---
title: "Tone of Voice: как сравнивать AI-ответы"
description: "Разработал рубрики под типы задач и проводил слепые попарные сравнения AI-ответов: 200 пар ответов и 64 пользователя."
date: 2026-10-27
lang: ru
translationKey: "tone-of-voice"
translationStatus: original
kind: project
name: "Оценка Tone of Voice"
period: "Поиск и AI"
role: "Разработка рубрик оценки и проведение попарных сравнений"
status: "Исследовательский кейс"
tags: ["research", "AI"]
related: []
sourceUrls: ["https://ux.shipulin.md/cv#shipped"]
canonical: "https://shipulin.md/ru/projects/tone-of-voice/"
---

«Этот ответ лучше» — полезное начало разговора, но слабое описание критерия. Лучше для какого вопроса? Чем именно? Ответ, который подходит для одной задачи, может оказаться неудобным для другой.

В работе над оценкой Tone of Voice я разработал рубрики под разные типы задач и проводил слепое попарное сравнение AI-ответов. Исследовательский дизайн включал 200 пар ответов и 64 пользователя.

## Сначала критерий

Рубрика делает оценку более явной. Она задаёт язык, на котором можно обсуждать качество ответа, вместо того чтобы сводить всё к общему впечатлению.

Для этой работы важна привязка к типу задачи. Например, краткость может помогать в одном сценарии, а в другом оставлять без нужного объяснения. Рубрика должна делать это различие явным, чтобы оценка относилась к конкретной задаче.

Моя задача заключалась в разработке таких рубрик и организации сравнения. Тем самым вопрос о тоне становился частью исследовательского дизайна: что именно предлагается оценить и как сопоставить ответы на одну задачу.

## Почему попарно и вслепую

В попарном сравнении есть конкретная точка отсчёта — второй ответ. Вместо оценки по памяти или относительно воображаемого идеала человек сопоставляет два варианта.

В слепом формате имя системы скрыто: перед человеком находятся два ответа, которые нужно сопоставить. Такое устройство сравнения направляет внимание на содержание пары.

## Что означает результат такой работы

200 пар и 64 пользователя описывают масштаб этого исследования. Эти числа не являются рейтингом моделей и не говорят, насколько улучшился продукт после него.

Для меня содержательная часть работы — соединение критериев, задач и способа сравнения. Предпочтение становится полезнее, когда понятно, к чему оно относится. Рядом с этой темой находится [исследование доверия к AI-ответам](/ru/projects/trust-in-ai-answers/): качество текста важно рассматривать вместе с тем, как человек его проверяет и продолжает свою работу.

## Источники

- [Публичное описание исследования Tone of Voice](https://ux.shipulin.md/cv#shipped)
- [Доверие к AI-ответам](/ru/projects/trust-in-ai-answers/)