Я всегда подчеркиваю, что такой инструмент как ИИ — это про власть. Не в смысле конспирологии, а в самом прикладном, кто и как управляет вниманием, интерпретациями и, в итоге, решениями людей в большом масштабе.

Недавно наткнулся на научную работу, где исследуют фрейминг в многоязычных кампаниях: как один и тот же инфоповод “упаковывают” под разные аудитории. Авторы взяли корпус EUvsDisinfo и проанализировали 2015–2023, около 8 тысяч материалов на 4 языках (русский, французский, испанский, итальянский).

Что они показали (и это важно именно как “инструмент власти”):

  1. Один и тот же сюжет системно фреймируют (т.е. задают рамки восприятия) по-разному в зависимости от языка аудитории. То есть это не случайная разница стиля, это различие акцентов (какие аспекты подсвечивают, какие исключают).

  2. Даже внутри русского массива фреймы различаются по регионам таргетинга (в работе отдельно смотрят группы стран/регионов), т.е. “сообщение” адаптируется под контекст.

  3. Самое неприятное для тех, кто верит в “дашборды на нейросетях”: два популярных подхода автоматического анализа фреймов (лексиконный и трансформерный) сильно расходятся и в целом не дают универсально надежного решения на кросс-лингве. Авторы прямо фиксируют низкое согласие методов и чувствительность к настройкам/языкам.

Теперь приземление к практике. Если вы покупаете или строите “ИИ-мониторинг инфополя/репутации/GR” и на его основе принимаете решения, у вас есть простой риск - вы управляете не реальностью, а ошибками модели. Эта статья хороший холодный душ и показывает, что даже в академической постановке методы спорят между собой, а перевод (через “локализацию переводом”) теряют качество.

Мой вывод: ИИ в анализе общественных нарративов — это действительно про власть, но зрелая власть начинается с governance:

  • никогда не опираться на один метод/одну модель;
  • калибровать на своем языке и домене, мерить согласие и ошибки;
  • держать human-in-the-loop и аудируемость (почему модель решила именно так)