LLM-симуляция предпочтений: ИИ систематически ошибается в том, что нравится реальным пользователям

29 реальных A/B-тестов, 2073 живых пользователя — LLM угадывает их выбор на уровне случайности. GPT o3 проваливается так же, как GPT-4.1. Детальные персоны с возрастом, полом и психотипом — без разницы. Исследование позволяет наконец разделить: где модель реально помогает в дизайне, а где её уверенный ответ — это просто красиво оформленное незнание. Фишка: переключи запрос с «что понравится людям?» на «что здесь структурно не работает?» — это задача, с которой модель справляется хорошо, в отличие от предсказания чужих вкусов.