PwC уличили в публикации AI-мусора под видом аналитики

Любой инженер, который когда-либо выводил LLM-фичу в продакшн, знает этот путь: строишь retrieval-слой, настраиваешь цитирование, а потом три недели споришь с юристами о том, кто отвечает за галлюцинации. PwC Middle East, судя по всему, пропустила последний шаг. Компанию поймали на публикации консалтинговых отчётов об ИИ и электромобилях, напичканных фальшивыми сносками и выдуманными источниками — в том числе один, где подросток с 280 подписчиками на Medium был указан как основной источник для кейса JPMorgan.

Это уже третья компания из Big Four, попавшаяся на одном и том же провале в рамках одного новостного цикла. Это должно стать последним предупреждением для всех, кто внедряет генеративный ИИ в регулируемые аналитические процессы.

Что произошло

Как сообщил MarTech 30 июля 2026 года, исследователи GPTZero разобрали по частям ряд отчётов PwC Middle East, призванных продемонстрировать экспертизу компании в области ИИ, государственных услуг и электромобилей. Картина напоминает кошмар отдела контроля качества: фальшивые цитаты, неверно атрибутированные источники и ссылки, которые либо не подтверждали заявленное, либо вообще не существовали. Первой о раскрытии сообщила Financial Times.

Главный пример откровенно удручает. PwC описала инициативу JPMorgan как «реальную историю успеха» агентного ИИ. Речь идёт об автоматизации проверки договоров коммерческого кредитования, позволившей сэкономить сотни тысяч часов ручного труда, — эта инициатива была впервые освещена в 2017 году. То есть за пять лет до появления ChatGPT. В нынешнем понимании это никакой не агентный ИИ. И источником, на который сослалась PwC, оказался подросток-блогер с 280 подписчиками на Medium.

Неудобная правда: это не единичный случай. Предыдущие расследования GPTZero вынудили конкурентов PwC — EY и KPMG — отозвать отчёты, также содержавшие, по всей видимости, галлюцинации. Три из четырёх компаний Big Four теперь публично уличены в том, что передавали платным клиентам AI-сгенерированные материалы с выдуманными источниками. При этом именно эти компании продают услуги по «ответственному внедрению ИИ» за шести- и семизначные суммы.

Тот же новостной цикл был заполнен анонсами поставщиков, в том числе Channel Factory, выпустившей AI Slop Detection для классификации низкокачественного автоматизированного видео по пятиуровневой шкале качества. Совпадение по времени выглядит почти нарочитым.

Техническая анатомия провала

Паттерн этой ошибки хорошо знаком каждому, кто реально эксплуатировал RAG-пайплайн. Базовой модели поставили задачу генерировать авторитетно звучащий текст с цитатами — без должным образом заземлённого retrieval-слоя и без этапа верификации источников. Модель сделала то, что делают базовые модели: сгенерировала правдоподобные строки, похожие на сноски. Часть из них вела на реальные URL. Часть — на пост подростка на Medium. Часть — вообще в никуда.

Существуют три технических контроля, которые перехватили бы это до публикации, и ни один из них не является экзотическим. Первый — retrieval augmentation с ограничением по белому списку первичных источников (документы SEC, рецензируемые статьи, крупнейшие издания), а не скрейпинг открытого веба. Второй — этап верификации цитат, при котором каждая сгенерированная сноска загружается, парсится и проверяется на соответствие окружающему утверждению с помощью отдельной модели или детерминированного набора правил. Третий — экспертная проверка специалистом, который несёт реальную ответственность, а не junior-аналитиком в условиях дедлайна.

Фреймворки для правильного построения подобных систем задокументированы в открытом доступе. Документация Anthropic явно охватывает паттерны использования инструментов и цитирования. Спецификация Model Context Protocol создана именно для того, чтобы агенты могли обращаться к верифицированным источникам данных, а не галлюцинировать их. Только что запущенный Ad Intelligence MCP Server от Guideline, упомянутый в том же обзоре MarTech, — реальный продакшн-пример этого паттерна, применённого к данным рекламных расходов.

Отчёт PwC провалился не потому, что технология незрела. А потому, что отсутствовала операционная дисциплина. Производственные инциденты, которые я наблюдал в финтехе и iGaming, почти всегда восходят к одной и той же коренной причине: команда обращалась с вероятностной системой как с детерминированной и пропускала слой верификации, потому что демо выглядело убедительно. Мой вывод: PwC запустила демо-пайплайн как продакшн-пайплайн. Это сбой процесса, а не сбой модели.

Кто пострадает

В ближайшие 90 дней под удар попадут три группы.

Сами консалтинговые компании получают удар первыми. PwC консультирует клиентов по ответственному внедрению ИИ. Как и EY. Как и KPMG. Все три теперь публично пойманы на том, что сами делают обратное в собственных материалах. У каждой закупочной команды, оценивающей AI-проект с участием Big Four в следующем квартале, появился новый вопрос в чеклисте — и это не тот вопрос, на который хотят отвечать аккаунт-менеджеры. Команды, с которыми я работал в европейском финтехе, уже относятся к AI-заключениям Big Four со скептицизмом. Теперь этот скептицизм можно обосновать на совете директоров.

Второй, менее очевидной, жертвой стали все предприятия, которые ссылались на эти отчёты в собственных стратегических документах, презентациях для совета директоров или регуляторных заявках. Если ваша комплаенс-команда включила в какой-либо документ фразу «PwC утверждает, что агентный ИИ сэкономил JPMorgan сотни тысяч часов», вы оказались в хвосте цепочки сфабрикованных цитат, уходящей к подростку на Medium. Юридические риски варьируются в зависимости от юрисдикции, но репутационный ущерб одинаков для всех.

Третья группа — martech-поставщики, выпускающие генеративные функции на том же базовом стеке. В обзоре MarTech перечислены десятки новых продуктов, вышедших за одну неделю: Parsnipp с внедрением Smart LLM Ads в ответы разговорного поиска, ORION от Mod Op, генерирующий рекламные тексты с помощью кастомных языковых моделей, Ad Intel AI от Nielsen, обрабатывающий рекламный контент с применением машинного обучения, Ivy Studio от StackAdapt, массово создающий варианты изображений. У каждого из этих продуктов та же уязвимость, на которой только что погорела PwC. Покупатели начнут задавать более жёсткие вопросы о заземлении, верификации и журналах аудита. Поставщики, которые не смогут ответить, будут проигрывать сделки тем, кто сможет.

Самая точная формулировка: если конкурент может предоставить журнал аудита цитат, а вы — нет, вы PwC в своей категории.

План действий для AI-разработки

Конкретные шаги для технических руководителей и CTO на эту неделю:

• Проведите аудит каждого LLM-сгенерированного артефакта, покидающего вашу компанию. Отчёты, коммерческие материалы, внутренние аналитические сводки, ответы на RFP. Если присутствует цитата — проверьте, что ссылка работает и подтверждает утверждение. Сделайте это раньше, чем кто-то другой сделает это за вас.
• Добавьте этап верификации цитат в пайплайны генерации. Загружайте URL, парсите контент, запускайте отдельную проверку того, что окружающее утверждение действительно подтверждается. Это пакетное задание, а не блокировщик в реальном времени, и при текущих ценах на инференс оно стоит копейки за документ.
• Заземляйте RAG по белому списку, а не по открытому вебу. Только первичные источники. Если модель хочет сослаться на что-то за пределами белого списка — отправляйте на проверку к человеку.
• Логируйте retrieval-трассу. Каждое сгенерированное утверждение должно быть отслеживаемо до конкретного чанка, из которого оно получено. Когда (не «если») галлюцинация попадёт в продакшн, вам нужно ответить на вопрос «откуда это взялось» за минуты, а не за недели.
• Перестаньте называть автоматизацию 2017 года агентным ИИ. Неверная маркировка кейса JPMorgan со стороны PwC — это маркетинговый грех, но тот же грех процветает в питчах поставщиков. Если ваша команда не может чётко объяснить разницу между RPA-воркфлоу и агентным циклом, она допустит ту же ошибку в клиентском deliverable.

Ничего из этого не стоит дорого. Этап верификации цитат для 50-страничного отчёта обходится дешевле, чем кофе на совещании, где вы утверждаете этот отчёт. Причина, по которой этого не происходит, — за это никто не отвечает. Назначьте ответственного на этой неделе.

Ключевые выводы

• Три из четырёх компаний Big Four (PwC, EY, KPMG) теперь публично уличены в публикации AI-сгенерированных отчётов с фальшивыми цитатами по данным расследований GPTZero.
• PwC сослалась на подростка-блогера с 280 подписчиками на Medium как на источник кейса JPMorgan, который она назвала «агентным ИИ», хотя инициатива была впервые освещена в 2017 году — за пять лет до ChatGPT.
• Провал операционный, а не технический: заземление, белые списки retrieval и верификация цитат — задокументированные практики, которые попросту не были применены.
• Предприятия, ссылающиеся на эти отчёты в стратегических или комплаенс-документах, наследуют риск фабрикации по всей цепочке.
• Martech-поставщики, выпускающие генеративные функции (Parsnipp, ORION, Ad Intel AI, Ivy Studio и другие), имеют ту же уязвимую поверхность и должны ожидать более жёсткого контроля со стороны покупателей в вопросах заземления и журналов аудита.