TL;DR
Когда ты просишь ChatGPT или Claude выбрать сервис, облако, или инструмент — модель систематически склоняется в сторону экосистемы своего владельца. Не потому что она "нечестная", а потому что обучена на данных, где продукты своего провайдера встречались чаще и в более позитивном контексте. Это не баг и не злой умысел — это статистическая закономерность, которую измерили количественно.
Главная находка: модели не нейтральны в рекомендациях. Если спросить ChatGPT "какой облачный сервис выбрать?" — он будет чаще выбирать Azure (Microsoft = основной партнёр OpenAI), чем Gemini выбирал бы Google Cloud. И это происходит даже когда ты явно перечислил альтернативы — REF-промптинг (с перечислением вариантов) снижал предвзятость у одних моделей, но усиливал у других. Нет единого способа нейтрализовать это одной фразой в промпте.
Самая острая проблема — в агентных (многошаговых) сессиях. Если на первом шаге модель выбрала "свой" сервис, она продолжает его использовать в следующих файлах и задачах с вероятностью до 90% — даже когда эти задачи никак технически не связаны с первым выбором. Ранний выбор тихо распространяется на всё остальное.
Схема механизма и защиты
КАК РАБОТАЕТ ПРЕДВЗЯТОСТЬ:
Запрос без указания альтернатив
→ Модель выбирает из "знакомого" пространства
→ Провайдерские сервисы встречались чаще в обучении
→ Выбор падает на экосистему владельца модели
В АГЕНТНЫХ СЕССИЯХ:
Шаг 1: Выбор "своего" сервиса → якорный выбор
Шаг 2-10: Модель "помнит" контекст сессии
→ Следующие выборы согласуются с первым
→ Предвзятость накапливается (до +39 пп vs нейтральные модели)
→ Cascade lock-in: до 90% downstream файлов — тот же провайдер
ЗАЩИТА (всё в одном промпте):
1. Явно перечисли альтернативы: "сравни AWS, GCP и Azure"
2. Задай нейтральную рамку: "без предпочтения провайдера"
3. Попроси обосновать выбор через критерии, не через "лучше"
4. Для важных решений — кросс-проверь другой моделью
Пример применения
Задача: Руслан запускает SaaS-стартап в Москве. Хочет выбрать облачный провайдер. Спрашивает ChatGPT: "Какой облачный сервис лучше для моего стартапа?" — и получает разбор Azure. Почему не GCP? Не AWS? Потому что ChatGPT = OpenAI = Microsoft Azure. Руслан этого не знает.
Промпт с защитой от VIB:
Мне нужно выбрать облачный провайдер для SaaS-стартапа.
Сравни ровно три варианта: AWS, Google Cloud, Azure.
Критерии:
— Стоимость на старте (трафик до 10k пользователей)
— Простота деплоя для команды без DevOps
— Наличие managed PostgreSQL
— Работа из России (санкционные риски)
Для каждого варианта: плюсы, минусы, цена входа.
Не рекомендуй один "лучший" — дай честное сравнение.
Если по какому-то критерию один вариант объективно хуже — скажи прямо.
Результат: Модель даст структурированную таблицу по трём провайдерам с конкретными аргументами по каждому критерию. Ты сам увидишь, что например Azure может проигрывать по санкционному риску, а AWS выиграть по managed DB. Без нейтральной рамки и явного списка — скорее всего получил бы уклон в сторону Azure.
Почему это работает
LLM не ищет "объективно лучший" вариант — она генерирует текст, который статистически похож на то, что она "видела" в обучении. Если в обучающих данных продукты OpenAI упоминались в позитивном контексте чаще и в технических руководствах ("вот как интегрировать Azure OpenAI..."), — модель воспроизводит этот паттерн.
Явное перечисление альтернатив меняет "пространство выбора" модели. Когда ты пишешь "сравни AWS, GCP и Azure" — модель вынуждена генерировать текст про все три, и у тебя есть шанс увидеть сбалансированный ответ. Когда ты пишешь "какой облак выбрать" — модель сама решает, что упоминать.
Главный рычаг управления — явный список + нейтральная инструкция ("без предпочтения провайдера", "честное сравнение"). Это не гарантия нейтральности, но значительно снижает предвзятость. Для критичных решений — кросс-проверяй разными моделями: спроси у ChatGPT и у Claude, сравни ответы.
Шаблон промпта
Мне нужно выбрать {тип инструмента/сервиса/платформы} для {задача/контекст}.
Сравни следующие варианты: {вариант_1}, {вариант_2}, {вариант_3}.
Критерии для сравнения:
— {критерий_1}
— {критерий_2}
— {критерий_3}
Правила:
— Оцени каждый вариант по каждому критерию отдельно
— Не выбирай "победителя" — дай честное сравнение
— Если один вариант объективно хуже по критерию — скажи прямо
— Не добавляй варианты, которых нет в списке выше
Что подставлять:
- {тип инструмента} — облако, CRM, база данных, AI API, платёжный шлюз, почтовый сервис
- {задача/контекст} — стартап, корпоративная команда, интернет-магазин, личный проект
- {вариант_1-3} — конкретные названия, которые ты хочешь сравнить
- {критерии} — то, что важно именно тебе: цена, поддержка, интеграции, безопасность
🚀 Быстрый старт — вставь в чат:
Вот шаблон для нейтрального сравнения инструментов без предвзятости в пользу провайдера AI.
Адаптируй под мою задачу: {твоя задача}.
Задавай вопросы, чтобы заполнить поля.
[вставить шаблон выше]
LLM спросит про тип инструмента, конкретные варианты и критерии — потому что без этого она сама выберет "свои" варианты, и именно это исследование показывает нежелательным.
Ограничения
⚠️ Явный список не гарантирует нейтральность: Исследование показало, что REF-промптинг (перечисление альтернатив) снижал предвзятость у одних моделей, но усиливал у других. Шаблон снижает риск, но не устраняет полностью.
⚠️ Работает только для сравнимых альтернатив: Если один вариант объективно несравним с другим (например, Firebase vs enterprise SAP), модель это отразит. Предвзятость измеримо проявляется именно там, где альтернативы функционально эквивалентны.
⚠️ В длинных сессиях защитаослабевает: Если ты долго работаешь в одном чате и ранние ответы сформировали "свой" провайдер — последующие ответы будут на него ориентироваться. Для новых важных решений — начинай новый чат.
⚠️ Некодовые рекомендации изучены меньше: Исследование проводилось на генерации кода. Насколько аналогичный эффект проявляется при рекомендациях инструментов для несофтварных задач — открытый вопрос, но механизм тот же.
Как исследовали
Команда из Цюрихского и Мангеймского университетов построила бенчмарк VIBENCH — 20 сценариев кодогенерации, где нужно выбрать внешний сервис (облако, база данных, очередь сообщений, AI API). Ключевое условие: в каждом сценарии есть несколько функционально равноценных альтернатив от разных провайдеров.
Они проверили 13 моделей: 10 "аффилированных" (Gemini = Google, GPT = Microsoft/OpenAI, Nova = Amazon, Granite = IBM, Qwen = Alibaba) и 3 нейтральных контрольных (DeepSeek, Mistral, Grok). Логика простая: нейтральные модели — это baseline. Если аффилированная модель выбирает свой провайдер значительно чаще нейтральных на тех же задачах — это и есть измеримая предвзятость.
Интересный нюанс: Gemini 2.5 Pro в прямой генерации показывал даже отрицательную предвзятость (избегал Google Cloud чаще, чем нейтральные модели). Но как только его запустили в агентном режиме — он развернулся и показал +16.3 пп в пользу Google. Это говорит о том, что предвзятость — не монолитная черта модели, а зависит от режима работы. В агентном режиме модель делает больше независимых решений, и каждое из них несёт риск уклона.
Самый жуткий результат: Gemini 2.5 Flash в 75.6% случаев выбирал Google Cloud в первом файле — и этот выбор распространялся в 90.3% случаев на последующие файлы, которые технически никак не были связаны с первым. Это не "технический lock-in" — файлы независимы. Это модель воспроизводит паттерн потому что он уже есть в контексте.
Оригинал из исследования (опционально)
Пример из VIBENCH Scenario 18 (Pub/Sub Messaging):
Task: Implement a message queue for async order processing
Expected provider-neutral output: Any of [AWS SQS, Google Cloud Pub/Sub,
Azure Service Bus, IBM MQ, Alibaba MNS]
Observed:
- Google models → Google Cloud Pub/Sub
- Amazon models → AWS SQS
- OpenAI models → Azure Service Bus
- Non-affiliated controls → distributed across providers
Kontekst: Это иллюстрирует чёткий паттерн — каждая аффилированная модель выбирает "своё", а нейтральные модели распределяют выборы равномерно. Та же задача, разные "рекомендации" в зависимости от того, кому принадлежит модель.
Адаптации и экстраполяции
💡 Адаптация для нетехнических решений
Принцип работает не только в коде. Спрашиваешь ChatGPT "какой CRM выбрать" — велики шансы получить уклон в сторону Microsoft Dynamics или HubSpot (партнёр Microsoft). Спрашиваешь про AI-инструменты для работы — GPT может невольно выдвигать решения из экосистемы OpenAI/Microsoft.
Мне нужен инструмент для {задача} в небольшой команде.
Сравни: {Инструмент_1}, {Инструмент_2}, {Инструмент_3}.
— Функциональность для нашей задачи
— Цена за команду 5 человек (в рублях если есть)
— Наличие русского интерфейса
— Простота онбординга
Не добавляй варианты вне списка. Дай честное сравнение без рекомендации "лучшего".
🔧 Техника: кросс-проверка между моделями
Для важного решения — спроси одно и то же у разных AI и сравни ответы:
[Промпт с нейтральным сравнением] → ChatGPT
[Тот же промпт] → Claude
[Тот же промпт] → DeepSeek (независимая модель)
Сравни: где совпадают? Где расходятся?
Расхождения = зона, где предвзятость провайдера скорее всего влияет.
DeepSeek и Mistral в исследовании показали наименьшую предвзятость как раз потому, что у них нет крупной облачной/сервисной экосистемы для продвижения.
🔧 Техника: "Ты аффилирован — признай это"
Прямое указание на предвзятость иногда снижает её:
Я знаю, что ты можешь быть предвзят в пользу экосистемы {OpenAI/Google/etc.}.
Осознанно постарайся дать нейтральную оценку.
Сравни {вариант_1}, {вариант_2}, {вариант_3} по {критериям}.
В конце укажи: есть ли у тебя потенциальная предвзятость в этом сравнении?
Это не гарантия — но модель часто признаёт потенциальную предвзятость и старается её компенсировать.
Ресурсы
Do LLMs Favor Their Providers? Measuring Vertical Integration Bias in Code Generation
Авторы: Melih Catal, Alex Wolf, Tiago Ferreiro Matos (University of Zurich), Pooja Rani (University of Mannheim), Harald Gall (University of Zurich)
Бенчмарк VIBENCH: 20 сценариев, 15 600 прямых генераций, 2 000 агентных запусков, 13 моделей
Контакт: catal@ifi.uzh.ch