Шашват Джайн, Амазон
Более двух десятилетий цифровые компании полагались на простое предположение: когда кто-то взаимодействует с веб-сайтом, эта активность отражает осознанный выбор человека. Клики рассматриваются как сигналы интереса. Время, проведенное на странице, считается показателем вовлеченности. Движение по воронке продаж интерпретируется как намерение. Целые стратегии роста, маркетинговые бюджеты и решения по продуктам строились на этой предпосылке.
Сегодня это предположение постепенно начинает разрушаться.
Поскольку инструменты на базе ИИ все чаще взаимодействуют с веб-пространством от имени пользователей, многие сигналы, на которые полагаются организации, становится все сложнее интерпретировать. Сами данные по-прежнему точны — страницы просматриваются, кнопки нажимаются, действия записываются — но смысл этих действий меняется. Этот сдвиг не является теоретическим или ограничивается частными случаями. Он уже влияет на то, как руководители анализируют панели мониторинга, прогнозируют спрос и оценивают производительность.
Задача, стоящая перед нами, заключается не в том, чтобы остановить взаимодействие, осуществляемое с помощью ИИ. Она состоит в том, чтобы научиться интерпретировать цифровое поведение в мире, где деятельность человека и автоматизированных систем все больше пересекается.
Изменение представлений о веб-трафике
На протяжении десятилетий в основе интернета лежала спокойная, человекоцентричная модель. За каждым прокручиванием страницы, отправкой формы или процессом покупки стоял человек, действующий из любопытства, потребности или с определенным намерением. Аналитические платформы развивались для отслеживания такого поведения. Системы безопасности были сосредоточены на отделении «законных пользователей» от четко запрограммированной автоматизации. Даже экономика цифровой рекламы исходила из предположения, что вовлеченность равна вниманию человека.
За последние несколько лет эта модель начала меняться. Достижения в области больших языковых моделей (LLM), автоматизации браузеров и агентов на основе искусственного интеллекта позволили программным системам перемещаться по сети плавно и с учетом контекста. Страницы просматриваются, варианты сравниваются, рабочие процессы завершаются — часто без очевидных признаков автоматизации.
Это не означает, что интернет становится менее человечным. Напротив, он становится все более гибридным. Системы искусственного интеллекта все чаще интегрируются в повседневные рабочие процессы, выступая в качестве помощников в исследованиях, инструментов сравнения или исполнителей задач от имени людей. В результате грань между прямым взаимодействием человека с сайтом и программным обеспечением, работающим от его имени, становится все менее четкой.
Проблема заключается не в самой автоматизации, а в неоднозначности, которую это наложение вносит в сигналы, на которые полагаются предприятия.
Что мы подразумеваем под трафиком, генерируемым искусственным интеллектом?
Когда люди слышат о «автоматизированном трафике», они часто вспоминают ботов прошлого — жёсткие скрипты, которые следовали заранее определённым маршрутам и ломались в момент изменения интерфейса. Эти системы были повторяющимися, предсказуемыми и относительно легко распознаваемыми.
Трафик, генерируемый искусственным интеллектом, отличается.
Современные агенты искусственного интеллекта сочетают машинное обучение (МО) с возможностями автоматизированного просмотра веб-страниц. Они могут интерпретировать макеты страниц, адаптироваться к изменениям интерфейса и выполнять многоэтапные задачи. Во многих случаях принятие решений направляется языковыми моделями, что позволяет этим системам корректировать поведение в зависимости от контекста, а не от фиксированных правил. В результате взаимодействие выглядит гораздо естественнее, чем при более ранних методах автоматизации.
Важно отметить, что подобный трафик сам по себе не является проблемой. Автоматизация уже давно играет продуктивную роль в интернете, от индексирования поисковых систем и инструментов обеспечения доступности до фреймворков тестирования и интеграций. Новые агенты искусственного интеллекта просто продолжают эту эволюцию, помогая пользователям обобщать контент, сравнивать товары или собирать информацию с нескольких сайтов.
Проблема не в намерениях, а в интерпретации. Когда агенты ИИ успешно взаимодействуют с сайтом от имени пользователей, традиционные показатели вовлеченности могут перестать отражать тот же смысл, что и раньше.
Почему трафик, генерируемый ИИ, становится все сложнее отличить?
Исторически сложилось так, что обнаружение автоматизированной активности основывалось на выявлении технических нарушений. Системы отмечали поведение, которое происходило слишком быстро, следовало совершенно предсказуемым траекториям или не имело стандартных функций браузера. Автоматизация же выявляла «признаки», которые упрощали классификацию.
Системы, управляемые искусственным интеллектом, меняют эту динамику. Они работают через стандартные браузеры. Они делают паузы, прокручивают и перемещаются по сайту нелинейно. Они изменяют временные рамки и последовательность взаимодействий. Поскольку эти агенты разработаны для взаимодействия с веб-пространством в том виде, в котором оно было создано — для людей, — их поведение все больше сливается с обычными моделями использования.
В результате задача смещается от выявления ошибок к интерпретации поведения. Вопрос уже не в том, автоматизировано ли взаимодействие, а в том, как оно развивается во времени. Многие сигналы, которые когда-то отличали человека от программного обеспечения, сходятся, что делает бинарную классификацию менее эффективной.
Когда вовлеченность перестает означать то, что мы думаем
Рассмотрим типичный сценарий электронной коммерции.
Команда розничной торговли замечает устойчивый рост просмотров товаров и действий «добавить в корзину». Исторически это было бы явным сигналом растущего спроса, побуждающим к увеличению расходов на рекламу или расширению товарных запасов.
Теперь представьте, что часть этой активности генерируется агентами искусственного интеллекта, которые отслеживают цены или сравнивают товары от имени пользователей. Взаимодействия происходили. Показатели точны. Но истинная цель изменилась. Воронка продаж больше не представляет собой прямой путь к покупке.
В данных нет ничего «неправильного», просто изменился их смысл.
Аналогичные тенденции наблюдаются во всех отраслях:
Цифровые издатели отмечают резкий рост вовлеченности читателей в статьи без соответствующего увеличения доходов от рекламы.
В компаниях, работающих по модели SaaS, наблюдается активный поиск новых функций, но при этом низкая конверсия.
На туристических платформах отмечается рост поисковой активности, который не приводит к увеличению количества бронирований.
В каждом случае организации рискуют оптимизировать свою деятельность, а не создавать ценность.
Почему это проблема данных и аналитики
По своей сути, трафик, генерируемый искусственным интеллектом, вносит неоднозначность в предположения, лежащие в основе аналитики и моделирования. Многие системы исходят из предположения, что наблюдаемое поведение точно соответствует намерениям человека. Когда в наборы данных добавляются автоматизированные взаимодействия, это предположение ослабевает.
Поведенческие данные теперь могут включать в себя:
Исследование без намерения совершить покупку.
Навигация, основанная на исследованиях
Завершение задачи без преобразования
Повторяющиеся закономерности, обусловленные целями автоматизации.
Для аналитических групп это вносит шум в метки, ослабляет прокси-метрики и увеличивает риск возникновения обратных связей. Модели, обученные на смешанных сигналах, могут научиться оптимизироваться на объём данных, а не на результатах, важных для бизнеса.
Это не делает аналитику неактуальной. Это повышает планку для её интерпретации.
Целостность данных в мире межмашинного взаимодействия
Поскольку данные о поведении пользователей все чаще используются в системах машинного обучения, формирующих пользовательский опыт, состав этих данных имеет значение. Если все большая доля взаимодействий будет исходить от автоматизированных агентов, платформы могут начать оптимизировать свою работу под машинную навигацию, а не под человеческий опыт.
Со временем это может незаметно изменить веб. Интерфейсы могут стать эффективными для извлечения и обобщения информации, одновременно теряя те особенности, которые делают их интуитивно понятными или привлекательными для людей. Сохранение значимого человеческого сигнала требует выхода за рамки простого объема информации и сосредоточения на контексте взаимодействия.
От исключения к интерпретации
В течение многих лет стандартной реакцией на автоматизацию было исключение. CAPTCHA, ограничения скорости и статические пороговые значения хорошо работали, когда автоматизированное поведение было явно отличным от стандартного.
Такой подход становится менее эффективным. Агенты, управляемые искусственным интеллектом, часто приносят реальную пользу пользователям, а повсеместная блокировка может ухудшить пользовательский опыт, не улучшив при этом результаты. В результате многие организации переходят от исключения к интерпретации.
Вместо того чтобы спрашивать, как исключить автоматизацию, команды задаются вопросом, как понимать различные типы трафика и соответствующим образом реагировать, предоставляя контент, соответствующий целям, без предположения о едином определении легитимности.
Поведенческий контекст как дополнительный сигнал
Один из перспективных подходов заключается в сосредоточении внимания на поведенческом контексте. Вместо того чтобы сосредотачиваться на анализе идентичности, системы изучают, как взаимодействия разворачиваются во времени.
Поведение человека непоследовательно и неэффективно. Люди колеблются, возвращаются назад и исследуют мир непредсказуемо. Автоматизированные агенты, даже адаптивные, как правило, демонстрируют более структурированную внутреннюю логику. Наблюдая за потоком навигации, изменчивостью времени и последовательностью взаимодействий, команды могут делать выводы о намерениях вероятностным, а не категорическим образом.
Это позволяет организациям оставаться открытыми, получая при этом более детальное понимание своей деятельности.
Этика, конфиденциальность и ответственная интерпретация
По мере усложнения методов анализа этические границы приобретают все большее значение. Понимание моделей взаимодействия — это не то же самое, что отслеживание отдельных лиц.
Наиболее надежные подходы основаны на агрегированных, анонимизированных сигналах и прозрачных методах работы. Цель состоит в защите целостности платформы при одновременном уважении ожиданий пользователей. Доверие остается основополагающим требованием, а не второстепенным фактором.
Будущее: спектр возможностей для самовыражения
В перспективе взаимодействие в интернете будет все больше располагаться на определенном спектре. На одном конце спектра находятся люди, осуществляющие прямой просмотр веб-страниц, посередине — пользователи получают помощь от инструментов искусственного интеллекта, а на другом конце — агенты, действующие независимо от имени пользователя.
Эта эволюция отражает зрелость цифровой экосистемы. Она также требует изменения подхода к измерению успеха. Простого подсчета кликов или посещений уже недостаточно. Ценность необходимо оценивать в контексте.
На чём следует сосредоточиться руководителям предприятий сейчас?
Трафик, генерируемый искусственным интеллектом, — это не проблема, которую нужно устранить, это реальность, которую нужно понимать.
Лидеры, успешно адаптирующиеся к новым условиям, будут:
Пересмотрите подход к интерпретации показателей вовлеченности.
В аналитических обзорах следует разделять действия и намерения.
Инвестируйте в контекстные и вероятностные подходы к измерению.
Сохранение качества данных по мере роста участия ИИ.
Рассматривайте доверие и конфиденциальность как принципы проектирования.
Интернет уже эволюционировал, и он будет эволюционировать снова. Вопрос в том, готовы ли организации к изменению способов интерпретации генерируемых им сигналов.
Шашват Джайн — старший инженер-программист в компании Amazon.
Добро пожаловать в сообщество VentureBeat!
Наша программа гостевых публикаций — это площадка, где технические эксперты делятся своими знаниями и предоставляют нейтральные, непредвзятые аналитические материалы по искусственному интеллекту, инфраструктуре данных, кибербезопасности и другим передовым технологиям, формирующим будущее предприятий.
Узнайте больше о нашей программе гостевых публикаций — и ознакомьтесь с нашими рекомендациями, если вы заинтересованы в написании собственной статьи!
Подпишитесь, чтобы получать самые свежие новости!
Подробные аналитические данные для руководителей предприятий в области искусственного интеллекта, данных и безопасности.
Отправляя свой адрес электронной почты, вы соглашаетесь с нашими Условиями использования и Политикой конфиденциальности.
Получайте обновления ! Вы подписаны! Наши последние новости скоро поступят на вашу электронную почту.
Источник: venturebeat.com
