которые читает именно Алиса: отзовики и свежие новости.
25,4%
негатива
Тональность
Позитив не выделяет бренд
Модели хвалят всех подряд: больше половины ответов звучат позитивно, поэтому «тихий» бренд не выделяется. Дифференциация — через конкретику, которую модель может усвоить.
54,9%
ответов звучат позитивно
Рост конкурента
Альфа-Банк переоценён в ИИ
Альфа-Банк держит ≈6% рынка вкладов, а его доля голосов (SoV) в ответах — 10,2%, в 1,6 раза выше полки. Модель охотно «знает» Альфа-Банк в кредитных картах, кредитах для бизнеса и зарплатных проектах.
×1,6
AI-полка выше рыночной
Рост конкурента
Локальные банки пробиваются
Банк Санкт-Петербург — №2 в СПб (11,3% SoV). Региональная игра с локальной семантикой заходит в выдачу быстрее федеральной кампании.
№2
в Санкт-Петербурге · 11,3% SoV
Открытые данные
Скачайте сырые данные исследования
Все ответы нейросетей и их разметка — чтобы проверить выводы или посчитать свои срезы. Продукт, город и интент — в листе prompts, ответы связаны с ним по prompt_id.
answersПолный текст каждого ответа: нейросеть, волна, статус, явная рекомендация
mentionsВсе бренды из ответа: написание как в тексте и каноническое имя
citationsКаждая ссылка: URL, домен, тип источника, официальный сайт
aliasesСправочник написаний и канонических имён
promptsВсе запросы исследования: текст, продукт, город и интент
* — при использовании данных исследования активная ссылка на источник обязательна
pixeltools-ai-banki-2026-report.pdf
Полный отчёт исследования · PDF · 2,4 МБ
pixeltools-ai-bank-study-raw-2026.xlsx
Один файл, пять листов · 11,4 МБ
pixeltools-ai-bank-study-raw-2026.zip
Пять таблиц CSV и описание колонок, UTF-8, разделитель «;» · 9,3 МБ
pixeltools-ai-bank-study-raw-2026-all.zip
CSV, XLSX и PDF-отчёт одним архивом · ≈ 23,2 МБ
Проверьте видимость бренда и сайта в нейросетях
Узнайте, как ваш бренд представлен в ИИ — включая ChatGPT, ЯндексGPT, DeepSeek и другие. Получите мгновенный анализ упоминаний, тональности и конкурентов — это новый подход к управлению узнаваемостью в эпоху нейросетей.
Проверить видимость в ИИ












