98% исследователей рынка используют ИИ ежедневно
Специалисты по исследованию рынка внедрили искусственный интеллект с поразительной скоростью: согласно новому отраслевому исследованию, 98% профессионалов теперь используют инструменты ИИ в своей работе, а 72% применяют их ежедневно или еще чаще. При этом доклад обнажает как колоссальный потенциал технологии, так и ее хронические проблемы с надежностью.
Полученные данные основаны на ответах 219 американских специалистов по исследованию рынка и сбору аналитики, опрошенных в августе 2025 года платформой QuestDIY, принадлежащей компании The Harris Poll. Они рисуют картину индустрии, зажатой между противоположными требованиями: необходимостью ускорить предоставление бизнес-аналитики и бременем проверки всего, что производит ИИ, для обеспечения точности.
Хотя более половины исследователей (56%) заявляют, что экономят не менее пяти часов в неделю благодаря инструментам ИИ, почти четрое из десяти говорят, что столкнулись с «повышенной зависимостью от технологий, которые иногда допускают ошибки». Еще 37% отмечают, что ИИ «создал новые риски, связанные с качеством или точностью данных», а 31% утверждают, что технология «привела к росту объема работы по перепроверке и валидации результатов ИИ».
Разрыв между приростом производительности и степенью доверия привел к своеобразной сделке с совестью в исследовательской индустрии: профессионалы принимают экономию времени и расширенные возможности в обмен на постоянный контроль за ошибками ИИ. Эта динамика способна коренным образом изменить методы аналитической работы.
Как исследователи рынка прошли путь от скептиков до ежедневных пользователей ИИ менее чем за год
Цифры показывают, что ИИ перешел из разряда экспериментов в статус инфраструктуры в рекордные сроки. Среди тех, кто пользуется ИИ ежедневно, 39% обращаются к нему один раз в день, а 33% применяют его «несколько раз в день или чаще», согласно опросу, проводившемуся с 15 по 19 августа 2025 года. Темпы внедрения растут: 80% исследователей говорят, что используют ИИ активнее, чем полгода назад, а 71% ожидают увеличения его использования в течение следующих шести месяцев. И лишь 8% прогнозируют снижение частоты его применения.
«Хотя ИИ предоставляет прекрасные возможности и помощь, человеческое суждение останется жизненно важным, — заявила VentureBeat Эрика Паркер (Erica Parker), управляющий директор по исследовательским продуктам в The Harris Poll. — Будущее — это командная динамика, где ИИ будет ускорять выполнение задач и быстро находить инсайты, в то время как исследователи будут обеспечивать качество и предоставлять высокоуровневые консультативные рекомендации».
Основные сценарии использования отражают сильные стороны ИИ в обработке данных в больших масштабах: 58% исследователей применяют его для анализа множественных источников данных, 54% — для анализа структурированных данных, 50% — для автоматизации отчетов с инсайтами, 49% — для анализа открытых ответов в опросах и 48% — для обобщения результатов. Эти задачи, традиционно трудоемкие и отнимающие много времени, теперь решаются за считанные минуты, а не часы.
Помимо экономии времени, исследователи отмечают ощутимое улучшение качества. Около 44% говорят, что ИИ повышает точность, 43% сообщают, что он помогает выявить инсайты, которые они могли бы упустить, 43% отмечают ускорение предоставления результатов, а 39% заявляют, что он стимулирует творческий подход. Подавляющее большинство — 89% — считают, что ИИ сделал их рабочую жизнь лучше, причем 25% описывают это улучшение как «значительное».
Парадокс производительности: экономия времени при одновременном появлении новых задач по проверке
Тем не менее, тот же опрос выявляет глубокую обеспокоенность по поводу надежности технологии. Список опасений обширен: 39% исследователей сообщают об усилении зависимости от склонных к ошибкам технологий, 37% ссылаются на новые риски, связанные с качеством или точностью данных, 31% говорят о дополнительных усилиях по валидации, 29% заявляют обuncertainty (неуверенности) в отношении гарантий занятости, а 28% отмечают, что ИИ вызывает опасения по поводу конфиденциальности данных и этики.
В отчете отмечается, что «точность — это главная проблема, вызывающая разочарование у исследователей при ответах на открытые вопросы». Один из исследователей метко охарактеризовал это напряжение: «Чем быстрее мы движемся с помощью ИИ, тем сильнее нам нужно проверять, в правильном ли направлении мы движемся».
Этот парадокс — одновременная экономия времени и создание новой работы — отражает фундаментальную особенность современных систем ИИ, которые могут выдавать результаты, выглядящие авторитетно, но содержащие то, что исследователи называют «галлюцинациями», то есть сфабрикованную информацию, преподнесенную как факт. Данная проблема особенно остро стоит в профессии, где репутация строится на методологической строгости, а некорректные данные могут подтолкнуть клиентов к дорогостоящим бизнес-решениям.
«Исследователи воспринимают ИИ как младшего аналитика, способного работать быстро и масштабно, но нуждающегося в надзоре и оценке», — отмечается в докладе слова Гэри Топиола (Gary Topiol), управляющего директора QuestDIY.
Эта метафора — ИИ как младший аналитик — точно описывает текущую рабочую модель индустрии. Исследователи относятся к результатам работы ИИ как к черновикам, требующим проверки со стороны старших специалистов, а не как к готовым продуктам. Такой рабочий процесс обеспечивает защитные механизмы, но также подчеркивает ограничения технологии.
Почему страхи перед утечкой данных являются главным препятствием для внедрения ИИ в исследованиях
На вопрос о том, что может ограничить использование ИИ на рабочем месте, исследователи назвали главной преградой опасения по поводу конфиденциальности и безопасности данных (на это указали 33% респондентов). Эти опасения вполне реальны: исследователи работают с конфиденциальными клиентскими данными, проприетарной бизнес-информацией и персональными данными, подпадающими под действие таких регламентов, как GDPR и CCPA. Передача этих данных системам ИИ, особенно облачным большим языковым моделям, поднимает закономерные вопросы о том, кто контролирует информацию и не будет ли она использована для обучения моделей, доступных конкурентам.
Другими значительными барьерами являются нехватка времени на эксперименты и освоение новых инструментов (32%), нехватка обучения (32%), сложности интеграции (28%), ограничения внутренней политики компаний (25%) и стоимость (24%). Еще 31% назвали проблемой отсутствие прозрачности в использовании ИИ, что может усложнить объяснение результатов клиентам и заинтересованным сторонам.
Проблема прозрачности стоит особенно остро. Когда система ИИ выдает анализ или инсайт, исследователи зачастую не могут проследить, как именно система пришла к такому выводу — это противоречит акценту научного метода на воспроизводимость и четкую методологию. Некоторые клиенты отреагировали на это включением в контракты пунктов о запрете использования ИИ, вынуждая исследователей либо полностью избегать технологии, либо использовать ее так, чтобы формально не нарушать условия контракта, хотя это может стирать этические границы.
«Ознакомление с инструментом важнее обилия функций, — заявила Паркер в отчете. — Главные тормоза — это время на обучение и освоение. Готовые рабочие процессы, шаблоны и настраиваемые подсказки разблокируют использование гораздо быстрее, чем наращивание возможностей».
Анатомия нового рабочего процесса: отношение к ИИ как к младшему аналитику, нуждающемуся в постоянном контроле
Несмотря на эти трудности, исследователи не собираются отказываться от ИИ — они разрабатывают структуры для его ответственного использования. Согласно опросу, консенсусная модель представляет собой «исследования под руководством человека при поддержке ИИ», где ИИ берет на себя рутинные задачи вроде кодирования, очистки данных и генерации отчетов, в то время как люди сосредоточены на интерпретации, стратегии и влиянии на бизнес.
Около трети исследователей (29%) описывают свой текущий рабочий процесс как «под руководством человека со значительной поддержкой ИИ», а 31% характеризуют его как «в основном человеческий труд с некоторой помощью ИИ». Заглядывая в 2030 год, 61% видят в ИИ «партнера по поддержке принятия решений» с расширенными возможностями, включая генеративные функции для составления опросников и отчетов (56%), генерацию синтетических данных с помощью ИИ (53%), автоматизацию ключевых процессов, таких как настройка проектов и кодирование (48%), предиктивную аналитику (44%) и более глубокие когнитивные инсайты (43%).
В отчете описывается формирующееся разделение труда, в рамках которого исследователи превращаются в «защитников инсайтов» (Insight Advocates) — профессионалов, которые проверяют результаты ИИ, увязывают выводы с проблемами стейкхолдеров и переводят сгенерированный машиной анализ в стратегические нарративы, определяющие бизнес-решения. При такой модели техническое исполнение уходит на второй план по сравнению с экспертной оценкой, контекстом и умением рассказывать истории.
«ИИ может выявить упущенные инсайты, но ему по-прежнему нужен человек, чтобы оценить, что действительно важно», — отметил Топиов в отчете.
Чему другие интеллектуальные работники могут научиться на примере экспериментов исследовательской индустрии с ИИ
Внедрение ИИ в индустрии маркетинговых исследований может предвосхитить аналогичные паттерны в других интеллектуальных профессиях, где технология обещает ускорить анализ и синтез. Опыт исследователей — пионеров внедрения ИИ, интегрировавших технологию в ежедневные рабочие процессы, — предлагает уроки как о возможностях, так и о подводных камнях.
Во-первых, скорость действительно имеет значение. Один из руководителей исследований в бутикового агентства, цитируемый в отчете, рассказал, как наблюдал за накоплением результатов опроса в реальном времени после его запуска: «После отправки в поле я буквально наблюдал, как счетчик опроса растет и завершает работу в тот же день. Это был поразительный результат». Такая скорость позволяет исследователям отвечать на бизнес-вопросы в течение часов, а не недель, делая инсайты применимыми на практике, пока решения еще принимаются, а не после факта.
Во-вторых, прирост производительности реален, но неравномерен. Экономия пяти часов в неделю означает значительную эффективность для отдельных сотрудников, однако эта экономия может испариться, если потратить ее на валидацию результатов ИИ или исправление ошибок. Чистая выгода зависит от конкретной задачи, качества инструмента ИИ и навыков пользователя в составлении запросов и проверке работы технологии.
В-третьих, навыки, необходимые для исследований, меняются. В отчете определены будущие компетенции, включая культурную эмпатию, стратегический сторителлинг, этическое сопровождение и то, что называется «любознательным отстаиванием инсайтов» — способность задавать правильные вопросы, проверять результаты работы ИИ и формулировать инсайты для максимального влияния на бизнес. Техническое исполнение, хотя и остается важным, перестает быть главным дифференциатором по мере того, как ИИ берет на себя все больше механической работы.
Странный феномен интенсивного использования технологий при сомнениях в их надежности
Самым поразительным выводом опроса может оказаться сохранение проблем с доверием на фоне повсеместного внедрения. На большинстве кривых внедрения технологий доверие растет по мере того, как пользователи набираются опыта, а инструменты созревают. Но в случае с ИИ исследователи, судя по всему, используют инструменты интенсивно и одновременно ставят под сомнение их надежность. Эта динамика обусловлена склонностью технологии хорошо справляться с задачами большую часть времени, но непредсказуемо давать сбои.
Это создает нагрузку по проверке, у которой нет очевидного завершения. В отличие от традиционных программных багов, которые можно обнаружить и исправить, вероятностная природа систем ИИ означает, что они могут выдавать разные результаты на одни и те же вводные данные, что затрудняет создание надежных процессов обеспечения качества.
Обеспокоенность конфиденциальностью данных, названная 33% респондентов главным препятствием для внедрения, отражает иное измерение доверия. Исследователи беспокоятся не только о том, выдает ли ИИ точные результаты, но и о том, что происходит с конфиденциальными данными, которые они загружают в эти системы. Подход QuestDIY, согласно отчету, заключается в том, чтобы встраивать ИИ непосредственно в исследовательскую платформу с сертификацией ISO/IEC 27001, а не заставлять исследователей использовать универсальные инструменты вроде ChatGPT, которые могут сохранять пользовательские данные и обучаться на них.
«Центр тяжести смещается в сторону масштабного анализа — объединения множества источников, работы как со структурированными, так и с неструктурированными данными, а также автоматизации отчетности», — пояснил Топиов в отчете, описывая области, где ИИ приносит наибольшую пользу.
Будущее исследовательской работы: подъем на новый уровень или бесконечная верификация?
В отчете 2026 год позиционируется как переломный момент, когда ИИ перестает быть просто инструментом и превращается в нечто большее — в члена команды, которого авторы называют «со-аналитиком», участвующим в исследовательском процессе, а не просто ускоряющим отдельные задачи.
Этот сценарий предполагает дальнейшее совершенствование возможностей ИИ, особенно в тех сферах, где исследователи пока считают технологию недостаточно развитой. Хотя 41% в настоящее время используют ИИ для разработки опросников, 37% — для программирования, а 30% — для создания проектных предложений, большинство исследователей считают эти варианты использования уместными, что говорит о значительном потенциале роста по мере того, как инструменты станут надежнее, а рабочие процессы — структурированнее.
Вероятно, модель с лидирующей ролью человека сохранится. «Будущее остается за человеком, при этом ИИ выступает в роли надежного со-аналитика», — отметила Паркер в отчете. Но то, что означает «под руководством человека» на практике, может измениться. Если ИИ берет на себя большинство аналитических задач, а исследователи концентрируются на валидации и стратегической интерпретации, профессия может стать ближе к редакторской работе, чем к научному анализу — кураторству и контекстуализации сгенерированных машинными методами инсайтов, а не их созданию с нуля.
«ИИ дает исследователям возможность подняться по цепочке создания ценности — от сборщиков данных до защитников инсайтов, сосредоточенных на максимизации влияния на бизнес», — подчеркнул Топиов в отчете.
Станет ли эта трансформация возвышением профессии или ее упрощением, отчасти зависит от того, как будет развиваться технология. Если системы ИИ станут более прозрачными и надежными, нагрузка по проверке может снизиться, и исследователи смогут сосредоточиться на мышлении более высокого порядка. Если же они останутся непрозрачными и склонными к ошибкам, исследователи могут оказаться заперты в бесконечном цикле проверки работы, созданной инструментами, которым они не могут до конца доверять или которые не могут объяснить.
Данные опроса показывают, что исследователи справляются с этой неопределенностью, вырабатывая нечто вроде профессиональной мышечной памяти: учатся тому, с какими задачами ИИ справляется хорошо, где он склонен давать сбои и какого объема надзора требует каждый тип результатов. Эти неявные знания, накапливаемые в ходе ежедневного использования и периодических неудач, могут стать для профессии столь же важными, как грамотная статистика или принципы составления опросников.
Тем не менее, фундаментальное противоречие остается неразрешенным. Исследователи движутся быстрее, чем когда-либо, предоставляя инсайты за часы вместо недель и решая аналитические задачи, которые были бы невозможны без ИИ. Но они делают это, взваливая на себя новую ответственность, с которой не сталкивались прошлые поколения: выступать в роли контролеров качества между мощными, но непредсказуемыми машинами и бизнес-лидерами, принимающими решения на миллионы долларов.
Индустрия сделала свою ставку. Теперь начинается самое сложное: доказать, что человеческий разум способен поспевать за скоростью машин — и что инсайты, рожденные в этом непростом партнерстве, стоят доверия, которое оказывают им клиенты.
