RAGAR (RAG-фактчекинг) — это автоматизированная система проверки достоверности информации, которая использует векторный поиск и генеративный ИИ для сравнения слов спикера с базой данных фактов в реальном времени. Технология позволяет выявлять противоречия, манипуляции и смену политической позиции («переобувание») с точностью F1-score до 87%.
Признаюсь честно, еще пару лет назад я смотрел дебаты с долей скепсиса, пытаясь вспомнить: «А не этот ли человек в 2022-м обещал ровно противоположное?» Память у меня, как и у большинства избирателей, короткая, чем и пользовалась любая публичная персона, будь то политик 1 или политик 2. Но в 2026 году правила игры изменились. Технология шагнула так далеко, что теперь нам не нужно надеяться на собственную внимательность.
Сегодня системы класса CoRAG (Chain of RAG) слушают выступления, разбирают их на смыслы и сравнивают с цифровым следом оратора за последние десять лет. Если раньше разоблачение требовало недель журналистских расследований, то сейчас нейросеть онлайн делает это за секунды. Ниже я покажу, как мы дошли до жизни такой и как собрать подобный «детектор» на коленке, используя Make.com.
Почему старый Google больше не работает
Раньше фактчекинг выглядел так: услышал сомнительную фразу — пошел гуглить. Сейчас это непозволительная роскошь по времени. В 2026 году балом правят системы, которые не ищут ключевые слова, а понимают смысл. Это называется векторный поиск.
Когда внешний политик говорит «Мы всегда поддерживали аграриев», обычный поиск будет искать совпадения по словам. Векторная база данных (например, Pinecone) найдет речь пятилетней давности, где тот же человек говорил: «Субсидии фермерам вредят экономике». Слова разные, а вектор смысла — противоположный. ИИ это видит.
Сравнение методов поиска правды
| Характеристика | Ручной поиск (Google) | AI-фактчекинг (RAGAR 2026) |
|---|---|---|
| Скорость обработки | 5–10 минут на факт | Мгновенно (в 20 раз быстрее) |
| Глубина памяти | То, что помнит человек | Все речи за 10 лет (Векторная память) |
| Точность выявления лжи | Субъективная | 85–87% (F1-score) |
| Реакция на сарказм | Понимает хорошо | Требует надзора (Human-in-the-loop) |
Практика: собираем «Детектор лжи» на Make.com
Перейдем к мясу. Чтобы сделать свою систему, которая превратит любой день в день разоблачения для нечистых на руку спикеров, нам не нужен штат программистов. Достаточно связки Make.com и нескольких API. Это тот самый конструктор, который соединяет сервисы между собой.
Шаг 1. Уши системы (Whisper)
Внутренняя политика полна нюансов, и их нужно оцифровать. Первым делом мы берем источник — это может быть RSS-лента YouTube канала или мониторинг новых подкастов. Модуль OpenAI (Whisper) сейчас работает безупречно. Он вытягивает нейросеть текст из аудио даже при сильных шумах в зале. Если вы ищете «нейросеть бесплатно» для транскрибации, можно попробовать локальные модели, но для автоматизации лучше API.
Шаг 2. Память (Pinecone и Embeddings)
Здесь происходит магия. Мы не просто сохраняем текст. Мы прогоняем его через модуль Create Embeddings. Он превращает фразу «Налоги надо снижать» в длинный ряд цифр (вектор). Затем мы идем в базу данных Pinecone и спрашиваем: «А есть ли у нас старые векторы этого спикера, которые близки по теме, но противоположны по знаку?».
Совет: Создайте свою «Базу Правды». Загрузите в Pinecone PDF-файлы с официальной статистикой и законами. Не полагайтесь только на общие знания GPT.
Шаг 3. Внешний арбитр (Perplexity API)
Если спикер сыпет цифрами, векторная база не поможет — нужны свежие данные. Тут мы подключаем модуль HTTP request к Perplexity. Почему не Google? Потому что Perplexity сразу выдает ответ с источниками, а не список ссылок, в которых надо копаться. Это экономит токены и упрощает структуру сценария. ИИ-фактчекеры на базе таких решений находят противоречия в разы эффективнее.
Шаг 4. Суд (GPT-4o)
Финальный аккорд. Мы скармливаем нейросети три элемента:
- Новую фразу (текст).
- Найденное старое высказывание (из Pinecone).
- Факты из интернета (Perplexity).
Промпт должен быть жестким: «Ты строгий фактчекер. Если есть противоречие — выдели жирным». На выходе вы получаете сообщение в Telegram: «Внимание! Политик Х только что солгал про инфляцию. Сейчас он говорит 5%, но статистика показывает 12%, а год назад он обещал, что она не превысит 4%».
Мультимодальность: когда лицо говорит больше слов
Текст — это лишь половина дела. В 2026 году разоблачение 2026 года уровня (я хотел сказать — уровня 2026 года, конечно) подразумевает анализ мимики. Технологии вроде Sensity AI или Verity позволяют анализировать видеопоток. Если нейросеть фото бесплатно обрабатывает за секунды, то анализ микровыражений лица в видео требует мощностей, но дает контекст: нервничает ли спикер? Это особенно полезно, когда внешняя политика требует каменного лица, а мышцы выдают стресс.
Кейс «Klartext» в Швеции показал, как это работает: речи политиков транслировались на второй экран с мгновенной аналитикой. Это не фантастика вроде фильм день разоблачения 2026, это работающий софт.
Кому и зачем нужно этому учиться?
Вы можете спросить: «Артур, зачем мне это, если я не журналист?» Ответ прост: навыки работы с RAG и автоматизацией в Make.com применимы везде. Сегодня вы ловите на лжи депутата, а завтра настраиваете автоответы для бизнеса, анализируете конкурентов или создаете контент-планы. Нейросеть для генерации отчетов или проверки договоров работает на той же архитектуре.
Автоматизация — это новая грамотность. Те, кто умеет связывать «нейросеть алиса» (или любую другую) с базами данных, стоят на рынке труда в три раза дороже обычных специалистов. Это не просто «курсы», это входной билет в реальность, где рутину делают роботы.
Хотите научиться автоматизации рабочих процессов с помощью сервиса make.com и нейросетей? Подпишитесь на наш Telegram-канал. Мы в MAX.
Полезные ссылки для старта:
- Обучение по Автоматизации, CursorAI, маркетингу и make.com
- Блюпринты по make.com — готовые схемы, чтобы не собирать с нуля.
- MCP сервис автоматизации «ВСЁ ПОДКЛЮЧЕНО» — wordstat, wordpress, Вконтакте, телеграм, нейросети генерации картинок, фотосток, и другое.
Частые вопросы
Законно ли использовать нейросеть для анализа политиков?
Абсолютно. Вы работаете с публичными данными из открытых источников. Анализ публичных выступлений не нарушает приватность, если вы не используете закрытые каналы связи.
Можно ли собрать такую систему бесплатно?
Почти. Make.com имеет бесплатный тариф (1000 операций), Pinecone тоже дает стартовый слот бесплатно. Платить придется только за API OpenAI и Perplexity, но для личного использования это копейки (буквально пара долларов в месяц).
Понимает ли нейросеть на русском языке сленг и иронию?
Современные модели (GPT-4o и выше) отлично понимают контекст, включая русский сленг. Однако сарказм все еще остается сложной зоной, поэтому финальный вердикт лучше просматривать человеку.
Как нейросеть онлайн отличает дипфейк от реального видео?
Для этого используются специализированные инструменты мультимодального анализа. Они ищут несостыковки в пикселях и рассинхрон звука, которые невидимы человеческому глазу. Обычная текстовая модель этого не сделает.
Где найти базу прошлых выступлений для сравнения?
Вам придется собрать её самостоятельно или найти открытые датасеты. Парсинг новостных сайтов и Telegram-каналов — лучший способ наполнить свою «Базу Правды» актуальными данными.
