Поскольку ИИ берет на себя больше поиска и синтеза, потребители меньше ищут и больше проверяют. Это меняет то, какая информация должна сохраняться между поиском и убеждением.

<п>Прежде всего, мне нужно поблагодарить кого-то, кого я знаю и уважаю на протяжении многих лет, за то, что он организовал обсуждение темы ИИ и когнитивной нагрузки. Шари Туроу дала мне ссылку на статью г-на Нильсена, которая заставила меня задуматься о том, как она применима к SEO и нашей работе. И, как вы знаете, на протяжении большей части истории поиска сделка была простой. Поисковая система выдала нам кандидатов, а мы сделали все остальное. Мы выбирали слова для запроса, сканировали результаты, открывали страницы, сравнивали источники, при необходимости уточняли поиск и в конечном итоге получали ответ, которому были готовы доверять.

<стр>Если ИИ больше занимается поиском потребителя, куда делась его когнитивная нагрузка? <х2>Работа не просто так исчезла

Этот вопрос стало труднее игнорировать после того, как я прочитал недавнюю статью Якоба Нильсена «Когнитивная нагрузка — это бюджет, а не враг: дизайн для четырех кусков мозга». Формулировка Нильсена полезна, поскольку он рассматривает когнитивную нагрузку как бюджет, а не как нечто, что всегда следует минимизировать. Рабочая память ограничена, в модели, которую он использует, примерно четыре значимых фрагмента, поэтому проблема проектирования состоит в том, чтобы решить, что заслуживает такой ограниченной емкости. Задаче принадлежит некоторая сложность. Другая сложность — это отходы, создаваемые системой вокруг нее.

Традиционный поиск явно потратил часть этого бюджета. Исследование распределения когнитивной нагрузки во время веб-поиска показало, что когнитивные потребности различаются в зависимости от процесса поиска, при этом формулирование запроса создает особенно высокую нагрузку. Это имеет интуитивный смысл для любого, кто наблюдал, как люди изо всех сил пытаются превратить смутную потребность в несколько эффективных поисковых запросов. Но формулирование запроса было только началом. Потребителям также приходилось оценивать результаты, выбирать источники, читать документы, разрешать конфликты и решать, когда у них будет достаточно информации, чтобы остановиться. <п>Генеративный поиск меняет тех, кто выполняет больше промежуточной работы. Исследование ACL 2026 года, сравнивающее традиционный и генеративный веб-поиск, напрямую описывает это различие. Традиционный поиск возвращает ранжированный список независимых страниц, а генеративный поиск извлекает информацию и синтезирует ее в последовательный ответ. Исследователи также обнаружили существенные различия между генеративными системами в разнообразии источников, поведении поиска, стратегии синтеза и стабильности. Другими словами, машина больше не только помогает потребителю найти материал для оценки. Он все чаще участвует в процессе оценки и сборки, прежде чем потребитель увидит результат.

Исследования Microsoft обнаружили дополнительную закономерность в реальном использовании. Анализ 200 000 анонимных разговоров Bing Copilot показал, что сбор информации и написание писем были одними из наиболее распространенных занятий, с которыми люди обращались за помощью. Что касается ИИ, общая деятельность включала предоставление информации и помощи, написание текстов, обучение и консультирование. Исследование касалось профессиональных последствий, а не конкретно поискового поведения, но разделение труда здесь полезно. Пользователь сохраняет цель, в то время как система выполняет большую часть информационной работы, которая помогает ее достижению.

Проверка теперь происходит после синтеза

<п>Это создает инверсию, которая имеет большее значение, чем знакомое наблюдение о том, что ИИ может напрямую ответить на вопрос. Традиционный поиск обычно выявлял доказательства до их синтеза. Потребители увидели возможные источники, открыли их, столкнулись с подтверждающими материалами и противоречиями и построили свое понимание, просматривая эти доказательства. Процесс был несовершенным, но большая часть пути от источника к завершению была видна.

<п>Поиск ИИ все чаще ставит синтез на первое место. Потребитель получает собранный ответ, а доказательства, когда они раскрываются, часто появляются впоследствии в виде цитат или ссылок, прикрепленных к утверждениям, уже сделанным системой. Это меняет задачу с построения ответа на основе доказательств на проверку уже существующего ответа.

<стр>Разница имеет значение, поскольку цитирование может повлиять на доверие еще до того, как кто-либо проверит то, что они поддерживают. В крупномасштабном эксперименте по изучению доверия людей к ИИ-поиску исследователи Хайвен Ли и Синан Арал обнаружили, что ссылочные ссылки и цитаты повышают доверие к результатам генеративного поиска, даже если эти ссылки были неверными или галлюцинаторными. Они также обнаружили, что люди, которые доверяли результатам, тратили меньше времени на их оценку.

<п>Это создает проблему, которую стоит отделить от обычного обсуждения наличия цитирования. Цитирование может снизить воспринимаемую потребителем стоимость проверки без снижения фактического риска проверки. Ответ выглядит более проверяемым, но потребителю все равно придется определить, подтверждает ли цитируемый материал утверждение, были ли опущены соответствующие доказательства и правильно ли система согласовала противоречивые источники.

Это проблема человеческой нагрузки, а не проблема психологии ИИ

<п>Здесь есть важное различие. LLM не испытывают когнитивной нагрузки. Когнитивная нагрузка — это концепция человеческой психологии, и применение ее буквально к модели превратило бы полезную концепцию в фальшивую нейробиологию. Системы ИИ имеют различные конечные ограничения, включающие поиск, контекст, выбор источника, конкурирующую информацию, токены и ограничения вывода.

Связь имеет значение, поскольку ограничения машины влияют на то, что в конечном итоге должен оценить потребитель. Когда система ответов выбирает подмножество доступных доказательств, сжимает их и генерирует ответ, потребитель оценивает результат процесса, который он лично не наблюдал. Человеческая когнитивная нагрузка не исчезла, потому что машина взяла на себя большую часть рабочего процесса. Он изменил место и время.

Что происходит со смыслом во время сжатия?

Именно здесь проблема становится интересной для оптимизаторов, специалистов по контент-стратегии, издателей и всех, кто отвечает за информацию, которая, как они надеются, появится в ответах, сгенерированных ИИ. Вопрос не в том, может ли LLM прочитать страницу. Эти системы могут обрабатывать огромные объемы текста. Более полезный вопрос заключается в том, что происходит со значением нашей информации, когда страница вокруг нее исчезает.

<п>Рассмотрим такое предложение, как «Конверсия увеличилась на 31%.». Оно краткое, прямое и легко извлекаемое. Это также может быть почти бессмысленным само по себе. Было ли увеличение относительным или абсолютным? Какие пользователи были включены? Каков был базовый уровень? За какой период? Насколько велика была выборка? Улучшились ли показатели мобильных устройств, в то время как десктопы снизились? Был ли результат статистически значимым?

Утверждение может зависеть от нескольких отношений, которые делают его верным. Отделение предложения от этих связей может облегчить цитирование и одновременно облегчить неправильное понимание.

<п>Это не просто теоретическое явление в поисковых системах. Исследования RAG для длинных документов выявили фрагментацию контекста, вызванную мелкозернистым разбиением на фрагменты, как проблему, поскольку она может изолировать семантику фрагментов и нарушить связи между разделами документа. Это не доказывает, что конкретная структура контента повышает цитируемость или видимость ИИ. Это подтверждает основную мысль о том, что извлечение может отделить информацию от контекста, что помогает сохранить ее значение.

Это приводит к полезному вопросу для дизайна контента: если бы остальная часть страницы исчезла, этот отрывок все равно будет означать то, что вы имели в виду? Безошибочный объект, число, сохраняющее единицу измерения, дата, привязанная к событию, которое оно характеризует, доказательства, хранящиеся рядом с утверждением, которое оно поддерживает, и видимое различие между наблюдением и интерпретацией – все это делает отрывок более самодостаточным. Это не факторы ранжирования. Это характеристики, которые могут сделать информацию менее хрупкой, когда она извлекается из исходной среды.

Когда упрощение перемещает работу в другое место

Нильсен предлагает еще один полезный подход к этой проблеме с помощью своей идеи отмывания груза. В дизайне интерфейса кажущаяся простота может ввести в заблуждение, если убрать видимую сложность, а основная работа просто переносится в голову пользователя. Скрытие навигации не устраняет необходимости навигации. Он может просто заменить узнавание на вспоминание.

<п>Есть параллель, которую стоит протестировать в текущих рекомендациях по содержанию. SEO-специалистам и издателям часто советуют отвечать быстрее, писать меньше, удалять детали и агрессивно упрощать. Иногда это отличный совет. Прямой ответ, окруженный ненужной прозой, все равно ненужная проза. Но удаление слов — это не то же самое, что устранение информационной зависимости.

Если квалификация определяет истинность утверждения, эта квалификация по-прежнему имеет значение. Если для числа требуется единица измерения, она все равно имеет значение. Если хронология меняет интерпретацию, даты все равно имеют значение. Когда эти отношения исчезают, сложность не обязательно устраняется. Системе ответов, возможно, придется найти недостающий контекст в другом месте, вывести его, пропустить или создать неполное представление.

<п>Целью, таким образом, является не максимальная простота. Именно сжатие сохраняет связи, необходимые для того, чтобы информация оставалась точной. Это более строгий стандарт, чем упрощение беглого просмотра отрывка, и он отличается от написания для машины.

Итак, куда же пропала когнитивная нагрузка?

Некоторые из них действительно ушли. Потребители могут тратить меньше усилий на навигацию по страницам результатов, открытие документов, сравнение источников и составление ответа вручную. Это реальная ценность, и было бы странно утверждать обратное.

Некоторые грузы изменили форму. Диалоговый интерфейс может облегчить выражение основной потребности, а не сжимать ее в несколько ключевых слов, хотя сложные задачи все равно могут потребовать тщательной формулировки. Что еще более важно, часть бремени переместилась вниз по течению. Суждение и проверка становятся более важными, когда ответ поступает уже собранным, и потребитель не был лично свидетелем процесса выбора источника и синтеза, в результате которого он был получен.

Этот сдвиг меняет и проблему SEO. Помощь в поиске информации по-прежнему важна, но поиск больше не является концом пути. Наша информация может быть извлечена по частям, объединена с другими источниками, сжата в ответ меньшего размера и представлена потребителю, который должен решить, заслуживает ли этот ответ доверия.

Если поиск перестанет заставлять людей выполнять большую часть поиска самостоятельно, нам следует больше заботиться о том, какая наша информация сохранится на их месте. Возникающая задача заключается не просто в том, чтобы облегчить чтение контента для ИИ. Из-за этого становится труднее потерять смысл между поиском и верой.

Этот пост был первоначально опубликован на сайте Duane Forrester Decodes.