Voxpopme: State of Insights 2026 — опрос 126 руководителей направления insights об AI, качестве данных и доказательстве ценности
Главный тренд market research 2026 года — это не AI. Среди 126 старших руководителей insights-направлений, опрошенных для State of Insights: Insiders Edition, доказательство бизнес-влияния результатов исследований заняло первое место в списке приоритетов на следующие 12 месяцев, опередив все вопросы, связанные с AI. AI широко принят как инструмент-ассистент, однако 51% не доверяет ему выполнять ни одну исследовательскую задачу без участия человека.
Что такое State of Insights: Insiders Edition
State of Insights: Insiders Edition — это исследование 126 практиков в области research, аналитики и insights, опубликованное Voxpopme совместно с MRII (Market Research Institute International) 30 сентября 2026 года. Выборка охватывает три источника: основной текстовый опрос 100 респондентов (79 полных ответов и 21 частичный) и два дополнительных опроса с видеоответами на 16 и 10 участников соответственно. Все включённые ответы прошли проверку качества данных и фильтры на наличие мошенничества.
Выборка смещена в сторону опытных специалистов. 56% занимают позиции директора и выше (30% — Director или Head of, 26% — C-suite или VP), 63% возглавляют или управляют исследовательской функцией в своей организации. 45% имеют более 20 лет стажа в market research, insights или аналитике; только 14% работают в профессии пять лет или меньше. 93% непосредственно заняты в market research или consumer/customer insights.
Что важнее всего insights-лидерам в следующие 12 месяцев
Доказательство бизнес-влияния результатов исследований занимает первое место, далее следуют качество данных и целостность выборки, затем — эволюция роли и компетенций команды insights. Респонденты расставляли три приоритета из семи по значимости: 3 балла за первое место, 2 — за второе, 1 — за третье.
| Приоритет | Взвешенный балл | Всего упоминаний |
|---|---|---|
| Доказательство бизнес-влияния результатов исследований | 154 | 67 |
| Качество данных и целостность выборки | 133 | 63 |
| Эволюция роли и компетенций команды insights | 119 | 64 |
| Автоматизация и оркестрация исследований | 113 | 57 |
| AI governance, этика и доверие | 105 | 53 |
| Превращение качественной глубины в количественные доказательства | 62 | 34 |
| Разрыв между намерением и действием (say-do gap) | 36 | 22 |
Два технологически ориентированных приоритета находятся на четвёртом и пятом местах. Для профессии, чьи конференции насыщены темой AI, такой порядок многое говорит о реальном давлении, которое испытывают практики. Примечательна и ещё одна деталь: эволюция роли команды insights набрала больше всего упоминаний (64), опередив качество данных (63), — хотя первым выбором этот приоритет назвало меньше человек. Многие руководители воспринимают собственную роль как актуальный вопрос, даже если он не является самым срочным.
Генеральный директор Voxpopme Энди Барраклоу резюмирует это так: «Это профессия, которая одновременно думает о своём авторитете и о своём инструментарии». Три главных приоритета имеют общий корень: можно ли доверять тому, что входит в работу; остаются ли люди теми, кто создаёт ценность; можно ли показать, что результат исследования изменил какое-то решение.
Что респонденты считают переоценённым
42% респондентов заявили, что ни одна из актуальных тем отрасли не является переоценённой. Среди тех, кто назвал такую тему, на первом месте оказались автоматизация и оркестрация исследований (32 упоминания, взвешенный балл 81), за ними — AI governance, этика и доверие (60), say-do gap (57) и превращение качественной глубины в количественные доказательства (57). Качество данных получило лишь 8 упоминаний — меньше всего из всех тем.
Авторы интерпретируют это как усталость от разговоров об AI, а не от самого AI. Исследователи ежедневно используют эти инструменты и одновременно вырабатывают новый навык — проверку того, что они говорят, поскольку вывод, сгенерированный AI, может выглядеть убедительно, даже когда он неверен.
Как insights-команды используют AI в 2026 году
Практически каждая опрошенная команда использует AI как ассистента хотя бы в одной исследовательской задаче, но большинство сохраняет контроль человека. Только 1% респондентов не использует AI ни в одной из перечисленных задач.
| Задача исследования | Доля респондентов, использующих AI |
|---|---|
| Анализ текстов и открытых ответов (кодирование, тегирование, тематическое кодирование) | 68% |
| Синтез insights по нескольким исследованиям | 54% |
| Написание отчётов и построение графиков | 49% |
| Анализ данных опросов | 45% |
| Дизайн опросов | 40% |
| Перевод результатов в бизнес-рекомендации | 38% |
| Анализ аудио и видео, модерация интервью | 28% |
| Приоритизация исследовательских вопросов | 16% |
| Подбор и скрининг участников | 11% |
Где заканчивается доверие
Применение широкое. Автономность — нет. 51% не доверит AI выполнение ни одной исследовательской задачи без контроля человека, и только 11% доверят ему любую задачу без надзора. Наиболее доверенная автономная задача — анализ текстов и открытых ответов: 17%.
С человеком-рецензентом картина меняется разительно. Среди трёх исследовательских задач разрыв между автономным использованием и использованием под надзором человека особенно заметен. Показательно, что доля респондентов, доверяющих AI дизайн опросов при наличии рецензента (44%), незначительно превышает долю тех, кто уже использует AI в этой задаче (40%), — что говорит о потенциале осторожного роста, а не о сопротивлении.
Эту картину подтверждает собственное трекинговое исследование MRII. В апрельском 2026 года опросе 498 professionals только около 1 из 10 сказали, что AI полностью встроен в их ежедневные рабочие процессы. Исследования различаются по выборке и вопросам, но оба описывают AI как инструмент, присутствующий в работе, без того, чтобы кто-то полностью его «усвоил».
Почему экспертное суждение — та граница, которую респонденты защищают
AI может кодировать открытые ответы, кластеризовать темы и собирать доказательства из прошлых исследований. Экспертное суждение решает, реальна ли тема, что она означает для бизнеса и достаточно ли она убедительна, чтобы действовать. Именно эту границу проводит большинство респондентов. Исполнительный директор MRII Эд Келлер формулирует это в предисловии: человеческое суждение «и сопутствующие ему навыки» становятся «всё более, а не менее важными».
Качество данных — главная угроза
Качество данных — та угроза, которую респонденты воспринимают наиболее серьёзно. 28% аннулировали или перезапустили хотя бы одно исследование за последние 12 месяцев из-за проблем с качеством данных, 57% этого не делали, 6% не уверены.
Когда респондентов попросили назвать главную проблему качества данных прямо сейчас, ответы распределились так:
- Мошеннические, поддельные или низкокачественные участники, в том числе боты: 41%
- Сгенерированные AI или сформированные с помощью LLM ответы на опросы: 18%
- Чрезмерное использование панели и усталость респондентов: 10%
- Репрезентативность выборки: 8%
- Непоследовательное качество у разных поставщиков панелей: 5%
Вместе мошенничество и AI-сгенерированные ответы составляют около 60% главных проблем качества — значительно больше, чем традиционные вопросы репрезентативности или усталости от панелей.
Старая проблема в новой форме
Market research давно борется с предвзятостью и мошенничеством. В 1936 году Literary Digest разослал около 10 миллионов бюллетеней для голосования, получил около 2,4 миллиона ответов и всё равно предсказал неверного победителя президентских выборов. Последующий анализ в Public Opinion Quarterly указал как на смещённую выборку, так и на предвзятые ответы. В начале 2000-х онлайн-панели атаковали click farms. Современная версия сложнее для обнаружения: боты и ответы, написанные LLM, на первый взгляд выглядят как настоящие и незаметно смещают результаты в неверном направлении.
Следствие напрямую связано с выводами об AI. Инструменты анализа работают с тем, что им дают, поэтому исследование, построенное на недействительных участниках, производит уверенно выглядящий вывод, который мало что значит. Аннулированное исследование — это дважды потраченный бюджет и отложенное решение, именно поэтому качество данных занимает второе место в списке приоритетов и почти никто не называет его переоценённым.
Say-do gap: разрыв, которого многие команды не видят
21% респондентов наблюдали, как заявленное намерение участника противоречило реальному поведению клиента за последние 12 месяцев, ещё 33% ответили «не знаю» — что свидетельствует о том, что многие команды не настроены на проверку этого. Там, где разрыв всё же был замечен, чаще всего упоминались покупательское поведение (11 упоминаний) и использование продукта (9 упоминаний).
| Способ валидации заявленного намерения против реального поведения | Доля использующих |
|---|---|
| Поведенческие или транзакционные данные | 40% |
| Данные продаж или CRM | 30% |
| Наблюдательные или этнографические исследования | 29% |
| Не применимо к моей работе | 18% |
| Ничего формального | 16% |
| Верифицированная выборка покупателей | 14% |
| Видеодоказательства | 11% |
| Данные сторонней панели или чековые данные | 8% |
16% не используют ничего формального для сверки слов с действиями. Say-do gap занял последнее место из семи приоритетов, однако напрямую связан с первым. Рекомендация, построенная на заявленном намерении, которому поведение впоследствии противоречит, именно таким образом подрывает авторитет insights-команды перед руководством.
Доказательство ROI: влияние без измерения
Insights-команды чаще упоминаются в ключевых решениях, чем измеряют своё влияние. Только 17% последовательно измеряют ROI исследований или их бизнес-влияние, 32% делают это иногда, 21% — редко, 12% — никогда.
При этом более половины сообщают, что их работа упоминалась в решениях C-suite, совета директоров или руководства за последний квартал. 23% называют 3–5 упоминаний, 17% — 1–2, 14% — более 10. Только 2% не зафиксировали ни одного.
В этом и состоит ключевой разрыв доверия. Влияние существует, но доказательства его по большей части не измеряются и не транслируются. Функция, чья репутация держится на том, что ей верят, а не на том, что она доказывает, оказывается уязвимой в момент сокращения бюджетов. Как формулирует генеральный директор Voxpopme в заключительном анализе отчёта: «Суждение, которое нельзя увидеть, сложно защитить и ещё сложнее финансировать».
Один из анонимных респондентов поделился примером, который наглядно изменил его бизнес: «Прошлые клиентские кампании делали акцент на различиях между бизнес-моделями, а наше исследование показало, что клиентам это безразлично. Ключевой была производственная мощность, и впоследствии рекламные сообщения изменились». В этом предложении есть всё необходимое для ROI-кейса: исходное предположение, доказательство, поставившее его под сомнение, и изменённое решение.
Что следует делать insights-лидерам
Общий вектор — прозрачность. Респонденты защищают человеческое суждение в своей работе, и следующий шаг — сделать это суждение, а также его влияние на решения, доступным для наблюдения руководством. Из данных вытекают четыре действия.
1. Сделать верификацию частью deliverable
С мошенничеством и AI-сгенерированными ответами во главе списка проблем качества данных короткая заметка о том, как проверялись участники и как контролировался AI-анализ, должна присутствовать в презентации результатов, а не только в приложении с методологией.
2. Проверять заявленные намерения там, где решения наиболее важны
Не каждое исследование требует поведенческой проверки. Но high-stakes исследования — особенно концептуальные тесты и работа с purchase intent — требуют. Там, где это возможно, следует совмещать заявленные намерения с поведенческими, транзакционными или CRM-данными.
3. Вести простой журнал решений
Только 17% последовательно измеряют ROI, и формальная модель для начала не обязательна. Достаточно фиксировать, какое решение информировало каждое исследование, что команда предполагала до него и что изменилось. За год этот журнал превращается в ROI-кейс, построенный на доказательствах, а не на воспоминаниях.
4. Определить роль AI по задачам
Данные о доверии предлагают практическую карту. AI-ассистент для открытых ответов и синтеза при наличии рецензента-человека пользуется поддержкой большинства или близкой к ней. Интерпретация и рекомендации остаются за людьми. Явное определение этих ролей для команды устраняет неопределённость и защищает ту часть работы, которая несёт профессиональную ценность.