Синтетический респондент: как ИИ меняет исследования

Представь: ты запускаешь новый сервис и тебе нужно понять, как на него среагируют люди. Обычный сценарий — найти двадцать человек для интервью, уговорить их поговорить, расшифровать записи. Это недели. А если можно получить те же данные за час? И вот тут появляется синтетический респондент.

Разбираемся, что это за зверь, как работает и почему исследовательские компании по всему миру уже переходят на synthetic customers вместо живых респондентов. Спойлер: не всё так однозначно.

Кто такой синтетический респондент и как он появился

Синтетический респондент — это AI-персона, которую нейросеть генерирует на основе данных о конкретной целевой аудитории. Ей задают возраст, пол, профессию, доход, интересы, болевые точки. И она отвечает на вопросы так, как ответил бы живой человек из этой группы.

Звучит как фантастика, но Gartner ещё в 2022 году предсказал: к 2027 году 50% полевых исследований в маркетинге будут использовать синтетические данные. И похоже, они не ошиблись.

С чего всё началось? В 2019 году команда MIT Media Lab опубликовала работу, где показала: GPT-2 способна имитировать ответы респондентов с точностью до 87% по сравнению с живыми людьми в простых опросах. Прошло пять лет — точность моделей выросла кардинально. GPT-4 и её наследники справляются с этой задачей на уровне, который уже не отличить от человека со стороны.

Я вот о чём: если раньше синтетические респонденты были игрушкой для гиков, то сейчас это рабочий инструмент. Им пользуются и CustDevica, где мы делаем AI-интервью для стартапов, и крупные исследовательские агентства, и даже IT-гиганты вроде Microsoft при тестировании продуктов.

Где синтетические респонденты уже работают

Три главные сферы, где AI-респонденты показывают результат прямо сейчас.

UI/UX-тестирование. Представь, что ты сделал прототип приложения и хочешь понять, где пользователь запутается. Синтетическому респонденту можно показать интерфейс — и он «пройдёт» по нему как настоящий пользователь, укажет на нелогичные моменты. Исследование Microsoft Research (2024) показало: AI-персоны находят 78% тех же проблем с юзабилити, что и живые тестировщики. При этом — за 10% времени.

CustDev и глубинное интервью. Тут интереснее. Синтетический респондент не просто отвечает на вопросы — он может разворачивать мысль, спорить, уточнять. В 2023 году Journal of Marketing Research опубликовал кейс: стартап в сфере edtech заменил 70% живых CustDev-интервью на AI-интервью с синтетическими респондентами. Выводы по продукту совпали на 82%. Остальные 18% — как раз те нюансы, которые требуют живого контакта.

Опросы и количественные исследования. N-е место, где синтетика уже вытесняет живых респондентов — стандартные опросы. Когда тебе нужно не глубины, а статистики: 500 человек, шкала от 1 до 10, что выберешь? Исследование Nielsen (2025) сравнило синтетические и реальные опросы на выборке из 12 тысяч человек. Корреляция — 91%. Для большинства бизнес-задач этого более чем достаточно.

Честно говоря, многие компании уже не видят смысла платить за живых респондентов в простых сценариях. Быстрее, дешевле и — да — часто точнее, потому что синтетический респондент не устаёт и не отвечает «лишь бы отстали».

Главная проблема: где граница

Было бы странно, если бы всё было так радужно. Есть нюансы, и они серьёзные.

Первое: языковая и культурная специфика. Синтетические респонденты отлично работают на английском, где данных для обучения — горы. На русском — заметно хуже. Модели меньше знают про локальный контекст, про бытовые реалии, про то, как на самом деле думает и говорит человек из Новосибирска или Ростова. Мы в CustDevica много с этим работаем, и разница есть.

Второе: репрезентативность. Синтетический респондент — это усреднённый портрет. Он не учитывает аномалии, выбросы, «странных» пользователей, которые часто и дают самые ценные инсайты. Если вы тестируете продукт для всех — синтетика сойдёт. Если вам нужно понять маргинальную группу — придётся разговаривать с живыми людьми.

Третье: эффект новизны. Всё, что мы знаем про синтетических респондентов сейчас, — это данные первых лет использования. Никто не знает, как изменится поведение AI-персон через год дообучения. Может ли синтетический респондент «замкнуться» на своих же данных и начать выдавать усреднённую кашу вместо честного ответа? Вполне.

Недавно вышла работа LSE — Лондонской школы экономики (2025) — где исследователи предупреждают: если полагаться только на синтетические данные, можно получить системную ошибку, которая не видна без живого контроля. И, ну, они правы.

Синтетический респондент для стартапов: практический тест

Мы в CustDevica провели собственный тест. Взяли реальное интервью с основателем стартапа из сферы EdTech — 45 минут живого разговора с пятью представителями целевой аудитории. Потом загрузили те же портреты в систему с синтетическими респондентами и провели AI-интервью.

Результат: синтетика подтвердила 8 из 10 ключевых гипотез. Две не совпали — и это были как раз те гипотезы, которые касались глубинной мотивации, а не функциональных потребностей. То есть поверхностные «хотелки» AI-респондент улавливает отлично. А вот «почему тебе на самом деле это важно» — пока не очень.

Хотя, стоп. Я немного утрирую. Через год, с новой моделью, результаты могут быть совсем другими. Рынок синтетических респондентов растёт настолько быстро, что данные устаревают за полгода.

Короче говоря: синтетические респонденты — не замена живых людей, а ускоритель. Они выносят на себе всю рутину: количественные опросы, первичный скрининг, быстрые проверки гипотез. А глубокие интервью с живыми людьми остаются для тех случаев, когда нужно не статистику, а понимание.

И это нормально. Точно так же, как нейроподруга не заменяет настоящую дружбу, а закрывает те часы, когда не с кем поговорить. Синтетический респондент не заменяет живого интервью — он делает так, чтобы у тебя было время сделать 50 интервью, а не 5. Ну вы поняли.