Skip to content
Новость Curiosity Current окт. 2026 г.

Curiosity Current: «AI — это старшеклассник-стажёр в маркетинговых исследованиях»

Алиса Гамильтон, основатель Harvest Insights

Подкаст Curiosity Current выпустил эпизод с Алисой Гамильтон (Alisa Hamilton) — основателем Harvest Insights и исследователем с более чем 20-летним опытом в qual и quant методологиях. Разговор посвящён тому, что именно сейчас происходит с ролью исследователя в эпоху AI, почему скорость и стоимость перестают быть главным дефицитом, а качество по-прежнему остаётся за пределами автоматизации, и как воспитывать следующее поколение специалистов.

Сто сдвигов одновременно

Гамильтон отмечает, что нынешний момент отличается от предыдущих трансформаций отрасли — перехода от почтовых опросов к онлайн-формату, появления мобильных исследований — принципиально иным масштабом: «Мы делаем не один сдвиг, мы делаем сразу сто. Меняются все методологии одновременно, и это создаёт одновременно хаос и возможности».

Показательный пример: на одном из питч-тендеров из пяти презентаций четыре выглядели практически одинаково — одинаковая структура слайдов, одинаковые буллеты, одинаковое расположение блоков. «Было очевидно, что все четыре сделаны в Claude», — говорит Гамильтон. Пятая была сделана человеком, и это было заметно сразу. По её мнению, проблема не в том, что AI не может делать слайды; проблема в том, что мы ещё не научили его делать их хорошо.

Аналогия со старшеклассником-стажёром

Метафора Гамильтон для AI: не полноправный коллега и не инструмент с кнопкой — скорее первокурсник без опыта, которому нужно объяснять каждую мелочь и раз за разом итерировать. «Это имеет смысл для повторяющихся задач. Но если задача нетипичная и выполняется раз в год — возможно, проще справиться иначе».

Из этого следует её позиция по применению AI в исследованиях: сначала работу выполняет человек, а потом AI проверяет, нет ли пропущенных деталей, можно ли что-то улучшить, предлагает дополнительные идеи. Подход «давайте сначала всё зальём в AI, а потом исправим косяки» она считает обратным порядком.

Что AI ещё не умеет — и что поэтому становится ценнее

AI хорошо справляется с задачами вроде анализа кросс-табуляций: «У него взгляд ястреба — он замечает крошечные вещи, которые человеческий глаз пропустит». Но это не готовый результат исследования, а отправная точка для интерпретации.

В треугольнике «скорость — стоимость — качество» AI ускорил и удешевил первые два параметра, но по третьему разочарование по-прежнему велико: «Я не знаю ни одного момента в процессе, где можно просто бросить что-то в AI и получить обратно ответ, который любой коллега назовёт качественным».

На этом фоне, по мнению Гамильтон, возрастает ценность тех частей процесса, которые AI заменить не может: постановка вопросов (что именно мы изучаем и как) и интерпретация (почему данные говорят именно это). «Я думаю, что передний план исследования — выбор вопросов и методологий — сейчас даже важнее, чем раньше. А задний план, интерпретация, — тоже не стал проще».

Новые методологии, не просто старые в новой упаковке

Гамильтон критически относится к тому, что большинство «новых» AI-методологий — это лишь автоматизация старых. AI-модерация не является самостоятельной методологией; это инструмент, который можно встраивать в существующие подходы: например, собирать предварительную информацию о теме, а потом отбирать участников для углублённого разговора с живым модератором.

По-настоящему новые возможности — это реалистичные тестовые среды и демократизация choice modeling. Прежде choice modeling требовал статистической экспертизы и большого бюджета; теперь концептуального понимания метода плюс AI достаточно, чтобы запустить корректное научное тестирование без PhD в статистике.

Воспитание следующего поколения

Гамильтон упомянула, что одна крупная компания запрещает стажёрам и аналитикам первого года работы использовать AI, чтобы они освоили базовые навыки руками. Вне зависимости от того, правильная ли это стратегия, навыки программирования, по её мнению, теряют вес, а широта кругозора и концептуальное понимание исследовательской логики — приобретают.

Одно остаётся неизменным: «Любопытство — единственное, что в хорошем исследователе не изменится никогда. Готовность отойти от сценария, когда что-то в разговоре действительно зацепило, — это то, что AI не воспроизведёт».