Писал выше, что наша ставка как исследовательской команды - это скорость. Кентавр (человек+ИИ) обрабатывает данные существенно быстрее, чем человек. Но применимо ли это в качественных социальных исследованиях, в которых особенно важна роль интерпретатора с творческим подходом, начитанностью, интуицией? В профильных журналах этот вопрос обсуждается с 2024 года, и ответ - да: 1. Задачи распределяются так, что творческая часть достается человеку, а рутина - роботу (тематическое кодирование делает ИИ); о похожем принципе мы писали в статье о студентах и ИИ. 2. Стратегия кодирования задается через обучение робота на профильных учебниках по качественным методам: обоснованная теория, тематическое кодирование и др. 3. Все выводы проверяет человек (например, предлагается отдавать ИИ 70-80%% расшифровок интервью, а остальные кодировать руками). 4. Обязательно запускаются промпты на проверку предпосылок ИИ (bias audit), ведь мы не знаем, на каких данных обучалась именно эта языковая модель. 5. Разумеется, использование ИИ не просто декларируется в статье: промпты и сырые данные сохраняются в репозитории для воспроизводимости. 6. И, конечно, данные анонимизируются, особенно при передаче для анализа проприетарным ИИ. Но вообще это консервативные принципы, они дают ускорение в 5-10 раз без повышения качества результата. Другая ветка статей опирается на принцип коммуникации. Владимир Никольский вводит термин "коммуникативный ИИ", зарубежные коллеги говорят о "диалоге с данными", наши - предлагают идею аутокоммуникации. Идея в том, что исследователь и сам метод могут стать лучше, если работает кентавр. Например: 1. Методология "обоснованной теории" требует, чтобы исследователь подходил к данным без предпосылок, выводил теорию из данных. Но всегда ли человек замечает, что привнес что-то своё ещё на этапе кодирования? Исследователи кентавров говорят, что подготовка промпта для ИИ позволяет исследователю заметить и снять собственные предпосылки. 2. Общение с роботом в ходе выработки промпта и "приемки результатов" может навести исследователя на неожиданные идеи, которые в одиночку он бы не выработал (образ ИИ как собеседника мы видели в интервью с молодыми социологами). 3. Робот может "оживить" данные, сделать возможным диалоговый формат. Например, анализируя кейс Непала мы в RAG-системе ставили перед массивом данных гипотезы и получали аргументированные ответы. 4. И, наконец, скорость решает. ИИ дает возможность работать с нарративами невероятного объема (миллион сообщений и более), что невозможно для исследователя-человека. Энтузиасты ИИ говорят, что фронтир 2026 года - мультиагентные системы с написанием индивидуального программного кода для каждого этапа проверки гипотезы и агентный RAG. А я думаю, что есть два стратегических вызова, за которые надо браться: 1. Подготовка кентавров: совместное обучение человека и его ИИ-партнера для работы в сфере социальных исследований. 2. Разработка специализированных ИИ для социальных исследований (в том числе для запуска на машинах без доступа в сеть) где ключевое требование - прозрачность и разнообразие предпосылок (должно быть доподлинно известно, на каких данных обучалась конкретная модель).