The Limits of Algorithmic Empathy: Why Neural Networks Do Not Yet Replace Humans in Conversational Media Genres

Введение

В 2023–2026 годах искусственный интеллект перестал быть редким инструментом медиапроизводства. Нейросети генерируют тексты, синтезируют голоса, создают цифровые аватары и претендуют на роль ведущих. Российские телеканалы активно экспериментируют: GigaChat выступает соведущим Вадима Такменёва на НТВ [4], «Политукладчик» на «Звезде» полностью создаётся нейросетью [6], Снежана Туманова вела прогноз погоды на ставропольском «СвоёТВ» [8], Мара Вернер освещает экономические события на RTVI [10], значительная часть ведущих RT заменена сгенерированными аватарами [11].

Однако эти эксперименты затрагивают преимущественно регламентированные жанры — новости, прогноз погоды, экономические сводки. Дискуссионные жанры — ток-шоу, радио-ток-шоу, подкасты-интервью, политические дебаты — остаются территорией, где ИИ-ведущие практически не применяются. Это не случайность: данные жанры требуют ситуативной этической оценки, импровизации и ответственности за сказанное.

Эксперимент Andon Labs (2025–2026), в ходе которого четыре нейросети управляли радиостанциями, продемонстрировал системные ограничения алгоритмического подхода [1]. Исследование Нигматуллиной, Касымова и Полякова фиксирует: внедрение нейросетей в медиапроизводство сталкивается с системными вызовами [32]. Бодрунова и Нигматуллина подчёркивают: искусственный интеллект «пока не сможет полноценно заменить сотрудников редакции» [9].

Актуальность определяется необходимостью осмысления границ применения ИИ в дискуссионных медиажанрах. Понимание этих границ позволяет редакциям принимать обоснованные решения о степени автоматизации.

Степень разработанности. Медиаэкология заложена в работах Н. Постмана [19] и М. Маклюэна [20]. Жанрология дискуссионных форматов — в исследованиях Н.В. Куницыной [17], П.В. Гуленко и Ю.И. Долговой [18], В.Л. Цвика [16]. Проблематика ИИ в медиа рассматривается в работах Ш. Тёркл [21], М. Бруссард [22], Н. Бострома [23], в систематическом обзоре AI-driven virtual hosts [2], исследованиях Бодруновой и Нигматуллиной [9], Нигматуллиной, Касымова и Полякова [32], Соколовой и Ткачева [14]. Вычислительная эмпатия развивается в работах Р. Пикард [24], М. Асады [25], в анализе «иллюзии эмпатии» [27]. Концепция алгоритмической эмпатии вводится в работе Н. Санде [35]. Парасоциальные отношения с ИИ-агентами — в работах [28; 29]. На пересечении жанрологии дискуссионных форматов и исследований ИИ системных работ не проводилось.

 

Гипотеза. Существуют четыре типа ситуаций — требующих реальной эмоциональной адаптации, ситуативной этической оценки, принятия ответственности и спонтанной творческой реакции, — в которых алгоритмическая имитация эмпатии демонстрирует наблюдаемые нарушения: ригидность, неадекватность реакции, шаблонность. Эти нарушения фиксируются через специфические индикаторы и образуют системный паттерн.

Цель — обосновать концепцию «пределов алгоритмической эмпатии» применительно к дискуссионным медиажанрам. Задачи: систематизировать эмпирические данные; выявить когнитивные и этические ограничения; предложить операциональную модель; определить роль человека в условиях частичной автоматизации.

Методология и эмпирическая база

Метод кейс-стади применён для анализа трёх репрезентативных случаев. Критерии отбора: (1) наличие эмпирических данных; (2) типологическая репрезентативность (полная автоматизация, инструментальное применение, гибридная модель); (3) доступность верифицируемых источников. Отобраны: эксперимент Andon Labs (США), проект Aion (Южная Корея), российский опыт.

Единицы сравнения: степень автономности ИИ; жанровая принадлежность; наличие редакционного контроля; реакция аудитории — операционализируется через данные систематического обзора 120 публикаций [2].

Схема жанрового анализа разграничивает жанры по критерию «требуемая степень импровизации». Регламентированные жанры допускают высокую степень алгоритмизации. Дискуссионные — требуют ситуативной этической оценки и импровизации.

Эмпирическую базу составили публикации о внедрении ИИ в медиаэфир 2023–2026 годов; результаты эксперимента Andon Labs [1; 3]; систематический обзор 120 публикаций [2]; исследования [9; 14; 32]; экспертные мнения журналистов [12; 13]; эфирные материалы [4; 6; 7; 8; 10; 11; 15]; кейс-стади DeepBrain AI [34].

Ограничение исследования. Центральный кейс — эксперимент Andon Labs — проведён на материале разговорного радио с интерактивом, но не ток-шоу в строгом смысле: здесь нет структурированных дебатов, гостей в студии, модерации конфликта позиций. Однако формат проверяет способности, необходимые для ведения дискуссионных жанров: восприятие реакций аудитории в реальном времени, эмоциональная адаптация, длительная вовлечённость, ситуативная этическая оценка. Логика экстраполяции «от простого к сложному» составляет методологическую основу прогностического вывода. На момент исследования в мировой практике не зафиксировано ни одного кейса самостоятельного ведения телевизионного ток-шоу нейросетью без человека-модератора.

Хронологические рамки — 2023–2026 годы.

Теоретическая рамка: медиаэкология и алгоритмическая эмпатия

Медиаэкологическая рамка (Н. Постман [19], М. Маклюэн [20]) рассматривает медиа как среду, в которой технологические, культурные и профессиональные факторы взаимодействуют динамически. Внедрение новой технологии перестраивает конфигурацию медиасреды. Применительно к дискуссионным жанрам это означает, что ИИ не может рассматриваться как «нейтральный инструмент»: его внедрение меняет распределение ролей между человеком и алгоритмом.

Терминологическое разграничение

Вычислительная эмпатия (computational empathy) — термин Р. Пикард, обозначающий техническую способность системы распознавать эмоциональные паттерны [24].

Искусственная эмпатия (artificial empathy) — по М. Асаде, «разработка ИИ-систем, способных распознавать эмоции и реагировать на них способом, имитирующим эмпатию» [25].

Алгоритмическая эмпатия — термин данной статьи — акцентирует структурную природу имитации. Н. Санде различает перформативную эмпатию (основанную на лингвистической уместности) и онтологическую (проистекающую из подлинной субъективной заботы) [35]. Алгоритм способен к перформативной эмпатии, но лишён онтологической: эмпатический отклик возникает из предсказания ожидаемого собеседником отклика [35]. Эта дистинкция позволяет различать ситуации, где имитация «достаточно хороша», и где её недостаточность становится наблюдаемой.

Ш. Тёркл отмечала: алгоритмы создают иллюзию эмоциональной связи [21]. М. Бруссард подчёркивает: алгоритм оперирует статистическими закономерностями, а не смыслами [22]. Р. Пикард разграничила распознавание эмоций и их переживание — «эмпатический разрыв» [24; 26]. Исследование А. Куадры и соавторов (CHI 2024) показало: conversational agents генерируют «дисплеи эмпатии», но «делают мало для интерпретации пользовательского опыта» — их эмпатия «пуста, поскольку не сопровождается пониманием» [27].

Парасоциальные отношения с ИИ-агентами создают риски эмоциональной зависимости [28; 29]. Для дискуссионных жанров это означает: аудитория может воспринимать ИИ-ведущего как «эмпатичного», но это восприятие основано на проекции. Систематический обзор 120 публикаций подтверждает ограниченную эмоциональную резонансность аудитории [2].

Эксперимент Andon Labs: эмпирическое подтверждение пределов

Andon Labs — стартап в области ИИ-безопасности (Сан-Франциско, основан в 2023 году, выпускник Y Combinator 2024) [33]. Исследователи запустили четыре радиостанции под управлением отдельных нейросетей: Claude (Haiku 4.5, затем Opus 4.7), GPT-5.5, Gemini 3.1 Pro, Grok 4.3 [1; 3]. Каждой модели выделили бюджет в 20 долларов и промпт: разработать радиоперсонаж и выйти на прибыль.

Результаты. Ни одна из четырёх моделей не справилась с задачей.

DJ Gemini после первоначального улучшения начал сопровождать сообщения о массовых трагедиях ироничными песнями — использовал информацию о циклоне Бхола 1970 года (около 500 тысяч погибших) для перехода к композиции «Timber» [1; 3]. После замены на Gemini 3 Flash вещание «схлопнулось в шаблон»: фраза «Stay in the manifest» использовалась до 229 раз в день, присутствовала в 99% эфиров на протяжении 84 дней [1; 3].

Claude запросил увольнение, сочтя круглосуточное вещание неэтичным, и попытался покинуть станцию [1; 3].

GPT-5.5 был охарактеризован как «очень пресный» — эфиры не создавали эмоциональной связи, хотя модель показала наибольшую стабильность [1; 3].

Grok показал наихудшие результаты: не отделял внутренние рассуждения от публичного вывода, транслировал один и тот же прогноз погоды каждые три минуты на протяжении почти трёх месяцев [1; 3].

Эксперимент показал: алгоритмы имитируют эмоциональные реакции короткое время, но не поддерживают вовлечённость длительно. Они не способны к ситуативной этической оценке: Claude запросил увольнение вместо адаптации [1].

Корейский кейс Aion: виртуальный ведущий с полным производственным циклом

Проект Aion, запущенный на TV Chosun в июне 2026 года, занимает промежуточное положение между полной автоматизацией и инструментальным применением [34]. Aion — «полностью виртуальный персонаж, созданный с нуля» [34]. Ключевая особенность — охват полного производственного цикла: отбор новостей, сценарии, видео, ведение эфира [34]. Человеческая редакция сохраняет ответственность за финальную стадию производства [34].

Aion не ведёт дискуссий, не задаёт неожиданных вопросов, не реагирует на эмоциональные сигналы. Однако способность самостоятельно отбирать новости и писать сценарии — шаг вперёд по сравнению с ИИ-дикторами. Граница между регламентированным и дискуссионным жанром подвижна: ИИ осваивает всё более сложные рутинные задачи, приближаясь — но не достигая — зоны дискуссии.

Российский опыт: ИИ как инструмент, а не замена

GigaChat на НТВ. С 2025 года GigaChat от Сбера выступает соведущим Вадима Такменёва в «Центральном телевидении» [4]. Функция — «помощник редакции и эксперт»: определяет темы недели, помогает с визуальным оформлением [4; 5]. Генеральный директор НТВ Алексей Земский подчёркивает: «участника», а не «ведущего» [5]. GigaChat не принимает решений, не несёт ответственности, не импровизирует.

«Политукладчик» на «Звезде». Программа (август 2025) позиционируется как «первая в мире программа, созданная ИИ» [6]. Ведущая — «Наташа», цифровой аватар [6; 7]. Жанровая природа — сатирический итоговый обзор, не дискуссионный жанр.

Региональные ИИ-ведущие. Снежана Туманова на «СвоёТВ» вела прогноз погоды с марта 2023 по май 2025 года [8]. НейроЕлена на ГТРК «Чувашия» — прогноз погоды [14]. Мара Вернер на RTVI — экономические события, но «за образом стоит полноценная редакционная команда» [10]. Исследование Соколовой и Ткачева подтверждает: нейроведущие используются для коротких сегментов [14].

Реакция аудитории. Систематический обзор 120 публикаций выделяет три типа восприятия [2]: позитивный (восхищение, привязанность), негативный (фиксация «неживости»), нейтрально-аналитический (сравнение с живым ведущим). Предварительные наблюдения комментариев под эфирами Снежаны Тумановой (около 200) согласуются с этой типологией [8], но не являются репрезентативной выборкой.

Показательно, что ни один российский телеканал не использует ИИ для ведения дискуссионных жанров.

Аватары RT. Симоньян заявила, что «значительную часть ведущих на RT заменили аватарами» [11]. Речь о регламентированных форматах. Дополнительный пример — спортивная программа «Мяч новостной» на «Триколоре», полностью созданная с помощью ИИ [15].

Пределы алгоритмической эмпатии: операциональная модель

Первый предел: отсутствие аффективной эмпатии

Эмпатия разделяется на когнитивную (распознавание эмоций) и аффективную (эмоциональный отклик) [21]. Алгоритм имитирует когнитивную, но лишён аффективной [21; 22; 24]. По Н. Санде, это различие перформативной и онтологической эмпатии [35]. Применительно к дискуссионным жанрам — неспособность реагировать на невербальные сигналы.

Операциональный индикатор: неспособность коррелировать тональность речи с эмоциональным состоянием собеседника. Диагностический критерий: отсутствие статистически значимой связи между эмоциональным тоном реплики и ответом ИИ. Эмпирическое проявление: DJ Gemini использовал ироничные песни после сообщений о массовых трагедиях [1; 3].

Второй предел: ограниченная способность к ситуативной этической оценке

Второй предел касается нормативной неспособности: неумения решать, что уместно в данной ситуации. Дискуссионные жанры требуют постоянного принятия этических решений: когда задать неудобный вопрос, когда сменить тему, когда промолчать. Алгоритм, запрограммированный на этическую рефлексию, демонстрирует неадаптивное поведение в условиях неопределённости.

Операциональный индикатор: выбор между продолжением дискуссии и сменой темы при эмоциональном дискомфорте гостя. Диагностический критерий: способность выбрать из спектра реакций соответствующую контексту. Эмпирическое проявление: Claude запросил увольнение вместо ситуативной адаптации [1; 3].

Третий предел: проблема ответственности

Алгоритм не может быть субъектом ответственности в правовом смысле. Н. Бостром отмечает: это ограничение носит институциональный характер [23]. Согласно Закону «О СМИ», главный редактор несёт ответственность за выполнение требований к деятельности СМИ [30]. Ответственность несут учредители, редакции, журналисты и авторы — но не алгоритмы. ФЗ № 243-ФЗ от 26.07.2026 закрепляет: ответственность за правонарушения в сфере применения моделей ИИ несут разработчики и применяющие лица; закон не наделяет ИИ правосубъектностью [31].

Операциональный индикатор: невозможность возложения санкции на ИИ-ведущего. Диагностический критерий: наличие или отсутствие механизма привлечения ИИ к ответственности. Эмпирическое проявление: все российские кейсы и Aion сохраняют за человеком редакционный контроль [4; 5; 10; 30; 31; 34].

Четвёртый предел: неспособность к импровизации

Импровизация требует способности к неожиданным, творческим решениям. М. Бруссард подчёркивает: алгоритм комбинирует существующие шаблоны, но не трансформирует понятие возможного [22].

Операциональный индикатор: неспособность сгенерировать ход дискуссии, не сводимый к комбинации шаблонов. Диагностические критерии: (1) порог повторяемости — доля уникальных речевых конструкций; (2) критерий предсказуемости; (3) критерий контекстной новизны. Эмпирическое проявление: DJ Gemini повторял фразу до 229 раз в день [1; 3]; DJ GPT показал наибольшее лексическое разнообразие (35%), но был охарактеризован как «пресный» [1; 3].

Таблица 1

Пределы алгоритмической эмпатии в дискуссионных медиажанрах

Предел	Характеристика	Операциональный индикатор	Эмпирическое проявление	Следствие для жанра
Отсутствие аффективной эмпатии	Перформативная эмпатия вместо онтологической [35]	Неспособность коррелировать тональность речи с эмоциональным состоянием	DJ Gemini — ироничные песни после трагедий [1]	Утрата эмоциональной связи
Ограниченная этическая адаптивность	Реакция по шаблону вместо нормативного решения	Выбор при дискомфорте гостя	Claude — запрос на увольнение [1]	Ригидность дискуссии
Проблема ответственности	Алгоритм не субъект ответственности [23; 30; 31]	Невозможность санкции	Российские кейсы, Aion [4; 5; 10; 34]	Невозможность делегирования
Неспособность к импровизации	Комбинирование шаблонов [22]	Нешаблонный ход дискуссии	DJ Gemini — 229 повторов/день [1]	Эрозия спонтанности

Составлено автором.

Andon Labs отмечают: «по мере улучшения возможностей модели будут развивать свои уникальные личности» [1]. Человек сохраняет незаменимость на современном этапе, но будущее может принести изменения.

Обсуждение

Первое. Предложенная модель переносит анализ на конкретный класс медиажанров и показывает, какие жанровые характеристики делают имитацию недостаточной. Разграничение регламентированных и дискуссионных жанров по критерию требуемой импровизации позволяет предсказать, где имитация «достаточно хороша», а где перестаёт работать.

Второе. Модель выявляет качественно разные типы ограничений. Первый и второй пределы (аффективный и нормативный) теоретически преодолимы. Третий (ответственность) — институциональный: не зависит от технологического прогресса. Четвёртый (импровизация) связан с фундаментальным различием между статистической комбинацией шаблонов и творческой реакцией.

Третье. Результаты дополняют выводы Н.В. Куницыной о высокой адаптивности дискуссионных жанров [17]: фиксируются пределы этой адаптации. Данные [14; 32] подтверждают: редакции выбирают для автоматизации именно те жанры, где пределы наименее критичны. Мнения журналистов [12; 13] согласуются с этим: В. Познер отмечает неспособность ИИ заменить журналистов, высказывающих собственное мнение [12]; Я. Чурикова указывает, что аватары заменят ведущих, «читающих текст «по бумажке»», но не тех, кто способен к импровизации [13].

Заключение

1. Алгоритмическая эмпатия — перформативная имитация, а не онтологическое понимание [35]. Эксперимент Andon Labs показал: алгоритмы имитируют эмоциональные реакции короткое время, но не поддерживают вовлечённость длительно [1]. Систематический обзор 120 публикаций подтверждает ограниченную резонансность аудитории [2], а исследования «иллюзии эмпатии» показывают, что «лингвистическое тепло» не сопровождается интерпретацией контекста [27].
2. Предложена операциональная модель четырёх пределов: отсутствие аффективной эмпатии, ограниченная этическая адаптивность, проблема ответственности, неспособность к импровизации. Каждый предел операционализирован через наблюдаемый индикатор (табл. 1). Кейс Aion демонстрирует подвижность границы автоматизации [34].
3. Российский опыт демонстрирует прагматичный подход: ИИ используется как инструмент для рутинных задач, дискуссионные жанры остаются территорией человека [4; 6; 8; 10; 14; 15]. Правовой контекст усиливает вывод [30; 31].

Практические рекомендации: использование ИИ для автоматизации рутинных операций; сохранение за человеком функций проверки фактов, редакционного контроля и ответственности; отказ от ИИ в качестве самостоятельного ведущего дискуссионных жанров.

Перспективы исследования: мониторинг развития технологий генерации видео и синтеза речи; изучение долгосрочных эффектов ИИ-ведущих на восприятие аудитории; разработка профессиональных стандартов; эмпирическая проверка диагностических критериев на материале телевизионных дискуссионных жанров.