Побложено

Новое измерение цифровой грамотности

За годы работы UX-исследователем в сфере гражданских технологий и цифровой инклюзии я наблюдал, как люди осваивают интернет. Сегодня ИИ меняет способы поиска, создания и передачи информации. Это не просто очередной инструмент, а принципиально новое измерение цифровой грамотности, требующее свежих компетенций.

Вопреки хайпу, далеко не все используют генеративные модели вроде ChatGPT или Gemini. А те, кто используют, делают это по-разному. Разработчики и IT-специалисты часто переоценивают уровень комфорта и понимания ИИ у обычных людей. Но, как напоминает старая мантра: «Вы — это не ваш пользователь». Чтобы создавать инклюзивные и удобные продукты, нужно понимать, как люди с низкой AI-грамотностью взаимодействуют с нейросетями.

AI-грамотность и цифровая грамотность: зоны пересечения

Цифровая грамотность традиционно определяется как способность находить, оценивать, создавать и передавать информацию с помощью цифровых технологий. ИИ добавляет к этому новые поведенческие сценарии и требует новых ментальных моделей, которые часто не совпадают с опытом использования поисковиков или классического софта.

В ходе наших исследований мы выделили две ключевые способности, влияющие на успех при работе с генеративным ИИ:

• Беглость составления промптов (prompt fluency): умение передать нейросети свой замысел, ограничения и контекст так, чтобы получить полезный результат.
• Грамотность оценки результатов (output literacy): способность критически оценивать ответы — замечать ошибки, пробелы, потенциальные галлюцинации, искать источники и перепроверять факты, когда это важно.

Эти навыки не всегда развиваются синхронно. Человек может быстро научиться лихо составлять промпты, но так и не обрести привычку проверять факты. Поэтому AI-грамотность — это не линейная шкала, а многомерный профиль.

Четыре типа пользователей генеративного ИИ

Матрица ниже описывает типы пользователей, которых мы наблюдали в исследовании. В зависимости от сочетания двух навыков человек попадает в один из квадрантов и может со временем перемещаться в другой — под влиянием опыта, обучения или изменения отношения к технологии.

Матрица AI-грамотности: вертикальная ось — беглость промптов, горизонтальная — грамотность оценки.

• Новичок (внизу слева): низкая беглость промптов + низкая грамотность оценки. Не понимает, как работает ИИ, и не пользуется им уверенно.
• Наивный продвинутый пользователь (вверху слева): высокая беглость промптов + низкая грамотность оценки. Умело составляет запросы, но склонен принимать ответы за чистую монету, не замечая ошибок.
• Скептик-воздерживающийся (внизу справа): низкая беглость промптов + высокая грамотность оценки. Понимает ограничения ИИ, но избегает его использования из-за недоверия, этических соображений или личных предпочтений. Из-за редкого использования не развивает навыки промптинга.
• Эксперт (вверху справа): высокая беглость промптов + высокая грамотность оценки. Использует ИИ стратегически и избирательно, проверяет ответы, когда это необходимо.

В нашей недавней серии глубинных интервью мы встретили представителей всех четырёх типов. Рассмотрим их подробнее.

Исследование: что мы делали

Мы наблюдали за участниками в возрасте от 23 до 65 лет, которые решали реальные задачи — искали информацию для отпуска, планировали проекты своими руками, выбирали крупные покупки. Они могли пользоваться любыми сайтами и инструментами и не знали, что в фокусе исследования именно ИИ. Если участник сам не обращался к нейросетям, мы в какой-то момент предлагали ему попробовать. Опыт работы с ИИ у испытуемых был разным: от полного новичка до тех, кто регулярно использует генеративные модели и в работе, и в жизни.

Беглость промптов: от ключевых слов — к диалогу

Участники с развитым навыком промптинга подробно объясняли, чего хотят добиться, что для них важно. Они встраивали в запрос контекст задачи и ограничения для желаемого решения. Их промпты были длиннее. Как заметил один из них: «Я просто стараюсь дать побольше контекста. Это вроде бы часто улучшает результаты».

Пример хорошего промпта: «Я хочу поехать в Монтаук, Лонг-Айленд, Нью-Йорк. Думаю, пляж Кирк-парк — один из лучших вариантов, потому что он рядом с центром. Посоветуешь что-то получше? И какие кафе/рестораны в этом районе самые лучшие?»

Участники с низкой беглостью редко добавляли контекст или ограничения. Их промпты напоминали поисковые запросы (возможно, они путали нейросеть с поисковиком). Например: «умный холодильник с морозилкой снизу».

Продвинутые пользователи также чаще задавали сложные вопросы — просили сравнить варианты в таблице, составить рейтинги. Вот показательное сравнение двух запросов о выборе автомобиля:

• Низкая беглость: «какой автомобиль или внедорожник выбрать с учетом часа дороги камри xse или crv sports l hybrid»
• Высокая беглость: «Я изучаю разные машины для семьи, и одна из тех, что выделилась, — Toyota Grand Highlander hybrid. Она подходит по критериям: 6+ мест, неплохой расход топлива, полный привод. Вижу, что есть много комплектаций у Highlander hybrid и Grand Highlander hybrid. Помоги разобраться в ценах и различиях между ними, включая таблицу для наглядности.»

Эксперты также умело продолжали диалог в рамках одной беседы, добавляя уточнения и опираясь на предыдущий контекст, не начиная каждый раз заново. Один из них держал в Gemini несколько закреплённых бесед. Новички же иногда нажимали кнопку «Назад» в браузере, чтобы начать с чистого листа.

Грамотность оценки: умение проверять ответы

В нашем исследовании некоторые умелые «промптеры» часто не перепроверяли информацию, которая легко может содержать ошибки (например, цены или инструкции к интерфейсу). Это говорит о недостаточном понимании ограничений ИИ. Знание того, как работают большие языковые модели, помогает замечать ошибки, но для грамотной оценки не обязательно быть специалистом по LLM. Грамотность оценки проявляется в поведении: человек проверяет детали, ищет подтверждения, относится к уверенным ответам как к предварительным, если ставки высоки.

Парадокс знания и открытости

Можно подумать, что чем лучше человек понимает технологию, тем охотнее он её использует. Но исследование, опубликованное в Journal of Marketing, выявило обратную закономерность: более низкое концептуальное знание об ИИ предсказывало более высокую готовность его использовать. Авторы связали это с чувством трепета и восприятием ИИ как «магии». Это объясняет, почему энтузиазм и частота использования — не показатели критического мышления.

«Это как магия»: наивный продвинутый пользователь

Наш качественный анализ подтвердил этот вывод. Один участник, активно использующий ChatGPT, признался: «Честно говоря, я не знаю, откуда берётся информация. Это как магия». Он рассказал, что его привычки в поиске кардинально изменились: раньше он шёл в Google, теперь стартует с ChatGPT.

«Убивает критическое мышление»: скептик-воздерживающийся

Другая участница, напротив, избегала использования ИИ для личных задач, хотя на работе применяла чат-ботов для программирования. «Мне просто не нужно. Я лучше сама всё спланирую», — сказала она. И добавила, что ИИ «убивает в людях способность мыслить критически и разбираться в информации».

Как эксперты проверяют работу ИИ

Новички и наивные продвинутые пользователи чаще восхищались ответами и принимали их без проверки. Эксперты же задавали уточняющие вопросы, сверялись с другими сайтами и поисковиками.

Пример: участник-эксперт изучал комплектации автомобиля в Gemini. Он сравнил надёжность ИИ с Википедией: «Я бы не стал принимать решение о покупке только на основе того, что здесь написано. Но в большинстве случаев информация довольно точная». Когда Gemini ошиблась насчёт доступности одной из комплектаций, он несколько раз переспросил, уверена ли система, а затем сообщил, что видит на других сайтах. В итоге пошёл в Google и выяснил, что данные Gemini устарели.

Осознанный выбор инструментов и моделей

Участники с высокой грамотностью оценки использовали разные инструменты для разных задач: NotebookLM — для синтеза рабочих материалов, Cursor — для программирования, разные версии Gemini — для простых и сложных запросов. Новички же часто придерживались одного инструмента и не понимали, чем они отличаются. Один из них спросил: «А как понять, какой ИИ использовать? Gemini, ChatGPT… Они разные или дают одно и то же?»

Как дизайнеры могут помочь пользователям на обоих фронтах

Инструменты с ИИ должны поддерживать и беглость промптов (помогать сформулировать запрос), и грамотность оценки (помогать интерпретировать ответ). Многие продукты уже показывают подсказки и предупреждения о возможных ошибках, но мы заметили, что новички часто их игнорируют — особенно если это всплывающие окна при первом запуске или мелкий текст на периферии.

Пример: одна участница впервые работала с Gemini и Perplexity. Она не прочитала ни приветственное сообщение (которое закрывало полэкрана и провисело 10 минут), ни подсказки по уточнению запроса. Это типичная проблема: онбординг не работает, а полезные советы теряются среди длинных ответов.

Что могут сделать дизайнеры?

• Для развития беглости промптов:
  • Предлагать варианты уточнений в виде кликабельных кнопок, а не прятать их в тексте.
  • Давать быстрые действия: «добавить ограничения», «показать таблицей», «отсортировать по популярности».
  • Задавать уточняющие вопросы, если запрос слишком общий.
  • Добавлять лёгкие элементы управления для фильтров (бюджет, локация, сроки).
• Для повышения грамотности оценки:
  • Использовать язык неуверенности, когда информация может быть устаревшей или неподтверждённой.
  • Показывать контекстные предупреждения для деталей, в которых легко ошибиться (цены, наличие, пошаговые инструкции).
  • Делать заметными действия по проверке: «Показать источники», «Проверить ключевые утверждения», «Сравнить с результатами поиска».
  • Чётко помечать ответы, не подкреплённые надёжными источниками: «Надёжные источники не найдены».

Вывод

AI-грамотность — это не простая прямая. Частое использование генеративного ИИ не равно эффективному использованию. Это двумерный профиль, где беглость составления запросов и грамотность оценки результатов могут развиваться неравномерно. Дизайнерам необходимо проектировать интерфейсы, которые учитывают оба измерения и помогают пользователям расти — от наивного восхищения «магией» до зрелого, критического и осознанного применения искусственного интеллекта.

Адаптированный перевод How AI Literacy Shapes GenAI Use

Источник: Исследование UX-команды, а также данные из статьи S. M. Tully, C. Longoni, and G. Appel. 2025. Lower Artificial Intelligence Literacy Predicts Greater AI Receptivity. J. Mark. https://doi.org/10.1177/00222429251314491