Точность цифровых двойников респондентов неравномерна. Когда вопрос знаком модели по обучающим данным, двойник восстанавливает пропущенный ответ с точностью около 78%. Но если вы задаете вопрос, которого в данных не было, точность падает. Модель хорошо интерполирует и плохо экстраполирует, и это различие маркетологи и руководители обычно упускают.
Свежее исследование Columbia Digital Twin program (март 2026) обосновывает вывод, что имея больше данных о человеке не получаем симуляцию точнее. То есть это не 100% замена классическим полевым исследованиям.
Но главная опасность не в неточности как таковой. ИИ-ответ может быть детальным, убедительным и при этом ошибочным. Двойник никогда не скажет «не знаю».
P.S. Это, кстати, ответ на вопрос почему рекомендательные механизмы выдачи в лентах соцсетей работают и пока будут работать плохо.
#исследования #синтетическиеаудитории