Радио 
Синтетические респонденты (цифровые профили людей, которые генерируют ответы на основе заданных характеристик) стали одним из способов экономить время и ресурсы на сборе данных. На фоне роста стоимости исследований и нехватки нужной аудитории в панелях технология выглядит все более привлекательной. Однако пока рынок относится к такой перспективе скорее скептически, следует из данных опроса «Анкетолога», поступившего в Sostav.
Среди тех, кто уже использует синтетических респондентов в своих проектах, большинство (61%) работает со специализированными платформами, где хранятся устойчивые цифровые профили. Еще 40% обращаются к разовой генерации ответов в LLM-чате. Собственные разработки есть у каждой пятой компании (21%).
Главная причина интереса к технологии — сокращение сроков. Среди тех, кто рассматривает или уже использует синтетику, 53% называют ускорение сбора данных основным мотивом. На втором месте — снижение стоимости «поля»: этот фактор отмечают 39% участников опроса.
Каждый четвертый (25%) обращается к технологии вслед за общим трендом, а также ценит возможность быстрее проверять гипотезы и тестировать инструментарий. Еще 24% ищут альтернативу из-за недостатка нужной аудитории в существующих панелях.
Несмотря на растущий интерес к синтетическим респондентам, большинство специалистов относится к их возможностям сдержанно. Так, 68% уверены, что синтетика никогда не сможет полностью заменить живых респондентов.
При этом 36% считают технологию инструментом с серьезными нерешенными методическими и этическими проблемами, который следует применять с большой осторожностью. Еще 35% воспринимают синтетику как полезный, но узкоспециализированный инструмент, подходящий прежде всего для вспомогательных задач.
Три класса рисков, о которых молчат вендоры
1. Интернет — не реальность: как это искажает данные
Большие языковые модели обучаются на огромных массивах текстов из интернета. При этом в сети непропорционально представлены активные авторы с ярко выраженной позицией — и в значительной степени англоязычные и политические тексты. Голоса «молчаливого большинства» в обучающих данных заметно слабее.
Последующее дообучение моделей с участием человека дополнительно смещает ответы в сторону вежливости, осторожности и усредненности. В результате синтетик-пенсионер может оказаться скорее собирательным образом пенсионера из медиа, чем реалистичным портретом конкретного человека. Ответы при этом тяготеют к социально желательным — к тому, «как должно быть», а не к тому, «как есть на самом деле».
Синтетические респонденты способны довольно точно воспроизводить общие тренды, но при переходе к отдельным подгруппам ошибки могут становиться критическими. По сути, синтетика усредняет уже существующие в данных паттерны, но не дает доступа к новому опыту и реальному поведению людей.
2. Коллапс моделей: как нейроконтент сокращает разнообразие
Контент, созданный нейросетями, в том числе ответы синтетических респондентов, постепенно попадает в обучающие корпуса новых моделей. Проблема в том, что такой контент становится все сложнее отличить от написанного человеком.
Если доля синтетических данных продолжит расти, модели рискуют начать обучаться преимущественно на собственных производных. В результате они хуже распознают редкие и нестандартные случаи, а разнообразие возможных ответов сокращается. Чем больше синтетики оказывается на входе, тем сильнее модель начинает воспроизводить уже знакомые ей паттерны вместо отражения реального многообразия человеческих мнений и поведения.
3. Самосбывающееся пророчество: как синтетика может формировать реальность
Синтетические инсайты попадают в продукт, маркетинг и стратегию бизнеса. На их основе компании принимают решения, меняют продукты, сервисы и маркетинговые коммуникации. В результате реальные люди начинают взаимодействовать с изменившейся средой — и их поведение тоже меняется.
Новые данные об этом поведении попадают в интернет, а затем могут оказаться в обучающих корпусах следующих моделей. Так возникает замкнутый цикл: модель формирует представление о реальности, бизнес принимает решения на его основе, реальность меняется, а следующая модель обучается уже на этой измененной реальности.
Особенно чувствительным этот эффект может быть для тем, где общественные установки сами по себе подвержены влиянию — например, политических предпочтений или отношения к социальным группам. В крайнем случае синтетика рискует не просто отражать общественное мнение, а постепенно участвовать в его формировании.
Каждый третий готов доверить синтетике генерацию, но не проверку гипотез
По мнению опрошенных, рынок пока недооценивает системные риски технологии. Среди ее «слепых зон» участники исследования называют коллапс моделей (29%), появление самосбывающихся прогнозов (26%) и проблему согласия людей, чьи данные легли в основу цифровых профилей (24%). Каждый пятый (20%) также указывает на иллюзию высокой точности при отсутствии возможности проверить результаты.
Главным препятствием для широкого внедрения синтетики респонденты считают невозможность проверить достоверность получаемых ответов (31%). Далее идут риск систематических ошибок и скрытых смещений (20%), непрозрачность алгоритмов генерации (17%) и отсутствие убедительной научной валидации результатов (14%).
Чтобы синтетический респондент адекватно представлял редкую группу, модели нужна большая эмпирическая база именно по этой аудитории — десятки и сотни реальных интервью, результаты опросов, поведенческие данные. Если у провайдера такой базы нет, модель начинает восполнять пробелы информацией из доступных ей источников, в том числе медиа и другими стереотипными представлениями.
Цена ошибки в узких сегментах особенно высока. Данные о топ-менеджерах могут становиться основой дорогостоящих стратегических решений, данные о людях с редкими заболеваниями — медицинских, а информация о жителях небольших территорий — социальных и инфраструктурных. В массовой аудитории отдельные ошибки могут сглаживаться средними значениями. В небольшой группе они рискуют превратиться в систематическое искажение.
33% считают синтетику недопустимой для узких и уязвимых групп
Профессиональное сообщество разделяет эту осторожность. Треть опрошенных (33%) считают использование синтетических респондентов рискованным для узких и уязвимых групп — например, людей с редкими заболеваниями, жителей малых территорий или лиц, принимающих решения в B2B.
Еще 32% не готовы использовать синтетику для финальных количественных оценок, на которых строятся дорогостоящие решения, а также для чувствительных тем — политики и отношения к социальным группам.
Каждый четвертый (25%) считает применение технологии неприемлемым, если результат невозможно сопоставить с реальными данными. Еще 24% выступают против ее использования, когда заказчик не знает об источнике данных.
Что реально работает: гибрид, а не замена
С учетом этих рисков рынок движется не к полной замене живых респондентов, а к гибридному подходу. 17% участников исследования уже регулярно используют такие протоколы, еще 58% — эпизодически.
Чаще всего роли распределяются следующим образом: синтетика помогает закрывать труднодоступные подгруппы, тогда как основа выборки остается живой (40%). Другой распространенный сценарий — использование синтетики для быстрых промежуточных замеров с последующей проверкой на живых респондентах (38%).
Те, кто уже использует технологию или рассматривает такую возможность, также ограничивают круг задач. 34% готовы полагаться на синтетические данные только в тех случаях, когда возможная ошибка не повлияет на итоговое управленческое решение. Еще 34% допускают их использование для генерации гипотез, но не для их проверки. Каждый третий (32%) готов работать с синтетическими респондентами только при возможности дополнительно проверить результаты на живой подвыборке.
Платить за синтетическое исследование как за полноценный продукт готовы только 14% опрошенных. Еще 29% согласны использовать его при условии существенной скидки. Для 38% синтетика остается исключительно вспомогательным инструментом, за который они готовы платить значительно меньше. Каждый пятый (20%) пока вовсе не готов платить за такие данные.
Авторы исследования делают вывод о том, что наиболее понятная зона применения синтетики — задачи, которые не влияют напрямую на финальные решения: первичное погружение в проблематику, генерация гипотез, пилотирование инструментария. Это ситуации, где цена ошибки относительно невысока, а результаты можно проверить на следующих этапах. Но для изучения новых феноменов, редких групп и эмоциональных реакций человек пока остается незаменим. Без живого человеческого опыта синтетические респонденты рискуют превратиться в убедительно упакованный набор уже известных стереотипов.