Социологи бюро «Поле» — о том, как ИИ меняет их профессию
ИИ-боты уже могут проводить социологические интервью, собирать ответы и готовить на их основе отчеты. Но как меняется разговор, когда собеседник — машина, и что происходит, если вместо респондента тоже отвечает бот?
Об этом ForkLog поговорил с Сергеем Карповым, Сергеем Моховым и Иваном Напреенко — социологами бюро «Поле», которые внедрили ИИ в свою работу и поделились первыми результатами эксперимента.
ForkLog: Чем занимается современная социология? Какие задачи решает?
Сергей Карпов: Социология очень разная. Университетская, академическая социология стремится скорее к глобальным объяснениям миропорядка и к наращиванию знания, объясняет людям устройство общества. Антропология занимается конкретными, предметными вопросами: как устроена жизнь людей и как они взаимодействуют с культурой. Статистику с оговорками тоже можно назвать социологичной.
А есть прикладная социология, которой мы в бюро и занимаемся. Мы не делаем гипероткрытий в масштабах общества, но находим суперточечные решения для конкретных компаний, предприятий, стейкхолдеров. Помогаем им эффективнее тратить ресурсы, выстраивать процессы и в конечном счете приносить больше общественной пользы. В этом и состоит прикладная работа: используешь академическое знание для решения утилитарных задач.
Сергей Мохов: Академическая социология, на мой взгляд, как и любая наука, занимается прежде всего воспроизводством собственной башни из слоновой кости. Ее устройство определяется людьми, которые ею занимаются: удовлетворяют свое эго, строят теории. Каждый служит на своей башенке: кто-то — марксизму, кто-то — еще чему-нибудь. Это замечательное занятие, которому можно посвятить целую жизнь. Почему бы и нет?
Насчет прикладной социологии — здесь история предельно простая: максимизация прибыли. Есть великий поток товаров и услуг, и надо понять, как в нем больше продавать и зарабатывать. Иногда все держится на интуиции, на ощущении «на кончиках пальцев», а иногда — на вполне конкретных ремесленных приемах. Прикладная социология должна давать предпринимателям возможность понять, правильно ли они действуют и как сделать аудиторию счастливее.
Допустим, мы производим йогурт «Снежок». Как сделать его конкурентоспособнее «Данона»? Почему людям нравится йогурт со вкусом тыквы и банана, а не наш натуральный «Снежок»? Надо поговорить с потребителями, причем знать, как и о чем спрашивать. Затем обобщить полученное знание и передать стейкхолдерам — людям, которые будут инвестировать в «Снежок» и довозить его до полок.
ForkLog: И как это выглядит на практике?
Сергей Мохов: Прежде всего мы исследуем аудиторию: кто покупает продукты, кто не покупает и почему. На основе знаний о людях и сообществах придумываем бренды. Речь может идти об электронной системе доставки никотина, замороженной рыбе или «Яндекс Go» в странах СНГ. Для нашего подхода разницы нет.
Сергей Карпов: Ходим, разговариваем с людьми, делаем выводы, находим инсайты. Приносим их владельцам бизнесов, чтобы они могли доработать продукт, сделать его удобнее, скорректировать коммуникацию и повысить продажи. Параллельно разрабатываем концептуально-символические стратегии: бренд-платформы, коммуникационные системы. Допустим, человек решил инвестировать в производство мороженого. Мы забираем это мороженое и возвращаемся с маршрутной картой: что нужно сделать, как его назвать, какие сообщения и каким аудиториям адресовать, чтобы оно продавалось.
На первый взгляд работа очень сухая и детерминированная: максимизируем прибыль, наращиваем обороты. Но по пути — куча чудес и поводов для удивления. Люди могут выбирать один продукт вместо другого просто потому, что очень сильно его любят. А нам нужно понять, почему. Или мы изучаем повседневные процессы: банковскую транзакцию, получение кредита, заказ доставки, которая приехала вовремя или опоздала. Что человек при этом переживает? В его реакциях тоже много интересного и полезного для компаний, которым мы помогаем достраивать процессы и решения.
Сергей Мохов: Для бренда важны смыслы и эмоции, а не только то, что можно рационализировать. Мы больше работаем с экспрессивной стороной, пытаемся понять, может ли бренд, например, банка строиться на эмоциональных паттернах. Вроде бы вещь простая: вот кредит, вот проценты, и чтобы быть востребованным банком, надо просто снижать процентную ставку и увеличивать срок рассрочки. Но оказывается, этого недостаточно. Условный «Т-Банк», который играет в коммуникацию с потребителем, отличается от какого-нибудь обезличенного B2B-банка, которому положено быть строгим.
Здесь необходимо много навыков, которые трудно описать в измеримых и проверяемых категориях. Хороший вопрос: можно ли этому обучить? Реклама, копирайтинг, разработка брендов — все это в какой-то степени ремесло. Этому можно научить. А есть вещи, которые даже описать трудно: ты должен интуитивно их ощущать — на уровне опыта, квалиа. Уметь считать — это ремесло. А делать выводы, интерпретировать, создавать категории для дальнейшей работы — это все равно во многом остается на уровне интуиции.
Когда мы нанимаем людей, мне вообще неинтересно, где человек учился и какие курсы послушал. Ремесленные навыки можно освоить. Но если он не способен превращать свой интерес и удивление в вопросы, то этому научить невозможно. Когда вижу, что человека не удивляют обыденные вещи, чаще всего понимаю: мы не сработаемся. Если говорить об исследовании вообще как о практике, умение задавать вопрос в миллион раз важнее, чем умение искать ответы.
Сергей Карпов: Поэтому бизнесы приходят к таким, как мы, с содержательными вопросами. Почему конкретные потребители вообще должны пользоваться нашими услугами? Что ими движет, помимо повседневных бытовых нужд? Что выходит за пределы простого квадратно-гнездового, статистически рационального подхода?
Здесь мы помогаем посмотреть на потребителя иначе. Он перестает быть абстрактным объектом, которым можно управлять: показал ему рекламу — получил что-то взамен. Мы начинаем видеть в нем человека с собственными размышлениями, переживаниями, эмоциональным фоном. Объясняем бизнесу, как перепрошить свое сообщение, чтобы обращаться не к «среднестатистическим», а к живым людям. У них есть потребности, которые они либо не могут удовлетворить, либо доступные способы их не устраивают. Вот с этим мы и работаем.
Сергей Карпов: Абсолютно верно. Поэтому мы говорим, что занимаемся не маркетингом, а стратегиями и брендами. Маркетинг обычно измеряют так: потратил X денег на кампанию, выручил двадцать X. Бренд работает вдолгую, на уровне ценностей и репутации, формирует мотивацию людей, которые с ним взаимодействуют. В 2026 году почти нет разницы, какой телефон покупать. Есть тысяча евро — выбираешь любой, и он дает примерно тот же набор функций. Но некоторые никогда не уйдут от Samsung или Apple.
Почему? Потому, что компания транслирует определенный символический ряд, в понятную смысловую вселенную, частью которой покупатель готов быть. Почему так происходит? Маркетологи из девяностых объяснили бы: тебе просто чаще показывали рекламу Apple, чем Samsung. Нет, так это не работает. Люди гораздо сложнее.
Сергей Мохов: Именно поэтому бренды такие разные и нет никакого универсального рецепта. У каждого своя аудитория, свой способ выстроить с ней отношения. И дело не в технических различиях. Это важно: многие путают продукт и бренд. Кажется, что качественный продукт — уже сам по себе бренд, хотя это не так. Здесь речь об эмоциях. У мотоциклов Harley-Davidson сильная вибрация, руль трясется. Технически эта проблема решается быстро и легко. Но когда-то это стало фирменной чертой: зато у нас мотоцикл металлический, настоящий, ты его чувствуешь. На этом фоне пластиковый китайский мотоцикл — весь вылизанный, тихий, удобный — ощущается ненастоящим.
Похожим образом с дискомфортом работает Dr. Martens. Все ругают эту обувь за то, что первые месяцы ее тяжело и больно носить. Но Martens говорит: «Хочешь, чтобы ботинок стал твоим и служил долгие годы? Надо пройти посвящение. Засовываешь несчастную ногу, страдаешь, носишь, получаешь всеобщее одобрение». Хотя что мешало купить какой-нибудь удобный Tompkins? Была такая сцена в фильме This Is England: мама приводит маленького мальчика в обувной магазин. Он хочет Dr. Martens, а продавщица говорит: «Да зачем тебе эти башмаки? Тут есть классные, только привезли из Лондона», — и показывает мягкие, аккуратные туфли. Он отвечает: «Не хочу, не надо мне этого». Вот мы и пытаемся понять, как встраивать в бренд такие эмоциональные и культурные вещи.
ForkLog: В вашу работу интегрирован собственный ИИ-инструмент. Расскажите о нем: как устроен, какие задачи успешно забирает у человека, а какие доверять ему нельзя?
Сергей Карпов: Искусственный интеллект — невероятно мощный и важный инструмент, которым нужно научиться пользоваться. Многие делегируют ему весь процесс — от сбора данных до финального анализа и рефлексии. Но мы считаем, что при таком подходе многое теряется. Какие-то эмоциональные паттерны ИИ просто не замечает. Поэтому предлагаем симбиотическую модель: искусственный интеллект берет на себя сбор, обработку данных и предварительный анализ, а человек работает с результатом и доводит его до полноценного отчета. Для заказчика это тоже экономия и времени, и денег: вместо двух-трех недель мы готовы проводить исследование за три-четыре дня.
Как все это устроено? У нас есть система ботов, которые работают в привычной для пользователя среде — чаще всего в Telegram. Ты общаешься с ботом как с человеком: можешь писать, отправлять голосовые сообщения. Он напоминает о себе, если респондент перестал отвечать, задает дополнительные вопросы, уточняет ответы. Полученные данные попадают в базу. С помощью ИИ мы разбиваем их на тематические блоки, выявляем смысловые паттерны и подбираем к ним прямые цитаты из стенограмм. Дальше в работу включаются несколько агентов, обученных на методиках, которые мы используем в качественных и количественных исследованиях.
Пока инструмент внутренний. Доступ к нему как к самостоятельному сервису мы не предоставляем, хотя движемся в эту сторону. Сейчас предлагаем заказчикам исследования, которые проводим с его помощью. В тестовом режиме используем модели Anthropic: для наших задач они наиболее подходящие. При этом далеко не все здесь работает на LLM. В системе много обычных алгоритмов и скриптов — того, что находится за пределами интерпретации и предугадывания. Гайды, контекст и другие исходные параметры задает человек после брифа с клиентом. Он создает проект, заполняет необходимые поля, на которые будет опираться агент, и запускает работу.
ForkLog: У ИИ-скептиков сейчас популярна страшилка про обратного кентавра. Нарисуйте самый апокалиптический сценарий: как именно ваш инструмент может изменить общество к худшему?
Иван Напреенко: С ситуацией обратного кентавра постоянно сталкиваешься, в том числе при отладке подобных инструментов. ИИ действительно экономит время, но все не так безоблачно, как хотелось бы. Огромное количество сил уходит на борьбу со специфическими артефактами — зачастую текстовыми, хотя не только. Эти системы производят нечто псевдоосмысленное, поэтому человек нужен на всех этапах. Глубину выдаваемого ими смысла нужно постоянно проверять: опускать измерительные приборы, убеждаться, что дно не начинается в пяти сантиметрах от поверхности. Текст может выглядеть как отчет, но совершенно не отвечать задачам заказчика.
Еще один важный момент: у инструмента есть границы применимости. Чтобы избежать псевдоглубины, тематика должна быть довольно простой. Лучше всего он работает с конкретными запросами: исследовать удовлетворенность продуктом, собрать обратную связь о сервисе. В этих пределах он наиболее полезен: простота темы позволяет свести галлюцинации и неверные интерпретации к минимуму.
Беседы, требующие эмпатии, — проблемная зона. Насколько проще или сложнее обсуждать чувствительные темы с LLM? Для кого-то такой собеседник может снимать стресс: машина не осудит, не придется учитывать человеческие реакции. Но эмпатия — это еще и возможность поставить себя на место другого, предугадать движение души. Важен и ритм разговора. Человек чувствует темп беседы, понимает, сколько должна длиться пауза. В этом живой интервьюер незаменим.
ForkLog: Есть известная история. В 1966 году в MIT создали простейшего алгоритмического чат-бота. Сотрудница, представляла, как этот алгоритм устроен, попробовала с ним пообщаться. И потом заставила коллег нервничать, потому что неделю не могла оторваться, говорила: «Как будто с живым человеком». Не могут ли подобные аберрации восприятия искажать исследования?
Иван Напреенко: Здесь важен момент согласия на интервью с ботом. Сам формат интервью людям более-менее знаком, но понимание, что разговаривать предстоит с машиной, задает особую рамку. Кто-то общается грубее, а кто-то, наоборот, меньше выражает эмоции. Ты как будто не обязан делиться ими с машиной и меньше заботишься о впечатлении, которое производишь. На живого интервьюера мы всегда как-то реагируем. На машину — тоже реагируем, но иначе. Возникает вопрос: при обсуждении каких тем эта разница несущественна? Поэтому мы предлагаем разговоры на практические и сравнительно простые темы. В таких случаях различия в эмоциональных реакциях менее значимы.
Сергей Карпов: Исследования, в которых нужно разбираться в эмоциональных мотивах, трудно поручить машине. Эмпатия не сводится к тому, чтобы бесконечно поддакивать собеседнику. У большинства LLM есть комплиментарная настройка, но это не то же самое. Эмпатия машине пока недоступна. Поэтому задачи, требующие эмоциональной распаковки, ей просто не нужно делегировать. А восприятий примерно восемь миллиардов. Одни пишут: «Ого, ничего себе! Это правда был ИИ?» Другие спрашивают: «Зачем я буду разговаривать с электричеством?»
Сергей Карпов: Больше тех, кто удивляется: действительно ли на другом конце ИИ? Дело в опыте общения с такими инструментами. Я как технический лид постоянно работаю с этим инструментом, отлаживаю его, и мне уже сложно ходить по интернету, как прежде. По оформлению текстов, презентаций, слайдов вижу, что здесь поработал агент. Это еще не значит, что человек не участвовал, но построение фраз выдает машинную работу. Может, автора все устраивает, может, он не перечитал или что-то пропустил. Причины разные, но те, кто часто пользуется ИИ, узнают эти паттерны.
Каждого респондента мы первым же сообщением предупреждаем, что он разговаривает с ботом. Тот представляется: «Привет, я Петр, искусственный агент, который помогает бюро „Поле“». Человек видит это и решает, готов ли продолжать.
Иван Напреенко: Еще с ботом люди склонны говорить короче. Даже в голосовых сообщениях респонденты рассказывают меньше, отвечают более сжато. Это видно по объему речи. Поэтому разговор по душам — пока не совсем сюда. Нашего бота вряд ли станут воспринимать как незнакомца в купе, которому можно рассказать все, что наболело. Тем более что бот будет упорно возвращать его к заложенному гайду. Он супернастойчивый — это одна из черт, над устранением которой мы до сих пор работаем, поскольку многие жалуются на приставучесть. Он настроен раскручивать человека на конкретный ответ по теме. Если спрашивает, как ты пользуешься инструментом, а ты отвечаешь уклончиво, он тебе: «Все-таки давайте уточним». У нас есть правило: не возвращаться к одной теме больше трех раз. Но даже это много. Представьте собеседника, который на каждый уклончивый ответ несколько раз возвращает тебя к вопросу. Уже после второго такого захода ты его пнешь под колено, а может, и под ребро.
ForkLog: Кажется, у ИИ все же благодаря всем этим особенностям есть потенциал там, где живому социологу работать тяжело: разговаривать, например, с теми, кому больно вспоминать пережитое насилие. Так ли это?
Иван Напреенко: Я хочу подробнее разобраться в работе с чувствительными темами. Почти уверен, что такие исследования уже есть, в том числе об общении с людьми, пережившими травматический опыт. Есть статьи о том, как люди использовали ИИ-компаньонов в терапевтических целях. Причем даже романтических ботов, с которыми можно обсуждать специфические фантазии. Для самих разработчиков это было неожиданностью: бот, предназначенный для разговоров об экзотических предпочтениях, вдруг помогает человеку почувствовать, что его переживания признают. Или поддерживает его в разговоре о пережитом насилии. Думаю, такая псевдосубъектность может снижать напряжение, облегчать раскрытие души.
ForkLog: Еще насчет агента Петра. Представьте — стучится ваш агент к респонденту и говорит: «Здравствуйте, я агент Петр». И на том конце отвечают: «Очень приятно. А я агент Артур».
Иван Напреенко: А мы уже с этим сталкиваемся.
Иван Напреенко: Существует целый рынок профессиональных респондентов. Некоторые особенно прокачанные участники уже обзавелись агентами, которые за них дают интервью и проходят опросы. Есть онлайн-панели — базы респондентов, которые за ответы на вопросы получают деньги. Недавно мы проводили опрос и заметили ответы, написанные, по всей видимости, агентами. Тут в первую очередь помогает насмотренность, читаешь текст и понимаешь, что с ним что-то не то: человек, похоже, наладил агента, который отвечает за него то как фанат «Спартака», то как потребитель вейпов или молока. Это действительно проблема, и готового ответа, как очищать данные от подобного, у нас нет. Некоторые уже принимают это как реалии рынка и делают на этом продукты — так называемых синтетических респондентов. Исследования на синтетиках — тренд последних лет, нам, впрочем, чуждый.
Уже есть отдельная ветвь пограничных, околосоциологических исследований, которые выявляют паттерны в реакциях больших моделей. Суперинтересная штука: цифровое подсознание, коллективное бессознательное в форме, которую Юнг себе не представлял. Машинное бессознательное, явленное в виде отчасти независимых от нас сущностей, которые копошатся где-то параллельно.
ForkLog: Какие изменения, вызванные ИИ, вы уже наблюдаете в обществе? Произошел какой-то сдвиг, который вас пугает, увлекает, завораживает?
Иван Напреенко: Маттео Пасквинелли, чью книгу я переводил, в той или иной форме указывает на одно из таких изменений. Первые пророки машин, в том числе Алан Тьюринг, представляли их как замену слугам. Машина задумана как слуга, LLM — тоже. Тьюринг так и говорил: servant будет машинизирован. Но парадокс в том, что LLM все чаще занимает место хозяина — master. Везде, где внедряются большие языковые модели, люди все больше занимаются отладкой, настройкой, контролем, проверкой машинного результата. Например, программисты говорят: «Я латаю код за моделью вместо того, чтобы заниматься творческой работой. Вместо производителя становлюсь надсмотрщиком за машиной и в этом смысле ее слугой. Потому что творец теперь она». Меня это смущает. Поэтому повторюсь: задача нашего инструмента — автоматизировать простые исследования продуктов и сервисов, где не требуется глубокого разговора по душам. Хотя использовать его можно шире.
Сергей Карпов: У меня никаких особенных тревог насчет ИИ нет. Страхи, которые разлиты по массмедиа, понятны, но, мне кажется, очень далеки от технологии, которой мы сейчас располагаем. Недавно я смотрел выступление Сэма Альтмана. Ему то ли пиарщики подсказали, то ли он сам придумал одно очень удачное сравнение. Предвосхищая вопросы о безопасности, устойчивости и общественных страхах, Альтман сравнивает ИИ с электричеством. Говорит: сначала люди придумали электричество, а потом семьдесят лет пытались понять, как этой штукой управлять. Кто-то в процессе погибал, что-то постоянно выходило из-под контроля. Но сегодня мы разговариваем буквально внутри электричества, полностью им обвязаны. Научились жить с этой технологией, договорились с ней. Технология подсказала, как ее использовать, а если надо — как ее регламентировать. Сперва эта мысль показалась мне наивной. А потом я посмотрел на страхи по поводу порабощения мира искусственным интеллектом и увидел сходство. Ситуации не тождественные, но мы опять имеем дело со сложной, прорывной технологией, на освоение которой нужно много времени.
Это в пику аргументу, что агент становится нашим хозяином, а мы его обслуживаем. Нет, просто настройка еще продолжается, мы учимся сосуществовать с технологией. При таком подходе происходящее кажется мне чуть более предсказуемым. И отдельно хочу подчеркнуть приведенное Альтманом сравнение с электричеством. Это уже работа с символами, с брендом. Само сообщение и его посев в нужные головы — по-моему, высший пилотаж того, как они работают.
