🤩 Обратная сторона персонализации ИИ помогает стриминговым платформам подбирать фильмы и сериалы с учетом интересов и привычек зрителя. Но чем точнее рекомендации учитывают предпочтения пользователя, тем выше риск, что система будет предлагать ему преимущественно знакомый контент, оставляя меньше возможностей для новых открытий. Так формируется «информационный кокон» — ситуация, в которой персонализация постепенно сужает выбор зрителя. В комментарии изданию «Телеспутник» директор по развитию технологий ИИ GS Labs Ярослав Якимов объяснил, как формируется этот эффект. Алгоритм анализирует поведение зрителя: что он выбирает, досматривает и пересматривает, от каких фильмов отказывается. На основе этих данных система прогнозирует интересы пользователя. 📊 На выдачу влияют и коммерческие задачи платформы: приоритет может получать собственный контент сервиса или проекты, продвижение которых обходится дешевле. У такого подхода есть три риска: 🤩 Для зрителя. Выдача становится однообразной: сервис снова предлагает знакомые жанры и похожие проекты, а открывать новое становится сложнее. 🤩 Для индустрии. Нишевые премьеры рискуют остаться без внимания аудитории. Между тем необычные проекты могут расширять зрительские предпочтения и формировать интерес к новым направлениям. 🤩 Для платформ. Привычная подборка со временем надоедает. При этом предпочтения человека могут меняться быстрее, чем обновляется его пользовательский профиль, — и однообразие рекомендаций повышает риск оттока аудитории. 🔗 Ярослав предлагает решать эту проблему за счет осознанного управления разнообразием рекомендаций. Алгоритм может намеренно включать в выдачу незнакомый пользователю контент, а разнообразие подборки — стать самостоятельной метрикой качества системы. Эксперт также обращает внимание на законодательное регулирование рекомендательных технологий в России. Статья 10.2-2 закона «Об информации, информационных технологиях и о защите информации» обязывает владельцев ресурсов информировать пользователей о применении таких технологий и публиковать правила их работы. В 2026 году за несоблюдение этих требований ввели административные штрафы, а при неисполнении предписаний регулятора предусмотрены более строгие меры. Таким образом, прозрачность работы алгоритмов становится отдельным требованием к платформам, хотя сама по себе она не гарантирует разнообразия рекомендаций. Многое определяется приоритетами самих платформ: будут ли они ориентироваться прежде всего на коммерческие показатели или использовать ИИ для повышения качества и разнообразия рекомендаций. От выбранного подхода зависит, станут ли рекомендательные системы не только удерживать аудиторию, но и расширять ее зрительский опыт. 📲 Больше контекста. Больше экспертизы. Оставайтесь с GS Group! На связи в МАХ.