В моменты острых кризисов конспирологические теории распространяются быстрее официальных отчетов. Исследователи из Университета Карнеги — Меллона, MIT и Корнелла проверили, способны ли диалоговые языковые модели развенчивать подобные нарративы в режиме реального времени. Результаты подтверждают: короткий интерактивный диалог систематически превосходит традиционные статические справки с фактами по степени снижения веры в заговоры.
Адаптивный диалог против статических дисклеймеров
Исследование оценивало реакцию участников на два реальных инцидента: покушение на Дональда Трампа в июле 2024 года (472 участника) и убийство активиста Чарли Кирка в сентябре 2025 года (1 035 участников, предварительно отобранных по признаку склонности к конспирологии). Респонденты вели диалог минимум из пяти реплик с Google Gemini (версия 1.5 в кейсе Трампа и версия 2.5 в кейсе Кирка). Чтобы исключить галлюцинации модели, авторы внедрили структурированную базу фактов напрямую в системный промпт, четко разделив данные на проверенные факты, опровергнутые утверждения и открытые вопросы.
Диалоги длились в среднем около семи минут и снизили убежденность участников в выбранной теории заговора в обоих экспериментах — как в сравнении с контрольной группой, так и по сравнению со статичным фактчеком.
Долгосрочный эффект и пределы доверия
Хотя персонализированная аргументация эффективно разрушала конкретные конспирологические тезисы, ее влияние на доверие к институтам оказалось ограниченным. В кейсе с Трампом уровень доверия к официальным источникам не изменился. В эксперименте с Кирком доверие немного выросло по сравнению с контрольным чатом, но статистически не превзошло эффект от обычного текста с фактами. При этом когнитивный эффект деэскалации оказался устойчивым: участники сохраняли критический настрой даже при оценке последующих новостей спустя несколько недель.
Для корпоративных коммуникаций и систем модерации контента это важный сигнал: односторонние предупреждения и статические дисклеймеры устарели. Эффективное переубеждение требует интерактивной адаптации к собеседнику при жестком контроле источников данных через RAG.