ИИ-интервьюеры не могут установить связь с людьми так, как исследователи-люди — они выдают только данные, а не смысл
Может ли ИИ понять человека? Anthropic провела «крупнейшее качественное исследование» — но данные не равны смыслу
Компания Anthropic, создатель генеративного ИИ-инструмента Claude, заявила в марте 2026 года, что использовала ИИ-интервьюера для проведения «крупнейшего и самого многоязычного качественного исследования» в истории. ИИ-инструмент собрал ответы почти 81 000 человек об их представлениях об искусственном интеллекте, охватив 70 языков и 159 стран. Anthropic утверждает, что такие инструменты позволяют исследователям проводить «глубокие, открытые интервью в очень большом масштабе». Качественное исследование полезно для понимания реального жизненного опыта людей. «Качественный» относится как к типу собираемых данных (текст, изображения, аудио, видео — всё, что не является числом), так и к цели исследования. Качественное исследование позволяет глубоко исследовать противоречия, неопределённости и парадоксы повседневной жизни. Оно также помогает распаковать, как социальные нормы, культурные динамики и субъективный опыт формируют взгляды, убеждения и установки людей.
Может ли ИИ-модель без жизненного опыта и способности к саморефлексии установить достаточную связь с людьми, чтобы понять их миры? Мы — исследователи, специализирующиеся на качественных методах изучения цифровых технологий. За нашими плечами десятилетия опыта разработки, проведения и публикации интервью-исследований, и мы учим качественным методам студентов и аспирантов. Хотя ИИ-инструменты могут поддерживать социальные науки, у них есть значительные ограничения. Игнорирование этих ограничений рискует подорвать уникальную ценность исследований, основанных на человеческой связи.
Что такое качественное исследование на самом деле
Широко говоря, качественное исследование — это изучение смысла, который люди придают своему опыту. Оно часто включает личные интервью с отдельными людьми и группами. Цель — дать объяснения о мире, показывая нюансированные способы создания смысла с учётом контекста. Например, наша команда использовала качественные методы, чтобы исследовать, как родители, дети и учителя ориентируются в вопросах цифровой приватности, а также как инфлюенсеры, активисты и обычные пользователи осмысляют и реагируют на алгоритмы соцсетей.
Anthropic Interviewer может задавать вопросы участникам и формировать уточняющие вопросы на основе ответов. Но мы утверждаем, что качественное исследование требует человеческих способностей, которых у ИИ-модели нет.
ИИ запрограммирован — человеческие разговоры нет
В отличие от количественных исследований, которые полагаются на строго контролируемые условия и тестирование конкретных гипотез, качественные исследования более открыты. Мир сложен, хаотичен и нюансирован — интервьюеру может потребоваться менять начальные вопросы или добавлять новые, чтобы собрать содержательные данные. Исследователи адаптируют интервью, следуя conversational flow (потоку разговора). Чтобы спланировать взаимодействие ИИ-интервьюера с участниками, исследователям нужно указать основные вопросы и дать программе инструкции, как взаимодействовать. В своём исследовании об ИИ Anthropic использовала такие вопросы: «Для чего вы в последний раз использовали ИИ-чатбота?» и «Если бы вы могли взмахнуть волшебной палочкой, что бы ИИ сделал для вас?» Компания не уточнила, какие подсказки или гипотезы она заложила в систему для генерации уточняющих вопросов.
Полагаясь на фиксированные инструкции, Anthropic Interviewer не ведёт разговор с участником так, как это делает человек-исследователь. Вместо этого он выполняет серию задач в ответ на инженерные подсказки. Человеческий интервьюер впитывает разнообразную информацию от участника — его слова, тон, поведение — и реагирует органично. ИИ-интервьюер, будучи машиной, может действовать только в рамках параметров, заданных разработчиками. Это означает, что даже обученный на больших наборах данных, он не сможет учесть уникальные, часто невысказанные реляционные динамики новых интервью. Использование ИИ-инструмента может генерировать качественные данные, но это не то же самое, что проводить качественное исследование.
У ИИ нет позициональности
Большинство качественных исследователей видят свою идентичность, жизненный опыт и отношения с людьми, которых они изучают, как центральные для своей работы. Эта позициональность — расы, гендер, убеждения, ценности, предрассудки, жизненные обстоятельства — позиционирует исследователей по отношению к их фокусу (как инсайдеров, аутсайдеров или что-то среднее). Anthropic Interviewer не имеет никакой позиции по отношению к исследованию, потому что у него нет тела, идентичности, истории жизни или пережитого опыта. Даже если его запрограммировать имитировать определённую перспективу (например, «от женщины к женщине»), он не будет «содержать множественности», как говорил поэт Уолт Уитмен.
В отличие от реального человека с личной перспективой, который может искренне реагировать на живой разговор, ИИ-модели используют вероятности для сопоставления паттернов того, как человек обычно действует или говорит. Участников может отталкивать, если ИИ-интервьюер принимает определённую персону. В некотором смысле, Anthropic AI может представить только то, что философ Донна Харауэй называла «взгляд из ниоткуда». Отсутствие личного объектива не означает нейтральности. Поскольку ИИ обучаются на существующих данных, они могут отражать доминирующие стереотипы и мировоззрения своего времени, включая взгляды разработчиков, кураторов и компаний за ними.
Отсутствие позициональности имеет значение, потому что эта характеристика формирует каждый этап исследования: какие вопросы задают интервьюеры и как они их задают; как фильтруют информацию и интерпретируют ответы; какие темы развивают. Общие черты с участниками — даже просто быть человеком, который может иметь личный опыт, мысли и эмоции — могут быть критичны для сбора данных и анализа. Без личного объектива интервью становятся плоскими и лишёнными контекста. Вопросы становятся механическими, развитие взаимопонимания ограничено. Участники также могут реагировать иначе, когда чувствуют, что интервьюеру не хватает чёткой перспективы.
ИИ не способен к рефлексивности
Когда исследователи могут рефлексировать о своих собственных допущениях, они производят более продуманные и ответственные результаты, избегая искажённого представления участников. Рефлексивность — это ещё один ключевой человеческий аспект качественного исследования: постоянные усилия исследователей отслеживать, как их личный фон и выбор влияют на работу. Хорошие качественные исследователи не пытаются устранить свои предубеждения — они пытаются их учесть. Они постоянно думают о том, как их идентичность, опыт и перспективы формируют их работу, и публично делятся этими размышлениями.
Anthropic Interviewer не способен к рефлексивности, потому что у него нет системы отсчёта или способности к саморефлексии. Как машина, он не может отслеживать свои «выборы» во взаимодействиях, учитывать, как участники его воспринимают, или размышлять о том, как эти факторы формируют то, чем участники делятся или что утаивают. Когда читатели не могут оценить, как допущения, ценности, убеждения и выбор исследователей повлияли на сбор данных, это делает исследование менее заслуживающим доверия.
Интервьюирование часто помогает исследователям развивать эмпатическую связь с участниками, что помогает обеспечивать этичность и подотчётность работы. Эта глубоко ощущаемая связь направляет исследователей в соблюдении границ интервью. Эмпатия также помогает исследователям с осторожностью относиться к мыслям, чувствам и опыту участников, представляя их максимально точно.
Качественные интервью всё ещё нуждаются в людях
Anthropic Interviewer открывает новые возможности для качественных исследований, обеспечивая сбор данных в беспрецедентном масштабе и темпе. Но это не означает, что он делает то, что делают люди-интервьюеры в качественном исследовании. Исследовательское интервью — это не извлечение готовых инсайтов из участников максимально эффективно. Это вхождение в реальности других людей и использование общих человеческих переживаний, которые делают взаимопонимание возможным — как когнитивно, так и эмоционально.
Ключевые различия между ИИ-интервьюером и человеком
| Аспект | Человек-исследователь | ИИ-интервьюер (Anthropic) |
|---|---|---|
| Жизненный опыт | Есть (личная история, идентичность, эмоции) | Нет (только обучение на чужих данных) |
| Адаптация к разговору | Органичная, интуитивная, считывает тон и поведение | По фиксированным инструкциям и запрограммированным правилам |
| Позициональность | Центральна (раса, гендер, ценности, опыт) | Отсутствует («взгляд из ниоткуда», но с унаследованными стереотипами) |
| Рефлексивность | Постоянная саморефлексия и учёт своих предубеждений | Невозможна (нет самоосознания) |
| Эмпатия и доверие | Глубокие, влияют на сбор и интерпретацию данных | Имитируется вероятностями, поверхностно |
| Цель | Понять смысл, войти в реальность другого | Извлечь данные максимально эффективно |
- Данные ≠ смысл. ИИ может собирать миллионы ответов, но интерпретация требует человеческого понимания контекста.
- ИИ не обладает позициональностью. У него нет идентичности, жизненного опыта или линзы, через которую он смотрит на мир.
- ИИ не способен к рефлексивности. Он не может осознавать и описывать, как его «выборы» повлияли на исследование.
- Качественное исследование — это не извлечение данных на скорости. Это вхождение в реальность другого человека и использование общей человечности для понимания.
- Эмпатия имеет значение. Участники делятся более глубокими вещами с тем, кто может их понять как человек.
Итог: Anthropic Interviewer — впечатляющий инженерный подвиг. Он может собрать больше данных, чем любой исследователь за жизнь. Но качественное исследование — это не гонка за объёмом. Это установление связи, взаимопонимания и доверия. Пока ИИ не научится иметь собственный опыт и рефлексировать о нём (а это вряд ли случится), он может создавать только данные — но не смысл. А без смысла качественное исследование перестаёт быть качественным.
ДРУГИЕ СТАТЬИ
20.05.2026
Загадка древнего Куша: как менялся Нил и почему город процветал без воды рядом
Когда я впервые стал соруководителем археологического проекта в Джебель-Баркале на севере Судана в 2018 году, я был поражён пирамидами, храмами и дворцами этого места. Здесь находился городской центр древнего царства Куш, которое доминировало в долине Нила с перерывами на протяжении более 2000 лет — с 2000 года до н.э. по 350 год н.э. Я был далеко не одинок в своём восхищении руинами — европейские и американские путешественники посещали эти места, а археологи документиро
19.05.2026
Оранжевые шары на проводах: что это, зачем нужны и почему они такого цвета
Вы когда-нибудь смотрели вверх во время поездки по трассе и замечали большие оранжевые шары, висящие на линиях электропередачи? Они выглядят как гигантские бусы, нанизанные на провода. Что, чёрт возьми, эти переросшие баскетбольные мячи делают наверху? Я профессор, который преподаёт и исследует энергосистемы — те самые большие сети, которые доставляют электричество от электростанций к нашим домам, школам и офисам. Эти большие оранжевые шары не помогают току течь и не
15.05.2026
Тесты на биологический возраст: почему то, что работает для учёных, не подходит для вас
Представьте, что вы получаете результат: ваш биологический возраст на пять лет старше паспортного. Вы регулярно занимаетесь спортом, хорошо спите, здорово питаетесь и у вас счастливая личная жизнь. Что вы делаете не так? Можно ли доверять этому тесту? Десятки компаний продают обещание раскрыть ваш «истинный» биологический возраст — то, насколько хорошо функционирует ваше тело — за сумму от 30 до 1000 долларов. Эти продукты основаны на эпигенетических часах
14.05.2026
Почему ИИ-дата-центры пожирают чипы для вашего смартфона (и при чём тут олигополия)
Бум строительства дата-центров поглощает большую часть поставок высокотехнологичных компонентов, особенно процессоров и чипов памяти. Этот спрос сжимает производителей потребительских устройств, которым всё труднее получать достаточно чипов. И это происходит, хотя серверы дата-центров и смартфоны используют разные типы чипов. Ключевое различие — в том, под что чипы оптимизированы. Смартфонам и ПК нужны низкое энергопотребление, тепловая эффективность и
ПИШИТЕ
Техническая поддержка проекта ВсеТут