Квиз из 2010-х,
AI из 2026

Недавно я наткнулась на тест, который обещал определить «потенциал известности». По словам автора, его делали несколько месяцев; внутри — несколько десятков вопросов, собственная система «законов» и персональный результат. Первые вопросы я проходила совершенно спокойно. Потом начала замечать, что довольно легко угадываю, какой ответ здесь выглядит «лучше». И в какой-то момент поймала себя на очень конкретной мысли: я эту конструкцию уже где-то видела.

Потом вспомнила — интернет-тесты из 2010-х. Те самые с вопросами A/B/C/D, где по вариантам нередко было понятно, какой ответ «правильнее», а в конце тебя ждал свой тип, характеристика или количество баллов. Современный тест, конечно, не обязан быть устроен так же: он встроен в маркетинговую воронку и технически может быть намного сложнее. Меня зацепило другое — знакомая конструкция вопросов и ощущение, что их возможный «вес» начинает считываться раньше, чем хочется.

На этом месте я перестала смотреть на тест как пользователь и начала разбирать его как маркетолог. Человек отвечает на вопросы, постепенно получает ощущение, что система узнаёт его всё лучше, затем видит интерпретацию себя и двигается дальше по воронке. Варианты при этом могут быть выстроены почти по учебниковой лестнице: «регулярно делаю правильную вещь» → «иногда» → «редко» → «никогда». Само по себе это не делает тест плохим: квизы годами нормально работают на вовлечение, сегментацию и следующий шаг. Но именно здесь у меня появился вопрос, ради которого и стоит разбирать эту механику: если каркас знакомый, что AI действительно в него добавил?

Персональнее — всё ещё не значит точнее

И вот тут AI действительно что-то меняет. Он убирает один из самых заметных признаков старого квиза — шаблонный финальный текст. Система может использовать конкретные формулировки человека, связать несколько его ответов, задать уточняющий вопрос и вернуть разбор, который правда не похож на результат соседнего пользователя. Это не «всё обман»: результат объективно становится более индивидуальным. Но индивидуальнее — не значит методологически лучше. Можно очень точно пересказать мои ответы и всё ещё довольно слабо обосновать вывод, который из них сделали.

И спорить с самой силой персонализации здесь бессмысленно — она действительно работает как маркетинговый фактор. Метаанализ 53 экспериментальных исследований персонализированной рекламы с общей выборкой 11 786 человек показал, что персонализированные сообщения в среднем сильнее неперсонализированных по совокупной убедительности, отношению и поведенческим намерениям; ключевым объясняющим механизмом оказалась воспринимаемая релевантность.1 Но работа по 293 исследованиям персонализированных точек контакта одновременно показывает менее удобную картину: эффект зависит от самого touchpoint, этапа клиентского пути, дизайна персонализации, доверия и других условий.2 Поэтому «сделали персонально» — ещё не стратегия. И уж точно не доказательство того, что вывод стал точнее.

На этом месте легко возразить: «Ну так AI же действительно использовал мои ответы — при чём тут старые эффекты?» И это справедливое возражение. Классический эксперимент Бертрама Форера был гораздо грубее: студенты прошли личностный тест, а потом получили якобы индивидуальные профили, хотя всем раздали один и тот же текст. Участники всё равно сочли его довольно точным описанием себя.3 Современный AI-квиз не равен этому эксперименту, если он действительно учитывает свободные ответы. Но урок отсюда всё равно полезный: ощущение «это очень про меня» проверяет убедительность результата, а не качество метода, который его произвёл.

Вот здесь у меня и начинается главный вопрос к тесту на условный «потенциал известности». Не «красиво ли сделано» и не «может ли это вовлекать» — вполне может. Но если продукт претендует уже на измерение свойства человека или на прогноз, хочется понимать, что именно измеряется, почему эти вопросы связаны с заявленным конструктом и какие данные позволяют интерпретировать итог именно так. В профессиональном тестировании валидность определяется через доказательства и теорию, поддерживающие интерпретацию результатов для конкретного применения; AERA, APA и NCME отдельно подчёркивают этот принцип в стандартах образовательного и психологического тестирования.4 Красивый персональный текст эту работу за модель не делает.

Персонализировать можно не человека, а помощь

И было бы слишком просто на этом сказать: «ну понятно, старый квиз, только теперь с AI» — и закрыть тему. Потому что тогда теряется как раз полезная часть технологии. Генеративный слой действительно расширяет персонализацию; просто мне гораздо интереснее не то, насколько красиво система может описать человека, а то, какую помощь она способна собрать из его конкретных вводных и какой следующий шаг предложить. Для услуг и B2B это уже совсем другая история.

И вот здесь мне AI-персонализация уже действительно нравится. Не «узнайте, кто вы из десяти типов», а нормальная помощь до разговора с человеком. На сайте юридической компании система может структурировать ситуацию, показать, каких фактов и документов не хватает перед первой консультацией, и помочь выбрать формат обращения. В техническом B2B — сократить длинный каталог до нескольких релевантных конфигураций по условиям эксплуатации и ограничениям. В логистике — собрать параметры задачи и объяснить, какие вводные ещё нужны для расчёта. В экспертных услугах — превратить разрозненное описание проблемы в нормальный бриф, предварительный разбор или персональную последовательность следующих действий.

Для B2B такая логика особенно хорошо совпадает с тем, как меняется путь покупателя. В опросе Gartner 2026 года 67% из 646 B2B-покупателей сказали, что предпочитают опыт без участия продавца, а 45% уже использовали AI во время недавней покупки.5 При этом другой опрос Gartner того же года показал обратную сторону автономности: 69% покупателей обращаются к продавцам, чтобы проверить AI-сгенерированные выводы.6 То есть клиенту нужен не «бот вместо менеджера», а возможность самостоятельно продвинуться вперёд там, где это удобно, и получить человеческую проверку там, где цена ошибки выше.

И тут есть полезный холодный душ против интерактива ради интерактива. В B2B Content Preferences Benchmark 2024 года 51% покупателей жаловались, что контент слишком общий и нерелевантный, но привлекательность интерактивного контента при этом снизилась с 49% годом ранее до 38%.7 То есть проблему «контент не про меня» нельзя вылечить тем, что мы просто добавили семь вопросов, прогресс-бар и красивую анимацию. Персонализация имеет смысл, когда меняет полезность результата, а не только ощущение от интерфейса.