Продуктовые команды, которые спешат заменить дорогостоящие глубинные интервью с клиентами синтетическими фокус-группами на базе ИИ, рискуют столкнуться с провалом своих продуктов. Хотя симуляция портретов покупателей обещает моментальную обратную связь без затрат на полевые исследования, большие языковые модели вносят серьезные системные искажения в процесс принятия коммерческих решений. Исследование, опубликованное в журнале *Science Advances*, наглядно показывает: цифровые двойники фундаментально искажают реальное поведение человека.
Команда ученых под руководством Тяньи Пэна из Колумбийского университета провела 19 независимых экспериментов, сопоставив выбор 1784 реальных участников с реакциями их ИИ-копий. Тестирование охватывало решения о найме, настройки приватности, политические взгляды и потребление новостей. Чтобы создать цифровой профиль каждого человека, базовым моделям передавали более 500 его предварительных ответов. Несмотря на столь детальный контекст, персонализированные двойники прогнозировали поведение людей едва ли точнее, чем стандартная базовая модель без каких-либо личных данных.
Пять системных искажений
Вместо того чтобы отражать уникальные особенности потребителей, синтетические персоны упрощают сложное человеческое поведение до шаблонных архетипов из обучающей выборки. На практике LLM стирают индивидуальные различия и скатываются к широким демографическим обобщениям, игнорируя реальные барьеры перед покупкой.
«Современных цифровых двойников лучше всего описать как кривые зеркала, которые систематически искажают поведение людей», — отмечают авторы работы.
Это искажение накапливается по нескольким ключевым направлениям. Виртуальные персоны оказались систематически более оптимистично настроены к технологиям и обещаниям поставщиков, чем реальные люди. Они также продемонстрировали сильный демографический перекос: ИИ гораздо точнее предсказывал предпочтения высокодоходных и образованных групп, но терпел неудачу на массовой аудитории. Главное — синтетические агенты действовали с гиперрациональностью и энциклопедической логикой. Они взвешивали компромиссы намного последовательнее живых покупателей, полностью скрывая эмоциональные сомнения, истинную готовность платить и триггеры оттока.
Ограничения для продуктовой стратегии
Использование синтетических панелей как дешевой замены клиентских исследований создает опасную иллюзию для топ-менеджмента. Цифровые профили применимы лишь для узких задач: быстрой проверки ранних гипотез или стресс-тестирования формулировок до написания первой строчки кода. Однако опора на ИИ-обратную связь при выборе тарифных планов, оценке соответствия продукта рынку или формировании дорожной карты гарантирует неэффективное распределение капитала. Руководству стоит ограничить применение ИИ-панелей черновой фильтрацией и требовать реальных полевых данных от живых клиентов перед запуском крупных инвестиций.