Меняется маршрут к информации

В разговорах об изменениях в интернете обычно на первом плане оказываются форматы: текст и видео, длинные и короткие публикации, поисковая выдача и нейросетевые сервисы. Для анализа пользовательского поведения этого недостаточно. За последние годы заметно изменился сам путь к информации: кто предлагает следующий материал, где пользователь впервые получает объяснение темы и в какой момент видит исходный источник.

Еще сравнительно недавно точка входа чаще была известна заранее — конкретный портал, форум, сайт СМИ или каталог. Поисковые системы 2000–2010-х годов перенесли выбор на страницу выдачи: пользователь задавал запрос, просматривал несколько вариантов и решал, какой документ открыть. Социальные ленты устроены иначе. Материал может появиться до того, как потребность сформулирована словами. В генеративных интерфейсах посредничество становится еще заметнее: система сама подбирает документы и на их основе составляет ответ.

Поэтому в центре анализа находится не только контент как таковой, но и последовательность действий вокруг него. Пользователь находит информацию, оценивает ее, формирует первоначальное представление о теме и лишь затем, если это требуется, обращается к подробностям или проверяет источник. В разных интерфейсах часть этих действий выполняет алгоритм. От распределения ролей между человеком и системой зависит, дойдет ли пользователь до исходного документа или сочтет достаточным ответ, полученный внутри ленты, поисковой страницы либо диалога с моделью.

Четыре модели доступа

Для анализа можно выделить четыре уже распространенные модели доступа к информации и одну формирующуюся. В source‑driven модели пользователь сначала выбирает сайт, издание или автора, а затем конкретный материал. Search‑driven модель начинается с запроса: система ранжирует документы, но решение об открытии источника остается за пользователем. В feed‑driven модели рекомендательный алгоритм частично определяет и тему, и последовательность показа еще до явной формулировки потребности. Answer‑driven модель идет дальше: посредник отбирает документы и формирует из них связный ответ. Agent‑driven модель пока находится на стадии становления; в ней система может не только предоставить информацию, но и выполнить часть поставленной задачи.

Эти модели не вытесняют друг друга полностью. В течение одного часа пользователь может напрямую открыть новостной сайт, найти инструкцию через поисковик, посмотреть рекомендованный ролик, задать нейросети вопрос о товаре и затем перейти в интернет‑магазин. Меняются прежде всего доли таких сценариев и роль первоисточника в каждом из них.

Основное различие между моделями состоит в том, какой объем работы пользователь выполняет до получения содержательного ответа. В source‑driven и search‑driven сценариях ему чаще приходится самостоятельно сравнивать заголовки, открывать документы и извлекать из них нужную информацию. В feed‑driven модели часть отбора берет на себя алгоритм, а в answer‑driven — еще и первичное обобщение материала. Это снижает число действий для пользователя, но повышает зависимость результата от качества ранжирования, цитирования и формулировки ответа.

Таблица 1. Рабочая типология механизмов доступа к информации, используемая в исследовательской рамке.

Модель

Кто инициирует контакт

Что делает посредник

Роль первоисточника

Source‑driven

Пользователь выбирает сайт/автора

Навигация внутри ресурса

Источник видим до чтения

Search‑driven

Пользователь формулирует запрос

Ранжирует набор документов

Источник видим до перехода

Feed‑driven

Пользователь открывает ленту

Выбирает тему и порядок показа

Источник часто вторичен по отношению к единице контента

Answer‑driven

Пользователь задает вопрос

Отбирает источники и синтезирует ответ

Источник может стать сноской к готовой интерпретации

Agent‑driven (формируется)

Пользователь формулирует цель

Ищет, интерпретирует и выполняет действие

Источник превращается в один из ресурсов выполнения задачи

Пользователь реже начинает с сайта источника

Наиболее системно сдвиг виден в потреблении новостей, где длинные временные ряды позволяют отделить эффект формата от эффекта посредника. Digital News Report 2026 Reuters Institute основан на данных 97 520 респондентов в 48 рынках, примерно по 2 тыс. в каждом. В 2026 г. социальные сети и видеоплатформы впервые стали в среднем наиболее распространенным способом доступа к новостям: ими пользовались 54% респондентов, сайтами и приложениями новостных организаций — 51%, телевидением — 52% [1].

Рисунок 1. Способы доступа к новостям в среднем по 48 рынкам, 2026 г. Источник: Reuters Institute Digital News Report 2026 [1]. Показатели не суммируются: респондент мог использовать несколько источников.
Рисунок 1. Способы доступа к новостям в среднем по 48 рынкам, 2026 г. Источник: Reuters Institute Digital News Report 2026 [1]. Показатели не суммируются: респондент мог использовать несколько источников.

Это не означает исчезновения издателей. Значительная доля контента в социальных и видеосетях по‑прежнему производится профессиональными редакциями. Меняется точка входа: пользователь встречает отдельную единицу контента внутри чужого интерфейса, а бренд источника конкурирует с рекомендацией алгоритма, автором ролика, заголовком и контекстом ленты. В экономическом и когнитивном смысле это означает ослабление прямой связи «нужна информация — открываю известный источник».

Reuters описывает изменение скорее как drift, чем как одномоментный shift. Социальные и видеоплатформы стали основным источником новостей для 30% аудитории против 22% пятью годами ранее. Доля тех, кто получает новости только через социальные и видеоплатформы, выросла с 6% в 2020 г. до 12% в 2026 г. [1]. То есть одновременно растет и платформенное доминирование, и группа пользователей, у которых прямой контакт с новостным сайтом становится эпизодическим.

Рисунок 2. Доля респондентов, называющих социальные сети и видеоплатформы основным источником новостей: 22% пятью годами ранее и 30% в 2026 г. Источник: Reuters Institute [1].
Рисунок 2. Доля респондентов, называющих социальные сети и видеоплатформы основным источником новостей: 22% пятью годами ранее и 30% в 2026 г. Источник: Reuters Institute [1].

Информация как непрерывный поток

В 2026 г. 77% респондентов Reuters Institute в среднем по 48 рынкам еженедельно смотрели новостное онлайн‑видео. Впервые более половины аудитории смотрели новости онлайн в каждом из исследованных рынков. При этом рост происходил почти полностью на сторонних платформах: просмотр видео на собственных сайтах и в приложениях новостных организаций снизился за год на 5 п.п., до 23% [1].

Рисунок 3. Просмотр новостного видео на собственных сайтах и приложениях СМИ: 28% в 2025 г. и 23% в 2026 г. Значение 2025 г. следует из указанного Reuters снижения на 5 п.п. Источник: Reuters Institute [1].
Рисунок 3. Просмотр новостного видео на собственных сайтах и приложениях СМИ: 28% в 2025 г. и 23% в 2026 г. Значение 2025 г. следует из указанного Reuters снижения на 5 п.п. Источник: Reuters Institute [1].

У видеоленты и текстовой статьи различается не только форма подачи. Статья имеет заметные границы: заголовок, абзацы, начало и конец; читатель может остановиться и вернуться к нужному месту. В бесконечной ленте переход к следующему материалу почти не требует отдельного решения. Ролик запускается автоматически, а его тема определяется в том числе предыдущим поведением пользователя. За одну сессию человек может просмотреть множество фрагментов, ни разу не формулируя новый запрос.

Здесь важно не переоценивать роль самого короткого формата. В исследовании Computers & Education 2025 интенсивное использование коротких видео было связано с более низкими показателями рационального мышления и с поверхностным подходом к обучению; в экспериментальной части усвоение оказалось ниже в группе коротких видео [7]. Сам по себе этот результат не позволяет приписать эффект любому короткому видео. Исход имеет значение только вместе с контекстом: что именно смотрели участники, зачем они это делали, что знали до просмотра и как была организована сама сессия.

Это хорошо видно и в работе с 745 пользователями, опубликованной в Acta Psychologica. Наиболее устойчивые связи с трудностями внимания, рабочей памяти и когнитивной усталостью авторы получили для scroll immersion — состояния, когда прокрутка продолжается почти автоматически. Частота просмотра и суммарное время оказались менее информативными показателями [8]. Исследование поперечное и основано на самоотчетах, поэтому причинную связь оно не устанавливает. По имеющимся данным разумнее обсуждать непрерывный режим потребления, а не объявлять проблемой короткий формат как таковой.

Алгоритм участвует в выборе до явного запроса

В классическом поиске до работы алгоритма есть явное действие пользователя: он формулирует запрос. В рекомендательной ленте такого обязательного шага нет. Платформа заранее оценивает историю взаимодействий и подбирает следующий материал. Для человека появление публикации может выглядеть почти случайным; со стороны рекомендательной системы это, напротив, рассчитанный результат отбора.

На этом фоне возрастает роль отдельных авторов и создателей контента. По данным Reuters, 27% респондентов мировой выборки получают новости от creators, специализирующихся на новостной тематике, а 46% — от создателей любого типа [1]. Их часто воспринимают как более понятных и близких по манере общения. Одновременно им реже приписывают надежность и беспристрастность, характерные для традиционных редакций.

Один и тот же факт поэтому попадает к аудитории в разных окружениях: на сайте научной организации, в авторском ролике или в рекомендательной ленте. Меняется не сам факт, а набор признаков, по которым пользователь судит о его происхождении и надежности. Источник при этом не исчезает, но может оказаться менее заметным, чем автор, формат публикации или интерфейс платформы.

От поискового запроса к постановке задачи

В классическом поиске человек подстраивал язык под систему. Короткие ключи, названия объектов, город. Генеративный поиск эту подгонку ослабляет. По данным Google, средний запрос в AI Mode в США в 2026 г. был примерно втрое длиннее обычного поискового. Больше одной шестой сессий уже шли голосом или картинкой. Объем визуальных запросов в рассматриваемый период рос больше чем на 40% месяц к месяцу [5].

Данные Pew показывают сходную зависимость. В выборке из 68 879 уникальных запросов Google в марте 2025 г. AI‑summary появлялся у 8% запросов длиной 1–2 слова и у 53% запросов из 10 слов и более [2]. Следовательно, генеративные сводки особенно часто сопровождают ситуации, в которых пользователь формулирует развернутый вопрос или задачу, а не короткий набор ключевых слов.

Рисунок 4. Доля Google-запросов, сопровождавшихся AI-summary: 8% для запросов из 1–2 слов и 53% для запросов из 10+ слов. Источник: Pew Research Center [2].
Рисунок 4. Доля Google‑запросов, сопровождавшихся AI‑summary: 8% для запросов из 1–2 слов и 53% для запросов из 10+ слов. Источник: Pew Research Center [2].

Меняется и характер информационной потребности. По данным Google, в AI Mode быстрее общего объема росли запросы, связанные с планированием, поиском идей и формулировками наподобие «куда пойти», «куда мне стоит» и «идеи для» [5]. В таких случаях пользователь ожидает не перечень документов, а сопоставление условий, сравнение вариантов и обоснованную рекомендацию. Поэтому поисковый интерфейс начинает выполнять часть аналитической работы, которая раньше происходила уже после перехода на несколько отдельных страниц.

Поиск по изображению, голосу и содержимому экрана

Визуальный поиск демонстрирует еще одно изменение: пользователю необязательно знать название объекта или переводить наблюдение в текстовое описание. Google сообщал более чем о 20 млрд визуальных поисков через Lens в месяц. К августу 2026 г. функция Circle to Search была доступна более чем на 580 млн Android‑устройств [4; 6]. В AI Mode изображение может быть разложено на несколько связанных подзапросов, после чего система объединяет найденную информацию в общий ответ.

За счет этого сокращается число промежуточных действий. Раньше предмет из видео приходилось описывать словами, затем искать подходящую формулировку и сравнивать результаты. Теперь объект на экране можно выделить жестом, после чего получить распознавание, объяснение, похожие товары и возможность задать уточняющий вопрос, не покидая исходное приложение. Поиск становится менее затратным по числу действий, а первичная интерпретация еще сильнее смещается к посреднику.

Граница между потреблением информации и поиском при этом размывается. Видео, фотография, PDF‑файл или содержимое экрана могут одновременно выступать и как объект просмотра, и как основание для запроса. Поиск перестает быть отдельной стадией и становится встроенной реакцией на текущий цифровой контекст.

Синтезированный ответ предшествует обращению к документу

Answer‑driven интерфейс отличается от расширенного сниппета тем, что формирует связное представление темы. Пользователь получает вывод, структуру и иногда рекомендации до открытия документа. Pew Research Center проанализировал браузерную активность 900 взрослых американцев и почти 69 тыс. уникальных Google‑запросов. В марте 2025 г. 18% запросов в исследуемом массиве приводили к появлению AI‑summary, а 58% участников хотя бы раз столкнулись с такой сводкой [2].

Наиболее важен не сам охват функции, а последующее поведение. При наличии AI‑summary пользователи переходили на обычный результат в 8% посещений страницы поиска; без AI‑summary — в 15%. На ссылку непосредственно внутри сводки переходили примерно в 1% посещений. Сессию браузера завершали после страницы с AI‑summary в 26% случаев против 16% без нее [2]. Эти данные не доказывают, что сводка всегда «отбирает» клик: типы запросов, по которым она появляется, различаются. Но они показывают, что синтезированный ответ способен становиться самостоятельной конечной точкой информационной сессии.

Рисунок 5. Поведение после Google-поиска с AI-summary и без него. Источник: Pew Research Center, март 2025 [2]. Отдельно: на ссылку непосредственно внутри AI-summary пользователи переходили примерно в 1% посещений.
Рисунок 5. Поведение после Google‑поиска с AI‑summary и без него. Источник: Pew Research Center, март 2025 [2]. Отдельно: на ссылку непосредственно внутри AI‑summary пользователи переходили примерно в 1% посещений.

При этом 88% AI‑сводок в исследовании Pew ссылались как минимум на три источника, а медианная длина сводки составляла 67 слов [2]. Источников может быть несколько. Читатель все равно встречает их после того, как система уже склеила факты в одну компактную интерпретацию. В классическом поиске документы спорят за право быть прочитанными. В генеративном они еще спорят за право попасть в чужой синтез.

Ссылка как сигнал надежности

Данные о доверии показывают любопытное расхождение. По Digital News Report 2026 новостям в целом доверяли большую часть времени 37% респондентов. Для новостей в социальных сетях показатель составлял 22%, для ответов AI‑чатботов на новостные запросы — около 20% [1]. При этом обе среды продолжают использоваться все активнее. Иными словами, распространение канала и доверие к нему меняются не обязательно в одном направлении.

Отдельный вопрос — как пользователь воспринимает признаки доказательности внутри готового ответа. В исследовании Human Trust in AI Search авторы собрали около 12 тыс. поисковых запросов в семи странах, а затем провели предварительно зарегистрированный рандомизированный эксперимент на репрезентативной выборке США. Наличие ссылок и цитат повышало доверие к ответу даже в случаях, когда ссылки были ошибочными или вымышленными [9]. Это важное различие: ссылка может выполнять сразу две функции — давать возможность проверки и одновременно служить визуальным сигналом надежности.

Поэтому наличие цитирования нельзя считать достаточным условием качества ответа. Пользователь должен иметь возможность открыть источник, проверить, действительно ли он подтверждает конкретное утверждение, и увидеть дату публикации и контекст. В генеративной выдаче такая проверка становится частью информационной грамотности, а не дополнительным действием для особенно внимательного читателя.

Потребность в проверке подтверждается и опросами. В 2026 г. 62% респондентов Reuters Institute в среднем по исследованным рынкам говорили, что им трудно отличать правдивую информацию от ложной в интернете; годом ранее показатель был на 4 п.п. ниже [1]. Таким образом, рост удобства новых интерфейсов сопровождается не ростом уверенности, а, по крайней мере пока, сохранением заметного дефицита доверия.

Краткий формат не обязательно ухудшает усвоение

Интуитивно можно предположить, что сокращение материала всегда ухудшает понимание. Эмпирические результаты сложнее. В двух экспериментах, опубликованных в Social Science Computer Review, участники после чтения AI‑сводок исторических событий показывали более высокий результат на тестах фактических знаний, чем после экспертных блогов и статей Wikipedia по тем же темам [10]. Авторы обнаружили эффект в разных демографических группах и независимо от того, знали ли участники, что текст сгенерирован ИИ.

В медицинской коммуникации рандомизированное исследование 2026 г. показало, что AI‑assisted plain‑language summaries систематических обзоров Cochrane после обязательной человеческой проверки обеспечивали понимание, статистически не уступавшее человеческим версиям: 88,9% против 89,0% правильных ответов [15]. До публикации человеческая верификация исправила критические числовые ошибки в AI‑черновиках, поэтому результат нельзя трактовать как доказательство ненужности редактора.

Сокращение когнитивных усилий в других задачах дает обратный эффект. В рандомизированном исследовании студенты использовали ChatGPT как учебного помощника по теме ИИ; через 45 дней неожиданный тест на удержание знаний дал 57,5% против 68,5% у группы с традиционным обучением [11]. Участников было 120, сценарий один, на все способы чтения результат не переносится. Пример скорее про cognitive offloading: облегчить получение ответа и удержать знание надолго — разные цели.

Рисунок 6. Результаты теста на удержание знаний через 45 дней в одном рандомизированном исследовании: 57,5% в AI-assisted группе и 68,5% при традиционном обучении. Источник: Social Sciences & Humanities Open, 2025 [11].
Рисунок 6. Результаты теста на удержание знаний через 45 дней в одном рандомизированном исследовании: 57,5% в AI‑assisted группе и 68,5% при традиционном обучении. Источник: Social Sciences & Humanities Open, 2025 [11].

Следовательно, краткая сводка не является ни полезной, ни вредной сама по себе. Хорошо организованное сокращение может повысить доступность материала и облегчить усвоение фактов. Иная ситуация возникает, когда системе регулярно передаются поиск, формулирование и воспроизведение ответа. В учебных задачах собственная обработка информации может быть частью самого процесса обучения, поэтому важно учитывать, какие именно операции выполняет человек, а какие передает внешнему инструменту.

Поиск как форма внешней когнитивной обработки

Интернет давно используется как средство когнитивной разгрузки: человеку необязательно хранить в памяти все сведения, если он знает, где их быстро найти. Генеративный поиск расширяет эту функцию. Он может разбить сложный вопрос на части, собрать документы, удалить повторы, сопоставить формулировки и представить итоговое обобщение. Таким образом, внешней становится не только память, но и часть промежуточной обработки информации.

Эксперимент 2025 г. по mindful и mindless online searching показал вот что. Если до поиска попробовать сформулировать собственные предположения, часть негативных эффектов бездумного поиска для любопытства и последующего воспроизведения смягчается [16]. Небольшое трение перед ответом бывает полезным. Имеется в виду обучение, не бытовая справка.

Удобство — плохой единственный критерий качества интерфейса. Для навигации, бытовой справки, сравнения вариантов меньше шагов нормально. Если цель — устойчивое знание, интерфейс бывает полезнее, когда заставляет уточнять, прогнозировать ответ, открывать источники и спорить с аргументами.

Россия: нейросети становятся повседневным способом поиска информации

Российские данные также показывают переход от интереса к нейросетям к регулярному практическому использованию. В июне 2026 г. ВЦИОМ зафиксировал, что 78% российских интернет‑пользователей обращались к нейросетям в течение предыдущего года. Среди пользователей, уже имеющих такой опыт, 58% делали это раз в неделю или чаще [12]. Для анализа информационного поведения особенно важны функции: Алису AI для поиска информации использовали 71% ее пользователей, ChatGPT — 61%, DeepSeek — 59%, Perplexity — 63%, GigaChat — 51% [12]. Для значительной части аудитории нейросеть выполняет функции поиска, консультации и персональной помощи, а не только генерации текста.

Обезличенные данные Яндекса позволяют подробнее увидеть структуру запросов. В массиве обращений к Алисе AI с сентября 2025 по январь 2026 г. информационные запросы составляли 32,7%, работа с медиаконтентом — около 18%, просьбы помочь разобраться или дать совет — 14%, общение — еще около 14%, работа с текстом — 9%, математика, аналитика и IT — около 3% [13]. Более половины обращений были вопросами, 27,3% — просьбами, 18,3% — высказываниями. Такая структура ближе к диалогу, чем к традиционному набору поисковых ключей.

Рисунок 7. Крупные категории запросов в чате Алисы AI, сентябрь 2025 — январь 2026. Источник: обезличенные данные Яндекса [13]. Категории на графике не исчерпывают весь поток запросов.
Рисунок 7. Крупные категории запросов в чате Алисы AI, сентябрь 2025 — январь 2026. Источник: обезличенные данные Яндекса [13]. Категории на графике не исчерпывают весь поток запросов.

Быстро растет и аудитория встроенных AI‑ответов. В I квартале 2026 г. быстрыми ответами Алисы AI под поисковой строкой ежемесячно пользовались 48,3 млн человек; во II квартале показатель достиг 49,5 млн. В тот же период AI‑ответ показывался по 42% поисковых запросов Яндекса [14]. В апреле 2026 г. компания объединила в одном интерфейсе традиционные результаты поиска и диалог с Алисой AI, между которыми пользователь может переключаться вместе с другими типами выдачи — изображениями, товарами и видео [17].

Следующий этап — перенос нейросетевого взаимодействия непосредственно на открытую страницу. В марте 2026 г. Яндекс Браузер начал разворачивать режим сплитвью, позволяющий задавать вопросы к сайту, PDF‑файлу или видео без копирования текста в отдельный чат [18]. Для механики восприятия это существенно: документ остается на экране, но часть извлечения и интерпретации информации выполняет модель. По мере распространения таких режимов AI‑посредничество может стать обычной встроенной функцией чтения.

Источник как доказательная база

В прямом веб‑сценарии источник одновременно является и местом чтения: пользователь открывает конкретный сайт и видит материал в исходном контексте. Поисковая выдача уже отделяет выбор источника от чтения. Генеративный интерфейс идет дальше: документ может участвовать в формировании ответа, хотя человек его вовсе не откроет. Факт из страницы попадет в сводку, а сама страница останется за пределами пользовательской сессии.

Из‑за этого привычные показатели начинают описывать разные стороны процесса. Отдельно стоит учитывать, был ли документ виден пользователю, использовался ли он системой при формировании ответа и состоялся ли переход на сайт. Раньше эти события часто шли одно за другим, теперь совпадение между ними не обязательно. Для автора материала это означает, что ценность источника определяется не только трафиком, но и тем, насколько точно из него можно извлечь и проверить фактические утверждения.

Наблюдения Pew хорошо иллюстрируют разницу между присутствием источника и переходом к нему. AI‑summary может содержать несколько ссылок, однако клики по ним остаются редкими [2]. Поэтому отсутствие перехода еще не означает, что документ не повлиял на ответ. Обратное тоже верно: наличие ссылки не доказывает, что пользователь прочитал исходный материал. Для такого случая полезно отдельно учитывать вклад источника без визита — contribution without visit.

Бренд узнают сразу из нескольких каналов

Для коммерческого выбора изменение механик проявляется особенно наглядно. По данным GWI, приведенным DataReportal, типичный взрослый интернет‑пользователь глобально узнает новые бренды и продукты в среднем через 5,8 разных типов источников. Поисковые системы в Q3 2024 называли источником открытия брендов 32,8% пользователей, рекламу в социальных сетях — 29,7%, сайты самих брендов — 25,8% [19]. Ответы множественные, поэтому показатели не образуют доли единого рынка.

Рисунок 8. Некоторые каналы открытия новых брендов и продуктов. Источник: GWI / DataReportal, Q3 2024 [19]. Респонденты могли выбирать несколько вариантов.
Рисунок 8. Некоторые каналы открытия новых брендов и продуктов. Источник: GWI / DataReportal, Q3 2024 [19]. Респонденты могли выбирать несколько вариантов.

В answer‑driven среде к этим каналам добавляется еще одна форма — рекомендация внутри синтезированного ответа. В генеративном ответе бренд появляется в другом окружении, чем в рекламном блоке или обычной поисковой выдаче. Его могут включить в сравнение нескольких вариантов, связать с конкретными условиями выбора и сразу пояснить, почему он подходит под запрос. В результате пользователь встречает уже не только название компании, но и готовую трактовку ее релевантности. Для атрибуции это неудобный сценарий: после такого контакта человек может вернуться к бренду позднее — через поиск по названию, карту, маркетплейс или прямой заход на сайт.

Поэтому оценивать коммерческую видимость только на уровне отдельных страниц становится все труднее. Помимо сайта в информационный контур входят отзывы, каталоги, карты, видео, UGC, товарные карточки и редакционные публикации. Для посредника важна не идентичность формулировок на всех площадках, а отсутствие противоречий в основных сведениях о компании.

Тезис «люди перестали читать» не подтверждается однозначно

Популярная формула про «сократившийся attention span» объединяет слишком разные явления и потому мало помогает сама по себе. В ней смешиваются разные показатели: сколько времени человек проводит с одним материалом, как часто переключается между задачами, предпочитает ли короткий формат, склонен ли к автоматической прокрутке и насколько его вообще интересует конкретная тема. Эти характеристики могут изменяться независимо друг от друга.

Хороший пример дают данные Reuters. На фоне роста онлайн‑видео с 2021 г. снизилась доля людей, которые называют себя крайне или очень заинтересованными в новостях: в среднем на 13 п.п. За тот же период доля casual/passive users выросла с 16% до 25% [1]. Такой результат допускает вывод о более поверхностном новостном потреблении у части аудитории, но ничего не говорит о физиологической способности человека концентрироваться.

Не подтверждается и более узкая версия тезиса — будто небольшой объем материала сам по себе ухудшает понимание. В экспериментах с AI‑сводками краткое изложение в ряде случаев давало более высокий результат на тестах фактического знания [10]. Поэтому длину текста целесообразно рассматривать отдельно от трех других характеристик: доступности материала, понимания сразу после чтения и сохранения знания спустя время. Между ними нет автоматической зависимости.

Проверка информации после получения готового ответа

В классической модели проверка информации часто предполагала сопоставление нескольких документов. В генеративном интерфейсе пользователь сначала получает уже объединенный ответ, поэтому необходимость открывать дополнительные источники может восприниматься как менее очевидная. Связная структура, уверенный тон, таблицы и ссылки дополнительно создают ощущение завершенности.

В таких условиях меняется и содержание информационной грамотности. Пользователю важно определить, какие утверждения требуют проверки, открыть первоисточник для конкретного спорного фрагмента, сверить дату и контекст, а также отличать само наличие цитаты от реального подтверждения тезиса. Интерфейс может облегчить эту задачу, если явно показывает связь между отдельными фрагментами ответа и документами, на которых они основаны.

При этом не следует считать пользователя пассивным по умолчанию. По данным Reuters, среди тех, кто использует AI‑чатботы для новостей, 42% заявляют, что всегда или часто переходят к оригинальным новостным источникам; по странам показатель колеблется от 26% в Дании до 56% в Южной Корее [1]. Здесь важно учитывать способ измерения. Reuters приводит ответы самих респондентов, тогда как Pew наблюдает за переходами в браузере. Эти показатели описывают разные вещи и потому не должны совпадать буквально.

Молодая аудитория быстрее осваивает новые интерфейсы

Возрастные различия в данных Reuters выражены достаточно отчетливо. Среди респондентов 18–24 лет более половины называли социальные сети, видеоплатформы и AI‑чатботы основными каналами новостей. AI‑чатботами для новостных задач пользовались до 16% людей младше 35 лет, тогда как по всей выборке показатель составлял 10% [1]. В старших группах распространение тех же инструментов также заметно, но начинается с более низкого уровня.

В российских данных различия проявляются прежде всего в частоте использования: ВЦИОМ фиксирует более регулярные обращения к нейросетям у цифрово активной аудитории [12]. Однако этот разрыв не обязательно останется прежним. Когда функции ИИ встраиваются в поиск или браузер, пользователю уже не требуется принимать отдельное решение «перейти в нейросеть». Новый механизм становится частью привычного сервиса. В таком случае возраст начинает отражать не только навыки аудитории, но и то, насколько широко новая функция встроена в повседневные интерфейсы.

Как менялся маршрут в 2020–2026

Если сопоставить данные за 2020–2026 гг., видно, что изменения происходили сразу на нескольких уровнях. Рекомендательные платформы все чаще определяют, какой материал появится перед пользователем. Сам материал нередко преобразуется в короткий ролик, карточку или сводку. Генеративные системы добавляют еще один слой: они могут собрать сведения из нескольких документов и представить их как единый ответ. Параллельно расширяется и форма запроса — к тексту добавились изображение, голос, видео и содержимое экрана.

Таблица 2. Сводная модель изменения информационного маршрута.

Этап

Доминирующая механика

Что делает пользователь

Что делает алгоритм

Ключевой риск измерения

Прямой веб

Source‑driven

Выбирает источник и материал

Помогает навигации внутри сайта

Видим только прямой контакт

Классический поиск

Search‑driven

Формулирует запрос, выбирает ссылку

Ранжирует документы

Клик не отражает все zero‑click взаимодействия

Алгоритмическая лента

Feed‑driven

Скроллит и реагирует

Выбирает темы и последовательность

Экспозиция может быть непреднамеренной

Генеративный поиск

Answer‑driven

Формулирует вопрос и уточняет

Ищет, сжимает, синтезирует, цитирует

Источник может влиять без перехода

Мультимодальный/агентный

Task‑driven

Показывает объект или задает цель

Распознает контекст, выполняет цепочку действий

Граница между поиском и действием размывается

На практике это означает, что между возникновением вопроса и действием остается меньше обязательных переходов. В одном интерфейсе пользователь может заметить тему, получить краткое объяснение, задать уточняющий вопрос, сравнить несколько вариантов и перейти к следующему шагу. Для повседневных задач такой маршрут удобнее. С точки зрения прозрачности он сложнее: чем меньше промежуточных переходов, тем реже пользователь отдельно замечает, откуда взят конкретный факт, в каком контексте он был опубликован и существовали ли альтернативные трактовки.

Материал адаптируется к последовательности вопросов

У статьи порядок изложения задан заранее: читатель может пропустить часть текста, но сама композиция остается авторской. Диалоговый интерфейс устроен иначе. Уже после первого ответа пользователь способен изменить траекторию объяснения — попросить расшифровать термин, привести пример, сократить ответ или подробнее разобрать один спорный фрагмент. В результате не только объем, но и последовательность материала зависит от дальнейших вопросов.

Для новостных сценариев эта функция заметна и в опросах. В 2026 г. AI‑чатботы для новостей еженедельно использовали 10% респондентов Reuters Institute против 7% годом ранее; среди респондентов младше 35 лет показатель составлял 16%. Возможность задавать уточняющие вопросы называли 42% пользователей AI‑чатботов для новостей — это была самая распространенная из указанных мотиваций [1].

Рисунок 9. Еженедельное использование AI‑чатботов для новостей: 7% в 2025 г. и 10% в 2026 г. Источник: Reuters Institute [1]. Среди респондентов до 35 лет в 2026 г. показатель составлял 16%.

Такой режим дает пользователю больше контроля над глубиной объяснения, но одновременно делает итог менее предсказуемым. Один человек ограничится первым ответом, другой попросит статистику, третий — хронологию или контраргументы. Поэтому одинаковая исходная тема не гарантирует одинакового набора сведений, который увидят разные пользователи.

Для образовательных и экспертных материалов это особенно важно. Автор по‑прежнему задает фактическую основу и аргументацию исходного документа, однако часть композиции возникает уже во взаимодействии с моделью. Некоторые оговорки и пояснения могут быть раскрыты, а другие — не появиться вовсе, если пользователь не задаст соответствующий вопрос. По этой причине исходный материал все чаще выполняет роль проверяемой базы, из которой формируются разные версии объяснения, а не единственной фиксированной последовательности чтения.

Изменяется момент завершения информационной сессии

У разных интерфейсов по‑разному устроена точка, в которой человек считает поиск информации завершенным. У статьи есть видимый конец. В поисковой выдаче пользователь обычно останавливается после найденного ответа либо просто прекращает просмотр результатов. Бесконечная лента, напротив, почти не создает естественной паузы: следующий материал появляется автоматически.

Генеративный поиск может вести себя противоположным образом. Если первый ответ выглядит достаточно полным, потребность в дальнейшем поиске иногда исчезает уже на этом этапе. Reuters одновременно фиксирует рост менее вовлеченного новостного поведения: доля casual/passive news users выросла с 16% в 2021 г. до 25% в 2026 г., а доля крайне или очень заинтересованных в новостях за тот же период снизилась в среднем на 13 п.п. [1]. Эти показатели не свидетельствуют об отказе от новостей вообще. Скорее у части аудитории контакт с ними становится эпизодическим и встраивается в другие цифровые действия.

Рисунок 10. Доля casual/passive news users: 16% в 2021 г. и 25% в 2026 г. Источник: Reuters Institute [1].
Рисунок 10. Доля casual/passive news users: 16% в 2021 г. и 25% в 2026 г. Источник: Reuters Institute [1].

В рекомендательной ленте подобный контакт особенно заметен: новостная публикация может возникнуть между развлекательными постами, в пересланном сообщении или среди роликов другой тематики. В этот момент пользователь вовсе не обязательно искал новости, поэтому и мотивация переходить к подробностям может быть слабее.

С генеративным ответом ситуация иная. В данных Pew браузерная сессия завершалась после страницы Google с AI‑summary в 26% посещений, а без сводки — в 16% [2]. Считать разницу чистым эффектом интерфейса нельзя: сводки появляются не по случайному набору запросов. Но наблюдение все же показывает характерный сценарий — готового ответа иногда хватает, чтобы пользователь не продолжал поиск.

Лента и генеративная сводка в этом смысле действуют по‑разному. Первая убирает естественные паузы и предлагает следующий материал, вторая способна раньше поставить точку в поиске. Общий сдвиг состоит в другом: переход к следующему документу все реже является обязательным шагом.

Метрики веб‑страницы охватывают не весь информационный маршрут

Большая часть привычной веб‑аналитики начинается уже после клика на сайт: измеряются длительность визита, глубина просмотра, скролл и дальнейшие переходы. До этого момента современный информационный маршрут может быть довольно длинным. Материал способен появиться в ленте, быть использован в AI‑ответе, попасть в пересказ видео или лишь спустя время вызвать поиск по названию бренда. Во всех перечисленных случаях источник может участвовать в результате без зафиксированного визита. Это не делает старые метрики бесполезными, но ограничивает область, которую они описывают.

Вместо одной универсальной метрики здесь удобнее работать с несколькими стадиями. Сначала можно фиксировать сам контакт с информацией, затем — выбор следующего действия, понимание содержания, проверку происхождения, сохранение знания и, наконец, практический результат. Эти стадии не следуют друг из друга автоматически. Просмотр не доказывает понимания; понимание сразу после чтения ничего не говорит о памяти через неделю; переход к первоисточнику еще не означает, что именно он изменил решение. Такое разделение использовано в таблице 3.

Таблица 3. Слои измерения информационного восприятия.

Уровень

Пример метрики

Что измеряет

Чего не доказывает

Exposure

Показ в ленте, появление AI‑ответа, цитирование источника

Факт информационного контакта

Что человек прочитал и понял

Selection

Клик, открытие ролика, продолжение диалога

Осознанный или алгоритмический выбор следующего шага

Глубину обработки

Comprehension

Тест понимания, успешный ответ на вопрос

Понимание сразу после контакта

Долговременную память

Verification

Переход к первоисточнику, открытие цитаты

Готовность проверить происхождение

Что источник реально изменил мнение

Retention

Отсроченный тест, воспроизведение

Сохранение знания во времени

Поведенческое действие

Action

Брендовый поиск, покупка, подписка, изменение решения

Практическое последствие информации

Причинность без контрольного дизайна

На первый взгляд результаты отдельных исследований иногда расходятся, но нередко они просто относятся к разным этапам этой схемы. Например, AI‑summary может сопровождаться снижением числа кликов и при этом облегчать немедленное понимание материала. Высокий охват короткого видео также ничего не говорит о том, останется ли содержание в памяти через неделю. Длинная статья, напротив, способна собирать меньше просмотров, но оставаться полезной там, где требуется проверить факты или принять сложное решение.

Для издателей и брендов логика та же. Снижение органического трафика и рост упоминаний в AI‑ответах не исключают друг друга, поскольку относятся к разным точкам маршрута. Share of Voice в нейросетях имеет самостоятельное значение как показатель видимости, но коммерческий эффект требует отдельной проверки по последующим действиям пользователя.

Посредник сужает набор видимых источников

Обычная поисковая выдача способна показать десятки доменов, хотя пользователь открывает лишь несколько из них. В генеративном ответе видимая часть набора обычно еще уже: система выбирает ограниченное число документов, которые использует при синтезе. Поэтому вопрос здесь не только в потерянных или полученных кликах. Меняется распределение самой видимости источников: одни площадки регулярно попадают в доказательную базу ответа, другие остаются за пределами пользовательского интерфейса.

В исследовании Pew Wikipedia, YouTube и Reddit входили в число наиболее частых источников и для Google AI summaries, и для обычной выдачи. Вместе на них приходилось 15% источников в AI‑сводках и 17% стандартных результатов [2]. Государственные сайты, напротив, появлялись в сводках чаще — примерно 6% ссылок против 2% в обычной выдаче; новостные сайты занимали около 5% в обоих форматах. Эти значения относятся к американской выборке запросов и не описывают Google в целом.

Для пользователя важно, что внешняя многоисточниковость ответа не всегда означает разнообразие площадок. Одни и те же домены могут повторяться в большом числе запросов. Со временем это влияет и на представление о том, какие типы источников выглядят привычными или заслуживающими доверия в конкретной теме. Алгоритмический отбор, таким образом, формирует не только содержание ответа, но и набор источников, которые пользователь вообще видит.

По этой причине AI visibility имеет смысл анализировать вместе со структурой цитирования. Само число упоминаний бренда или сайта дает неполную картину. Один домен может использоваться как первичное подтверждение, другой — только появляться во вторичном пересказе. При одинаковой частоте упоминаний их роль в информационном маршруте будет различаться.

От получения ответа к выполнению действия

Еще недавно поиск информации и выполнение действия чаще были разнесены по разным этапам. Пользователь сначала изучал варианты, затем выбирал сервис или товар и только после этого переходил к заказу, бронированию или другой операции. Agent‑driven модель сокращает эту дистанцию: системе задают не только вопрос, но и цель, а часть промежуточных действий она берет на себя.

В июне 2026 г. Яндекс представил платформу для интеграции ИИ‑агентов в Алису AI. Первые сценарии разворачивались во внутренних сервисах компании; среди примеров назывались вызов такси и заказ продуктов [20]. По одному продуктовому анонсу нельзя судить о масштабе агентных сценариев. Здесь он интересен скорее как пример устройства интерфейса: ответ на вопрос уже не обязательно завершает взаимодействие и может быть промежуточным шагом перед выполнением поручения.

При таком устройстве часть сравнения остается за пределами экрана. Пользователь задает цель и видит итог, а система самостоятельно перебирает варианты по своим промежуточным критериям. Поэтому прозрачность требуется уже на двух уровнях: откуда взяты факты и почему среди доступных вариантов был выбран именно этот.

Для коммерческой среды это важно прежде всего потому, что часть сравнения может вообще не быть показана пользователю. Агент способен отсеять варианты по цене, наличию, расстоянию, отзывам и другим параметрам еще до того, как на экране появится итоговый набор. В таком сценарии бренд может участвовать в выборе, хотя человек не видел его как отдельный результат. Поэтому для компаний становится существенной актуальность карточек, структурированных сведений и внешних подтверждений.

С точки зрения анализа такой сценарий лучше отделять от answer‑driven поиска. В одном случае система готовит материал для решения, в другом — берет на себя часть самой операции. Масштаб агентных сценариев пока невелик, поэтому здесь корректнее говорить о направлении развития интерфейсов, а не о сформировавшейся массовой модели.

Практические следствия для сайтов и брендов

Сайт остается важным источником данных и трафика, но влияние материала теперь может возникать и без визита. Страница может быть использована при подготовке AI‑ответа, ее сведения — появиться в другом интерфейсе, а знакомство с брендом — закончиться поиском по названию позже. Обычная веб‑аналитика такие случаи почти не видит, поскольку начинает измерение уже после перехода на сайт.

Отсюда возникает вполне практическое требование к исходным материалам: факты должны быть легко проверяемы. Даты, авторство, числовые данные, методика и условия, к которым относится утверждение, лучше указывать прямо, а не оставлять на уровне подразумеваемого контекста. Это полезно и человеку, и автоматической обработке. Особенно проблемны внутренние противоречия: читатель иногда способен догадаться, какая формулировка имелась в виду, тогда как система может перенести неоднозначность в готовый ответ без дополнительной проверки.

Есть и вторая задача — дать причину открыть исходную страницу после того, как краткое объяснение уже получено. Для исследования такой причиной могут быть первичные данные и полная методика, для сервиса — рабочий инструмент, для коммерческой страницы — подробные условия, сравнение или возможность выполнить действие. Если внешний документ практически не добавляет ничего к краткой сводке, снижение числа переходов закономерно.

Наконец, сведения о компании распределены между несколькими площадками. Помимо собственного сайта это карты, каталоги, отраслевые публикации, карточки товаров, обзоры, видео и UGC. Здесь важнее не дословное повторение одного текста, а согласованность основных фактов: названия, характеристик продукта, географии, ценовых условий, дат и других проверяемых сведений. Там, где утверждение существенно для выбора, дополнительную ценность дают независимые подтверждения.

Ограничения сопоставления данных

У приведенных сопоставлений есть несколько ограничений, которые важно учитывать при интерпретации результатов. Самые длинные и методически устойчивые глобальные ряды в этой работе относятся к новостному потреблению. Электронная коммерция, образование, развлечения и профессиональная информация могут иметь другую структуру поведения. Поэтому переносить конкретные проценты из новостных исследований на эти сферы нельзя; сопоставимым остается прежде всего сам механизм посредничества.

Отдельно следует рассматривать продуктовые данные Google и Яндекса. Они дают представление о масштабе использования отдельных функций и о направлении развития сервисов, но не заменяют независимые измерения аудитории. По этой причине внутреннюю статистику платформ, опросы и браузерные панели в работе не сводятся в единый показатель распространенности answer‑driven интерфейсов.

Есть методологическая оговорка и у данных Pew о страницах Google с AI‑summary. Сводка появляется не на случайной выборке запросов: вероятность ее показа связана, среди прочего, с длиной и сложностью формулировки. Поэтому зафиксированную разницу в кликах следует читать именно как различие между наблюдаемыми группами запросов. Чтобы приписать ее только наличию сводки, потребовался бы отдельный экспериментальный дизайн.

Ограничения когнитивных работ устроены иначе. Поперечные исследования коротких видео хорошо показывают совместное изменение показателей, но не отвечают на вопрос о направлении причинности. В экспериментах с ИИ условия контролируются строже, однако вывод зависит от конкретной задачи, состава участников и периода наблюдения. На этом основании нельзя вывести универсальную норму вроде «внимание сократилось до нескольких секунд».

Есть и временное ограничение. Интерфейсы меняются быстрее, чем проходит полный академический цикл: функция, бывшая экспериментальной в 2025 г., уже в 2026 г. может стать массовой. Поэтому приведенные проценты относятся к своему периоду и продуктовой конфигурации. Для более долгого сравнения надежнее следить не за одной конкретной функцией, а за тем, как между человеком, платформой и источником перераспределяются поиск, интерпретация и проверка.

Основные выводы

Материалы 2020–2026 гг. не подтверждают исчезновение первоисточников, но показывают, что путь к ним стал менее прямым. Наиболее хорошо это видно в исследованиях новостного потребления. В 2026 г. социальные сети и видеоплатформы в среднем по 48 рынкам использовались для новостей чаще, чем сайты и приложения самих редакций; доля тех, кто называл их основным источником, выросла с 22% до 30% за пять лет [1].

Меняется и место, где пользователь впервые встречает материал. По данным Reuters, 77% аудитории еженедельно смотрят новостное онлайн‑видео, причем рост приходится главным образом на сторонние платформы [1]. Поэтому простой спор о преимуществах текста или видео недостаточен: имеет значение и интерфейс, в котором происходит первый контакт, и то, насколько заметен там исходный автор или издатель.

Генеративный поиск добавляет к этому еще один уровень посредничества. В выборке Pew страницы с AI‑summary сопровождались меньшей долей переходов к обычным результатам, а ссылки внутри самой сводки открывались редко [2]. В таких сценариях человек нередко получает связное объяснение раньше, чем знакомится с исходным документом. Это не отменяет роль источника, но меняет место источника в последовательности действий.

Одновременно расширяется сама форма запроса. AI Mode, Lens, Circle to Search и сходные инструменты позволяют обратиться к системе длинным вопросом, изображением или содержимым экрана [4–6]. Поиск все чаще происходит внутри уже открытого цифрового контекста и потому реже выглядит как отдельная операция с переходом на специальную страницу.

Данные не складываются в простую историю о том, что пользователи якобы стали хуже концентрироваться. В исследованиях коротких видео действительно встречаются связи с автоматической прокруткой и более поверхностным обучением. Но в других экспериментах краткие AI‑сводки, напротив, помогали лучше усваивать фактический материал [7–11; 15–16]. Поэтому полезнее смотреть не на длину текста сама по себе, а на распределение работы: что человек ищет, сравнивает и формулирует самостоятельно, а что передает системе.

Отдельно стоит вопрос проверки. Эксперимент [9] показал, что наличие ссылок способно повышать доверие даже тогда, когда цитирование содержит ошибки. Значит, одной внешней «доказательности» недостаточно. Пользователю нужна возможность быстро открыть источник, сопоставить его с конкретным утверждением и проверить, действительно ли ссылка подтверждает сказанное.

В России тот же сдвиг хорошо виден по встроенным функциям Яндекса. Алиса AI используется для информационных запросов и работает внутри Поиска и Браузера; аудитория этих функций уже измеряется десятками миллионов человек [12–14; 17–18]. Это существенно именно потому, что генеративный ответ перестает быть отдельным продуктом: пользователь сталкивается с ним внутри сервисов, которыми и раньше пользовался для поиска и чтения.

Поэтому речь идет не о замене одного формата другим. Меняется распределение действий между пользователем, источником и платформой. Для анализа приходится отдельно учитывать, был ли источник виден, использовался ли он при формировании ответа, проверил ли его человек и последовало ли после этого какое‑либо действие. Эти события могут совпадать, но теперь все чаще происходят раздельно.

Список литературы и источников