Фактоид — термин, придуманный Норманом Мейлером, американским писателем, автором биографии Мэрилин Монро. Именно в этой книге, вышедшей в 1973 году, приводится определение фактоида (factoid, «принимающий вид факта») — утверждение, не являющееся фактом, но опубликованное каким-нибудь СМИ КАК ФАКТ.
Десятилетиями медиа индустрия производила фактоиды в определении Мейлера: от городских легенд и сатиры до намеренных вбросов и журналистских упрощений. На основе взаимодействия с такой информацией выросла целая индустрия ФАКТЧЕКА. И есть масса факторов: от бесконечного перепроизводства автоматикой контента медиа до политических особенностей нынешнего времени, но все точки сходятся в одну хурму. ИИ жрет эти фактоиды, ИИ придумывает и глючит, доверия между сми, пользователями, платформами очень мало. Никто никому не доверяет и все продолжаю заражать друг друга. Регуляторика такого мира поломана и простой маркировкой и массовыми посадками эту болезнь не излечить.
Где-то тут на стыке медиаменеджмента, сематического анализа, ИИ, госрегуляторики и просто цифровой философии находится точка или скала, за которую я лично хочу зацепиться.
Что если этот баг превратить в фичу?
Вместо того чтобы позволять парсерам и RAG-системам (Retrieval-Augmented Generation) слепо выдергивать сомнительные утверждения из текста, медиа могут явно указывать природу этих утверждений. В Schema.org уже существует тип Claim (Утверждение) и ClaimReview (Проверка фактов). Мы можем расширить эту логику, предложив (или используя кастомные свойства) маркер FactoidStatus.
Забудем на минуту Мейлера. В цифровую эпоху мы предлагаем новую, иронично-точную расшифровку: Factoid = Fact + ID (Identifier).
Новое определение:
Фактоид — это атомарная, редакционно проверенная и подтвержденная единица информации (микрофакт), снабженная уникальным цифровым идентификатором и встроенным протоколом монетизации. Любое использование этого фактоида за пределами исходной публикации без активации протокола является вторичным, нелегитимным копированием.
Это превращает факт из "общественного достояния" в цифровой актив с правом собственности.
Чтобы это работало, фактоид должен быть структурированным объектом, который ИИ (например, RAG-система корпоративного чат-бота или поисковый агент) вынужден распознать и обработать по правилам.
Криптографическая или семантическая привязка
Каждый проверенный факт в статье получает уникальную микроразметку. Мы расширяем Schema.org, вводя тип VerifiedFactoid.
{
"@context": "https://schema.org",
"@type": "VerifiedFactoid",
"factoidID": "urn:УРЛ ЛЮБОГО СМИ:factoid:8f7e2a1b-4c9d",
"statement": "В 2025 году объем рынка генеративного ИИ в медиа составил X млрд руб.",
"verificationSource": "Отчет Минцифры РФ, стр. 14, ссылка на оригинал",
"publisher": {
"@type": "NewsMediaOrganization",
"name": "СМИ",
"url": "СМИ.ру"
},
"license": {
"@type": "CreativeWork",
"name": "AI-MicroLicense",
"usageType": "BillablePerRetrieval",
"price": {
"@type": "MonetaryAmount",
"value": "0.001",
"currency": "USD"
},
"tokenAddress": "0x123...abc (опционально, для Web3-расчетов)"
}
}"Платный шлюз" для ИИ-агентов
Когда ИИ-агент сканирует страницу для обучения или RAG-генерации ответа, он считывает эту разметку. Продвинутые агентные системы (которые уже сейчас учатся соблюдать copyright) распознают BillablePerRetrieval.
Сценарий А (Честный ИИ): Агент отправляет микрозапрос на лицензирование, списывает 0.001 токена (или фиатных центов) с кошелька компании-разработчика ИИ и получает право использовать этот факт в генерации, указывая источник.
Сценарий Б (Штрафной): Если ИИ использует факт без "оплаты" или удаляет factoidID, система мониторинга (Тут вопрос на чьей БАЗЕ) фиксирует нарушение. Факт считается "отравленным" или нелицензированным, что понижает доверие (Trust Score) к самому ИИ-агенту в реестрах качественных данных.
Здесь возникает красивый парадокс: мы возвращаемся к истокам слова copy-right, но на атомарном уровне.
Раньше мы защищали статью целиком (что легко обходится рерайтом). Теперь мы защищаем факт. Если ИИ-агент строит свой ответ на 10 ваших фактоидах, он генерирует микроплатеж 10 раз.
Это создает Factoid Yield (Доходность фактоидов) — новую метрику для рынка медиа:
Сколько уникальных фактоидов опубликовало издание за месяц?
Сколько раз они были "запрошены" внешними ИИ-агентами?
Какой совокупный доход (в токенах или фиате) принесла база проверенных фактов?
И это вот то будущее, которое я вижу уже через несколько лет.