Sicché: AI, который работает рядом с исследователем, а не вместо него

Самый деликатный момент качественного исследования — не сбор данных, а то, что происходит после

В Sicché все являются качественными исследователями и поэтому хорошо знают: самая увлекательная и при этом действительно трудоёмкая часть работы — не сбор данных, а их понимание и интерпретация.

Когда закрывается сообщество, когда заполнен последний дневник, когда все пре-задачи выполнены и ждут… именно тогда начинается настоящая работа: чтение сотен открытых ответов, восстановление логических нитей, кодирование, выделение вербатимов.

Работа приятная, но требующая времени, ясности мышления и большого терпения.

Именно отсюда возникло размышление, которое развивалось параллельно с созданием Pino — AI-сомодератора Sicché: а что, если AI мог бы помочь и на этапе анализа? Что, если он мог бы сократить расстояние между ответами участников и первыми настоящими инсайтами?

AI с «активным тормозом»: философия, лежащая в основе разработки

Прежде чем перейти к деталям, важно сказать кое-что существенное: AI Sicché создавался и проектировался качественными исследователями, а не людьми, продающими AI-инструменты. Небольшое, но принципиальное отличие: приоритетом всегда оставалось качество данных, а не скорость или эффект присутствия.

Признаем честно: существует немало примеров AI внутри исследовательских инструментов, которые выдают результаты быстрые, отполированные и… совершенно неверные. Галлюцинации, ложные атрибуции, вводящие в заблуждение ассоциации, противоречивые резюме — всё очень впечатляет, но неправильно.

Именно поэтому AI Sicché работает по принципу, который команда называет «активным тормозом»: это не полная передача управления искусственному интеллекту, а сопровождаемый AI, удерживаемый в чётких границах, которые он не может пересечь, — именно для того, чтобы минимизировать риск ошибок и сохранить строгий контроль над содержанием.

Это принцип human-in-the-loop: исследователь всегда остаётся в центре, AI является вспомогательным инструментом.

Где AI Sicché вступает в работу: два уровня, одна общая цель

AI Sicché включается на двух наиболее трудоёмких этапах работы исследователя — модерации и анализе.

В модерации работает Frank (в итальянском интерфейсе — Pino), которому посвящена отдельная статья. Он берёт на себя более простые follow-up-вопросы — те, которые срабатывают, когда ответ участника расплывчатый, неполный или не по теме. Вскоре возможности Pino будут расширены за счёт нового типа вопроса — разговорного чата.

В анализе, которому посвящена данная статья, AI работает рядом с исследователем над тем, что, вероятно, является самой времязатратной задачей во всём исследовательском процессе: осмыслением собранного контента.

Анализы можно запустить для отдельного вопроса или целой активности. После завершения они сохраняются и доступны в любое время в разделе Analysis & Export — с фильтрацией по комнате, секции, дню или конкретной активности.

Три типа AI-анализа, три вопроса для ответа

Какие вопросы исследователи задают себе чаще всего, когда сталкиваются с большим объёмом открытых ответов? Выявились три таких вопроса, и каждый из них соответствует определённому типу анализа.

Тематический анализ: «Какие основные темы проявились?»

Это почти всегда первый вопрос. Тематический анализ обрабатывает все собранные ответы и возвращает осмысленное резюме повторяющихся тем, подкреплённое наиболее значимыми вербатимами, иллюстрирующими каждую тему.

Когда его использовать? Практически всегда: в начале анализа, после особенно насыщенного открытого вопроса или активности, которая сгенерировала много материала.

Это похоже на ассистента, который уже всё прочёл и говорит: вот пять нитей, за которые стоит потянуть в первую очередь.

Сравнение сегментов: «Одинаково ли думают разные профили в выборке?»

Сравнение сегментов — это перекрёстный анализ, который опирается на переменные выборки, заданные при настройке проекта: возраст, пол, потребительский кластер, кастомные сегменты. AI системно анализирует, коррелируют ли эти переменные с определёнными ответами, установками или тенденциями.

Тяжёлые пользователи против лёгких. Новые клиенты против давних. Жители крупных городов против жителей небольших. Нетрудно представить, сколько времени уходит на то, чтобы выявить эти различия вручную — и как часто под давлением дедлайнов приходится ограничиваться беглым «интуитивным» взглядом.

Именно в межсегментных различиях нередко скрывается наиболее ценный инсайт. Найти его вручную занимает часы; с AI — минуты.

Кастомный анализ (чат с результатами): «А если у меня есть конкретный вопрос?»

Кастомный анализ — это чат с результатами исследования: вопрос формулируется на естественном языке, точно так же, как его задают коллеге. Ответ учитывает все вопросы (и соответствующие ответы участников) из активности, с возможностью применять фильтры по переменным выборки, чтобы сфокусироваться на конкретной подгруппе.

Это наиболее открытый режим, и он оказывается наиболее полезным в двух конкретных ситуациях: когда в ходе проекта возникает гипотеза, которую нужно проверить на месте, и когда готовится конкретная глава отчёта и требуется целевая точка зрения.

Почему AI-анализы ограничены уровнем «единицы»

«А что, если мне нужен AI-анализ всего исследовательского проекта — всех активностей вместе?»

Честный ответ: это невозможно внутри платформы, и это намеренный выбор. Анализы ограничены чётко определёнными исследовательскими единицами (отдельный вопрос или активность), поскольку именно в этих контекстах тема открывается, исследуется и закрывается — и именно здесь риск галлюцинаций и неверных интерпретаций можно удерживать под контролем.

Тем не менее для тех, кому нужно проанализировать весь массив данных, предусмотрены два варианта.

Экспорт в формате AI-friendly

В разделе Analysis & Export, помимо стандартных форматов XLS и PDF, можно скачать всё содержимое исследования в AI-friendly-формате: лёгкий файл, оптимизированный для загрузки непосредственно в внешний LLM и использования в качестве основы для кастомных анализов.

Важная деталь: каждый ответ всегда содержит переменные выборки того, кто его дал. «Кто что сказал» встроено в файл построчно, так что внешний LLM можно запрашивать не только по содержанию, но и по различиям между подвыборками и кластерами — так же, как при сравнении сегментов внутри платформы.

Партнёрство со специализированной платформой

Для тех, чьи потребности ещё более структурированы, Sicché заключила партнёрство с платформой, специализирующейся на AI-анализе качественных данных. Подробности зависят от требований конкретного проекта — компания предпочитает выстраивать индивидуальные решения.

Время, сэкономленное на «прокрутке», — это время для размышлений

AI Sicché — Pino в модерации и AI-анализы с AI-friendly-экспортом на этапе анализа — не стремится заменить исследователя. Его задача — вернуть часы, которые тот потратил бы на чтение строка за строкой, чтобы эти часы можно было инвестировать в интерпретацию, в построение нарратива или в разговор с клиентом.

Качество исследования измеряется не тем, сколько ответов вы прочли, а тем, насколько хорошо вы их поняли.