Про ИИ в исследованиях меня спрашивают так часто, что я перестал удивляться. Вопросов, по сути, всегда два: «можно ли отдать ему всё?» и «а зачем тогда вы?». Отвечаю не по заголовкам, а по собственным экспериментам и практике. И ответ такой: ИИ не заменяет аналитика. Он меняет стоимость каждого слоя его работы — одни слои делает почти бесплатными, другие вдруг начинает ценить дороже.

Эксперимент, который расставил всё по местам

С 2025 по 2026 года мы проводили эксперимент . Взяли отечественную языковую модель и попросили выдать производителей поликарбонатных теплиц в Казани. Сегмент выбрали нарочно: мы знаем его с 2013 года, то есть могли проверить каждую строку выдачи. Результат — куцый и, что важнее, не соответствующий реальности. Взяли зарубежную модель с веб-поиском — примерно то же. Потом начали снижать планку вплоть до контрольных вопросов, ответы на которые знали наизусть, — и снова: машина уверенно пропускает и уверенно выдумывает.

В открытых данных ИИ действительно мощный сборщик: распарсить сайты, разложить отзывы, вытащить факты из реестров он способен. Но точность у него плавающая: что-то обязательно выпадает, плюс галлюцинации — правдоподобные, но не существующие факты. Поэтому ответ агента для нас — не документ. Это показание, требующее подтверждения.

С закрытыми данными всё ещё очевиднее. Геоаналитика, массивы платёжных терминалов, платные базы — машина пока не умеет сама договариваться с поставщиками информации. А экспертные интервью, отраслевые контакты, «полевые» факты — это в принципе человеческая работа: нейросеть не поедет на выставку поговорить с поставщиками.

Что ИИ умеет хорошо

Скептиком я не буду: в нашей работе ИИ уже штатный инструмент. Вот что я отдаю ему спокойно.
Обработка больших массивов. Тысячи строк и ячеек после парсинга: аномалии, скрытые закономерности, взаимосвязи, математика. Здесь машина блестяща — при чётко поставленной задаче и чистых данных.
Черновики и рутина. Транскрибации, конспекты, сведение таблиц, первичные тексты отчётов. Скучно, долго, необходимо — идеальный материал для автоматизации.

Предиктивная аналитика — как генератор гипотез (но не более того). В экспериментальных условиях она работает вполне прилично: показывает перспективы развития. Но примерно как прогноз погоды: шансы ошибиться у ИИ и у традиционных синоптиков примерно равные. Отсюда правило: любой прогноз перепроверяем. Хоть другим ИИ.

Четыре «не умеет», которые никуда не денутся

  1. Не верифицирует. Машина не отличает документ от заинтересованного показания и галлюцинирует источники. Правило двух источников остаётся человеческой работой.
  2. Не отвечает. Анализ заканчивается решением, решение — это риск, риск — это имя и подпись. У алгоритма их нет, значит, нет и права на окончательный вывод.
  3. Не знает контекста. Отраслевая специфика, вес тех или иных сторон, цена ошибки — это экспертиза, которую не выучить из обучающих данных.
  4. Не соблюдает границы. Где заканчивается легальная разведка и начинается шпионаж — юридическая и этическая рамка, человеческая работа. У машины нет вопроса «могу ли я спокойно рассказать конкуренту, как я это узнал?».

Четыре слоя разведки: где ваша ценность

Я смотрю на нашу область как на четыре слоя. Первый — сбор фактов. Второй — инструменты: шкалы, карты, отчёты. Третий — экспертиза: верификация, интерпретация, ответственность. Четвёртый — стандарты: методики, ставшие отраслевой нормой.

слои в маркетинговых исследованиях

 

Закономерность простая: чем ниже слой, тем быстрее он становится бесплатным. Сбор уже почти бесплатен — платить человеку за «посмотреть сайты конкурентов» скоро будет так же странно, как платить за ручной пересчёт кассы. А вот экспертиза дорожает: когда факты бесплатны, дефицитом становится суждение. Если ваш анализ живёт на первом слое — вы в зоне обесценивания. На третьем и четвёртом — ИИ для вас рычаг, а не угроза.

Как делю работу я

Планирование — человек. Сбор открытых фактов по сторонам анализа — агент по нашим промптам плюс люди. Верификация, выбор характеристик, скоринг — человек. Анализ и решения — человек.
Ключевая формула этого разделения (позволю себе самоцитату из готовящейся книги):

ИИ собирает показания. Человек превращает их в доказательства. Человек самостоятельно или с экспертной системой превращает доказательства в решения.

Презумпция сомнения работает и в отношении машин: пока факт из ответа агента не подтверждён хотя бы одним документом, в выводы он не участвует.

Что будет через 5–7 лет с ИИ в маркетинговых исследованиях.

Сбор фактов станет бесплатной функцией, встроенной в CRM и браузеры. Базовый анализ — тоже. Конечно ИИ немного подтянутся и допустим ИИ агенты станут ещё сильнее

На первый план выйдут методология, верификация и ответственность. Ценность сместится с данных на рамку: разведчик без рамы — шум, разведчик в раме — разведка.

Поэтому ИИ не отменяет методику — он делает её ценнее. Когда факты становятся мгновенными и бесплатными, выигрывает тот, кто умеет задавать правильные вопросы и отличать доказательство от показания.

Прогноз делается на сентябрь 2026 года, посмотрим на результат.

Как устроен полный цикл и как наша экспертная система превращает факты в баллы, баллы в карту позиций, а карту — в решения, не придумывая ни одного числа сама, — в книге «Анализ конкурентов. Методика 12 сторон».  Скоро выйдет. Следите за публикациями.