• /
  • /

По следам Research Expo: про ИИ после ажиотажа и новую роль исследователя в команде

  • Саша Кацуро
    Управляющий директор Fastuna
В этом году мы много ходили на доклады Research Expo, а потом обсуждали услышанное всей командой. Разговоры в основном крутились вокруг того, как меняется индустрия, и у меня накопилось несколько мыслей на эту тему. Но по одному году тенденции не увидишь, поэтому я сравнил нынешнюю программу с программами двух предыдущих лет.
Из всего, что мы услышали, хочется остановиться на двух темах, которые нам особенно близки — ИИ в исследованиях и роль исследователя в бизнесе. Они тесно связаны, потому что технологии меняют рабочий процесс, а вслед за ним меняется и то, чего от исследователя ждут.
И небольшая оговорка: программа конференции показывает то, о чём сообщество хочет говорить со сцены, так что это скорее настроение рынка, чем точный замер.

ИИ без громких обещаний

В этом году про ИИ на Research Expo говорили иначе — стало меньше обещаний революции и больше разговоров о том, что действительно работает и во сколько это обходится бизнесу. Интерес к теме сохраняется высоким — уже второй год подряд, доклады, связанные с ИИ занимают до 25% от всей программы. Однако обсуждение стало конкретней и прагматичнее.
Пару лет назад ожиданий было много, а понимания, какие решения двигают индустрию, почти не было. Сейчас что-то уже стало общим стандартом, что-то ещё на подъёме, а что-то пока не оправдало ожиданий. Мы визуализировали то, что происходит с ИИ-решениями в исследованиях с помощью привычной «кривой-хайпа».
Распределение ИИ-инструментов для исследователей на Кривой Гартнера (Hype Cycle)
Что стало стандартом. Часть решений за три года прошла путь от «чуда» до привычного рабочего инструмента. Хороший пример — обработка открытых вопросов с помощью ИИ. Если в 2024 году ИИ-кодировка воспринималась как настоящий прорыв, то в 2026 это уже «стандарт рынка» и обязательный инструмент в арсенале исследователя.
Так же спокойно говорят про ИИ-ассистентов, которые помогают ускорять работу на отдельных этапах исследования — составить бриф, анкету или гайд, продумать гипотезы, собрать данные с помощью ИИ-модераторов и интервьюеров, построить таблицы или сделать саммари.
В этих случаях ИИ работает как инструмент или помощник на отдельной задаче, а не как полноценная замена человека. Это эволюция, а не революция, и роль исследователя в ней остается важной.
Что пока не оправдало ожиданий. Синтетические респонденты. Когда о них только заговорили, казалось, что синтетика решит любую исследовательскую задачу и перевернет весь процесс. В 2026 мы видим уже какое-то количество «промышленных» решений, но доверяют им не самое серьезное, например, предварительный «грубый» отсев гипотез или тест исследовательского инструментария. Закрыть задачу целиком они не могут — технология дорогостоящая и сложная, а польза в критичных задачах пока небольшая.
Что сейчас на пике. Сквозные агентные и мультиагентные системы, способные решать задачи целиком (end-to-end) — от структурирования бизнес-проблемы до подготовки рекомендаций бизнесу, основанных на надежных исследовательских данных.
Такие решения действительно несут радикальные изменения в индустрию исследований, так как во многом смогут заменить человека и кратно увеличить производительность. От них ждут, что они сильнее всего повлияют на рынок, на функцию исследователя и на сам процесс. Встречный скепсис связан со стоимостью разработки и эксплуатации таких систем. Посмотрим.

Что мы из этого поняли

Рынок готов доверять ИИ отдельные этапы, если результат можно проверить. Сейчас мы переходим от привычки перепроверять за ИИ всё к вопросу, где ему можно доверять больше. За три года практика прошла путь от точечного применения под контролем человека до решений, которые пытаются заменить исследователя на всем процессе. Отсюда и интерес к агентам, а следующим шагом, скорее всего, станут сквозные системы, которые объединят ИИ на всех этапах.
На практике ИИ уже работает, но процесс быстрее не становится. На отдельных этапах ИИ ускоряет работу до 5 раз, а проект целиком только примерно на 15%. Время уходит на выгрузки, Word, почту и ручную сверку — ИИ быстро делает свой кусок, но потом результат всё равно нужно перенести, проверить и склеить. Поэтому и главный вопрос изменился. Раньше спрашивали, что умеет ИИ, а теперь спрашивают, сколько стоит проверить его работу и кто отвечает за решение.

Как меняется роль исследователя

Развитие технологий несет не только риски в нашу профессию, но и возможности. Раньше исследователя часто воспринимали как человека, который просто приносит цифры. Теперь от него ждут большего, чтобы он включался в процесс, был частью команды и помогал принимать решения.
Исследователи всё чаще думают о себе как о части продуктовой и бизнес-команды, а не как о функции, которая отвечает на запросы. Роль исследований в реальном принятии бизнес-решений только растет. Тренд не новый, но он продолжает набирать силу.
Из этого вырастают и новые требования к скиллам исследователя. Автоматизация «рутинных» задач, пришедшая с ИИ, снижает ценность умения «делать исследования». Одновременно растет необходимость глубже понимать бизнес и разбираться в отрасли, уметь предлагать решения для бизнес-задач, а ещё быть проактивным и использовать весь доступный инструментарий, включая любые ИИ-решения для роста эффективности.
Другим проявлением этого тренда является все большее расширение практики in-house исследований. По оценке участников одного из столов о рынке, 80% компаний делают у себя больше половины исследований. Рост in-house вообще не про экономию бюджетов или времени. Внутри компании исследователю проще понять контекст и потребности бизнеса, а значит, он точнее поддерживает его решения.
Технология — это здорово. Шум стих, и теперь лучше видно, что действительно работает. А будущее за теми исследователями, кто готов управлять технологиями и по-настоящему включаться в бизнес.
В Блоге собрали полезное для исследований: опыт команд, кейсы, методы и возможности платформы
Поделитесь своими задачами, мы подберем решение :)