3,583 papers
arXiv:2602.17293 71 19 фев. 2026 г. FREE

AI-совет воспринимается эмпатичнее человеческого: карта сильных и слабых зон LLM для эмоционального контента

КЛЮЧЕВАЯ СУТЬ
Парадокс: исследователи проверяли обесценят ли люди AI-текст узнав источник — и не нашли этого эффекта. Два независимых эксперимента, одинаковый результат: тексты LLM воспринимались как более качественные и более эмпатичные, чем написанные людьми. Метод позволяет осознанно строить поддерживающие письма на трёх слоях эмпатии — читатель ощущает их как живые, даже зная что перед ним AI. Фишка: LLM по умолчанию выигрывает в двух слоях из трёх — точно называет эмоции и показывает желание помочь. Слабое место одно — «я чувствую то же, что и ты». Именно его нужно запрашивать явно.
Адаптировать под запрос

TL;DR

LLM-тексты с советами по отношениям воспринимаются как более качественные и более эмпатичные, чем тексты от людей — причём это устойчиво даже тогда, когда читатель знает, что перед ним AI. Расхожий «негативный bias» (люди обесценивают AI-контент, как только узнают источник) в двух независимых экспериментах не воспроизвёлся. Восприятие качества определяет лингвистика текста, а не подпись под ним.

Неожиданный результат: исследователи сами ожидали обнаружить bias — и не нашли. LLM выиграла по двум из трёх измерений эмпатии: когнитивной (точно понимает состояние человека) и мотивационной (показывает желание помочь). Единственная зона без победителя — эмоциональная эмпатия (буквально «чувствую вместе с тобой»). Здесь ни AI, ни люди не показали стабильного преимущества.

На практике: если вы пишете письма поддержки, обратную связь, советы — вы работаете в сильной зоне LLM. Модель по умолчанию точно называет эмоции и демонстрирует вовлечённость. Слабое место одно — ощущение живого сопереживания. Именно его нужно дозаказывать через промпт.


📌

Схема: три типа эмпатии и позиции LLM

КОГНИТИВНАЯ ЭМПАТИЯ — "я понимаю твоё состояние"
→ LLM: СИЛЬНАЯ
→ Что делает: точно называет эмоции, читает ситуацию
→ Действие: работает по умолчанию — специально запрашивать не нужно

МОТИВАЦИОННАЯ ЭМПАТИЯ — "я хочу тебе помочь"
→ LLM: СИЛЬНАЯ
→ Что делает: показывает вовлечённость и желание поддержать
→ Действие: работает по умолчанию

ЭМОЦИОНАЛЬНАЯ ЭМПАТИЯ — "я чувствую то же, что и ты"
→ LLM: НЕЙТРАЛЬНАЯ (не лучше и не хуже человека)
→ Что делает: воспроизводит форму сочувствия, но не ощущение
→ Действие: нужен явный запрос в промпте

Все три — в одном запросе.

🚀

Пример применения

Задача: Руководитель хочет написать команде после провала крупного проекта — клиент отказался в последний момент, четыре месяца работы впустую, люди выгорели. Нужно поддержать людей, не потерять команду.

Промпт:

Напиши письмо команде после того, как мы потеряли крупного клиента.

Контекст: команда работала 4 месяца, клиент отказался в последний момент. 
Люди выгорели и разочарованы. Мне важно их поддержать, не просто 
«продолжать двигаться вперёд».

Используй три типа эмпатии:

1. Когнитивная — точно назови и признай их состояние: усталость, 
   разочарование, ощущение что усилия были впустую и никто этого не видит.

2. Эмоциональная — пиши от лица человека, который сам через это проходил 
   и помнит это изнутри, не снаружи. Конкретная деталь личного опыта, 
   а не общие слова сочувствия.

3. Мотивационная — покажи конкретное желание помочь команде 
   восстановиться: что я готов сделать, а не просто что «мы справимся».

Тон: человечный, без корпоративщины.
Запрет: «вы молодцы», «двигаемся дальше», «это опыт».
Длина: до 150 слов.

Результат: Письмо с тремя слоями поддержки. Когнитивный слой — конкретные эмоции названы без обёртки. Эмоциональный слой — личная деталь, которая звучит как «я это знаю на себе». Мотивационный — конкретное предложение, а не абстрактная забота. Общих фраз в духе HR-рассылки не будет — они прямо запрещены.


🧠

Почему это работает

LLM обучена на миллионах текстов о человеческих переживаниях. Она знает как называются эмоции, в каком контексте они возникают, как звучит поддержка. Когнитивная эмпатия — это точность языка: правильно назвать, распознать, отразить. Именно здесь у LLM техническое преимущество перед средним человеком, который пишет «держись» и на этом останавливается.

Эмоциональная эмпатия устроена иначе — это не про слова, а про присутствие. Человек передаёт её через личный опыт, уязвимость, конкретные детали, которые говорят «я был там». LLM без подсказки выдаёт форму сочувствия — правильные слова в правильном порядке. Но читатель чувствует разницу: написано о переживании, а не из переживания. Поэтому явный запрос «пиши от лица того, кто сам через это прошёл» даёт модели конкретный паттерн.

Ярлык «AI» не разрушает восприятие — качество текста важнее. Раньше считали: скажи человеку «это написал AI» — и он автоматически обесценит текст. Исследование говорит обратное. Люди реагируют на то, что читают, а не на то, где стоит подпись. Практический вывод: инвестируй в качество текста, а не в маскировку источника.

📋

Рычаги управления промптом

  • Явно назови конкретные эмоции ("усталость, обесценивание труда, злость") → когнитивный слой становится острее, не общим
  • Добавь деталь личного опыта ("пиши как человек, который сам через это прошёл") → эмоциональный слой из формального становится живым
  • Запрети корпоративные клише ("без: держись, вы справитесь, это опыт") → убирает шаблонность, которая убивает доверие
  • Меняй акцент между тремя типами → под конкретную ситуацию (подробнее в разделе «Адаптации»)

📋

Шаблон промпта

Напиши {тип текста: письмо / сообщение / ответ} для {кому}.

Контекст: {что произошло}. {Кому} сейчас {описание эмоционального состояния}.

Используй три типа эмпатии:

1. Когнитивная — точно назови и признай их состояние: 
   {перечисли конкретные эмоции через запятую}

2. Эмоциональная — пиши от лица кого-то, кто сам пережил похожее 
   и помнит это изнутри, не снаружи. Конкретная деталь — не общие слова.

3. Мотивационная — покажи искреннее желание помочь: 
   {конкретное действие или намерение, а не абстрактная поддержка}

Тон: {человечный / тёплый / прямой}.
Запрет: {перечисли фразы-клише, которые нельзя использовать}.
Длина: {число} слов.

Что подставлять: - {тип текста} — письмо, голосовое, пост, комментарий, сообщение в Telegram - {перечисли конкретные эмоции} — чем точнее, тем сильнее когнитивный эффект - {конкретное действие или намерение} — что вы реально готовы сделать - {перечисли фразы-клише} — «держись», «вы молодцы», «это опыт», «двигаемся дальше» — уберите то, что звучит как шаблон

🚀 Быстрый старт — вставь в чат:

Вот шаблон для эмпатичного текста с тремя слоями поддержки. 
Адаптируй под мою задачу: {твоя задача}.
Задавай вопросы, чтобы заполнить поля.

[вставить шаблон выше]

LLM спросит про контекст ситуации и конкретные эмоции адресата — потому что без этого невозможно точно закрыть когнитивный слой. Общее описание даст общий текст.


⚠️

Ограничения

⚠️ Контекст имеет значение: Исследование про советы по отношениям — структурированный, рациональный формат. В других жанрах (художественные тексты, терапевтические беседы) LLM может уступать — это показывали другие работы. Переносить выводы один в один на любой эмоциональный текст нельзя.

⚠️ Эмоциональная эмпатия без гарантий: Ни AI, ни человек не выигрывает её стабильно. Это самый непредсказуемый слой — зависит от конкретного текста, не от источника.

⚠️ «Ярлык не важен» ≠ «скрывать AI легитимно»: Исследование про восприятие качества, не про этику раскрытия. Это разные вопросы — не путайте.

⚠️ Отношение к AI влияет на восприятие: Люди с позитивным взглядом на технологии ставили оценки выше. Для аудитории с предубеждением эффект будет слабее — особенно в профессиональных контекстах с этическими ограничениями (медицина, психология).


🔍

Как исследовали

Команда из Тилбургского университета и UCL London взяла 100 советов по отношениям — 50 от людей, 50 от GPT-4 — и отобрала тексты, которые наиболее убедительно звучали как человеческие. Хитрость в том, что и людей, и AI специально просили «писать так, чтобы казаться человеком» — это уравняло стартовые условия и убрало очевидные маркеры AI-стиля.

Затем больше 1100 участников читали эти тексты и оценивали их по четырём шкалам: общее качество, когнитивная, эмоциональная и мотивационная эмпатия. Ключевая манипуляция: одним говорили «это написал человек», другим «это AI». Текст был одним и тем же — менялась только подпись.

Авторы сами ожидали найти negativity bias — и не нашли. Это стало для них неожиданностью, поэтому они повторили эксперимент с более жёсткими условиями (чёткие визуальные напоминания об источнике, эмодзи, двойная проверка). Результат воспроизвёлся. В итоге 288 участников первого эксперимента просто не запомнили какой ярлык им показывали — что само по себе говорит о том, насколько слабо ярлык влияет на восприятие. Если человек не держит в голове «это AI», он читает текст как текст.


💡

Адаптации и экстраполяции

📌

Три режима эмпатии как ползунки

Не все ситуации требуют равного баланса. Управляй акцентом:

🔧 Когнитивный акцент → когда человеку важно почувствовать «меня поняли» (несправедливость, потеря, непризнание):

Сфокусируйся полностью на когнитивной эмпатии — признай и точно назови 
каждый аспект ситуации. Мотивационный и эмоциональный — только фон, не цель.

🔧 Мотивационный акцент → когда человек хочет действий, а не только понимания (кризис, срочная ситуация):

Акцент на мотивационной эмпатии — покажи конкретную готовность помочь прямо 
сейчас. Предложи три конкретных шага. Понимание — как контекст, не как итог.

🔧 Эмоциональный акцент → когда нужно «ты не один», а не «я понимаю» (горе, острое одиночество):

Пиши от лица человека, который сам через это проходил. Одна конкретная деталь 
личного опыта — вместо общих слов сочувствия. Никаких советов. Только присутствие.

🔗

Ресурсы

Human attribution of empathic behaviour to AI systems Jonas Festor, Ivo Snels, Bennett Kleinberg Tilburg University, The Netherlands / University College London, UK Данные и препринт: osf.io/4jwv7


📋 Дайджест исследования

Ключевая суть

Парадокс: исследователи проверяли обесценят ли люди AI-текст узнав источник — и не нашли этого эффекта. Два независимых эксперимента, одинаковый результат: тексты LLM воспринимались как более качественные и более эмпатичные, чем написанные людьми. Метод позволяет осознанно строить поддерживающие письма на трёх слоях эмпатии — читатель ощущает их как живые, даже зная что перед ним AI. Фишка: LLM по умолчанию выигрывает в двух слоях из трёх — точно называет эмоции и показывает желание помочь. Слабое место одно — «я чувствую то же, что и ты». Именно его нужно запрашивать явно.

Принцип работы

Три типа эмпатии — три разные задачи для промпта. Когнитивная — «я понимаю твоё состояние». Сильная зона LLM. Модель обучена на миллионах описаний человеческих переживаний. Называет эмоции точнее среднего человека, который пишет «держись» и останавливается. Работает по умолчанию — специально запрашивать не нужно. Мотивационная — «я хочу тебе помочь». Тоже сильная зона. Текст показывает вовлечённость и конкретное намерение. Тоже без дополнительных инструкций. Эмоциональная — «я чувствую то же, что и ты». Здесь ни AI, ни человек не выигрывает стабильно — это единственная зона без победителя. Без запроса модель выдаёт форму сочувствия: правильные слова в правильном порядке. Но написано о переживании, а не из переживания. Читатель чувствует разницу. Решение: явно попросить писать «от лица того, кто сам через это прошёл — конкретная деталь, не общие слова».

Почему работает

Когнитивная эмпатия — это точность языка. Правильно назвать, распознать, отразить. LLM здесь технически сильнее среднего человека — знает как называются эмоции в каком контексте они возникают как звучит поддержка. Это прямое следствие обучения. Эмоциональная эмпатия устроена иначе. Это не про слова, а про присутствие. Человек передаёт её через личный опыт и конкретные детали, которые говорят «я там был». Без подсказки модель это не воспроизводит. Явный запрос даёт ей паттерн. Главный сюрприз: ярлык «написал AI» не разрушает восприятие. Люди реагируют на то, что читают — а не на подпись под текстом. Вкладывай в качество текста, а не в маскировку источника.

Когда применять

Письма поддержки, обратная связь, советы по сложным ситуациям — везде где нужен человеческий тон. Особенно эффективно когда нужно назвать конкретные эмоции адресата, а не ограничиться общими словами сочувствия. НЕ подходит напрямую для терапевтических бесед и художественных текстов — другие жанры, другие правила. Для аудитории с предубеждением против AI эффект будет слабее — особенно в медицинских и психологических контекстах с этическими ограничениями.

Мини-рецепт

1. Дай контекст: что произошло и в каком состоянии адресат. Чем точнее — тем острее когнитивный слой. «Команда выгорела после четырёх месяцев работы» лучше чем «сложная ситуация».

2. Запроси три слоя явно: когнитивный — «назови их конкретные эмоции»; эмоциональный — «пиши от лица кого-то кто сам через это прошёл, конкретная деталь а не общие слова»; мотивационный — «покажи что ты готов сделать, не абстрактную заботу».

3. Запрети клише прямо в промпте: «Без: держись, вы молодцы, это опыт, двигаемся дальше». Это убирает шаблонность быстрее всего остального.

4. Задай тон и лимит: человечный, без корпоративщины, до N слов. Ограничение по длине выдавливает воду.

Примеры

[ПЛОХО] : Напиши письмо поддержки команде после провала проекта
[ХОРОШО] : Напиши письмо команде после провала проекта. Контекст: четыре месяца работы, клиент отказался в последний момент, люди выгорели и злятся. Три слоя: 1) Когнитивный — назови конкретные эмоции: усталость, ощущение что труд обесценили, злость на несправедливость. 2) Эмоциональный — пиши от лица того кто сам через это прошёл. Конкретная деталь — не «я вас понимаю». 3) Мотивационный — покажи что я готов сделать прямо сейчас, не «мы справимся». Запрет: «вы молодцы», «это опыт», «двигаемся дальше». Тон: человечный, без корпоративщины. До 150 слов.
Источник: Human attribution of empathic behaviour to AI systems
ArXiv ID: 2602.17293 | Сгенерировано: 2026-02-20 10:30

Проблемы LLM

ПроблемаСутьКак обойти
Модель пишет О переживании, а не ИЗ переживанияПросишь эмпатичный текст. Получаешь правильные слова в правильном порядке. Эмоции названы точно. Но читатель чувствует: написано снаружи, не изнутри. Форма сочувствия есть — ощущение живого присутствия отсутствует. Проблема для любого текста поддержки: письма, обратная связь, ответы на трудные ситуацииДобавь в запрос точку зрения: «пиши от лица кого-то, кто сам через это прошёл». Не «выражай сочувствие» — это даст форму. А «пиши изнутри опыта» — это даёт ощущение

Методы

МетодСуть
Три слоя эмпатии в одном запросеРаздели запрос на три явных слоя. Слой 1 — когнитивный: точно назови конкретные эмоции адресата: {усталость, злость, ощущение что труд обесценили}. Чем конкретнее список — тем точнее текст. Слой 2 — эмоциональный: пиши от лица человека, который сам пережил похожее. Конкретная деталь личного опыта, не общие слова сочувствия. Это переключает модель с описания на вовлечённость. Слой 3 — мотивационный: покажи конкретное действие или намерение помочь, не абстрактную поддержку. Добавь запрет клише: без: "держись", "вы справитесь", "это опыт". Почему работает: LLM сильна в первом и третьем слое по умолчанию — точно называет состояние и демонстрирует вовлечённость. Второй слой без явного запроса выходит формальным. Явная инструкция даёт модели паттерн для живого текста. Когда применять: письма поддержки, обратная связь после неудач, ответы на жалобы, сообщения в трудных ситуациях

Тезисы

ТезисКомментарий
LLM точно называет эмоции — и это работает без специальных инструкцийМодель обучена на миллионах текстов о человеческих переживаниях. Она знает, как называются эмоции, в каком контексте возникают, как звучит поддержка. Средний человек пишет «держись». LLM по умолчанию называет конкретное состояние точно. Это техническое преимущество именно в точности языка. Применяй: не перестрахуйся лишними инструкциями вроде «будь чутким» — когнитивный слой закроется сам. Направь усилия на второй слой
📖 Простыми словами

Human attribution of empathic behaviour to AI systems

arXiv: 2602.17293

Суть в том, что когнитивная эмпатия — это не магия души, а чистая лингвистика. AI-модели сканировали миллионы текстов о страданиях, разводах и депрессиях, поэтому они знают структуру сочувствия лучше, чем твой сосед. Пока человек мучительно выдавливает из себя банальное «держись», нейронка ювелирно подбирает слова, которые попадают точно в нерв. Она не чувствует боль, но она идеально имитирует форму, в которой эта боль должна быть признана и легитимизирована.

Это как если бы ты пришел к психологу, который на самом деле — высокотехнологичный манекен, но он цитирует лучшие учебники по терапии в самый нужный момент. Формально это имитация, но тебе становится легче, потому что он не тупит, не перебивает и не говорит «а вот у меня было хуже». В итоге алгоритмическая поддержка оказывается тупо качественнее человеческой, потому что у AI нет эго, усталости или косноязычия.

Исследование показало, что работают конкретные вещи: точное называние эмоций, отсутствие осуждения и структурированное признание проблемы. В двух экспериментах люди стабильно ставили AI высшие баллы за эмпатию, даже если знали, что текст сгенерирован машиной. Миф о том, что мы якобы воротим нос от «бездушных роботов», — это полная фигня. Если текст написан круто, нам плевать, кто нажимал на кнопки, потому что наш мозг реагирует на смыслы, а не на биологический вид автора.

Этот принцип универсален: он работает не только в советах по отношениям, но и в бизнесе, когда нужно разрулить конфликт или поддержать выгоревшую команду. Тестировали на личных драмах, но GEO и коммуникации строятся по тем же лекалам — если ты используешь AI для написания сложных писем, они будут работать лучше, чем твои собственные попытки быть «искренним». Лингвистика бьёт искренность, когда дело касается восприятия качества текста.

Короче: хватит бояться, что тебя раскусят и назовут бездушным роботом. Качество контента важнее его происхождения, и если нейронка пишет более человечно, чем ты, — используй её. Люди ценят не твой пот над клавиатурой, а то, насколько точно текст попадает в их запрос. Кто первым перестанет играть в «трушность» и начнет использовать эмпатичные промпты, тот и заберет лояльность аудитории, пока остальные будут писать сухие отписки.

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с