Greenbook: где человеческое суждение по-прежнему незаменимо в AI-качественных исследованиях

Примечание редактора. На ежегодной конференции QRCA 2026 одной из самых полезных сессий, которую я посетила, стало выступление Сьюзен Соррадж-Альтенло «Человек на первом месте: как будущее качественного исследователя выглядит в мире AI». Я публикую этот материал вместе с недавним текстом об AI-модерации — два доклада дополняют друг друга. Сессия Лорен МакКласки прояснила, когда AI может разумно вести беседу. Сессия Сьюзен поставила следующий вопрос — и, пожалуй, более важный: что происходит после разговора, когда AI начинает формировать интерпретацию? Именно здесь сосредоточен главный риск. Не в правке транскриптов и не в черновых резюме — а в создании смысла.

AI может ускорить рабочий процесс, но не может владеть интерпретацией

Такова суть ситуации на сегодняшний день. В начале своего выступления на конференции QRCA 2026 Сьюзен Соррадж-Альтенло сформулировала тезис, который индустрии нужно усвоить как можно скорее: вопрос о том, будет ли AI использоваться в качественных исследованиях, больше не стоит. По её словам, «для исследований вопрос уже не в том, будет ли применяться AI».

Это решение уже принято. AI встроен в платформы, рабочие процессы и ожидания клиентов. Он чистит транскрипты, составляет гайды, генерирует резюме и предлагает мгновенный «анализ».

Поэтому я не предлагаю позицию в дебатах «использовать или не использовать AI в qual». Лучший вопрос, на мой взгляд, — как использовать AI, не разрушая то, за что клиенты нас нанимают.

Не скорость. Не форматирование. Не аккуратное резюме.

Нас нанимают за суждение.

Этот фрейм точно соответствует сигналу, о котором я писала в предыдущем материале о QRCA: работа меняется, ценность смещается в сторону синтеза, экспертного сопровождения и поддержки решений.

Выживут не те исследователи, которые продают часы или навыки модерации, сколь бы блестящими они ни были. Выживут те, кто продаёт интерпретацию и консультирование — те, кто делает смысл из данных.

Где в действительности начинается риск: интерпретация

Сьюзен не была настроена против AI — и это важно. Она была практична. AI действительно полезен для:

• подготовки гайдов
• организационной логистики
• правки транскриптов
• первичных резюме
• ранней поддержки категоризации

Снять эти задачи с плеч исследователя — реальный выигрыш в эффективности. Это даёт хороший старт. Как сказала Сьюзен на сессии вопросов и ответов: «Это помогает начать». Именно так. Это действительно экономит время на начальном этапе. И если вы нигде не экономите время прямо сейчас, вы, вероятно, используете инструменты неправильно.

Смысл сессии был не в том, чтобы «не использовать AI» — а в том, чтобы использовать его там, где он поддерживает инсайт, и не позволять ему заменять те части, которые формируют инсайт. Это различие и есть ключевая игра.

Уплощение: главный изъян, за которым нужно следить

Сьюзен дала аудитории термин, который используется и в других отраслях: уплощение (flattening). И она повторила его чётко: «AI уплощает данные». AI сглаживает напряжение в языке участников и возвращает вам что-то отполированное, связное — но эмоционально мёртвое.

Вы встречали человеческие версии этого, а возможно, и сами включали подобные фразы в отчёты:

• «Участники нашли продукт полезным и простым в использовании».
• «Общие настроения были смешанными».
• «Доверие было важным фактором лояльности».
• «Участников мотивировала экономия времени».

Ни одна из этих фраз технически не ложна. Но они могут скрывать полезное. Тогда как человек смотрит на: выбросы, эмоциональные триггеры, nuggets — те детали, которые инсайтивны и провокационны.

Предупреждение Сьюзен было резким и стоит прямой цитаты: резюме AI могут выглядеть авторитетно, «но они нередко стирают именно те компоненты человеческого выражения, которые должны определять стратегию».

На сессии она показала, как человеческая интерпретация возвращает контраст:

• кто думал иначе
• где происходило трение
• что раскрывает противоречие
• какое стратегическое решение теперь стоит на кону

Это — ремесло качественного исследователя. И именно оно теряется, когда команды принимают результаты AI за выводы, а не за отправные точки.

Уплощение против галлюцинаций

О галлюцинациях AI говорят много. Справедливо. Галлюцинации — известный изъян.

Но уплощение — постоянное явление. Оно более тонкое, потому что часто выглядит профессионально. Звучит правильно. Кажется готовым для клиента. Вы, вероятно, и сами использовали плоский язык, чтобы передать неоднозначность.

Именно это делает уплощение опасным. Вы получаете отполированный результат и думаете: «Отлично, готово».

Но если инструмент свернул разногласие в консенсус, убрал эмоциональную интенсивность или вычеркнул голоса меньшинства — вы можете презентовать нечто чёткое, что больше недостаточно точно для принятия решений.

Сьюзен выразила суть проблемы простыми словами: «AI хочет, чтобы всё обрело смысл. Он хочет угодить вам. Люди так не работают». Именно поэтому qual по-прежнему нуждается в qual-исследователях.

Граница: что поддерживает инсайт и что его формирует

Сьюзен предложила простой фильтр, который я бы хотела видеть внедрённым в больших командах:

1. Важна ли здесь нюансировка?
2. Доверит ли мой клиент это AI?
3. Эта задача формирует инсайт или поддерживает его?

Третий вопрос — тот, который стоит повесить на стену. Именно здесь сейчас происходит путаница. Многие команды относятся ко всем шагам рабочего процесса как к равнозначным. Это не так.

Некоторые задачи поддерживают работу:

• административная подготовка
• правка
• форматирование
• черновая кластеризация

Некоторые задачи формируют работу:

• восстановление эмоциональной последовательности
• интерпретация противоречий
• осмысление выбросов
• связывание поведения с бизнес-решениями

Сьюзен сформулировала это прямо: «Если это формирует инсайт — оставьте это за человеком». Одной этой фразы хватит, чтобы войти во внутренний AI-регламент любой qual-команды.

Если это формирует смысл — в нём должен участвовать человек.

Что нужно клиентам от qual-исследователей сейчас

Ещё одна вещь, которую я оценила в выступлении Сьюзен, — прямой разговор о клиентской коммуникации. Потому что рынок здесь тоже меняется.

Клиенты не всегда понимают, что они теряют, получая аккуратное уплощённое резюме. Им может нравиться скорость. Им может нравиться одностраничный формат. Они могут ещё не видеть, что было сглажено. Это не повод для паники — это возможность.

Практическая формулировка Сьюзен: клиенты хотят знать не только то, что вы используете AI ответственно, но и то, что «ваша интерпретация человечна в самом лучшем и профессиональном смысле».

Возможность для qual-исследователей сейчас — объяснять чётко и уверенно:

• где AI помогает
• где вы его используете
• где не используете
• и почему ваш интерпретационный слой по-прежнему необходим

Не в защитной манере. Не в стиле «доверьтесь мне, я artisanal». В профессиональной манере. Здесь ваше ценностное предложение заостряется: AI — для скорости, человеческое суждение — для истины.

Что я беру из этой сессии

Сигнал, который я выношу из выступления Сьюзен, дополняет то, что я писала о AI-модерации:

• AI может реально улучшить отдельные части рабочего процесса
• AI может также снизить качество инсайта, если его не контролировать
• Наибольший риск — не плохая модерация, а плохая интерпретация
• Устойчивый qual-исследователь будущего — не тот, кто сопротивляется AI
• Это тот, кто умеет провести границу между эффективностью и смыслом

Сьюзен закрыла выступление фразой, которая точно передаёт момент: «прозрачные, этичные, человекоцентричные практики становятся конкурентным преимуществом» — именно в этом и состоит происходящий сдвиг.

И если мы серьёзно намерены защищать ремесло, именно здесь нам нужно стать гораздо более конкретными — как внутри команд, так и с клиентами. Потому что «человек на первом месте» должен быть методологическим выбором, а не фразой из коммерческого предложения.

Часто задаваемые вопросы о человекоцентричных качественных исследованиях в AI-рабочем процессе

Что означает «инсайт с человеком на первом месте» в качественных исследованиях? Это значит использовать AI для повышения эффективности, сохраняя за человеком ответственность за интерпретацию, контекст и создание смысла. На практике — исследователи не передают нюансировку, противоречия и стратегическое суждение автоматизированным выводам.

Что такое «уплощение» в AI-assisted qual-анализе? Уплощение — это когда резюме AI сглаживают эмоциональную интенсивность, разногласие и контекстные нюансы до обобщённого, отполированного языка. Результат может звучать чётко, но нередко лишается того напряжения, которое делает данные пригодными для принятия решений.

Какие задачи qual-исследований можно безопасно автоматизировать с помощью AI? AI эффективен для вспомогательных задач: правка транскриптов, первичные резюме, подготовка гайдов, логистика и ранняя кластеризация — при условии, что исследователи активно участвуют в проверке результатов.

Какие задачи qual-исследований должны оставаться за человеком? Задачи, формирующие инсайт: интерпретация противоречий, восстановление эмоциональной последовательности, анализ выбросов, считывание культурного контекста и связывание данных с бизнес-решениями.

Как исследователям объяснять использование AI клиентам? Открыто: где используется AI, где нет и почему. Сильнейшее позиционирование — не антиAI-позиция, а чёткое профессиональное объяснение: AI поддерживает скорость, человеческая экспертиза защищает качество инсайта и стратегический смысл.

Это та же дискуссия, что и об AI-модерации? Связанная, но не идентичная. AI-модерация касается того, что происходит в ходе интервью. Человекоцентричный инсайт касается того, что происходит после — в особенности при анализе и синтезе, где уплощённые результаты могут искажать смысл даже при успешном полевом этапе.