Sprig: AI — стажёр, не замена
AI стал одной из самых громких тем во всех отраслях прямо сейчас. В исследованиях это сочетание восторга, тревоги и усталости — команды пытаются угнаться за стремительным темпом развития технологии.
На недавнем вебинаре Industry Spotlight вице-президент по UX research компании Angi Лорен Эверетт предложила смотреть на AI иначе: не как на замену исследователей, а как на «полезного стажёра». Вместо вопроса «вытеснит ли AI исследователей?» стоит задать другой: какую работу должен поддерживать AI, а что по-прежнему требует человеческого суждения?
Почему AI ощущается иначе
Как отметила Лорен, страх перед новыми технологиями не нов. Письмо, книги, телефоны, кино, автомобили и интернет — все они в своё время порождали панику. Но у AI есть два отличия. Во-первых, он появился в мире, уже перегруженном социальными сетями и круглосуточным потоком комментариев. Во-вторых, и это важнее, кривая принятия сейчас намного круче. Команды испытывают реальное давление — стать «экспертами» по AI как можно скорее. Лорен использовала S-кривую инноваций, чтобы объяснить паттерн: сначала новая технология воспринимается как угроза, потом — как нечто магическое, и в конечном счёте становится инфраструктурой. Именно последний шаг большинство людей упускают из виду: инфраструктура не равна замене.
AI полезен, но ему нужно направление
Аналогия со стажёром работает потому, что точно передаёт и сильные стороны, и ограничения AI. Как хороший стажёр, AI работает быстро. Он помогает с резюме, черновиками, распознаванием паттернов, транскрибацией, desk research и первичной структуризацией. Лорен поделилась, что использовала AI, чтобы сжать неделю desk research до нескольких минут. Но, опять же как стажёр, AI лишён того, что важнее всего в стратегической исследовательской работе: контекста, суждения, ответственности и жизненного опыта. Вы не отправите стажёра одного в кабинет генерального директора с высококритичной рекомендацией — так же, как не стоит скармливать базовый промпт AI и сразу отправлять сгенерированный отчёт стейкхолдеру.
При всей пользе AI существует немало областей, где человеческая экспертиза остаётся незаменимой. Чем глубже вы погружаетесь в исследования, тем больше значит человеческое суждение. Исследователи по-прежнему должны вести работу в поле, в синтезе и в коммуникации. AI не может самостоятельно понять, какие темы значимы, какие компромиссы важны и какие рекомендации реально подходят бизнесу. Это область человеческого суждения.
Навыки, которые становятся более ценными
Важнейшие исследовательские навыки не устаревают — они становятся более ценными. Лорен выделила три направления, которые исследователи должны продолжать развивать.
Эмпатия: замечать колебание и противоречие в ответах участников, улавливать то, что остаётся невысказанным.
Суждение: определять, что важно, что этично и что стоит изучать дальше. Именно исследователь решает, какие темы заслуживают внимания руководства, а какие — нет.
Ясность: превращать информацию в смыслы, понятные команде и пригодные для действия. Исследования имеют значение только тогда, когда помогают организации принимать лучшие решения, и этот «слой перевода» по-прежнему принадлежит человеку.
Работа с AI может выглядеть более творческой на поверхности, но при этом она тяготеет к среднему. В формулировке Лорен: «AI поднимает пол, но сужает потолок оригинальности». Это важное предостережение для исследовательских команд: если делегировать AI синтез, разработку инсайтов и сторителлинг, можно сэкономить время в краткосрочной перспективе — но при этом отдать на аутсорсинг именно ту работу, которая создаёт отличие.
Что это означает для исследовательских команд
Вывод не в том, чтобы сопротивляться AI — а в том, чтобы использовать его осознанно. Исследователям стоит знакомиться с инструментами, экспериментировать заранее и разбираться, где AI может убрать рутинную работу, оставаясь ответственными за то, что нельзя делегировать. Когда AI станет инфраструктурой, возможность для исследователей — стать людьми, которые умеют им хорошо управлять. Каждая волна новых технологий порождает панику и завышенные ожидания. Но будущее исследований может оказаться не менее человеческим — и на самом деле потребует большего человеческого суждения, ясности и эмпатии.