Илона Методиева, основатель Первого агентства по рекрутингу респондентов ADS

Я считаю, что рынок маркетинговых исследований сейчас переживает важный переходный этап. Рынок быстро меняется. Ещё несколько лет назад ключевым вопросом наших клиента было: «Где найти нужных респондентов?» Сегодня запрос стал шире: «Как быстрее проверить гипотезу, понять аудиторию, снизить риск ошибки и при этом не потерять качество данных?»

На пересечении этих задач появляются новые инструменты: синтетические респонденты, AI-персоны, цифровые аудитории и GPT-продукты для предварительного моделирования реакции потребителей. Для исследовательского рынка это не просто модная технологическая тема, а возможное изменение всей логики подготовки исследований.

На мой взгляд, важно честно подчеркнуть: синтетические респонденты не должны рассматриваться как простая замена живым людям. Более точная и профессиональная рамка — считать их новым предварительным аналитическим слоем, похожим по роли на то, как в своё время в исследовательскую практику вошли кабинетные исследования (desk research).

Мой ключевой вывод: синтетические респонденты сегодня можно сравнить с desk research на новом AI-уровне. Они не заменяют полевые исследования, но помогают до их запуска быстрее проверить гипотезы, уточнить сегменты и сделать реальный рекрутинг более точным.

1. Почему эта тема стала трендом

Интерес к синтетическим респондентам связан не только с популярностью искусственного интеллекта. За этим трендом стоят конкретные бизнес-причины: исследования становятся дороже, сроки принятия решений сокращаются, а компаниям всё чаще нужно быстро проверять десятки гипотез до запуска продукта, рекламной кампании или коммуникационной стратегии.

По данным Qualtrics Market Research Trends Report 2025, 71% исследователей считают, что в течение ближайших трёх лет synthetic responses будут составлять более половины собираемых данных. Это не означает, что рынок уже отказался от реальных респондентов. Но это показывает, что synthetic data и AI-аудитории начинают входить в профессиональную повестку как самостоятельный инструмент предварительного анализа.

McKinsey в материалах State of AI также отмечает, что рост выручки от применения AI чаще всего фиксируется в направлениях маркетинга и продаж, стратегии, финансов, разработки продуктов и сервисов. Именно эти области напрямую связаны с пониманием клиента, быстрым тестированием идей и снижением риска неверных управленческих решений.

Профессиональные игроки рынка при этом подчёркивают необходимость осторожности. NielsenIQ пишет, что подход «fake it till you make it» для synthetic respondents недостаточен: модели должны быть качественными, проверяемыми и встроенными в методологию, а не использоваться как иллюзия полноценного исследования.

Я делаю вывод, что тренд действительно существует, но зрелый рынок будет двигаться не к замене людей роботами, а к гибридной модели: AI помогает подготовить исследование, а реальные респонденты подтверждают или опровергают гипотезы в живом контакте.

2. Синтетические респонденты и desk research: в чём сходство

Кабинетные исследования, или desk research, когда-то тоже воспринимались как вспомогательный и не всегда «настоящий» исследовательский инструмент. Считалось, что серьёзные выводы можно делать только после поля: интервью, опросов, наблюдений, тестирования. Однако со временем desk research стал нормальной частью подготовки исследования.

Сегодня перед запуском полевого этапа профессиональная команда почти всегда изучает открытые источники, отчёты, статистику, поисковые запросы, тренды, конкурентов, поведение аудитории и информационное поле. Кабинетное исследование не заменяет полевой этап, но помогает точнее сформулировать гипотезы, выбрать сегменты, сократить лишние вопросы и рациональнее использовать бюджет.

Синтетические респонденты выполняют похожую функцию, но на новом технологическом уровне. Если desk research помогает изучить рынок через уже существующие данные, то AI-аудитория позволяет смоделировать возможные реакции разных сегментов на продукт, рекламу, сайт, упаковку, сообщение, цену или гипотезу.

Именно поэтому корректнее говорить не «синтетические респонденты заменят исследования», а «синтетические респонденты могут стать новым предварительным фильтром перед дорогим и трудоёмким полевым этапом». Как desk research делает полевую работу более осмысленной, так AI-предтест может сделать реальный рекрутинг и интервью более точными.

3. В чём принципиальное отличие от кабинетного исследования

При всей полезности аналогии синтетические респонденты не являются тем же самым, что desk research. Кабинетное исследование работает с уже существующими источниками: отчётами, статистикой, публикациями, базами данных, поисковым спросом и материалами конкурентов. AI-аудитория создаёт имитационную модель реакции сегмента на основе заданного контекста, промпта, данных и логики большой языковой модели.

У desk research есть ограничение: оно показывает то, что уже было опубликовано или зафиксировано. У синтетических респондентов другое ограничение: они могут выглядеть убедительно, но их ответы зависят от качества модели, исходных данных, формулировки задачи и настройки сегментов. Поэтому нельзя воспринимать синтетическую аудиторию как «голос реального рынка» без проверки.

Научные публикации по LLM-generated synthetic survey responses показывают неоднозначную картину. В одних задачах модели могут хорошо приближаться к агрегированным ответам людей, особенно по более структурированным вопросам. В других случаях возникают искажения, стереотипизация, слабая точность по подгруппам и трудности с неожиданными инсайтами.

Мой практический вывод простой: synthetic respondents полезны на стадии разведки, предварительного тестирования и подготовки гипотез. Но они должны быть связаны с реальным исследованием, а не подменять его там, где нужны живой опыт, контекст, эмоции, поведенческие детали и проверка фактического опыта респондента.

4. Новая гибридная логика исследования

Классическая логика исследования часто выглядела так: идея → рекрутинг → интервью или опрос → анализ → выводы. Такая схема остаётся рабочей, но в условиях высокой скорости рынка она может быть слишком дорогой и медленной, особенно если гипотез много, а сегменты сложные.

Новая гибридная логика может выглядеть иначе: идея → AI-предтест на синтетической аудитории → уточнение гипотез и сегментов → рекрутинг реальных респондентов → интервью, UX-тест или опрос → проверка и корректировка выводов.

В этой схеме AI не отменяет рекрутинг, а усиливает его. До начала подбора можно понять, какие сегменты стоит проверять, какие формулировки вызывают сомнения, какие барьеры могут появиться у аудитории, какие вопросы нужно включить в скрининг и гайд. Это особенно важно для сложных аудиторий: B2B, IT, HCP, premium, владельцы бизнеса, топ-менеджеры, пользователи узких сервисов.

Для клиента такая модель полезна тем, что снижает риск потратить бюджет на слабую гипотезу. Для исследовательской команды — тем, что позволяет точнее поставить задачу на рекрутинг. Для агентства по подбору респондентов — тем, что повышает качество входного брифа и делает процесс более стратегическим.

5. Чем это полезно ADS и продукту «Алиса»

Для ADS тема синтетических респондентов особенно органична. Агентство исторически специализируется на качественном рекрутинге реальных участников исследований: B2C, B2B, IT, экспертные, premium и другие сложные аудитории. Сильная сторона ADS — понимание того, как на практике проверять критерии, отличать формальное соответствие от реального опыта и доводить респондента до интервью.

GPT-продукт «Алиса», созданный в ADS, позволяет расширить эту экспертизу на более ранний этап исследования https://chatgpt.com/g/g-698c732e8b9c8191b896f8b7b2d073ce-alice-ads-research. Если раньше клиент приходил уже с готовым запросом «найдите нам таких респондентов», то теперь агентство может помогать ещё до запуска рекрута: проверить гипотезы, смоделировать реакции сегментов, подсветить слабые места в концепции, уточнить вопросы скрининга и структуру будущего интервью.

Практическая ценность «Алисы» для ADS состоит в нескольких направлениях. Во-первых, это новый технологичный слой позиционирования: агентство становится не только подрядчиком по рекрутингу, но и AI-enabled research partner. Во-вторых, это инструмент предпродаж: клиент может начать с быстрой AI-проверки идеи, а затем перейти к реальному рекрутингу. В-третьих, это способ усилить экспертный контент ADS, потому что тема synthetic respondents пока слабо раскрыта конкурентами.

Кроме того, «Алиса» помогает объяснить рынку важную мысль: качественный рекрутинг и AI не конкурируют друг с другом. Наоборот, наиболее сильная модель — соединение скорости AI и достоверности живого исследования. ADS может занять именно эту позицию: сначала AI-предтест, затем точный подбор реальных респондентов для проверки гипотез.

6. Что за этим трендом стоит для рынка

Я вижу за трендом синтетических респондентов стоит более широкий сдвиг: маркетинг и исследования становятся всё более data-driven и AI-assisted. Компании хотят не просто получать отчёты, а быстрее принимать решения. Им нужны инструменты, которые помогают тестировать сообщения, продукты, аудитории и сценарии до того, как будут потрачены большие бюджеты.

В этом смысле synthetic respondents могут занять место первого аналитического фильтра. Они помогают быстро увидеть возможные реакции, но не дают окончательного ответа. Точно так же desk research не отвечает на все вопросы о поведении потребителей, но делает последующее поле более точным.

Главный аспект, что профессиональное применение этого инструмента будет требовать методологической честности. Важно прямо говорить клиенту: синтетическая аудитория показывает вероятные реакции и гипотезы, но не является доказательством поведения реальных людей. Доказательством остаются реальные интервью, опросы, UX-тесты, продажи, поведенческие данные и наблюдение.

Именно такая честная рамка может стать сильным конкурентным преимуществом. Рынок не нуждается в очередной громкой AI-обещалке. Ему нужны понятные гибридные решения, где AI ускоряет подготовку, а человеческая экспертиза и реальные респонденты обеспечивают достоверность.

7. Контентная и SEO-возможность для ADS

Для ADS эта тема важна не только как продуктовая, но и как коммуникационная. Я рассматриваю её как возможность усилить позиционирование агентства и показать, что ADS работает не только в классическом рекрутинге, но и в современной AI-логике исследований. В нише рекрутинга респондентов пока мало системного контента о синтетических аудиториях, AI-предтестах, гибридной методологии и связи между AI-моделированием и реальным подбором участников исследований.

Это создаёт контентную лакуну: можно занять экспертную позицию раньше конкурентов. На сайте, в Telegram, LinkedIn и YouTube можно системно раскрывать темы: «что такое синтетические респонденты», «почему они не заменяют живых людей», «как AI помогает подготовить качественный рекрутинг», «как проверить гипотезу до интервью», «чем AI-предтест похож на desk research».

Для SEO это также перспективная зона. Помимо традиционных ключевых запросов — «рекрутинг респондентов», «подбор респондентов», «респонденты для исследований», «рекрут респондентов», «UX research recruitment» — появляются новые запросы вокруг synthetic respondents, AI research, synthetic audience, GPT для исследований, AI personas. ADS может связать классическую экспертизу в рекрутинге с новой AI-повесткой и получить более сильное позиционирование.

Такой контент будет работать не только на трафик, но и на доверие. Потенциальный клиент видит, что агентство понимает рынок, умеет объяснять сложные методологические вопросы и предлагает не просто поиск людей, а более современную исследовательскую воронку.

8. Где синтетические респонденты уже используются

Я считаю важным показать, что synthetic respondents — это уже не только теоретическая идея. Элементы этого подхода используются и тестируются крупными международными research-компаниями, платформами клиентского опыта и академическими исследователями. Например, Qualtrics в Market Research Trends Report 2025 указывает, что 71% исследователей считают: в течение ближайших трёх лет synthetic responses будут составлять более половины собираемых данных. Для меня это важный индикатор: рынок уже обсуждает не сам факт появления технологии, а вопрос правил её корректного применения.

NielsenIQ рассматривает synthetic respondents как искусственные персоны, созданные машинным обучением для имитации ответов потребителей. В продуктовых исследованиях такой подход особенно полезен для быстрой оценки и оптимизации новых концепций. Отдельный пример — BASES AI Screener, где NIQ описывает создание синтетических респондентов с демографическими и покупательскими профилями на основе поведенческих данных панелей.

Ipsos также пишет о применении synthetic data в product testing: синтетические данные могут повышать гибкость исследований, сокращать время и затраты, а также помогать глубже анализировать подгруппы. На мой взгляд, это особенно важно для маркетинга, потому что клиентам всё чаще нужно быстро сравнить несколько концепций, сообщений, упаковок или лендингов до запуска полноценного исследования.

Академические исследования тоже подтверждают потенциал и ограничения подхода. В одном из исследований по синтетическим ответам на данных общественного мнения в Чили было создано 189 696 synthetic profiles и протестированы 128 комбинаций «prompt-model-question». По отдельным вопросам доверия модели показали accuracy и F1 выше 0,90, но авторы подчёркивают: точность зависит от темы, сегмента и калибровки. Я делаю из этого вывод, что технология перспективна, но требует методологической дисциплины.

9. Кто пока использует осторожно или не должен полностью заменять живых респондентов

На мой взгляд, есть категории проектов, где synthetic respondents пока нельзя использовать как замену реальному полю. Это юридически значимые, медицинские, финансовые, государственные и социально чувствительные исследования, а также проекты, где клиенту важно получить именно подтверждённый голос реального человека с реальным опытом.

Особенно осторожно нужно работать со сложными B2B-аудиториями: владельцами бизнеса, топ-менеджерами, врачами, IT-специалистами, premium-клиентами, пользователями узких профессиональных сервисов. В таких сегментах важны детали контекста, реальный путь принятия решений, личный опыт и неожиданные инсайты, которые AI может не уловить. Исследование с опросом 420 разработчиков из Silicon Valley показало: AI-агенты давали технически правдоподобные ответы, но не смогли воспроизвести контринтуитивные инсайты, ради которых часто и проводится живое исследование.

Поэтому я считаю, что честная позиция для рынка такая: synthetic respondents — это не замена реальным респондентам, а предварительный AI-слой. Он помогает быстрее подготовиться к полю, но не отменяет необходимости качественного рекрутинга, скрининга и интервью с живыми людьми.

10. Вероятность использования в России

Я считаю вероятность использования синтетических респондентов в России высокой, но сначала — в формате AI-предтеста, а не полной замены респондентов. Причина в том, что российский рынок маркетинга и исследований часто работает в условиях ограниченных сроков и бюджетов: компаниям нужно быстро проверить гипотезу, рекламное сообщение, лендинг, упаковку, УТП или сценарий продаж.

Дополнительный фактор — общее внедрение AI в российский бизнес. По данным исследования Yakov & Partners и Яндекса, внедрение искусственного интеллекта может дать российской экономике до 13 трлн рублей к 2030 году, а более 70% российских компаний уже интегрировали generative AI хотя бы в один бизнес-процесс. Для меня это означает, что компании постепенно привыкают к AI как к рабочему инструменту, а не как к эксперименту.

В России, на мой взгляд, synthetic respondents быстрее всего будут востребованы в маркетинге, UX, продуктовой разработке, проверке рекламных сообщений, анализе лендингов, тестировании концепций и подготовке к B2B-исследованиям. Массовое принятие может занять 3–5 лет, но первые практические применения уже возможны сейчас — особенно как быстрый этап перед реальным рекрутингом.

11. Что это даёт ADS и продукту «Алиса»

Для ADS эта тема особенно ценна, потому что она не противоречит основной экспертизе агентства, а усиливает её. ADS исторически специализируется на подборе реальных респондентов, а «Алиса» может работать как предварительный AI-инструмент до запуска рекрутинга. То есть клиент сначала быстро проверяет идею на синтетической аудитории, затем мы уточняем критерии и подбираем реальных людей для подтверждения или опровержения гипотез.

Я вижу пользу «Алисы» для ADS в нескольких направлениях. Во-первых, она помогает быстрее сформулировать гипотезы для исследования. Во-вторых, она может подсказать, какие сегменты стоит рекрутировать в первую очередь. В-третьих, она помогает выявить возможные барьеры аудитории до того, как клиент потратит бюджет на полноценное поле. В-четвёртых, она усиливает позиционирование ADS как технологичного агентства, которое соединяет классический рекрутинг и современные AI-инструменты.

Мой главный вывод: для ADS правильная формула звучит не «AI вместо респондентов», а «AI до респондентов». «Алиса» может стать AI-предтестом перед реальным исследованием, а качественный рекрутинг ADS — следующим этапом проверки выводов на живых людях. Это создаёт более сильную исследовательскую воронку: идея → AI-предтест → уточнение гипотез → рекрутинг реальных респондентов → интервью/UX-тест → управленческие выводы.

Вывод

Синтетические респонденты действительно можно сравнить с тем, как когда-то в исследовательскую практику вошли кабинетные исследования, но это сравнение нужно использовать аккуратно. Они похожи не по методологии, а по роли: оба инструмента помогают подготовить полевой этап, уточнить гипотезы и рациональнее использовать бюджет.

Desk research не заменил реальные исследования, а сделал их более осмысленными. Точно так же synthetic respondents не должны заменять живых людей, особенно в сложных B2B, HCP, IT, premium и UX-задачах. Но они могут стать важным AI-слоем перед рекрутингом и полем.

Для ADS и GPT-продукта «Алиса» это создаёт сильное направление развития: соединить классическую экспертизу в рекрутинге реальных респондентов с современным AI-моделированием аудиторий. Такая модель позволяет клиенту быстрее проверить идею, точнее поставить задачу, эффективнее использовать бюджет и получить более качественное исследование.

Я считаю, что будущее рынка не в выборе между AI и реальными людьми, а в их грамотном сочетании. Именно на этом пересечении может формироваться новая роль агентств: не просто рекрутировать респондентов, а помогать бизнесу строить более точную, быструю и доказательную систему понимания аудитории.

Сравнение: desk research и синтетические респонденты

Использованные источники и ориентиры

• Qualtrics. AI to Drive Massive Changes to Market Research in 2025, Qualtrics Report Says. 2024. https://www.qualtrics.com/articles/news/ai-to-drive-massive-changes-to-market-research-in-2025-qualtrics-report-says/

• McKinsey & Company. The State of AI: Global Survey / State of AI materials. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

• NielsenIQ. The rise of synthetic respondents in market research. 2024. https://nielseniq.com/global/en/insights/education/2024/the-rise-of-synthetic-respondents/

• González-Bustamante B., Verelst N., Cisternas C. Emulating Public Opinion: A Proof-of-Concept of AI-Generated Synthetic Survey Responses for the Chilean Case. arXiv, 2025. https://arxiv.org/abs/2509.09871

• Morocho E. E. T. et al. Assessing the Reliability of Persona-Conditioned LLMs as Synthetic Survey Respondents. arXiv, 2026. https://arxiv.org/abs/2602.18462

• Ipsos. The Power of Product Testing with Synthetic Data. 2025. https://www.ipsos.com/en/humanizing-ai-2-the-power-of-product-testing-with-synthetic-data

• Ipsos. Transforming Research Through Synthetic Data. 2025. https://www.ipsos.com/en/ai/transforming-research-through-synthetic-data

• NielsenIQ / NIQ. BASES AI Screener materials and synthetic respondents discussion. 2025.

• Yakov & Partners, Yandex. Artificial Intelligence in Russia — 2025: Trends and Outlook. 2025.

• Miklian J., Hoelscher K., Katsos J. E. Stochastic Parrots or Singing in Harmony? Testing Five Leading LLMs for their Ability to Replicate a Human Survey with Synthetic Data. arXiv, 2026.

Алиса синтетические респонденты https://chatgpt.com/g/g-698c732e8b9c8191b896f8b7b2d073ce-alice-ads-research