Сигмейдж: зачем человеку цифровой образ собственного мышления

Профиль против образа

Профиль в социальной сети – это витрина. Человек выбирает фотографию, город, место работы и десяток интересов из списка. Всё вместе отвечает на вопрос «как я хочу выглядеть». Ни на один вопрос о том, как этот человек думает, профиль не отвечает.

Разница не в количестве полей. Можно добавить к профилю сто позиций, и он всё равно останется набором ярлыков: любит фантастику, работает в финтехе, был в двенадцати странах. Из этого нельзя понять, как человек принимает решения, что для него неприемлемо и почему он передумал за последние два года.

Модель мышления строится не из ярлыков, а из следов: что человек отвечал на открытые вопросы, что фиксировал после разговоров, какие темы возвращаются в его записях снова, где он сам себе противоречит. Такая модель не заполняется за один вечер и не бывает окончательной. Зато по ней видно движение.

В NH эта модель называется сигмейдж. Формально – структурированный цифровой образ человека, который ИИ собирает из ответов на анкету мировоззрения, коротких заметок после встреч, списков, фотографий и записей разговоров. По сути – попытка описать не то, что человек показывает, а то, как он рассуждает.

Почему мировоззрение нельзя спросить напрямую

Прямой вопрос об убеждениях даёт прямой ответ, и он почти всегда бесполезен. «Что для вас важно в людях?» – «Честность». Это не информация: так ответят девяносто процентов, и ни один из ответов не позволит отличить одного человека от другого.

Работают вопросы, на которые нельзя ответить лозунгом. Не «цените ли вы честность», а «расскажите случай, когда сказать правду означало испортить отношения – и что вы выбрали». Первый вопрос спрашивает про декларацию, второй – про поступок. Между ними и лежит всё содержание.

В рефлексивно-мировоззренческой карте это разведено на два набора. XP – истории из личного опыта, вопросы формата «ты когда-нибудь…»: они вытаскивают конкретные эпизоды, а не позиции. CyberView – вопросы о будущем и технологиях, там, где у человека ещё нет готового мнения и он рассуждает вслух. Второй набор часто информативнее первого: заготовленных ответов на такие вопросы у людей нет.

Второе свойство карты важнее первого: к ней возвращаются. Она рассчитана не на заполнение при регистрации, а на три-пять вопросов за раз с возвратом через месяцы. Ответ, данный год назад, никуда не пропадает, и рядом появляется новый. Иногда они противоречат друг другу – и это самое ценное, что может произойти: видно направление, в котором человек сдвинулся.

Что ИИ действительно может посчитать

Здесь начинается зона, где легко наобещать лишнего, поэтому по каждой метрике стоит сказать и что за ней стоит, и чего она не означает.

VFL, View Fit Level – степень сходства взглядов двух людей по их ответам. Это мера пересечения, а не совместимости и уж точно не прогноз дружбы. Высокий VFL означает, что двое похоже отвечают на одни и те же открытые вопросы. Иногда это основа для разговора, иногда – гарантия скуки: людям с полностью совпадающими взглядами не о чем спорить. Полезнее всего средние значения, где есть и общий язык, и расхождения.

VFL-C – то же сравнение, но с обезличенным образом сообщества. Отвечает на вопрос «насколько мои взгляды типичны здесь». Величина нейтральная: низкое значение не хуже высокого, оно просто описывает положение относительно центра.

Энтропия личности – насколько разнородны ответы человека. Высокая энтропия говорит, что позиции в разных областях слабо связаны друг с другом. Это не «непоследовательность» в бытовом смысле: у человека с широким опытом ответы часто не сводятся к одной оси.

Директивность – склонность формулировать в терминах «должно быть» против «мне кажется». Наблюдаемое свойство речи, а не оценка характера.

Индекс интегративности и уровень внутренней корреляции – насколько ответы складываются в связную картину, есть ли у человека сквозная логика или каждая область живёт своей.

Общее для всех: это описания, а не оценки. Ни у одной из метрик нет «хорошего» значения, к которому надо стремиться. Как только у метрики появляется правильное значение, люди начинают отвечать под неё, и она перестаёт что-либо измерять. Это главная причина не показывать такие числа как рейтинг.

Данные, которые никто не собирает

Самое интересное в этой затее – не анкета. Анкета есть у всех. Интересно то, что обычно нигде не остаётся.

После встречи участник пишет флэшсайт – короткую заметку о том, что открылось в разговоре. Не протокол и не отчёт: две-три фразы о том, что оказалось неожиданным. Такие заметки почти никогда не попадают ни в одну систему, потому что не имеют формальной ценности. При этом они говорят о человеке больше, чем любая анкета: видно, что именно он замечает.

Дальше – материалы самих встреч: аудио, видео, фотографии. Здесь важно, что материал неотполированный. Заготовленный ответ на камеру информативен ровно настолько, насколько человек умеет себя подавать. Живой разговор, в котором он ищет формулировку и меняет её на ходу, показывает мышление в процессе.

И списки: что человек хочет попробовать, где у него граница, что его радует в мелочах. Списки хороши тем, что их составляют без оглядки на впечатление – они выглядят как бытовая мелочь, а на деле дают материал о ценностях лучше вопросов про ценности.

Из всего этого собирается образ. Не потому, что данных много, а потому, что они разного типа: декларации, поступки, реакции, следы внимания. Ни один из этих слоёв по отдельности человека не описывает.

Этическая граница

Продукт, который строит модель личности, обязан ответить на вопрос: зачем эта модель существует и кто ею пользуется. Ответ здесь такой: ИИ отражает, а не оценивает.

Звучит как декларация, но у неё есть проверяемые следствия на уровне продуктовых решений.

Первое: у метрик нет нормы. Нет шкалы, где твоя энтропия «слишком высокая». Как только появляется норма, появляется и стремление ей соответствовать, а вместе с ним – подстроенные ответы.

Второе: образ виден владельцу. Модель, которую человек не может посмотреть, – это чужой инструмент, построенный из его данных.

Третье: сравнение не выдаёт вердикта. VFL показывает, где взгляды расходятся, а не кто прав. Дальше это материал для разговора, и решение о встрече остаётся за людьми.

Четвёртое: коллективный слой обезличен. Образ сообщества собирается так, чтобы из него нельзя было восстановить отдельного участника.

Ни одно из этих правил не следует из технологии – все четыре приняты как ограничения. Технически ничто не мешает построить из тех же данных рейтинг совместимости с процентами и лидербордом. Именно поэтому границу приходится обозначать словами и держать её в продуктовых решениях, а не в обещаниях.

Что из этого работает вне NH

Подход переносится на продукты, которые к социальным сетям отношения не имеют.

Онбординг. Стандартный сценарий – анкета на первом экране: роль, размер компании, цель. Люди отвечают наугад, чтобы пройти дальше, и данные оказываются мусорными. Работающая альтернатива – три-пять вопросов, растянутых на первые две недели, в момент, когда ответ уже осмысленный, потому что человек успел попробовать продукт.

Подбор и найм. Резюме описывает витрину так же, как профиль в соцсети. Открытые вопросы о конкретных ситуациях дают несравнимо больше – при условии, что по ответам не выставляется балл. Как только появляется балл, кандидаты начинают отвечать под него.

Образовательные платформы. Здесь самое прямое применение возврата к своим же ответам. Студент, который через три месяца видит, что писал в начале курса, получает представление о собственном прогрессе, которого не даст никакая оценка.

Общий принцип, если убрать из него всё специфическое: не спрашивайте людей, какие они. Дайте им поводы действовать и оставляйте следы этих действий – а потом покажите им же, что из этого сложилось. Работает даже без ИИ; ИИ здесь нужен для масштаба, а не для смысла.

Как это устроено внутри NH – методология, доменная модель, механика встреч – в кейсе проекта. Посмотреть платформу с точки зрения участника можно на её странице в экосистеме.