Искусственный интеллект · Потребление контента · Поисковые системы · Медиапотребление · Фактчекинг · Алгоритмические ленты23 сентября в 12:03 · 7 мин

Тенденции в изменении механик восприятия информации в интернете: от поиска к синтезу

Потребление информации в интернете претерпело фундаментальные изменения: пользователь всё реже начинает путь с выбора конкретного сайта или формулировки точного запроса, всё чаще встречаясь с ответом, сформированным алгоритмами внутри ленты или диалога с нейросетью. Исследования Reuters Institute, Pew Research Center и других авторитетных источников фиксируют переход от модели, где человек ищет, к модели, где система предлагает. Эта трансформация смещает роль первоисточника, создавая новые вызовы для проверки фактов и доверия к контенту.

# Эволюция информационного маршрута: когда поиск становится утратой времени

Традиционная схема работы в интернете — «запрос — выдача — переход на источник» — медленно, но неотвратимо устаревает. Если в 2000-х и 2010-х годах поисковые системы переносили точку входа с конкретного портала на страницу выдачи ссылок, то в 2020-х годах процесс усложнился: посредничество алгоритмов вышло на первый план.

Системы теперь не просто ранжируют документы. Они отбирают их, синтезируют смыслы и формируют готовый ответ, в котором пользователь часто не видит исходных ссылок, а лишь цитаты. Меняется не только то, где мы находим информацию, но и сама природа её получения: от активной навигации к пассивному потреблению потока.

Четыре модели доступа к знаниям

Анализ современных механик позволяет выделить четыре основные модели взаимодействия человека с информацией, плюс одну, которая только формируется.

1. Source-driven (Источниково-ориентированная): Пользователь заранее выбирает сайт, издание или автора. Это классический сценарий «читателя», когда интерес вызван брендом ресурса. Здесь пользователь сохраняет максимальный контроль над выбором контента. 2. Search-driven (Поисковая): Начинается с формулировки запроса. Система ранжирует результаты, но решение о том, какой документ открыть, остается за человеком. Это модель традиционного веб-поиска. 3. Feed-driven (Ленточно-ориентированная): Алгоритм частично определяет тему и порядок показа материалов до того, как потребность сформулирована словами. Пользователь открывает ленту (в Telegram, X, YouTube), а контент подстраивается под его прошлое поведение. Источник контента вторичен по отношению к рекомендации платформы. 4. Answer-driven (Ответно-ориентированная): Система не просто подбирает документы, но и формирует из них связный ответ. Пользователь задает вопрос, а посредник (поисковик с AI-функциями или чат-бот) предоставляет готовую интерпретацию. Исходный документ может стать лишь сноской к готовому выводу.

В процессе сессии пользователь часто комбинирует эти модели: читает статью, ищет инструкцию через поиск, смотрит ролик и затем обращается к нейросети. Однако меняется доля каждого сценария и роль первоисточника. В ответно-ориентированных моделях объем работы по сравнению, отбору и первичному обобщению берет на себя интерфейс, снижая количество действий пользователя, но повышая зависимость от качества алгоритма.

Доминирование лент и сокращение роли сайтов

Согласно отчету Digital News Report 2026 от Reuters Institute (основанному на данных 97 520 респондентов в 48 странах), социальные сети и видеоплатформы впервые стали наиболее распространенным способом доступа к новостям. 54% респондентов указали на них, против 51% — на сайты и приложения СМИ, и 52% — на телевидение.

Это не означает исчезновение профессиональных редакций. Значительная часть контента в соцсетях по-прежнему производится авторитетными издателями. Однако точка входа смещается: пользователь встречает новость внутри чужого интерфейса, где бренд источника конкурирует с рекомендацией алгоритма, заголовком и контекстом ленты.

Интересен рост аудитории, для которой платформы стали единственным окном в новости. Доля таких пользователей выросла с 6% в 2020 году до 12% в 2026 году. Для 30% населения социальные сети и видеоплатформы уже являются основным источником информации, что значительно выше показателя пятилетней давности (22%).

Формат потребления тоже меняется. Если в 2025 году на собственных сайтах и в приложениях СМИ просматривали новости онлайн-видео 28% пользователей, то в 2026 году эта цифра упала до 23%. Рост произошел практически полностью на сторонних платформах. Бесконечная лента создает режим непрерывного потребления, где переход к следующему материалу почти не требует осознанного решения.

От запроса к постановке задачи

Традиционный поиск требовал от человека адаптации языка к системе: использование коротких ключей, названий и координат. Генеративные интерфейсы меняют эту парадигму. По данным Google, средний запрос в режиме AI Mode в США в 2026 году был примерно втрое длиннее обычного. Более одной шестой сессий происходит голосом или с использованием изображения.

В марте 2025 года данные Pew Research Center показали, что генеративные сводки (AI-summary) появлялись в 8% коротких запросов (1–2 слова) и в 53% запросов, состоящих из 10 слов и более. Это свидетельствует о том, что пользователи используют нейросети не для нахождения списков ссылок, а для получения развернутых ответов на сложные вопросы.

Традиционные запросы смещаются в сторону планирования, поиска идей и формулировок типа «куда стоит пойти» или «идеи для». Пользователь ожидает сопоставления условий и обоснованных рекомендаций, а не перечня документов. Таким образом, интерфейс поисковика начинает выполнять часть аналитической работы, которая ранее происходила уже после перехода на несколько страниц сайта.

Визуальный поиск и синтезированный ответ

Визуальный поиск демонстрирует дальнейшее сближение потребления и поиска. Функция Google Lens обрабатывает более 20 миллиардов запросов в месяц. К августу 2026 года функция поиска по изображению (Circle to Search) была доступна на более чем 580 миллионах Android-устройств.

Изображение может разложиться на подзапросы, после чего система объединяет найденную информацию в общий ответ. Объект на экране выделяется жестом, распознается, объясняется, и для него ищутся похожие товары или дополнительные данные. Поиск перестает быть отдельной стадией и становится встроенной реакцией на текущий цифровой контекст. Видео, фотография или экран устройства одновременно выступают и как объект просмотра, и как основание для запроса.

Исследования Pew Research Center подтверждают эффективность этого подхода. В марте 2025 года 18% поисковых сессий приводили к появлению AI-summary, а сталкивались с такими сводками почти 58% участников. Более того, наличие сводки снижает вероятность перехода на обычную выдачу: если без AI-summary переход на результат происходит в 15% посещений, то с ним — только в 8%.

Важно отметить, что сессия браузера заканчивается после просмотра сводки в 26% случаев против 16% без неё. При этом только в 1% посещений пользователи переходят непосредственно на ссылку внутри самой сводки. Это показывает, что синтезированный ответ способен стать самостоятельной конечной точкой информационной сессии.

Доверие, ссылки и проверка фактов

Сдвиг в сторону генеративных ответов создает новые проблемы доверия. Согласно Digital News Report 2026, новостям в целом доверяют 37% респондентов. Для новостей в социальных сетях показатель составляет 22%, а для ответов AI-чатботов на новостные запросы — около 20%. При этом рост использования этих каналов продолжается.

В исследовании Human Trust in AI Search было установлено, что наличие ссылок и цитат повышает доверие к ответу даже в случаях, когда ссылки были ошибочными или вымышленными. Ссылка выполняет двойную функцию: она дает возможность проверки и служит визуальным сигналом надежности. Однако наличие цитирования — это лишь сигнал, а не гарантия. Пользователю по-прежнему необходимо иметь возможность проверить источник, увидеть дату публикации и контекст.

Проблема достоверности усугубляется фактом, что 62% респондентов в 2026 году заявили, что им трудно отличать правдивую информацию от ложной. Это на 4 процентных пункта выше показателя годом ранее.

Несмотря на это, короткие форматы и AI-сводки не всегда ведут к ухудшению усвоения. Эксперименты показали, что после чтения AI-сводок исторических событий участники демонстрировали более высокий результат на тестах фактических знаний, чем после чтения экспертных блогов или статей Википедии. В медицинской коммуникации AI-ассистированные резюме обеспечивали понимание, не уступающее человеческим версиям, хотя и требовали обязательной верификации редакторами.

Таким образом, роль источника не исчезает, но трансформируется. Он становится не обязательной станцией маршрута, а одним из ресурсов, из которых алгоритм строит ответ. Информационная грамотность теперь включает не только умение находить нужные сайты, но и критическую оценку того, на какие данные можно опереться внутри готового синтезируемого ответа.

Первоисточники

Habr AI
← Вернуться в эфир