Qualitative Research: подлинность под вопросом — качественные интервью в эпоху дипфейков

В журнале Qualitative Research (SAGE) опубликован комментарий Алана Сантинеле Мартино и Кристин Харди о том, как дипфейки и AI-сгенерированные участники трансформируют методологические и этические основания онлайн-исследований.

Аннотация

По мере усложнения AI-сгенерированных персон и дипфейков онлайн-качественные исследования сталкиваются с серьёзными вызовами в области доверия и аутентичности. Данный комментарий исследует, как гиперреальный цифровой обман пересекается с ключевыми обязательствами качественных исследований — заботой, доступностью и соавторством участников. Опираясь на феминистские, постколониальные и crip-методологии, авторы критикуют ограничения практик верификации — таких как обязательное видео или проверка документов, — которые нередко воспроизводят эйблистские, расовые и классовые нормы «достоверности». Вместо обращения к надзору предлагаются реляционная этика и практические стратегии навигации по ситуации цифрового обмана с разумной осторожностью. Авторы отстаивают необходимость новых концептуальных рамок, способных обеспечить целостность исследования, одновременно защищая достоинство участников в цифровую эпоху.

Введение: переосмысление качественных исследований в эпоху искусственного интеллекта

Сегодня искусственный интеллект — и источник моральной паники, и катализатор позитивных перемен. Публичный дискурс колеблется между алармистскими предупреждениями о мошенничестве с использованием AI и оптимистичными прогнозами об AI-инновациях в повседневных практиках. С одной стороны, сенсационные нарративы о гиперреальных подделках порождают страх — мы больше не можем доверять увиденному или услышанному. С другой — прорывы в генеративном AI порождают творческие приложения, переопределяющие повседневность. Например, некоторые люди уже делегируют AI-аватарам прохождение собеседований при трудоустройстве или используют инструменты клонирования голоса для имперсонации других лиц (Fellows, 2025). По мере того как AI становится сложнее и доступнее, гиперреальные перформансы перестают быть научной фантастикой — они меняют реальность. Academia не стоит в стороне: учёное сообщество вынуждено справляться с AI на нескольких фронтах одновременно — в исследованиях, этике, педагогике и управлении, нередко отставая от стремительной эволюции технологии.

Особенно наглядно двойственное воздействие AI проявляется в технологии дипфейков. Дипфейк — это гиперреалистичный поддельный медиаконтент (как правило, видео, изображение или аудио), выглядящий подлинным, но созданный или изменённый с помощью алгоритмов глубокого обучения (Alanazi и Asif, 2024; Altuncu et al., 2024). Термин «deepfake» — контаминация слов «deep learning» и «fake», отражающая глубокое мимикрирование под реальных людей и события (Altuncu et al., 2024). В этом контексте возникают ключевые вопросы: как исследователи могут быть уверены, что участники — именно те, за кого себя выдают? Что если в интервью вместо человека участвует AI-бот — программа, имитирующая человеческое поведение? И как реагировать на это с заботой, а не с подозрением, особенно при работе с маргинализованными сообществами, которые уже находятся под постоянным надзором и сомнением?

По мере того как исследователи всё активнее обращаются к онлайн-методам из-за их доступности (Locke et al., 2018; Nicholas et al., 2018; Santinele Martino et al., 2024), риски цифровой имперсонации возрастают. Вместе с тем растёт и риск подрыва доверия и инклюзивности во имя верификации (Drysdale et al., 2023; Pellicano et al., 2024; Santinele Martino et al., 2024). Участники могут опасаться, что их вклад будет поставлен под сомнение — своего рода побочный эффект «дивиденда лжеца», при котором реальные свидетельства отвергаются как поддельные в среде, насыщенной дипфейками (Birrer и Just, 2025). Данный комментарий ищет ответ на этот методологический и этический вопрос: как сохранить целостность качественных исследований в эпоху, когда обман может быть цифровым?

Качественное исследование давно отвергает идею единой, объективной истины, отстаивая «ситуированные», частичные и реляционные описания мира (Haraway, 1988; Lincoln и Guba, 1985). Легитимность этой области знания была завоёвана именно потому, что её претензии на аутентичность строятся на рефлексивности, насыщенном описании и согласованных смыслах, а не на позитивистской верификации (Denzin и Lincoln, 2017; Lincoln и Guba, 1985). Гиперреальный AI давит на эти основания: дипфейки вынуждают нас вновь обратиться к вопросам доказательства и истины, не отказываясь при этом от эпистемологических достижений качественного подхода.

Подъём синтетических участников: примеры и возникающие риски

AI-боты уже сейчас способны отвечать на сообщения в приложениях для знакомств, симулировать сеансы психотерапии или проводить интервью (Boyle, 2025; Hoover, 2024; Sircar, 2024). Исследователи даже тестировали чат-боты в роли интервьюеров для исследований в социальных науках (Young, 2024). Это не единичные аномалии, а нарастающие тенденции, отражающие то, как люди осваивают цифровые пространства — зачастую стремясь оптимизировать результат или избежать уязвимости. Одна из наиболее примечательных тенденций — распространение дипфейков: реалистичных видеозаписей, изображений или аудиозаписей, созданных с помощью AI (Karnouskos, 2020). Дипфейки могут воспроизводить внешность, голос или движения реального человека настолько точно, что их принимают за подлинных людей (Westerlund, 2019). Растущая сложность синтетических медиа размывает границу между реальностью и фальсификацией, порождая новые риски для оценки идентичности, аутентичности и доверия в онлайн-взаимодействиях.

Дипфейки крайне сложно обнаружить — даже экспертам. Исследования свидетельствуют, что способность людей выявлять дипфейк-видео нередко остаётся невысокой (Roe et al., 2024). В одном из исследований 2023 года 27–50% участников не смогли идентифицировать видео как дипфейк (Doss et al., 2023). В контексте качественных исследований это становится ещё более сложным: их открытый и построенный на доверии характер создаёт дополнительные трудности при интервью и фокус-группах. Исследователям следует обращать особое внимание на участников со слишком безупречными речевыми паттернами, без естественных пауз и колебаний, или с движениями лица, кажущимися чересчур плавными и механическими. Ответы, чрезмерно согласующиеся с AI-сгенерированным текстом и лишённые личных историй или эмоциональных нюансов, могут указывать на использование синтетических реакций. Авторы рекомендуют ресурсы MIT Media Lab (2025) и Northwestern Kellogg (2025) для исследователей, желающих подробнее изучить тему дипфейков.

В качественных исследованиях эта тенденция может проявляться в использовании участниками AI-сгенерированных ответов во время интервью, обработке транскриптов с помощью генеративных инструментов или даже в подаче AI-сгенерированных нарративов для творческих качественных методов (Burleigh и Wilson, 2024; Drysdale et al., 2023; Gibson и Beattie, 2024). Мотивация при этом может быть разной — от тревоги перед оценкой и языковых барьеров до стремления представить себя в определённом свете (Burleigh и Wilson, 2024; Garib и Coffelt, 2024; Lehtimäki, 2024). Вопрос, однако, остаётся принципиальным: что означает собирать «данные», если сами эти данные могут оказаться синтетическими?

Хотя часть этого обсуждения неизбежно носит прогностический характер с учётом стремительного развития AI, эмпирические свидетельства подобных рисков уже накапливаются в различных сферах онлайн-взаимодействий. Исследователи начали сообщать о тревожных признаках в ходе онлайн-интервью: участники с необычно безупречными речевыми паттернами, «странными» выражениями лица или непоследовательными ответами, слишком близкими к AI-сгенерированному тексту (Ridge et al., 2023; Roehl и Harland, 2022; Santinele Martino et al., 2024). Таких участников обозначают как «самозванцев» (imposter participants) — тех, кто вводит в заблуждение относительно своей идентичности, опыта или соответствия критериям участия, нередко ради денежного вознаграждения (Santinele Martino et al., 2024; Sharma et al., 2024). Однако некоторые делают это из личного любопытства, со злым умыслом или для того, чтобы проверить исследовательские системы с помощью AI-контента или синтетических персон (Ridge et al., 2023; Santinele Martino et al., 2024). Форма, распространённость и смысл таких практик варьируются в зависимости от социокультурного контекста — нормы, доступ к технологиям и исследовательская инфраструктура существенно различаются. Авторы, работающие в контексте Канады, признают, что их анализ формируется именно этим контекстом; для понимания того, как синтетическое участие проявляется в других условиях, необходимы дальнейшие кросс-культурные исследования.

При этом важно не допустить, чтобы эти опасения стали призывом к усилению надзора — особенно при работе с инвалидами, трансгендерными людьми или нелегальными мигрантами, которые уже находятся под постоянным надзором в повседневной жизни (Pellicano et al., 2024; Santinele Martino et al., 2024). Задача состоит в том, чтобы ориентироваться в этом пространстве, не воспроизводя те самые властные отношения и неравенства, которые качественные исследования нередко стремятся критиковать.

Онлайн-исследования остаются

Несмотря на все перечисленные опасения, отказываться от онлайн-исследований было бы ошибкой. Цифровые методы расширили доступ для многих: для аспирантов, исследователей с инвалидностью, людей, осуществляющих уход за близкими, тех, кто беспокоится о COVID, учёных, работающих по разные стороны географических границ, и тех, у кого ограничено финансирование (Lobe et al., 2020; Palys и Atchison, 2012; Paulus и Lester, 2021; Santinele Martino et al., 2024). Онлайн-интервью и фокус-группы позволяют включать голоса, которые иначе были бы исключены — из-за ограничений на поездки, финансовых трудностей, нехватки времени или физических барьеров доступности (Keen et al., 2022; Moore et al., 2015). Они создают условия для участия из привычной и безопасной среды, снижая тревогу и повышая открытость участников (Reisner et al., 2018). Это особенно актуально для людей с инвалидностью или тех, кто справляется с психическими расстройствами, которым традиционный очный формат труднодоступен (Pellicano et al., 2024; Santinele Martino et al., 2024).

Для многих исследователей онлайн-методы — не просто удобство, а необходимость. Аспиранты зачастую лишены институциональной поддержки или финансирования для очного полевого исследования в нескольких локациях (Santinele Martino et al., 2024). Исследователи, работающие за пределами крупных городских центров, полагаются на цифровые инструменты для охвата участников там, где они находятся (Higgins и Metzler, 2001). Учёные, проводящие исследования в диаспорных, сельских или международных сообществах, нередко вынуждены опираться на онлайн-коммуникацию для обеспечения полноценного диалога (Parham, 2004).

Кроме того, онлайн-методы обеспечивают большую безопасность и гибкость для участников, обсуждающих чувствительные темы: сексуальность, инвалидность, миграцию, травму (Palys и Atchison, 2012; Paulus и Lester, 2021; Pellicano et al., 2024; Santinele Martino et al., 2024). В таких случаях анонимность, возможность использовать псевдоним, скрывать камеру или общаться только голосом способствует более активному участию (Kent, 2022; Lo Iacono et al., 2016). Утрата этих преимуществ во имя верификации стала бы серьёзным шагом назад для качественного исследования. Таким образом, вместо того чтобы отказываться от цифровых качественных методов из-за страха перед обманом, необходимо совершенствовать подходы к ответственности, доверию и этике в этих условиях — это более глубокий призыв переосмыслить понятие «аутентичности» в исследовании и укоренить её в отношениях, а не в надзоре.

Ограничения существующих механизмов защиты

По мере того как обеспокоенность AI-имперсонацией нарастает, некоторые исследователи и учреждения вводят защитные меры для верификации личности участников: требование держать камеру включённой, сверку форм согласия с документами или проведение скрининговых звонков (Sharma et al., 2024). Хотя эти тактики могут обеспечивать определённую уверенность, они имеют существенные ограничения и нередко несовместимы с этикой качественных исследований (Santinele Martino et al., 2024).

Возьмём, к примеру, всё более распространённое требование присутствия участников с включённой камерой во время интервью. Несмотря на то что это требование призвано подтвердить физическое присутствие и личность участника, оно поднимает серьёзные вопросы доступности и конфиденциальности (Schofield и Joinson, 2008). Для ряда участников — в том числе людей с инвалидностью, трансгендерных, нелегальных мигрантов, нейроотличных, малоимущих или оказавшихся в ситуации жилищной нестабильности — видеосвязь может быть небезопасной, некомфортной или попросту невозможной (Flaherty и Sadler, 2023; Pellicano et al., 2024; Santinele Martino et al., 2024). Она способна спровоцировать травму или усилить ощущение уязвимости, особенно при изучении стигматизированного опыта: секс-работы, миграции, расстройств психического здоровья (Flaherty и Sadler, 2023; Havell, 2024). Открытость, которую предоставляют цифровые форматы, парадоксально подрывается визуальными требованиями, нарушающими комфорт участников и их готовность говорить открыто.

Помимо вопросов доступности, политика «камера включена» отражает эйблистские, классовые и белые нормативные предположения об участии (Melling, 2025; Parent, 2018). Она предполагает, что аутентичность видима, считываема и перформативна (Santinele Martino et al., 2024), игнорируя тот факт, что lived experience, а вместе с ним и качественная глубина исследования, нередко сопротивляется простому изображению. Требование «доказать» свою реальность через телесное воплощение рискует исключить тех, чья реальность не вписывается в господствующие визуальные коды идентичности, здоровья или нормативности (Alcoff, 2005; Melling, 2025).

Другие тактики — например, запрос документов, удостоверяющих личность, или проведение скрининговых интервью — в ряде случаев оказываются и вовсе опасными: они способны отпугнуть участников, опасающихся надзора или системных репрессий, — мигрантов, секс-работников, переживших насилие со стороны государства (Flaherty и Sadler, 2023; Havell, 2024; Pascale et al., 2022). Базовые ценности качественных исследований — доверие, rapport, забота — несовместимы с гиперфокусировкой на «аккредитации» участников (Evans, 2014; Stahl и King, 2020). Более того, подобные практики воспроизводят именно те механизмы исключения и подозрения, которые многие критические качественные исследователи стремятся преодолеть (Evans, 2014; Pascale et al., 2022).

Ситуацию усугубляет то обстоятельство, что AI уже способен обходить большинство существующих защитных механизмов. Дипфейк-инструменты воспроизводят движения лица в режиме реального времени; синтез голоса имитирует естественную речь (Karnouskos, 2020; Westerlund, 2019). Участник может казаться «аутентичным» на видео — и при этом не быть реальным человеком в привычном смысле. Это ставит под сомнение само предположение о том, что визуальная или слуховая идентичность поддаётся верификации. Если традиционные методы верификации одновременно ненадёжны и потенциально вредны, какие альтернативы существуют? Как оценивать аутентичность, не прибегая по умолчанию к надзору? И как обеспечить этическую практику, защищающую одновременно и целостность данных, и достоинство участников? Это не просто методологические вопросы — они относятся к этике и отношениям, требуя перехода от контроля к реляционной ответственности, в основе которой лежит доверие и взаимность, а не доказательство.

Этика, власть и проблема контроля идентичности

Если качественное исследование основано на отношениях, рефлексивности и заботе, что происходит, когда мы начинаем контролировать аутентичность участников? Дипфейк-технологии поднимают обоснованные опасения, однако верификация личности через жёсткие протоколы способна воспроизводить системы надзора, исключения и недоверия, особенно по отношению к тем, кто уже сталкивается со скептицизмом в академических, медицинских и институциональных контекстах. Вопрос «реален ли этот человек?» может легко превращаться в вопрос «легитимен ли этот человек?».

Критические учёные в области феминистских, расовых и деколониальных методологий утверждают, что понятие «валидности» в исследовании отнюдь не нейтрально: оно нередко кодирует представления о том, чьё знание заслуживает доверия и ценности. Иными словами, традиционные критерии валидности могут непреднамеренно отдавать привилегию мировоззрению доминирующих групп (западных, белых, цисгендерных, мужских) и ставить под сомнение знание с маргинализованных позиций (Beagan et al., 2024; Maddox и Morton Ninomiya, 2025). Это особенно опасно при работе с людьми, чья правда систематически отвергается, а тела и голоса маркированы как «подозрительные» или «недостаточно достоверные» (Santinele Martino et al., 2024). В таких контекстах требование верификации личности может функционировать не как защита, а как эпистемическое насилие (Santinele Martino et al., 2024).

Эти проблемы особенно остро стоят в области критических disability studies, где люди с инвалидностью исторически замалчивались, представлялись «непонятными» или были вынуждены «доказывать» свою реальность недоверчивым институтам (Price, 2011; Titchkosky, 2007). Исследователи предупреждают, что отношение к самоотчёту участника о своей идентичности или опыте как к «неправдоподобному» способно причинять эпистемическое насилие — вред, наносимый человеку в его способности быть носителем знания. Эпистемическая несправедливость возникает тогда, когда социальные предрассудки заставляют несправедливо ставить под сомнение или обесценивать достоверность человека (Carel и Kidd, 2014; Fricker, 2007). Таким образом, хотя AI-обман является реальным методологическим риском, ответные меры, сводящиеся к аккредитации или усиленному наблюдению, рискуют воспроизвести именно те механизмы исключения, которые качественное исследование с таким трудом преодолевало.

Эти опасения не теоретические. Люди с невидимой инвалидностью регулярно вынуждены «доказывать» свои потребности — врачам, социальным работникам, преподавателям и коллегам (Abney et al., 2022). Трансгендерные и небинарные участники постоянно сталкиваются с проверкой своей идентичности под предлогом «точности» (Fiani и Han, 2020; Garrison, 2018). Беженцы вынуждены воспроизводить травматический опыт в мельчайших деталях, чтобы установить «достоверность» (Ali, 2024; Small, 2024). Во всех этих случаях верификация укрепляет структурное неравенство, предоставляя фигурам власти право решать, чей опыт «читаем» или «валиден» (Caretta и Pérez, 2019; Cooke и Kothari, 2001). Необходимо задаться вопросом: не воспроизводим ли мы эту логику в собственной работе? Чрезмерная коррекция в ответ на AI-обман через жёсткие протоколы рискует превратить качественное исследование из пространства создания смыслов в пространство соответствия нормативам — что коренным образом противоречит обязательствам перед исследованием, направляемым участниками, и этической рефлексивностью.

Это не означает игнорирования рисков. Это означает необходимость реагировать иначе — через реляционную ответственность, а не институциональное недоверие. Речь идёт о постоянном диалоге, прозрачности и взаимном доверии вместо жёстких критериев допуска. О создании условий, в которых участники чувствуют свою причастность и значимость, а не только контроль. Стоит задаться вопросом: почему мы отождествляем «аутентичность» с фиксированной идентичностью? Во многих качественных традициях — феминистских, деколониальных, crip, queer — само понятие идентичности трактуется как гибкое, ситуативное и перформативное. Вместо того чтобы требовать доказательств «реальности», можно спросить: является ли переданное знание значимым, ситуированным и совместно созданным в рамках отношений?

Такая переформулировка позволяет по-новому подходить к AI-вмешательству. Если исследователь подозревает, что участник использовал генеративный AI при ответе на вопросы, можно задаться вопросом: что это говорит о давлении, которое он ощущает, демонстрируя экспертизу? О его доступе к языку или о том, как он воспринимает ожидания исследования? Вместо того чтобы отвергать такой вклад, можно анализировать его как отражение повседневного переплетения человека и AI.

Безусловно, обман иногда способен подрывать цели исследования (Harding et al., 2024; Stafford et al., 2024). Но даже в этом случае реакция должна строиться на заботе и прозрачности (Gibson и Beattie, 2024). Когда что-то кажется «не так», исследователи могут приостановить сбор данных, проконсультироваться с исследовательскими советами или зафиксировать сомнения в аналитических мемо — без немедленных карательных выводов (Gibson и Beattie, 2024; Santinele Martino et al., 2024; Wang, 2026). Это особенно важно в проектах с участием уязвимых групп, где вред может исходить не только из исключённости, но и из того, что тебе не верят (Santinele Martino et al., 2024).

Этическим советам по исследованиям также необходимо развиваться. Большинство действующих концептуальных рамок рассматривают обман как бинарную категорию — либо он есть, либо его нет. В эпоху AI это разграничение становится намного более сложным.