То, как мы выбираем и оцениваем LLM (GPT-4, Claude и пр.), напрямую связано не только с их качеством, но и с особенностями нашей собственной личности.
Сегодня большие языковые модели уже не просто инструменты для генерации кода или текстов — они становятся полноценными компаньонами в рабочих процессах. И, как показывают последние исследования, взаимодействие с ними сильно зависит от двух факторов:
Личностные особенности самого пользователя.
В области HCI давно известно: восприятие технологий фильтруется через наш характер. Например, доверие к роботам и цифровым системам у разных людей строится по-разному — кто-то верит в эффективность алгоритма, а кто-то больше смотрит на "человечность" интерфейса.“Характер” самой модели.
Да-да, у LLM тоже наблюдаются поведенческие паттерны, которые пользователи воспринимают как черты личности — например, более строгая и формальная подача у одной модели или более “творческая” и дружелюбная у другой.
Интересное наблюдение дали тесты на базе Keirsey Temperament Sorter (упрощённая версия MBTI, делящая пользователей на четыре группы):
Rationals (аналитики, стратеги) — охотнее выбирали GPT-4, особенно для задач с чёткой целью и структурированными решениями.
Idealists (креативные коммуникаторы) — чаще делали ставку на Claude 3.5, ценя его в сценариях, где важны воображение и аналитика.
Guardians (организаторы) и Artisans (творцы в действии) тоже показывали свои паттерны предпочтений, хотя менее ярко выраженные.
Показательно, что разница отслеживалась не только в оценках, но и в эмоциональных реакциях (sentiment-анализ) и в том, как участники формулировали фидбек. То есть личность пользователя напрямую влияет на то, как он определяет “хороший” AI-опыт.
Для HCI- и AI-специалистов это открывает два интересных вектора:
Кастомизация: если подстраивать ответы и стиль модели под психотип человека, можно сильно повысить её воспринимаемую полезность.
Дизайн систем: в будущем IDE, ассистенты и даже рабочие мессенджеры смогут автоподбирать “поведение” модели под разный тип специалистов в команде.
Другими словами, вопрос “какая LLM лучше?” стоит переформулировать в “какая LLM лучше для конкретного пользователя”.
Personality Matters: User Traits Predict LLM Preferences in Multi-Turn Collaborative Tasks