Как использовать ИИ для публичной вовлечённости

О том, как использовать ИИ для исследований и анализа данных, написано уже вполне достаточно, а вопрос о письме с помощью ИИ по-прежнему спорный, но вокруг него хотя бы идёт живая дискуссия сразу с нескольких сторон. А вот использование ИИ для выхода к широкой аудитории или для поддержки рабочего процесса публичного автора почти никто не обсуждает. После года экспериментов в этом направлении у меня сложилось ощущение, что упираемся мы здесь в воображение, а не в возможности технологии. В мае я рассказал о своём опыте на Machine Collaborators — серии семинаров о том, как исследователи работают с ИИ. Ниже — письменная версия того выступления. Это более практичный текст, чем я обычно здесь публикую, и он намеренно устроен так, чтобы приносить пользу даже тем, кто вообще не готов отдавать машине ни строчки своего драгоценного текста.

Подписаться

Всю весну я доказывал в трёх отдельных постах, что академикам пора проснуться в отношении ИИ, передумал насчёт детекторов, когда выяснилось, что Pangram работает, а затем пошёл ещё дальше и заявил, что письмо с помощью ИИ во многих контекстах вполне легитимно. Как я рассказал The Chronicle of Higher Education, кто-то призывал уволить меня за эти кощунственные мысли, а кто-то писал мне в личку с вопросами о том, как у меня всё устроено (иногда это были одни и те же люди). Но даже самые резкие критики, с которыми я спорил, — по крайней мере за пределами Bluesky — обычно признают, что ИИ хорош для того, чтобы делать исследования. Просто пока не для того, чтобы о них писать. Поэтому вопрос о письме я хочу отложить и начать с более мирной предпосылки.

Допустим, вы провели исследование, оформили его и опубликовали. Теперь оно лежит в журнале, который читают единицы. Вам хотелось бы, чтобы о вашей работе и её результатах узнало больше людей — особенно из числа влиятельных. Если у ИИ-агента есть ваш собственный стайлгайд и налаженная проверка, он может взять на себя изрядную часть работы по продвижению: сделать понятные пересказы, приложения к данным и заготовки для интервью. Этот пост — экскурсия по тому, с чего начать.

Мои академические читатели, возможно, помнят, что подробнее доводы в пользу научной публичной вовлечённости — особенно в противовес «академическому активизму» — я разбирал в одном из прошлых постов. Если коротко: письмо для неизбежно разношёрстной, неакадемической аудитории стресс-тестирует ваши идеи и не даёт хорошим исследованиям остаться незамеченными. Но я не буду делать вид, будто нынешняя система стимулов в академии поощряет такой выход за пределы своего поля. Если вы не работаете в школе публичной политики, публичная вовлечённость обычно почти ничего не значит при рассмотрении вашего дела о повышении. Отказ от неё был вполне оправданным способом распорядиться дефицитным временем — особенно если вам это занятие не в радость. По крайней мере, так было до появления ИИ-агентов.

Раньше на текст для широкой аудитории, основанный на уже сделанном исследовании, у меня уходила примерно неделя. С помощью агентов теперь уходит меньше дня — и без всякой потери качества. Планка «стоит ли этим заниматься» опускается соответственно, и целый набор проектов, которые раньше смысла не имели, — вроде переведённого сайта или автоматического трекера идей — вдруг его обретает. Пределы, опять же, задаёт в основном ваша фантазия.

Базовый набор, который нужен на сегодня (III квартал 2026)

Одна из причин, почему я так долго тянул именно с этим текстом, — срок годности любого конкретного совета про ИИ довольно короткий: инструменты меняются слишком быстро. Единственный долговечный совет, который я усвоил: с ИИ-агентом можно просто разговаривать и просить его сделать что-нибудь так же, как вы попросили бы живого ассистента-исследователя. В связи с этим я пришёл к общему принципу: если что-то этично поручить живому ассистенту, то ровно так же этично поручить это и ИИ-ассистенту. При вашей собственной проверке это должно работать одинаково — идёт ли речь о планах текста, кратких пересказах источников, сборе данных или даже шаблонных ответах на административные письма. Впрочем, аналогия с ассистентом — это только нижняя планка.¹ Сегодняшние агенты ещё и толковые программисты, и неплохие дизайнеры, так что, когда рутина закрыта, тот же набор берётся за куда более амбициозные проекты — вроде интерактивных приложений к исследованиям, о которых я расскажу в конце поста.

Разумные люди по-прежнему расходятся в том, какую часть собственно письма стоит отдавать ИИ, но многое проясняется, если думать об этом как о шкале, а не как о выборе «да или нет». Вот хороший пример от Арчи Холла, выросший из моих прежних возражений против Pangram.² Мы с Арчи не вполне сходимся в том, где проводить черту (его жёлтый и оранжевый — это мой зелёный), но даже у тех из вас, кто консервативнее Арчи, остаётся масса увлекательных возможностей улучшить публичную вовлечённость своих исследований.

Вот несколько конкретных вещей, которые могут пригодиться любому обществоведу, работающему с количественными данными. Это совсем азы, но я встречал людей, которые до сих пор путают Codex и ChatGPT, так что имеет смысл проговорить всё явно:

• Заплатите хотя бы за одну премиальную модель. Серьёзные агентные инструменты (я пользуюсь Claude Code и OpenAI Codex) доступны по подписке примерно за 100–200 долларов в месяц, а бесплатные тарифы создадут у вас ложное представление о том, что вообще возможно.³

• Используйте агентную систему, а не чат-бот. То есть не работайте с Claude или ChatGPT в браузере, даже если у вас заведена папка проекта. Вам нужен «агентный инструмент», который получает доступ к вашему компьютеру и работает прямо в ваших файлах, пока задача не будет решена, попутно меняя что-то в реальном мире — например, обновляя ваш сайт.

• Заведите аккаунт на GitHub, если его ещё нет. Агенты лучше всего работают в папках с историей версий, а вам понадобится возможность откатить изменения. Вот хорошее руководство для начинающих.

• Разговаривайте с агентом, когда чего-то не понимаете, лучше всего надиктовывая голосом. На вопросы по настройке, ради которых раньше приходилось искать знакомого программиста, теперь терпеливо и предметно отвечает сам инструмент.

• Заведите общий файл с инструкциями и время от времени его обновляйте — вроде CLAUDE.md или AGENTS.md. Любая правка, которую вы внесли дважды, попадает туда один раз, и агент перестаёт повторять ошибку.

• Всегда проверяйте результат — особенно всё, что пойдёт на публику, — и с помощью ИИ (да), и лично. Об этом ниже.

Почему агент всё-таки нужен и почему чат-бот с папкой проекта — это не он

Об этом стоит сказать подробнее, потому что часть людей, читавших черновик, так и не убедилась в необходимости агента. Они и так каждый день говорят с Claude или ChatGPT в браузере, держат папки проектов с загруженными статьями и резонно спрашивают, что ещё может понадобиться исследователю.

Разница в том, что происходит после того, как модель додумала. Всё, что делается в окне чата, — это только информация: ответ вам всё равно придётся куда-то перенести и что-то с ним сделать самому. То, что делается с агентом, сразу превращается в действие и меняет мир вокруг вас: сайт обновляется и публикуется, код правится и заливается, приглашение уходит по почте.

Папки проекта, при всей её пользе, недостаточно. И дело не только в том, что придётся меньше копировать и вставлять из окна чат-бота. Загрузка статей и сопутствующих материалов в папку проекта меняет то, что чат-бот знает; агент меняет то, что ИИ на практике может сделать с файлами, которыми вы поделились. А поскольку у агента есть ещё и доступ к вашему компьютеру и терминалу, вам становятся доступны более хитрые вещи — вроде навыка письма, который я описываю ниже: он живёт в файлах, которые агент читает и обновляет каждый раз, когда пишет. То же и с браузером: агент, работающий через него с вашими логинами и правами, дотянется до куда большего, чем встроенный веб-поиск самого ИИ. Мой совет прежний: просто попробуйте на одной конкретной задаче (скажем, на подготовке к интервью) и сравните результат с тем, что выдаёт чат-бот (например, Claude Fable 5 против Claude Code Fable 5). Но идеальный кандидат, чтобы почувствовать разницу самому, — это описанная ниже затея с созданием и обновлением собственного сайта.

Нулевой шаг — это всегда личный сайт, собранный с помощью ИИ

Всё дальнейшее предполагает, что у вас есть свой угол в интернете, который вы контролируете, — для большинства академиков это личный сайт. Если вы исследователь и сайта у вас нет, заведите его как можно скорее — и это первое, о чём можно попросить агента. Свой сайт я собрал вручную на Jekyll с шаблоном AcademicPages лет семь назад. Теперь я к нему привязан, по крайней мере эмоционально, но сегодня есть и другие хорошие варианты, чтобы начать с нуля.

Сайт можно бесплатно разместить на GitHub Pages или на собственном домене (например, на Squarespace) — это обойдётся примерно в 10 долларов в год. В своё время я, не будучи программистом, настраивал сайт так, как хотел, целую вечность — даже с разными руководствами под рукой. С агентным ИИ на всё это может уйти один вечер. Дальше сайт фактически редактирует себя сам. Небольшие улучшения стоят по полдня каждое. Изменение можно описать обычными словами — скажем, добавить теги к списку публикаций, — и агент сам добавит эту функцию. Всё, что остаётся вам, помимо локальной проверки того, что новое действительно работает, — закоммитить и опубликовать изменения.

Любые другие надстройки, какие только придут вам в голову, — избранные публикации на главной странице или боковая колонка с ближайшими событиями — тоже возможны; предел, как я тут повторяю снова и снова, только в вашей фантазии. Ни одна из них по отдельности не оправдала бы найма веб-разработчика (тем более на наши скудные академические бюджеты), но вместе они делают сайт заметно полезнее для заглянувшего журналиста или коллеги.

Но моё любимое новое приобретение постагентной эпохи — автоматический перевод сайта: alexanderkustov.org теперь существует на английском и ещё 11 языках. Он не идеален, и на настройку у меня ушло время — я сверял качество по тем языкам, которыми владею сам, — но свою SEO-задачу он выполняет достаточно хорошо. Если журналист в Германии, Мексике или Японии загуглит что-нибудь про общественное мнение об иммиграции на своём языке, он может наткнуться на мои исследования и написать мне (что уже случалось несколько раз).

Ни гранта, ни бюро переводов здесь не было: сайт перевёл мой ИИ-агент, а теперь я раз в неделю запускаю автоматическую проверку, которая сравнивает английские страницы с 11 переводами и выписывает всё, что разошлось. Даже если бы я изначально нанял дипломированных переводчиков-людей, я не смог бы позволить себе регулярно обновлять у них переводы (а просить людей работать бесплатно я не готов).⁴

Что делать со статьями и идеями, которые у вас уже есть

Когда ваши статьи опубликованы в сети, ИИ-агент может отслеживать, что с ними происходит дальше. Про Google Scholar знают все: он показывает, кто цитирует ваши академические работы, но не показывает, кто ссылается на ваши публичные тексты. Поэтому я собрал собственную замену: оповещения Google Alerts на моё имя и основные заголовки, инструмент для анализа обратных ссылок (например, Ubersuggest) плюс запланированное сканирование, которое запускается каждое воскресное утро и сводит новые упоминания и обратные ссылки в один отчёт — я читаю его за кофе.

Похожая связка, как выяснилось, помогает и записывать исследовательские идеи вместе со всем, что по ним пишут на разных площадках, чтобы эти идеи потом развивать. У меня накопился целый бэклог того, что приходит в голову в душе или в разговорах с коллегами: на каждую идею — свой трекер и формула оценки, куда входят субъективная ценность, ожидаемые затраты сил и своевременность. Когда я застреваю, агент подсказывает, что писать дальше, и предлагает, что почитать по теме из свежих рассылок на Substack и академических журналов, за которыми я слежу. Делать точно так же не обязательно, но лично я использую Obsidian, чтобы держать и читать все эти markdown-заметки в одном месте, синхронизируя их с агентом, когда нужно.

Тот же репозиторий позволяет дёшево проверять идеи, прежде чем в них вкладываться. Когда я не уверен в формулировке, я обычно сначала пробую её как пост в соцсетях, и если она заходит, прошу агента просмотреть ответы и обобщить возражения — они часто становятся разделом с контраргументами в итоговом тексте. Только после этого питч уходит в издание, и к этому моменту я уже знаю, как аргумент работает на живой аудитории.

Как сделать собственный стайлгайд и навык письма

Когда у вас есть сайт, где все ваши статьи в открытом доступе аккуратно лежат в одном месте в виде PDF, попросите ИИ-агента конвертировать их в Markdown, вытащить каждый рисунок и каждую таблицу в отдельный файл и выложить всё это на сайт рядом с PDF. Хотите верьте, хотите нет, но первым читателем вашей статьи теперь часто оказывается машина; вам нужно, чтобы ваша работа была читаема для ИИ — тогда ИИ сможет порекомендовать её человеку, который задал соответствующий запрос.

Те же чистые .md-версии (markdown) ваших статей пригодятся, чтобы собрать «банк текстов» — авторитетный источник правды о ваших мыслях, на который будет опираться агент. Это очень помогает, когда нужно набросать новые слайды или понятное широкой публике резюме исследования. В этот банк можно сложить всё, что вы когда-либо написали, сохранив простым текстом (.md) в одной папке, доступной агенту: эссе, колонки, опубликованные статьи, главы книг, даже расшифровки выступлений — ваш голос уже содержится в этом корпусе.

Понадобится и собственный стайлгайд, потому что письмо LLM по умолчанию безликое. Мой начинался с одного файла CLAUDE.md и разрастался слой за слоем. Я «обучал» его на своих опубликованных текстах, правил первые черновики, которые он выдавал, а потом заставлял его записывать эти правки как правила. У письма с помощью ИИ действительно есть узнаваемые паттерны, и к сегодняшнему дню мой стайлгайд запрещает тики, которые узнают все, включая конструкцию «Это не X, а Y» и искусственно короткие абзацы. Запреты держатся, потому что эти правила лежат в файле, который агент читает каждый раз.

Со временем этот один файл вырос в то, что Claude называет навыком, — небольшую папку с инструкциями, которую агент загружает всякий раз, когда пишет от моего лица; схема ниже показывает всю конструкцию. Банк текстов питает профиль голоса (что я говорю и чего не говорю никогда, вплоть до ритма фразы), а стайлгайд хранит правила. Прежде чем я увижу хоть один черновик, срабатывают две проверки: механическое сканирование, помечающее запрещённые конструкции, и свежий взгляд второго агента, который видит только итоговый текст и свод правил, — потому что агент, написавший черновик, слеп к собственным тикам. Мои правки потом возвращаются в стайлгайд новыми правилами: это и есть та петля, благодаря которой вся система становится лучше.

Тот же агент может служить и вашим рецензентом — пожалуй, это самая недооценённая часть всей конструкции. Прежде чем что-то уйдёт наружу, я прошу разобрать черновик с позиций, которые заведомо не мои: скажем, сторонника жёстких ограничений, который считает меня наивным в вопросах правоприменения, или обычного читателя, который никогда не слышал про «термостатическое общественное мнение». Можно назвать конкретных авторов, чьему суждению вы доверяете, или просто описать идеологические направления — и присланные замечания, при всей их неровности, надёжно выловят то возражение, ответить на которое я забыл. Для публичных текстов, где на помощь не придёт никакой отзыв рецензента, такое враждебное чтение — лучшая замена, какую я нашёл.

Когда эти два элемента на месте, из одной готовой статьи можно получить что угодно: документ для подготовки к интервью, питч колонки, пост в соцсетях, презентацию, план статьи для Substack или даже, если осмелитесь, черновик полноценной аналитической записки. Для своего выступления на Machine Collaborations я прогнал всё это на одной из самых незаслуженно малочитаемых своих работ — исследовании 2020 года, которое показывает, что в большинстве из 30 опрошенных стран абсолютное или относительное большинство хочет одновременно и меньше иммиграции в свою страну, и меньше эмиграции из неё. Прогон дал, среди прочего, три по-настоящему разные рамки для будущего эссе, о которых я сам не подумал.

Или, скажем, к вам обращается журналист по поводу статьи, написанной несколько лет назад, и спрашивает, что она говорит о происходящем сейчас. С такой связкой вы получите хороший черновик того, что можете обоснованно сказать, — и он почти наверняка будет лучше и точнее того, что вы сочините на ходу.

Что делать с мусорными текстами и галлюцинациями

Каждый раз, когда я описываю коллегам этот рабочий процесс, первое опасение, которое я слышу: он просто наплодит ещё больше мусора. Не поймите меня неправильно: изрядная часть текстов, сгенерированных ИИ с одного захода, этого звания заслуживает (как и значительная часть написанного людьми). Но всё, что здесь описано, исходит из того, что у вас уже есть настоящее рецензированное исследование и отредактированные популярные тексты. Агент нужен лишь для того, чтобы переупаковать ваши собственные утверждения или подать их в новом свете — ради вашего же человеческого паршивого первого черновика. Как и в случае со слишком рьяными живыми ассистентами, ответственность за то, что выходит под вашим именем, остаётся на вас. Прочтётся ли результат как мусор — зависит от проверки, редактуры и всей той дополнительной тяжёлой работы, которую вы проделаете, прежде чем нажать «опубликовать».

Эта проверка не факультативна: модели по-прежнему выдумывают, и многие сегодня считают галлюцинации главным узким местом в исследованиях с помощью ИИ. Я усвоил это на собственном горьком опыте. Однажды мой рабочий процесс переименовал моего соавтора Джеймса Деннисона в «Мика Деннисона» — имя было выдумано начисто, хотя правильное лежало в тех самых файлах, с которыми агент работал. В других случаях он приписал пародийный аккаунт (@GovAmyKlobuchar) настоящему сенатору и выдал мне ссылку на LinkedIn, угаданную по шаблону из моего имени.

Так что же я делаю на практике? Я заставляю модель трижды перепроверять каждое имя, дату, источник и ссылку; требую вставлять результат этой проверки, чтобы я видел, что именно она загрузила; а потом важные вещи проверяю сам. Возможно, это перебор, но я ещё и регулярно прошу Codex проверить то, что сделал Claude Code, и наоборот.

Что до галлюцинаций применительно к ссылкам и их атрибуции, Стивен Денни написал лучший практический разбор из тех, что я знаю. Решение Денни — ровно то, что вы бы придумали для быстрого, но небрежного живого ассистента-исследователя. Многоразовые инструкции сверяют каждую ссылку с Crossref и DOI, а в папке проекта рядом с машиночитаемыми версиями лежат исходные PDF, так что утверждения проверяются по всем оригинальным источникам под рукой с минимальной вероятностью ошибки.

Должен признать, что даже со всеми этими проверками и самыми свежими моделями (я использую Fable 5 и GPT 5.6) система не идеальна. Мой агент на Claude, похоже, до того любит правило трёх, что продолжает вставлять триады в мои черновики, хотя мой собственный стайлгайд их прямо запрещает, — и в этом самом тексте он делал это снова и снова, после того как я просил его прекратить.

Что ждёт научную публичную вовлечённость дальше?

Если после всего этого вам захотелось попробовать, начните с любой своей готовой статьи и попросите агента сделать из неё какой-нибудь артефакт — например, заготовку для интервью — в вашем собственном стиле. Дальше вы доводите результат, пока он не зазвучит как вы, и сохраняете инструкции, которые к этому привели, чтобы в следующий раз получилось лучше и быстрее.

Вы, возможно, заметили, что я намеренно не приложил здесь свой формальный навык письма. Дело в том, что в нём зашит мой голос, а вам, дорогой читатель, стоит выработать свой. Проще всего это сделать так: укажите агенту на этот самый пост и попросите реализовать описанную здесь схему — с теми вариациями, которые подходят под ваши задачи.

То, что я описываю, скоро станет не потолком, а полом возможностей агентов. Например, политолог Энди Холл из Стэнфорда на этой неделе объявил, что планирует публиковать значительную часть своих оригинальных исследований прямо на Substack. Такая быстрая публикация позволит ему обсуждать и продвигать свежие результаты не только с академиками, но и с политиками и журналистами, минуя «часто произвольные» замечания журнальных рецензентов. Он честно говорит о цене отказа от рецензирования, и понятно, что такой вариант проще для тех, у кого есть постоянный контракт или иная надёжная позиция. Но для работ, привязанных к текущему моменту, расчёт всё чаще складывается в пользу скорости, и я уже вижу, как всё больше исследователей — включая меня — делают тот же выбор.

Больше всего меня сейчас увлекает интерактивность. Ещё недавно интерактивный материал с данными могла позволить себе только редакция с ресурсами The New York Times, а академические журналы до сих пор слишком архаичны для чего-либо сложнее статичного PNG. С агентом любой исследователь теперь может опубликовать интерактивное приложение к вышедшей статье. Modelslant.com — живое приложение, которое Шон Уэствуд, Джастин Гриммер и Энди Холл сделали к своей рабочей статье о воспринимаемом политическом уклоне ИИ-моделей, — позволяет читателям самим изучать рейтинги, а лаборатория Холла держит уже целую полку похожих прототипов. При этом ничто здесь больше не требует ресурсов стэнфордской лаборатории, а ваша собственная малочитаемая статья — ровно тот кандидат, ради которого такие приложения и придуманы.

Финал моего первого поста об ИИ остаётся в силе: закройтесь в комнате с Claude Code и одной занудной задачей по публичной вовлечённости или исследованиям, до которой у вас никогда не доходили руки, и посмотрите, что из этого выйдет. Конкретные инструменты из этого руководства через год, возможно, будут выглядеть устаревшими, но сам сдвиг никуда не денется. Предельная стоимость серьёзного публичного письма рухнула, и исследователи, которые сейчас молчат, отдают разговор авторам с худшей информацией. Вам может пока не нравиться ИИ или письмо с его помощью, но если вам есть что сказать, то молчать, не пользуясь лучшими доступными инструментами, — это ваш активный выбор.

Поделиться

Огромное спасибо Майку Риггсу, Яннику Райглю, Джеффу Фонгу и, конечно, Claude и Codex за полезные замечания к черновику.