68% уверены, что нейросеть не заменит живых респондентов
Стоимость сбора данных в маркетинговых исследованиях растет, борьба за внимание аудитории ужесточается, а молодые и высокодоходные респонденты не представлены в панелях в нужном объеме. В этих условиях появляется соблазн обратиться к инструментам, которые обещают мгновенную генерацию ответов. Но стоит ли следовать этому импульсу?
Разбираемся, кто такие синтетические респонденты, где кроются основные риски и готов ли рынок принять технологию как полноценную замену живой выборке. В основе материала – результаты опроса сервиса онлайн-опросов и маркетинговых исследований «Анкетолог». В исследовании приняли участие 600 респондентов: рисечеров, независимых консультантов, представителей академического сообщества и заказчиков исследований.
Что такое синтетические респонденты
Синтетические респонденты (или синтетики) – это ограниченный пул «цифровых копий» людей, которые формируются заранее и хранятся в системе. У каждой – свой портрет: демография, профессия, увлечения, модель потребления. Ими управляет система из множества агентов: одни алгоритмы обучают синтетиков, другие формируют выборку, третьи проверяют логику ответов на анкету.
При этом важно не забывать, что «под капотом» у синтетических респондентов – все та же большая языковая модель со свойственными ей искажениями. Предвзятость, склонность к усреднению и чувствительность к формулировкам никуда не исчезают – все это спрятано под более сложной архитектурой продукта.
53% опрошенных выбирают синтетику из-за скорости, а не экономии
Среди тех, кто уже использует синтетику в своих проектах, большинство (61%) работает со специализированными платформами с устойчивыми цифровыми профилями респондентов. 40% обращаются к разовой генерации ответов в LLM-чате. Собственные разработки в компании есть у каждого пятого (21%).
Главный мотив обращения к синтетическим респондентам — не деньги, а время. Среди тех, кто рассматривает или уже использует синтетику, половина опрошенных (53%) называет сокращение сроков сбора данных основной причиной обращения к синтетическим респондентам. На втором месте снижение стоимости «поля» – об этом говорят 39% участников опроса.
Каждый четвертый (25%) следует технологическому тренду, а также ценит скорость проверки гипотез и тестирования инструментария. Недоступность нужной аудитории в панелях как причину поиска альтернативы называет четверть опрошенных (24%).
68% уверены, что синтетика никогда полностью не заменит живых респондентов
Скорость и экономия звучат заманчиво, но этого пока недостаточно, чтобы развеять сомнения рисечеров. Несмотря на растущую популярность технологии, большинство профессионалов относится к ее возможностям сдержанно. 68% опрошенных уверены, что синтетика никогда не сможет полностью заменить живых респондентов.
Треть опрошенных (36%) называют синтетику инструментом с серьезными нерешенными методическими и этическими проблемами, который следует использовать с большой осторожностью. Еще 35% высказались о ней как о полезном, но узко специфическом инструменте, подходящем только для вспомогательных задач.
Синтез живых мнений: прорыв или самообман?
Одна из ключевых проблем – в том, что для создания хорошей модели явления нужно либо глубокое понимание механизмов формирования мнений и поведения в больших популяциях, либо большой устойчивый поток содержательных персональных данных, позволяющий точно их предсказывать.
В первом случае мы опираемся на знание о тенденциях, а не на точные модели (что в целом характерно для гуманитарного знания). Во втором случае данные уже есть, но доступ к ним ограничен и позволяет делать слишком обобщенные выводы.
Человек – существо биопсихосоциальное, и построить реалистичную модель, которая предсказывает, как все три уровня проявляются в мнениях и действиях, пока представляется слишком сложным. Текущие модели воспроизводят усредненные паттерны и стандартные сценарии, тогда как прорывные и продуктивные идеи часто лежат в «хвостах» распределения – в редких мнениях и неожиданных реакциях.
При этом я не исключаю, что, как это было с прорывом в архитектуре LLM, в какой-то момент появится подход, позволяющий хорошо моделировать реальность, которую мы до конца не понимаем
Три класса рисков, о которых не рассказывают вендоры
- Интернет = реальность: как это заблуждение искажает данные
Большие языковые модели обучаются на текстах в сети, которые чаще всего пишут активные авторы с выраженной позицией – преимущественно на английском языке и с уклоном в политику. Молчаливое большинство в обучающий корпус просто не попадает, а последующее дообучение с обратной связью от человека делает модель ещё более вежливой, осторожной и усреднённой. В результате синтетик-пенсионер превращается в карикатуру на пенсионера из медиа, а ответы смещаются к социально желательным – «как должно быть», а не «как на самом деле».
Синтетики способны воспроизводить общие тренды с ошибкой в 3-5 п.п. по топлайнам, но на уровне подгрупп ошибки достигают критических значений в 10-30%. По сути они усредняют то, что уже есть в данных, не добавляя ничего нового о поведении реальных людей.
На данном этапе синтетика оправдана для пилотажа анкет, быстрой проверки гипотез и добора «респондентов» в труднодостижимых сегментах, по которым есть реальные данные для валидации ответов. Платить за синтетику для замены полевого исследования я пока не готов
- Коллапс моделей: как нейроконтент снижает разнообразие
Нейроконтент, включая ответы синтетиков, попадает в обучающий корпус моделей следующего поколения – а сеть уже переполнена текстами, которые технически сложно отличить от человеческих. Без притока живых человеческих рассуждений модель начинает воспроизводить сама себя: чем больше синтетики на входе, тем хуже она предсказывает редкие случаи и тем сильнее схлопывается дисперсия ответов.
Еще один фактор, который нужно учитывать – скорость изменений. Текущий темп жизни, динамика глобальных процессов и высокая волатильность экономики меняют мнение и поведение реальных людей быстрее, чем адаптируется модель. Все это делает синтетиков ненадежным источником данных
- Самосбывающееся пророчество: как синтетики формируют реальность
Синтетические инсайты попадают в продукт, маркетинг и стратегию бизнеса – компании принимают решения, меняют сервис и коммуникацию. Реальные люди сталкиваются с этими продуктами, и их поведение меняется. Данные об этом уходят сначала в сеть, а затем в обучающие корпуса следующей модели, которая обучается на реальности, которую сама же и создала. Это особенно опасно для чувствительных тем: политических предпочтений, отношения к социальным группам. Модель генерирует «общественное» мнение, которое затем становится реальностью.
Каждый третий готов доверить синтетике генерацию, но не проверку гипотез
По мнению опрошенных, рынок недооценивает эти системные риски: среди «слепых зон» технологии отмечают коллапс моделей (29%), создание самосбывающихся прогнозов (26%), а также проблему согласия людей, чьи данные легли в основу цифровых профилей (24%). Каждый пятый (20%) отмечает иллюзию высокой точности при отсутствии возможности проверить результаты.
При этом основным препятствием для широкого внедрения синтетики называют невозможность проверить достоверность получаемых ответов (31%), риск систематических ошибок и скрытых смещений (20%), непрозрачность алгоритмов генерации ответов (17%), а также отсутствие убедительной научной валидации результатов (14%).
Почему синтетика особенно опасна на узких аудиториях
В этой связи у исследователя возникает резонное желание, если не полностью закрыть выборку синтетикой, то хотя бы добрать труднодостижимые группы респондентов.
Почему это не работает? Для того чтобы синтетик адекватно отвечал за редкую группу, модели нужна обширная эмпирическая база именно по этой группе — десятки и сотни реальных интервью, опросных данных, поведенческих метрик. Если у провайдера панели этой базы нет, модель начинает заполнять пробелы стереотипами из медиа.
Цена ошибки в узких сегментах особенно высока. На данных о топ-менеджерах компании принимают дорогие стратегические решения. На данных о носителях редких заболеваний — медицинские. На данных о жителях малых территорий — социальные и инфраструктурные. И если в массовых аудиториях ошибка синтетиков размывается в средних значениях, то в узких группах она превращается в систематическое искажение.
Мои эксперименты подтверждают этот тезис. LLM хорошо воспроизводят мейнстрим культуру (типичное), но плохо редкие и необычные феномены. Поэтому без контроля за распределением ответов результаты рискуют быть банальными
33% считают синтетику недопустимой для узких и уязвимых групп
Профессионалы рынка разделяют эту осторожность: треть (33%) считает применение синтетических респондентов рискованным для узких и уязвимых групп — редких заболеваний, малых территорий, ЛПР в B2B. Столько же (32%) не готовы полагаться на синтетику для финальных количественных оценок для принятия дорогостоящих решений, а также чувствительных тем — политики, отношения к социальным группам.
Каждый четвертый (25%) считает риск неприемлемым, когда нет возможности сверить результат с реальными данными, еще столько же (24%) — когда заказчик не проинформирован об источнике данных.
Сейчас рынок движется к гибридным протоколам: синтетика – для итераций и скрининга, живые респонденты – для финальных замеров. Профессиональные стандарты (AAPOR, ASA) уже требуют прозрачности: документировать происхождение синтетики, проводить валидационные тесты, не смешивать синтетические и реальные данные без маркировки
Исследования с участием синтетических респондентов сейчас более актуальны для агентств. В текущих условиях заказчики нацелены на оптимизацию бюджетов и не готовы вкладываться в пилоты и экспериментальные методики, валидность которых только предстоит доказать
Что реально работает: гибрид, а не замена
С учетом существующих рисков рынок движется не к полной замене живых респондентов, а к гибридным протоколам: 17% применяют их регулярно, 58% – эпизодически. Чаще всего роли распределяют так: синтетика закрывает труднодостижимые подгруппы, а основа выборки остаётся живой (40%); либо синтетика используется для быстрых промежуточных волн, а живые респонденты – для контрольных замеров (38%).
Те, кто уже применяют синтетику или рассматривает такую возможность, сознательно ограничивают круг ее задач. Треть (34%) готовы полагаться на нее, только если ошибка не повлияет на итоговое управленческое решение. Еще столько же (34%) допускают использование инструмента для генерации гипотез, но не для их проверки. Каждый третий (32%) готов «опрашивать» синтетических респондентов, только если есть возможности валидировать результат на живой подвыборке.
Каждый пятый не готов платить за синтетические данные
Платить за синтетическое исследование как за полноценное готовы лишь 14% опрошенных. Еще 29% согласны платить только со скидкой. Тогда как 38% воспринимают синтетику исключительно как вспомогательный продукт по существенно более низкой цене. Каждый пятый (20%) пока вовсе не готов платить за такие данные.
Социология изучает человеческий опыт, который нельзя синтезировать из паттернов. Для понимания новых феноменов, редких групп, живой реакции человек незаменим. Сообщество движется к тому, чтобы рассматривать синтиков как «песочницу» для тестирования инструментария, а не как замену полевого этапа
В этих условиях рабочая зона для синтетиков — всё, что не влияет на финальные решения: первичное погружение в проблематику, генерация гипотез, пилотаж инструментария. Зоны, где ошибки обходятся дешево и будут обнаружены на последующих этапах. Живой человеческий опыт все еще остается тем фундаментом, без которого синтетики превращаются в набор медийных стереотипов с привлекательным интерфейсом.
Выборка исследования
С 6 по 9 июля 2026 года с помощью онлайн-панели «Анкетолог» опросили 600 респондентов, которые регулярно проводят исследования.
Также по теме:
