AI у дослідженнях: чому синтетичні респонденти не замінять людей

Дискусія про те, чи є штучний інтелект черговим хайпом у дослідницькій галузі, завершилася. Тепер питання інше: як будувати бізнес і зберігати якість даних у нових умовах. Сесії про синтетичних респондентів і цифрових двійників на конгресі ESOMAR 2026 були переповнені, а серед рушіїв AI-трансформації — не лише прагнення до економії, а й щира цікавість клієнтів до нових методів.

Один із помітних трендів — перехід від окремих досліджень до постійної системи знань. Класична схема «питання — дослідження — презентація — закриття проєкту» надто повільна для бізнесу, який ухвалює рішення щодня. У Kraft Heinz команда замість нового масштабного дослідження зібрала десятки попередніх, додала свіжі дані від споживачів і застосувала AI для роботи з масивом. Робота, яка зазвичай займала місяці, виконана за кілька тижнів. Головним інструментом поступово стає не новий збір даних, а швидка активізація вже наявних знань. Паралельно дослідження рухаються від пояснення минулого до моделювання майбутнього: синтетичні респонденти та цифрові двійники дедалі частіше використовують для сценаріїв «що буде, якщо…?».

Щодо заміни людей машинами, то найзріліші розмови на конгресі вже не звучать як «люди скоро залишаться за бортом». Найперспективніша модель — не люди або AI, а люди разом з AI. Рівень похибки синтетичних моделей і двійників досі недостатній для повного заміщення досліджень на реальних людях: навіть найкращі приклади на стабільних ринках декларують 85%. Основна проблема — мінливість думок і намірів під впливом медіа та багатьох зовнішніх факторів. Водночас синтетичні моделі швидко перевіряють велику кількість гіпотез, допомагають побачити слабкі місця та скоротити кількість варіантів до тих, які справді варто тестувати на людях. У прикладі Itaú етап пошуку й перевірки ідей скоротився приблизно з двох тижнів до кількох годин, але фінальним етапом залишилася перевірка на реальних людях.

Ще один наскрізний мотив конгресу — розрив між тим, що люди розповідають про свою поведінку, і тим, як поводяться насправді. Приклад Unilever та Ipsos: за допомогою спеціальних міток виміряли реальну кількість засобу для прання, яку використовують люди. У середньому вона майже збіглася з названою в опитуванні, але в окремих праннях лише близько 30% заявлених доз були близькими до фактично виміряних. Тому до опитувань дедалі частіше додають спостереження за реальними діями та дані про контекст рішень. Швидкість при цьому не дорівнює достовірності: в одному з представлених на ESOMAR прикладів AI використовували замість технології відстеження погляду на упаковці. У 77 паралельних тестах він непогано визначав, які елементи привертають увагу, але значно гірше показував послідовність читання упаковки. У 67% випадків заміна дослідження з реальними людьми на AI могла б привести до іншого висновку для бізнесу.

Роль дослідника трансформується, але не зникає. Чим більше AI бере на себе обробку даних, аналіз і формування гіпотез, тим важливішою стає людська експертиза: правильно поставити запитання, помітити суперечність у даних, зрозуміти культурний контекст і визначити, який результат справді важливий. На конгресі прозвучало формулювання нової ролі дослідницької команди — архітектори, контролери якості та перекладачі. Дослідник майбутнього оркеструє людський і машинний інтелект, контролює якість і перетворює складний масив сигналів у рішення.

Для України ця тема має додатковий вимір. Коли суспільство переживає масштабні зміни, недостатньо просто швидко зібрати дані — потрібно постійно переглядати, кого саме досліджують, як формулюють запитання і наскільки безпечно респонденту на них відповідати. У періоди криз дослідження стають частиною інфраструктури стійкості: допомагають бізнесу, державі й суспільству швидше бачити зміни та ухвалювати рішення на основі реальної картини.

Підсумок: цінність дослідження для бізнесу визначається не кількістю даних чи швидкістю їхнього аналізу, а тим, чи змінюють отримані висновки продукт, стратегію або комунікацію. Технології мають допомагати швидше й точніше розуміти людей, не втрачаючи людського контексту.