Greenbook Podcast: Итоги IIEX AI — что дальше с исследованиями?
В конце сентября 2026 года прошёл IIEX AI — двухдневный ивент Greenbook, посвящённый AI и будущему индустрии инсайтов. Сразу после завершения конференции главный редактор Greenbook Карен Линч записала подкаст с Сарой Снудден, многолетним исследователем на стороне клиента (Clorox, Keurig, JDE Peet’s). Эпизод вышел 2 октября 2026 года, когда прошло меньше недели с момента события.
Ключевые темы обсуждения
Карен и Сара не готовились к записи совместно и сознательно выбрали формат несинтезированного дебрифа — первые мысли вслух, без редактуры. Это определяет тон разговора: живая дискуссия, а не отчёт.
Среди главных тем:
- Почему главная возможность AI — не скорость и не продуктивность, а больше пространства для стратегического мышления, развития навыков и построения отношений.
- Ответственность за AI-ассистируемые решения: исследователи не могут «переложить» её на инструмент.
- Синтетические данные, цифровые двойники и AI-модерация — где они добавляют ценность и почему реальные данные остаются важными.
- Конвергенция UX-исследований и MRX как нарастающий тренд.
- Как опытные исследователи должны моделировать критическое мышление для молодых коллег.
За рамки продуктивности
Один из первых докладов конференции — выступление Абрана Мальдонадо из CreateLabs — задал сквозную тему, которая, по словам Сары, звучала на протяжении всех двух дней. Идея: когда AI экономит время, не стоит тратить освободившиеся часы на то, чтобы производить больше. Лучше — на то, чтобы думать стратегически, строить отношения, принимать более качественные решения.
Карен описала этот тезис так: скорость стала доступна всем. AI позволяет многим делать работу быстрее. Реальная ценность сейчас — суждение, критическое мышление, профессиональный опыт, способность вытащить смысл из данных и ответить на бизнес-вопрос.
Меган Рэйми (Salesforce) развила ту же мысль в сессии «Volume Isn’t Value» («Объём — не ценность»): фреймирование задачи критически важно для того, чтобы исследование влияло на реальные решения.
Когнитивная отдача vs когнитивная капитуляция
Карен выделила как один из главных инсайтов конференции концепцию «accountability offloading» — перекладывания ответственности. Её озвучила Мелисса Рэйми из Salesforce: нельзя просто сослаться на то, что «это AI сделал», и снять с себя ответственность за результат. Похожие мысли прозвучали от Дэна Вассермана (KJT), Сары Клинг (Amazon) и Симпсона Карпентера с коллегами.
Лиза Куртад сформулировала ёмко: когнитивная разгрузка — нормально, когнитивная капитуляция — нет. Исследователь должен оставаться в петле: вопрошать, применять критическое мышление, отвечать за то, что AI помогает производить.
Другая участница конференции — Пам Форбус из Mondelēz — предложила смещение перспективы: не думайте о себе как о пользователе AI. Вы его учитель. Это принципиально другая, активная позиция, а не пассивное взаимодействие с инструментом.
Синтетические данные: возможности и ограничения
Синтетические данные и цифровые двойники были одной из самых обсуждаемых тем. Карен и Сара отметили, что разные спикеры подходили к теме с разных углов, и ни у кого не было однозначного ответа на вопрос о границах применимости этих подходов. Сара подчеркнула: по мере того как компании строят синтетические аудитории, важно понимать, как «кормить» эти модели актуальными данными и как быстро они устаревают в условиях, когда мир меняется.
В контексте heritage-брендов — Mondelēz стал одним из примеров — это особенно остро: mental availability (ментальная доступность бренда) может меняться быстро, и вопрос о том, как синтетические данные отражают эти изменения, остаётся открытым.
Конвергенция UX и MRX
Сара обратила внимание на то, что граница между UX-исследованиями и market research всё активнее размывается. Молодым исследователям, по её словам, стоит намеренно создавать себе опыт в обеих областях — если раньше это не было очевидной карьерной стратегией, то сейчас становится важным. Карен подтвердила: программа IIEX West, другого события Greenbook, отражает ту же тенденцию.
Следующее поколение исследователей
Ещё одна нить, прошедшая через конференцию: как обеспечить передачу профессиональных стандартов в мире, где начинающие специалисты получают AI-ассистируемый результат, не видя, как принималось методологическое решение. По словам спикеров, опытные исследователи должны активно моделировать критическое мышление — проговаривать вслух, как они проверяют AI-выходы, где видят риски, почему те или иные решения неверны. Иначе разрыв в компетенциях будет нарастать.
Лесли Уиллис рассказала, как без опыта программирования освоила vibe coding — и это прозвучало как пример «просто попробуй», который несколько спикеров транслировали независимо друг от друга: не ждать идеальных условий, а начать, столкнуться с реальностью и учиться в процессе.
Запись подкаста доступна на платформе Greenbook.