Outset: запуск Digital Twins — цифровые копии клиентов из реальных интервью
26 августа 2026 года. Outset, платформа для AI-модерируемых исследований, объявила о запуске Digital Twins — инструмента, превращающего результаты качественных исследований в постоянно доступные цифровые модели клиентов.
Что такое Digital Twin
Digital Twin в понимании Outset — это цифровое представление одного конкретного клиента, построенное на основе длинного AI-модерируемого интервью с этим человеком. Каждый «двойник» соответствует одному реальному человеку с его собственным жизненным опытом, специфическими мнениями и бесконечными нюансами.
После того как «двойник» создан, любой сотрудник компании может общаться с ним: один на один — для быстрого вопроса, в группе — для проверки гипотезы, или в рамках полноценного AI-интервью со всей аудиторией. Инструмент доступен через MCP, то есть обратиться к «двойникам» можно прямо из тех рабочих сред, в которых уже работает команда.
Принципиальный сдвиг состоит в следующем: клиенты становятся источником знаний, к которому вся компания может обращаться непрерывно, а не только в течение шести недель полевого исследования.
Чем Digital Twin не является
Outset намеренно разграничивает свой подход от смежных концепций. Digital Twin — это не обобщённые синтетические данные, не персона, усреднённая из набора данных, замороженного во времени, и не популяционная модель, предсказывающая, что сказал бы «типичный» человек.
По словам авторов, именно усреднение уничтожает ценность: чем больше людей объединяется в агрегате, тем более правдоподобным, покладистым и совершенно вымышленным становится «клиент», который уже никогда не удивит. Нюанс живёт в отдельном человеке — поэтому каждый «двойник» строится на основе одного конкретного участника.
Как строится Digital Twin
Процесс состоит из нескольких этапов:
Набор аудитории. Команда формирует выборку из наиболее важных клиентов.
Интервью с человеком. Проводится длинное, специально разработанное AI-модерируемое интервью (Grounding Interview), цель которого — зафиксировать не просто ответы, а способ рассуждения человека.
Обучение «двойника». На основе интервью строится ядро персоны: как человек рассуждает, как взвешивает риски, в каких местах расхождение между тем, что он говорит, и тем, что делает, наиболее заметно.
Слепое тестирование. Один вопрос убирается из обучающей выборки, «двойнику» задают его, а затем сравнивают ответ с тем, что реальный человек сказал в ходе интервью.
Обновление. Для актуализации данных проводится повторное интервью. Участники сами оценивают точность ответов своего «двойника». «Двойник» не статичен — он меняется вместе с человеком.
Точность и отслеживаемость
Для каждого ответа «двойника» отображается:
Оценка уверенности. Система открыто показывает, насколько реальные ответы участника подтверждают сгенерированный ответ. Оценка отражает, сколько реальных высказываний человека согласуются с ответом «двойника» и насколько они согласуются.
Отслеживаемость. Любой ответ можно раскрыть, чтобы увидеть лежащие в основе реальные данные: распределение по реальным ответам, контекст, определивший совпадение, и точные слова самого участника.
Методология оценки
Outset указывает на ограниченность стандартных подходов к тестированию качества «двойников», которые проверяют точность на вопросах с несколькими вариантами ответа. Проблема: на закрытых вопросах «двойнику» значительно проще выбрать правильный ответ из четырёх, чем воспроизвести человеческий способ рассуждения в развёрнутом ответе. Именно в развёрнутых ответах живёт нюанс.
Компания разработала методологию обучения и оценки, основанную на сравнении развёрнутых, открытых ответов. Результаты оценки возвращаются в процесс обучения: какие вопросы на самом деле позволяют предсказать поведение человека, где интервью нужно идти глубже, как следует рассчитывать оценку уверенности. Outset опубликовал описание своей методологии.
Логика замкнутого цикла
Чем больше человеческих исследований проводится, тем лучше работают «двойники». Чем точнее «двойники», тем лучше видно, что действительно стоит спрашивать у живых людей. «Двойники» указывают на спорный вопрос. Затем команда выходит в поле — с теми самыми людьми, стоящими за «двойниками», или со свежей аудиторией — из той же платформы.
Человеческое исследование, по мнению Outset, — это не затраты, которые «двойники» помогают избежать. Это входные данные, которые делают их работоспособными.
Как команды уже используют Digital Twins
Среди задокументированных Outset сценариев применения: проверка маркетинговых кампаний и продуктовых концепций за несколько минут, разведка на этапе раннего discovery до начала полноценного исследования, ответы на уточняющие вопросы, возникшие после завершения полевого этапа, и создание специализированных аудиторий «двойников» из наиболее важных клиентов.