Quirk's Virtual Session: AI-ассистент отвечает, AI-агент делает работу

11 июня 2026 года Voxpopme выступил на Quirk’s Virtual Sessions — серии вебинаров, посвящённых качеству данных, безопасности и этике в исследованиях. Тема презентации: «AI-ассистент отвечает — AI-агент делает работу». Статья на Quirk’s представляет собой отредактированную расшифровку этой сессии.

Том Хиггинс, старший менеджер по продуктовому маркетингу Voxpopme, провёл сравнительное исследование: одни и те же данные о потребительских установках он анализировал с помощью ChatGPT (универсальная языковая модель) и Voxpopme Compass (AI-агент, разработанный специально для исследовательского рынка). Тема исследования — отношение потребителей к ультрапереработанным и минимально переработанным продуктам питания.

Центральный вопрос

Хиггинс поставил прямой вопрос, с которым всё чаще сталкиваются команды market research: если любой исследователь может вставить транскрипты интервью в ChatGPT и получить сводку, нужны ли вообще специализированные платформы? Экосистема таких платформ обширна. Чтобы ответить на этот вопрос обоснованно, Voxpopme решил проверить его на практике, создав условия машина против машины — с одинаковыми данными и одинаковыми промптами.

Разница начинается до анализа

Первое существенное различие обнаружилось ещё до того, как исследователь задал хоть один вопрос системам. При работе только с LLM нельзя просто открыть ChatGPT и спросить о потребительских установках — без исходных данных модель опирается на общедоступную информацию и теряет контекст конкретного исследования. Значит, исследователь всё равно должен сначала провести само исследование: для качественных методов — собрать видеоответы, затем транскрибировать каждый из них, после чего экспортировать данные в формат CSV и только тогда передать файл в LLM.

С Compass ситуация иная: агент с самого начала имеет прямой доступ к данным исследования, загруженного в платформу Voxpopme. Более того, если данные ещё не собраны, Compass способен самостоятельно инициировать и провести нужное исследование.

Иными словами, уже на этапе подготовки разрыв в рабочем процессе существенен: LLM удлиняет цепочку действий исследователя, тогда как AI-агент встроен в неё с первого шага.

Одни данные — разный анализ

Получив одинаковые исходные данные и идентичные промпты, Хиггинс сравнил, как ChatGPT и Compass обрабатывают один и тот же массив качественных ответов о переработанных продуктах. В рамках презентации он разобрал конкретные результаты, показав, в чём специализированный агент, обученный на логике исследовательских задач, отличается от универсальной модели, которая «понимает» контент, но не знает структуры исследования.

Презентация не делает вывода о том, что LLM бесполезны. Скорее, её аргумент: задачи, для которых разработаны специализированные AI-агенты, выполняются точнее и быстрее именно потому, что агент знает контекст исследования, а не только текст ответов.

Полная запись вебинара доступна на сайте Quirk’s. Источник: Quirk’s Marketing Research Review.