Как работает ИИ-аналитика коммуникаций — 20 марта 2026 г. в 15:29:39.100
Как работает ИИ-аналитика коммуникаций Как обещали, идём за вашими желаниями — и пишем о том, за что вы голосуете. ИИ-аналитика групповых коммуникаций — относительно новый инструмент в портфеле Школы СКОЛКОВО, первые итерации появились год назад. На сегодня ИИ-анализ встроен в ряд программ, где стабильно получает высокие оценки, и будет масштабироваться дальше. Что из себя представляет этот инструмент и какую ценность он добавляет образовательному процессу? Об этом — в колонке Александра Антипова, инженера по машинному обучению Лаборатории искусственного интеллекта СКОЛКОВО: Учеба в СКОЛКОВО построена вокруг кейсов, и когда группа решает, как поступить в той или иной ситуации, важно понять — не только к какому решению пришла она, но и как. Кто задавал тон в дискуссии? Кто отмалчивался? Насколько структурированным был разговор? Обычно это видит только фасилитатор, если он есть. Наше решение призвано углубить и упростить этот анализ — и помочь студентам сделать правильные выводы на рефлексии. Итак, для начала записываем дискуссию на аудио и/или видео — разумеется, заранее взяв информированное согласие — трансформируем речь в стенограмму, разделяем высказывания по спикерам, а дальше подключаем LLM. С помощью многоступенчатого промптинга настраиваем на работу с одной или несколькими методологическими рамками. Модель получает конкретные указания: на что смотреть, какие сигналы выделять, как описывать поведение группы. Под капотом у нас не одна любимая методика, а пакет из 10+ академических и прикладных фреймворков, например: 📍 Принципы убеждения Чалдини, 📍 Пирамида несогласия, 📍 Словарные модели тональности на основе RuSentiLex. 📍 Оригинальная методика оценки креативности Лаборатории ИИ СКОЛКОВО. Универсального набора нет: под конкретный курс, управленческий поединок или симуляцию мы каждый раз собираем свою конфигурацию метрик. Что в итоге "видит" ИИ? На индивидуальном уровне — как человек строит аргументацию, какими стратегиями убеждения пользуется, где он рационален, а где скатывается "на личности". На групповом — кто доминирует, кто перебивает, где группа застревает в конфликте, а где слишком быстро соглашается. Можно увидеть реальный вклад человека в создание новых решений, а не только в "говорение". Отдельный слой — эмоции. Если есть видео, мы смотрим, насколько совпадает выраженная эмоция и содержание коммуникации: человек сообщает об увольнении персонала с улыбкой или нет, говорит о сложных решениях с агрессией или сдержанно. В диалогах один‑на‑один используем подход типа Granger causality: он показывает, чьи эмоции чаще запускают реакцию партнёра и кто реально задаёт эмоциональный тон, а кто лишь отражает. Насколько можно доверять таким отчётам? Было бы преувеличением сказать, что на 100%. Их разумно использовать с "человеческими" экспертами, как часть комплексного анализа. Плюс, важно понимать, что не вся аналитика строится "на чистом GPT": часть метрик — словарные, с прозрачной логикой, вроде анализа тональности на базе словаря RuSentiLex, где корректность близка к 99% за счёт словаря, размеченного лингвистами. Остальные рамки мы валидируем через десятки повторных прогонов, тесты на разных группах и экспертную проверку: одинаковый вход должен давать одинаковый результат, и только после этого метрика идёт в работу. Мы честно понимаем границы технологии. Какой "выхлоп"? В бизнес‑симуляциях, управленческих поединках, командных заданиях ИИ становится "рентгеном" коммуникаций: помогает увидеть динамику дискуссии, оценить "влияние" участников и уровень креативности, до которых у экспертов зачастую просто не доходят руки. ИИ здесь не заменяет преподавателя или коуча, но позволяет им при меньших затратах времени и сил углубить анализ — и прийти к "инсайтам", который раньше был физически недостижимы. Или крайне трудозатратны Технологии коммуникаций