PwC Спіймали на Публікації AI-Сміття як Аналітики

Кожен інженер, який коли-небудь запускав LLM-функціонал у продакшн, знає цей процес: ти будуєш retrieval-шар, підключаєш цитати, а потім три тижні сперечаєшся з юристами про те, хто відповідає за галюцинації. PwC Middle East, схоже, пропустив цей останній крок. Компанію щойно спіймали на публікації консалтингових звітів про AI та електромобілі, набитих фіктивними виносками та вигаданими посиланнями, включно з одним, де підліток із 280 підписниками на Medium був вказаний як основне джерело для кейс-стаді JPMorgan.

Це третя компанія Великої Четвірки в одному новинному циклі, яку викрили за однаковий тип помилки. Це має стати останнім попередженням для всіх, хто впроваджує генеративний AI у регульовані консалтингові процеси.

Що сталося

Як повідомив MarTech 30 липня 2026 року, дослідники GPTZero проаналізували серію звітів PwC Middle East, покликаних продемонструвати експертизу компанії в галузі AI, державних послуг та електромобілів. Результати нагадують кошмар QA-відділу: фейкові цитати, неправильно атрибутовані джерела та посилання, які або не підтверджували зроблені твердження, або взагалі не існували. Першою цю інформацію оприлюднила The Financial Times.

Головний приклад вражає. PwC описав ініціативу JPMorgan як «реальну історію успіху» агентного AI. Ця ініціатива, в рамках якої банк автоматизував перевірку комерційних кредитних угод і заощадив сотні тисяч годин ручної роботи, була вперше описана ще у 2017 році — за п'ять років до появи ChatGPT. У будь-якому сучасному розумінні це не є агентним AI. А джерелом, яке PwC навів для підтвердження цього твердження, виявився підлітковий блогер із 280 підписниками на Medium.

Невтішний висновок: це не поодинокий випадок. Попередні розслідування GPTZero змусили конкурентів PwC — EY та KPMG — відкликати звіти, які теж містили ознаки галюцинацій. Три з чотирьох компаній Великої Четвірки вже надавали клієнтам AI-згенерований консалтинговий контент із вигаданими посиланнями. При цьому ті самі компанії продають послуги із «відповідального впровадження AI» за шести- та семизначні суми.

Той самий новинний цикл був переповнений запусками від вендорів, зокрема Channel Factory представив AI Slop Detection — інструмент для класифікації низькоякісного автоматизованого відео за п'ятирівневою шкалою якості. Збіг у часі виявився майже занадто красномовним.

Технічний аналіз

Ця модель збою добре відома всім, хто насправді працював із RAG pipeline. Базову модель попросили генерувати авторитетно звучачий текст із посиланнями без належного retrieval-шару та кроку верифікації цитат. Модель зробила те, що роблять базові моделі: згенерувала правдоподібні рядки, схожі на виноски. Деякі з них вели на реальні URL. Деякі — на пост підлітка на Medium. Деякі нікуди не вели.

Існують три технічні механізми контролю, які б виявили це до публікації, і жоден із них не є екзотичним. По-перше, retrieval augmentation на основі списку дозволених першоджерел (документи SEC, рецензовані наукові статті, преса першого ешелону), а не відкрите сканування інтернету. По-друге, крок верифікації цитат, де кожна згенерована виноска завантажується, аналізується та перевіряється на відповідність сусідньому твердженню за допомогою окремої моделі або детерміністичного набору правил. По-третє, перевірка людиною-експертом у предметній галузі, а не молодшим аналітиком у дедлайн.

Фреймворки для правильної побудови таких систем задокументовані у відкритому доступі. Документація Anthropic явно охоплює використання інструментів та паттерни цитування. Специфікація Model Context Protocol існує саме для того, щоб агенти могли отримувати дані з верифікованих джерел, а не вигадувати їх. Нещодавно запущений Guideline Ad Intelligence MCP Server, згаданий у тому самому огляді MarTech, є реальним прикладом цього паттерну в продакшні для даних рекламних витрат.

Причина провалу звіту PwC не в незрілості технологій. Причина — у відсутності операційної дисципліни. Продакшн-інциденти, які я спостерігав у фінтеху та iGaming, майже завжди зводяться до однієї першопричини: команда ставилася до імовірнісної системи як до детерміністичної і пропускала шар верифікації, бо демо виглядало переконливо. Моя думка: PwC запустив демо-pipeline і відправив його як продакшн-pipeline. Це провал процесу, а не моделі.

Хто постраждає

Три групи опиняються під ударом протягом наступних 90 днів.

Самі консалтингові компанії отримують перший удар. PwC консультує клієнтів із відповідального впровадження AI. Так само робить EY. Так само KPMG. Усі три тепер публічно спіймані на протилежному у власних матеріалах. Кожна команда із закупівель, яка оцінює AI-проєкт Великої Четвірки наступного кварталу, має нове питання в чеклісті — і це не те питання, на яке хочуть відповідати аккаунт-менеджери. Команди, з якими я працював у європейському фінтеху, вже ставляться до AI-думок Великої Четвірки зі скептицизмом. Це робить такий скептицизм виправданим на рівні ради директорів.

По-друге, і менш очевидно: будь-яке підприємство, яке цитувало ці звіти у власних стратегічних документах, презентаціях для ради директорів або регуляторних поданнях. Якщо ваш комплаєнс-відділ використав фразу на кшталт «PwC стверджує, що агентний AI заощадив JPMorgan сотні тисяч годин» у якомусь поданні, ви тепер є нащадком ланцюжка вигаданих посилань, що веде до підлітка на Medium. Юридичні ризики варіюються залежно від юрисдикції, але репутаційні ризики однакові для всіх.

По-третє, martech-вендори, які запускають генеративні функції на тому самому базовому стеку. Огляд MarTech перераховує десятки нових продуктів, випущених за один тиждень: Parsnipp вставляє Smart LLM Ads у відповіді розмовного пошуку, ORION від Mod Op генерує рекламні тексти з кастомними мовними моделями, Ad Intel AI від Nielsen обробляє рекламний контент за допомогою машинного навчання, Ivy Studio від StackAdapt генерує варіації зображень. Кожен із цих продуктів має ту саму поверхню збою, на яку щойно натрапив PwC. Покупці почнуть ставити жорсткіші питання про grounding, верифікацію та журнали аудиту. Вендори, які не зможуть відповісти, програватимуть угоди тим, хто зможе.

Найгостріше формулювання: якщо ваш конкурент може надати журнал аудиту цитат, а ви — ні, то ви — PwC у своїй категорії.

Playbook для розробки AI

Конкретні кроки для технічних керівників і CTO на цьому тижні:

• Проаудитуйте кожен LLM-згенерований артефакт, який виходить із вашої компанії. Звіти, матеріали для продажів, внутрішні дослідницькі зведення, відповіді на RFP. Якщо є посилання — перевірте, що воно веде кудись і підтверджує твердження. Зробіть це, поки хтось інший не зробив це за вас.
• Додайте крок верифікації цитат до своїх pipeline генерації. Завантажте URL, проаналізуйте контент, проведіть окрему перевірку того, що сусіднє твердження справді підтверджується. Це пакетна задача, а не блокувальник у реальному часі, і при поточних цінах на inference вона коштує копійки за документ.
• Обмежте свій RAG білим списком, а не відкритим інтернетом. Тільки першоджерела. Якщо модель хоче процитувати щось поза білим списком — позначте для перевірки людиною.
• Логуйте retrieval trace. Кожне згенероване твердження має бути простежуваним до конкретного чанку, з якого воно походить. Коли (а не якщо) галюцинація потрапить у продакшн, вам потрібно відповісти «звідки це взялось» за хвилини, а не тижні.
• Припиніть видавати автоматизацію 2017 року за агентний AI. Неправильне маркування PwC кейсу JPMorgan — маркетинговий гріх, але той самий гріх поширений у пітчах вендорів. Якщо ваша команда не може чітко пояснити різницю між RPA-воркфлоу та агентним циклом, вона зробить ту саму помилку у матеріалах для клієнта.

Нічого з цього не є дорогим. Крок верифікації цитат у 50-сторінковому звіті коштує менше, ніж кава на нараді, де цей звіт затверджується. Причина, чому цього не роблять, полягає в тому, що ніхто за це не відповідає. Призначте відповідального цього тижня.

Ключові висновки

• Три з Великої Четвірки (PwC, EY, KPMG) були публічно спіймані на поширенні AI-згенерованих звітів із вигаданими посиланнями за результатами розслідувань GPTZero.
• PwC вказав підліткового блогера на Medium із 280 підписниками як джерело для кейс-стаді JPMorgan, маркованого «агентним AI», хоча ця ініціатива вперше описувалася у 2017 році — за п'ять років до появи ChatGPT.
• Провал є операційним, а не технічним: grounding, білі списки для retrieval та верифікація цитат — задокументовані практики, які просто не застосовувались.
• Підприємства, що цитували ці звіти у стратегічних або комплаєнс-документах, успадковують ризик фабрикації на подальших ланках ланцюга.
• Martech-вендори, які випускають генеративні функції (Parsnipp, ORION, Ad Intel AI, Ivy Studio та інші), мають ту саму поверхню збою і мають очікувати жорсткіших питань від покупців щодо grounding та журналів аудиту.