Великий крестовый поход в мире контента: стратегия human-first против AI-first

Привет, Хабр! Меня зовут Андрей Аврамчук, я редактор блога МТС. За последние два года с интересом наблюдаю, как старые правила, принципы создания материалов либо очень сильно меняются, либо перестают работать. И за все это спасибо GenAI.

Досталось всем, но текстовый контент оказался самым уязвимым. С одной стороны, звучат призывы к внедрению GenAI в рабочие процессы, перестройку пайплайнов и срочное изучение LLM, RAG и вот этого всего. Мол, раз мир меняется, то и нам надо перестраиваться вместе с ним, иначе останемся в хвосте. С другой — возмущения падением качества контента и призывами остановиться. Только люди, только хардкор.

В результате возникает точка бифуркации, где никто до конца не понимает, что будет дальше и какие навыки теперь действительно нужны. Вроде бы логично использовать инструмент, который ускоряет производство, и все выглядит так, будто подход AI-first стал новой нормой. И тут возникает парадоксальная ситуация: с резким развитием технологий важность их владения падает, уступая место компетенциям, о которых мы почему-то забыли.

В этом материале расскажу, что сейчас происходит в мире контента, какие тренды незримо на него влияют, где и кого AI-first-подход заведет в ловушку. Покажу, куда это все катится и с чем придется столкнуться авторам и редакторам.

Что происходит с производством контента к концу 2025 года

С момента выхода первой версии ChatGPT, технологии проделали огромный путь — и вот уже в 2023-м объемы сгенерированного текста догоняют и перегоняют человеческий:

Качество тоже не стоит на месте: растет окно контекста, уменьшается число галлюцинаций, сгенерированный текст все ближе и ближе к естественному языку. Формируется база знаний: как задавать вопросы, как формировать запрос, какой порядок действий ведет к внятному результату. С каждым месяцем отличить сгенерированный текст от авторского становится сложнее. И это еще не появились и не обкатались профильные инструменты для работы с текстами: пока мы с коллегами пользуемся утилитами, которым под 10 лет.

Плюс от этого есть реальная польза. Раньше создание материала занимало 10 часов, сейчас я иногда укладываюсь в четыре. Чат-ботов можно использовать как поисковик, который понимает естественную речь, структурирует информацию и формируют основу — остается только обработать это весь объем.

Направление кажется достаточно очевидным. Срочно (еще вчера) переходим на подход AI-first и ставим генерацию на рельсы: собираем агента на RAG, копируем промпты у коллег, добавляем интеграцию с Jira и Confluence, разбиваем тексты на чанки, проверяем на NDA и интересы целевой аудитории…

Да, но нет

Чтобы увидеть всю ситуацию целиком, надо погрузиться в матчасть коммуникации. В простейшем виде ее отлично показывает обычная схема радиосвязи:

Разговор про AI-first обычно строится от первого пункта: работы редактора или автора, которые в этой схеме являются источником сообщения. В таком узком контексте все выглядит логично: GenAI экономит время и дает новые возможности, в результате рабочие процессы меняются, а с ними и навыки.

А давайте посмотрим всю картину целиком: что сейчас происходит с интернетом как средой и с восприятием контента средним пользователем. Потому что здесь самое интересное, драматичное и парадоксальное.

Тренды онлайна 2025-го

Давайте взглянем на динамику Рунета за последние 6–7 лет: именно в это время формировались подходы к работе с контентом.

Среднее время в интернете выросло с четырех часов до восьми с половиной. После скачка в 2017-м рост более или менее стабилизировался и составил около 4% в год.

С 2017 года аудитория интернета в России выросла с 100 до 130 млн человек.

Рост на 4,5% в год, а в 2019 и 2023 годах вообще было падение:

А вот трафик… С 2018 года вырос в пять раз: c 37 до 188 эксабайт. В среднем на 25% в год:

Трафик растет непропорционально росту аудитории и ее времени в интернете. А тут еще контрольный выстрел в голову от адептов подхода AI-first с их ускорением производства в Х раз.

Так за чей счет банкет?

В 2001 году консультанты и ученые Томас Дэвенпорт и Джон Бек издали книгу The Attention Economy: Understanding the New Currency of Business, которая популяризировала термин «экономика внимания». Само это направление развивалось с 70-х годов и закономерно достигло пика к середине 2010-х. Тогда-то и стали популярными фразы типа «битва за внимание аудитории только началась». Если вам интересна эта тема, можно почитать книги The World Beyond Your Head (2015) и The Attention Merchants (2016).

Правда, это битва закончилась выжженной ядерной пустошью, с чем нас всех и поздравляю. Центральный постулат экономики внимания: человеческое внимание — строго ограниченный ресурс. И вот к чему ведет его перегрузка:

В таких условиях массово включается гигиена внимания, когда аудитория начинает срезать все лишнее и непрофильное. Интересно, что тема управления вниманием, отключения уведомлений и прочих достаточно очевидных вещей регулярно поднимается практически на всех ИТ-конференциях. В общем, вопрос радоваться или паниковать росту числа статей на Хабре и к чему это ведет — оставлю на откуп в комментариях:

Как называется ситуация, когда производство растет, а потребление падает?

Это классический пузырь. Главный поворот: аудитория перестала искать контент и начала его фильтровать (защищать свое внимание, на которое постоянно растет нагрузка).

По моим ощущениям, переломный момент произошел в 2023 году. Виноват ли тут GenAI — вопрос спорный. Лично я считаю, что к этому все и так шло, но генеративные технологии этот тренд явно усилили. И тут, как всегда, сыграла злую шутку инерция: сценарий потребления сменился, а производители контента продолжают думать категориями «а давайте еще быстрее и еще больше».

Болезнь роста

Из всей этой ситуации вытекает вполне закономерная идея, что альтернативой количественному росту становится рост качественный. И чтобы его понять, нужно обратиться еще к одной достаточно узкой теории.

В коммуникации можно выделить несколько уровней:

В этой схеме есть несколько закономерностей: все уровни одинаково важны, каждый следующий строится на предыдущем, но они отличаются сложностью, длительностью и тем, чем обмениваются стороны. Я отталкивался от шести уровней коммуникации психолога Гари Смолли и рассматривал их в одном из своих прошлых материалов: Конфликт на уровне ценностей: откуда берется непрофильная дичь на профессиональных ресурсах.

Давайте посмотрим, где на этой схеме находится контент. В целом сам по себе интернет — среда для свободного обмена информацией, возможности прямого контакта всех со всеми и трансляции своего мнения. То есть это первые три уровня:

• Привлечение внимания. Мемы, шутки, короткие посты, реактивный контент.

• Обмен фактами. Информационные статьи, пресс-релизы, обзоры, большая часть маркетингового контента. Его задача простая: донести факты о продукте, идее, событии. И вот именно на первых двух уровнях маркетинг чувствует себя максимально уверенно. Привлечь внимание, передать сообщение, зафиксировать факт.

• Мнения. Самый востребованный на Хабре формат, за которым сюда и приходят. Но при его подготовке надо думать (если вы автор) либо направлять и помогать это делать (если вы редактор).

C контентом сейчас происходит довольно простая, но неприятная вещь. Чем уровень проще, тем легче на нем работать. GenAI дают здесь резкий и очень заметный прирост производительности. Генерировать контент можно дешево, быстро, и этот процесс легко масштабировать. И вот здесь возникает перекос. Много простого контента и мало сложного, которой трудно делать, долго готовить и проблематично поставить на поток.

И вот тут возникает забавное противоречие

GenAI критически зависит от третьего уровня коммуникации (уровня личного опыта), но сам контент этого уровня производить не может. Чем его меньше, тем сильнее он начинает пережевывать уже пережеванное. Качество при этом может оставаться внешне приличным, но содержательность падает.

К тому же в реальной редакторской и авторской работе прирост скорости оказывается не таким уж большим. Да, базовые операции ускоряются, но на сложных текстах выигрыш быстро съедается проверками, уточнениями, попытками дотянуть до нужного уровня. В итоге GenAI отлично помогает там, где и так все было просто, и почти бесполезен там, где начинается сложная коммуникация.

И если собрать все это вместе, становится видно, почему ставка исключительно на AI-first — ловушка. Она усиливает то, что и без того перегрето, и смещает фокус с главной проблемы: дефицита сложного, осмысленного, человеческого контента.

Главный парадокс GenAI

Альтернативой AI-first-подходу может стать human-first. По сути, это перестройка на работу с личным опытом. Такой контент держится на экспертизе, харизме, сложности кейсов. Для автора это дополнительный этап на осмысление того, что в его опыте полезно и интересно другим. Для редакторов — еще больше работы с людьми: обучении, постоянной коммуникации, поиск и сопровождение внутренних экспертов, фрилансеров.

Надо сказать, это удовольствие не для всех: дорого, эмоционально затратно, почти не бьется напрямую с бизнес-метриками. Зато вдолгую такой подход дает гибкость и реально высокое качество. На рынке есть компании, которые это сумели выстроить, и им сейчас важно не потерять эту экспертизу в погоне за быстрыми цифрами. Я, к сожалению, вижу, как многие пытаются притянуть сюда жесткие метрики, не находят их и постепенно сливают направление.

GenAI смещает востребованность работы из сферы технологий туда, где человек незаменим. В эпоху расцвета онлайн-контента такую экспертизу могли накопить контент-агентства и разные распределенные редакции. Как и почему мало кто это сделал — отдельная тема и повод для аплодисментов.

На практике AI-first и human-first не исключают, а дополняют друг друга

Подход AI-first — это узкий инструмент для несложных и повторяющихся контент-задач (лендинги, мелкие маркетинговые посты, пуш-уведомления), где не критично сильное погружение в фактуру. Он подойдет для редакций, которые и так уже живут по логике продуктовых или технических команд: тут появляются роли контент-стратега, аналитика, таргетолога и так далее. Работа с текстами больше напоминает поставку кода в продакшен.

Это органично ложится на работу в крупных ИТ-компаниях с формализованными процессами и встроенными пайплайнами, либо в компаниях с потоковым производством контента: СМИ и около того. Сработает для классического маркетинга, где нужно быстро донести небольшой объем информации, собрать обратную связь и тут же ее переработать.

А вот human-first-подход будет отлично работать там, где есть потребность в работе со смыслами и поиском новый идей и информации. Сложный контент в целом не слишком чувствителен к технологическим задержкам. Предположу, что в крупных контент-командах оба подхода приведут к органичному распределению задач между ролями тимлида и техлида — аналогично тому, как это происходит в классической разработке.

И здесь мы оказываемся в довольно ироничной ситуации: резкий технологический скачок в итоге усилил потребность в навыках, напрямую с технологиями не связанных. В обучении, работе со смыслами, коммуникации. Более того, выросла ценность хардкорных литературных навыков и знания предметной области.

Что я могу посоветовать тем, кто работает с текстами

В начале прошлого года я делал об этом статью: Восемь редакторских финтов с ChatGPT, которые ускорят работу с текстами — и до сих пор считаю ее актуальной, хотя явно просится вторая часть.

Если обобщить, то:

• Инструменты GenAI хорошо подойдут для структурирования имеющейся информации, когда нужно обработать и суммаризировать большой объем уже заготовленного материала.

• Нужно учитывать, что GenAI поднял планку создания контента: теперь профессиональными авторам требуются навыки редактора. Я рекомендую почитать «Искусство перевода» Корнея Чуковского или «Слово живое и мертвое» Норы Галь.

• С другой стороны, если вы пишете 1–2 статьи в год, то вполне можете использовать чат-ботов для базовой проверки и формулирования рекомендаций по улучшению текстов.

• Не стоит ждать слишком многого. В реальности ускорение не такое большое (я бы сказал 20–30%, но это субъективная оценка), как раз из-за того, что много времени уйдет на формулирование запроса и редактуру и правки.

• Чат-боты неплохо работают в роли прокачанных поисковиков и позволяют выходить в новые для себя сферы не совсем с нуля. Главное — не забывать проверять ссылки.

Самый опасный момент — соблазн работать без погружения. Я ловлю себя на том, что иногда хочется сначала посмотреть машинный разбор и только потом читать сам текст. И приходится себя буквально останавливать. Отказ от глубокой проработки темы и идеи — это прямой путь к деградации качества.

Изменения, вызванные GenAI, можно назвать болезнью роста

В целом генеративные инструменты стали неотъемлемой частью работы с текстами, и их роль будет усиливаться. Даже формируется определенный минимум, который необходимо понимать и знать всем, кто работает с текстами. И тут важен баланс: удержаться как от стигматизации GenAI, так и от его форсированного использования.

GenAI подсветил процессы и проблемы, которые были до него, и необходимость решать нужно именно их. Плюс еще острее стало очевидным опасное смещение от содержания к форме, когда внешняя читаемость, правильная расстановка мемасов и болезненность темы становятся ценнее информативности и идей. За красивой подачей легко скрыть пустые и токсичные тексты, которые только хищно отнимают внимание. А низкая планка подготовки позволяет поставить их на поток.

Мы замечательно умеем оформлять мысли, но вот учимся ли мы формулировать сложные и полезные идеи? С чем именно нам может помочь GenAI (да и вообще AI) и для чего использовать те преимущества, которые он дает? В целом это всего лишь инструмент, но он заставляет задуматься:

Р. S. Примерно на эту тему я буду выступать 26 февраля на грядущей WriteConf 26. Если хотите похоливарить вживую — you are welcome!

P. P. S. При работе над этой статьей GenAI использовался и в хвост и в гриву:

• для создания иллюстраций;

• для транскрибации;

• для обработки и редактирования текста;

• для поиска источников и фактов про падение фокуса внимания.

• для поиска работ и книг по «экономике внимания».