Синтетические респонденты: как ИИ меняет глубинные интервью

«Тысяча интервью за ночь, бесплатно» — так продают синтетических респондентов: языковые модели, которые отвечают на вопросы вместо людей.

Проверки последних двух лет показывают другую картину. В мегаисследовании под руководством Колумбийского университета модели дали 500 с лишним ответов конкретного человека. Точность выросла на 1,4 процентного пункта по сравнению с моделью, которая о человеке не знала ничего. Авторы назвали работу «Цифровые двойники как кривые зеркала».

«Фабрика Гипотез» использует ИИ в собственных исследованиях: для расшифровок, анализа, подготовки гайдов. Выводы о клиентах мы строим на разговорах с живыми людьми.

В статье — что умеют синтетические респонденты, что показали проверки их точности и как использовать их, не принимая решения по собственному отражению.

Синтетический респондент — языковая модель, которой задали профиль: возраст, роль, контекст, иногда данные реального сегмента. Она отвечает на вопросы интервью или анкеты так, как, по её представлению, ответил бы человек с таким профилем.

Под профилем работает та же модель, обученная на огромном массиве текстов. Она выдаёт наиболее вероятный ответ человека «такого типа». Опыта конкретного человека у неё нет.

Цифровой двойник — более сложный вариант. Модель получает ответы конкретного человека на сотни вопросов или запись интервью с ним и пытается воспроизвести именно его.

Толчок дала работа команды Стэнфорда, опубликованная в ноябре 2024 года. Исследователи построили 1 052 агента. Каждого — по двухчасовому интервью с реальным человеком. На вопросы социологического опроса GSS агенты отвечали с точностью 85 % от того, насколько сами люди повторяют свои ответы через две недели.

В пересказах теряется главное: самые точные агенты в этой работе построены на интервью с живыми людьми. В обновлённой версии статьи (2026) агенты на интервью дают 83 %, агенты только на демографии — 74 %.

Рынок отреагировал быстро. По опросу Qualtrics осенью 2024 года 71 % из более чем 3 000 исследователей согласились, что через три года большая часть исследований будет на синтетических ответах. Qualtrics сам продаёт синтетические панели, поэтому опрос стоит читать с этой поправкой.

Вендоры называют цифры «совпадения» с живыми людьми от 85 до 95 %. Считают их по разным метрикам и без независимой проверки. Synthetic Users, например, сравнил 8 синтетических интервью с 8 живыми по шкале, которую сам называет субъективной.

Независимые проверки 2024–2026 годов рисуют более сдержанную картину.

Мегаисследование цифровых двойников. Команда под руководством Колумбийского университета провела 19 предзарегистрированных исследований на почти 1 800 участниках. Двойников строили по ответам людей на 500 с лишним вопросов. Полный двойник оказался точнее модели без информации о человеке на 1,4 процентного пункта, а модель только на демографии от полного двойника значимо не отличалась. Средняя корреляция ответов двойника с ответами его человека — 0,20.

Разброс мнений. В том же исследовании ответы двойников были однороднее человеческих в 154 случаях из 164. Двойники чаще людей считали других справедливыми и охотнее принимали технологии.

Устойчивость. В работе Bisbee и соавторов (Political Analysis, 2024) синтетические ответы по средним были близки к реальному опросу ANES. Но 48 % коэффициентов в регрессиях значимо отличались от реальных, а у трети из них был противоположный знак. Небольшие изменения в формулировке промпта давали значимо другие результаты.

Средние ответы синтетика угадывает неплохо. Разброс мнений, связи между ответами и конкретного человека — плохо. А глубинные интервью проводят как раз ради разброса и связей.

У инструмента есть честные сильные стороны, если не требовать от него невозможного.

Репетиция исследования. Синтетика хорошо работает как тренажёр: обкатать гайд, найти дыры в скринере, проверить формулировки вопросов до выхода в поле.

Для учебного вебинара по AI Customer Development мы собрали ИИ-респондента: студентку Марину. В её карточке записана жизнь. Копит на летнюю поездку, деньги с карты тратит, а работает у неё один способ: отдавать часть зарплаты маме на хранение. Пересказывать это самой модели запрещено. На вопрос об идее Марина вежливо соглашается. Правду она рассказывает тем, кто спрашивает о её прошлом опыте, как учит книга The Mom Test.

Как тренажёр для интервьюера это работает. Источником знаний о студентах Марина быть не может: всё, что она расскажет, мы сами написали в её карточке.

Скорость и стоимость. Сотни ответов за минуты, без оплаты рекрута. Для черновой проверки формулировок и грубого отсева заведомо слабых идей этого хватает.

Труднодоступные аудитории. Когда живых респондентов почти не найти, синтетика даёт направление для гипотез. Проверяют их потом на немногих реальных людях.

Во всех трёх случаях цена ошибки низкая, а скорость важнее точности.

Проблемы начинаются, когда синтетику принимают за источник правды о клиенте.

Угодливость. Языковые модели склонны соглашаться с собеседником: это показали исследователи Anthropic на пяти ИИ-ассистентах. Nielsen Norman Group в разборе синтетических пользователей отмечает, что они слишком позитивны и неглубоки. Реальные люди противоречат друг другу, синтетика сглаживает.

Данные о человеке почти не помогают. 500 с лишним ответов конкретного человека дали прирост в 1,4 процентного пункта. Модель не становится этим человеком: под профилем остаётся та же базовая модель.

Слепота к контексту. В B2B синтетика не видит того, что решает покупку: бюджетных циклов, процедур закупки, внутренней политики. Разница между «50 тысяч в месяц — нормально» и «50 тысяч в месяц наша закупка не согласует никогда» для модели невидима.

Зависимость от промпта. Небольшое изменение формулировки меняет результат. Синтетическое «исследование» можно незаметно подогнать под ожидаемый ответ, даже не желая этого.

Ценность глубинного интервью — в неожиданном. Респондент говорит то, чего вы не ждали. Противоречит сам себе. Молчит там, где вы ждали откровенности. Из этих разрывов и рождаются выводы, которые меняют продукт.

Синтетический респондент воспроизводит ожидаемое. Ожидаемое уже было у вас в голове: в профиле, в формулировке вопроса, в гипотезе. Ник Самойлов из Conjointly назвал синтетику «гомеопатией исследований рынка»: она выглядит как данные, но за ней нет реальных людей. Conjointly продаёт опросы живых респондентов, интерес у автора есть, но аргумент от этого не слабеет.

Для задач, где нужен неожиданный вывод, синтетика бесполезна по своей природе. Дело не в недоработке модели.

Синтетика выигрывает по скорости и стоимости, живые люди — по всему, ради чего проводят глубинные интервью.

Зрелый ответ на вопрос «синтетика или живые люди» — оба, но на разных этапах. Правило простое: чем дороже ошибка, тем нужнее живые люди.

Синтетику применяйте на ранней стадии и там, где ошибка дешёвая: обкатка гайда, проверка скринера, репетиция интервью, черновые гипотезы.

Живых респондентов оставляйте для всего, что влияет на деньги: проверка спроса, цена, решения о продукте, B2B, регулируемые отрасли. Здесь нужна способность реального человека удивить, возразить и показать контекст, которого нет в модели.

Так работаем и мы. ИИ помогает готовить и ускорять исследования: гайды, скринеры, расшифровки, первичный анализ. Синтетических респондентов как источник выводов мы не используем.

В 2025 году вышла новая редакция кодекса ICC/ESOMAR — главного этического документа исследователей рынка. Обновление — первое крупное с 2016 года. В нём впервые описаны ИИ, синтетические данные и синтетические персоны, а акцент сделан на этике, подотчётности, прозрачности и обязательном контроле человека.

На практике команда должна уметь ответить:

• откуда данные — от живых людей или от синтетических респондентов;
• на чём основана симуляция;
• описывают персоны сегмент или конкретных людей;
• что ещё нужно проверить на реальной аудитории.

Руководитель имеет право знать, на каких доказательствах строит выбор. Выдавать синтетические ответы за мнение клиентов без оговорки — введение в заблуждение.

Выдавать синтетику за голос клиента. Синтетические данные выглядят чисто и уверенно, их легко показать руководству. Цена — решение, за которым нет ни одного реального клиента. Это главная ошибка: вместо доказательства в основу ложится правдоподобный текст модели.

Радоваться восторгу «респондентов». Приятно, когда идея всем нравится. Цена — угодливость модели принимают за спрос. Если все синтетические респонденты в восторге, это сигнал проверить промпт.

Проверять синтетикой собственную гипотезу. Удобно и быстро. Цена — модель подтверждает то, что заложено в формулировке вопроса, и команда получает своё отражение.

Верить одному прогону. Ответ кажется окончательным. Цена — другой промпт или другой день дали бы другой результат. Минимум — несколько прогонов с разными формулировками.

Могут ли синтетические респонденты заменить живые интервью?
Нет. Они полезны для репетиции и черновых гипотез. Удивить, возразить и показать реальный контекст они не способны, а ради этого и проводят глубинные интервью.

Почему 85 % точности не означают, что синтетике можно доверять?
Цифра Стэнфорда относится к опросу GSS и к агентам, построенным на двухчасовом интервью с живым человеком. Профиль без интервью даёт меньше. На уровне конкретного человека в мегаисследовании двойников корреляция ответов с реальными — 0,20.

Помогает ли «обучить» модель на данных реального человека?
Почти нет. 500 с лишним ответов человека дали прирост в 1,4 процентного пункта по сравнению с моделью без информации о нём.

Где синтетика действительно полезна?
Репетиция гайда и скринера, черновые гипотезы, грубый отсев слабых идей, разведка труднодоступных аудиторий. Везде, где ошибка дешёвая, а скорость важнее точности.

Используете ли вы ИИ в исследованиях?
Да, для подготовки и обработки: гайды, скринеры, расшифровки, первичный анализ. Выводы строим на интервью с живыми людьми.

Перед тем как опереться на синтетические данные, проверьте:

• синтетика используется для репетиции гайда и проверки скринера до выхода в поле;
• гипотезы из синтетики проверяются на живых людях до решения;
• ни одно дорогое решение не принимается только на синтетических данных;
• в отчёте помечено, какие данные синтетические, а какие от реальных респондентов;
• было несколько прогонов с разными формулировками;
• единодушный восторг «респондентов» проверен как сигнал тревоги.

Если нужны выводы от реальных клиентов, закажите глубинные интервью на странице CustDev и глубинных интервью. Найдём нужных людей и поговорим с ними.