ОбществоИнформацияТехнологии · 6 мин чтения

Почему людям всё труднее отличать знание от уверенного мнения

Разные типы информационных источников в одной цифровой ленте. Обложка (ТЗ): Не использовать фейковые газетные заголовки «FAKE NEWS». Лучше визуальная метафора современной ленты: экран, где рядом находятся фрагмент исследования, эмоциональный пост, видео, AI-ответ и новость. Всё визуально выглядит одинаково убедительно.

Раньше у информации хотя бы была форма.

Учебник выглядел как учебник. Газета — как газета. Научная статья — как документ, который никто добровольно не открывает в пятницу вечером. Мнение соседа по лестничной клетке тоже, как правило, не маскировалось под доклад Всемирного банка.

Сегодня профессор, блогер, анонимный Telegram-канал, нейросеть и человек, который «где-то слышал», могут оказаться в одной ленте — в одинаковых прямоугольниках, одним шрифтом и примерно с одинаковой уверенностью.

И вот это интересная проблема.

Не потому, что раньше люди никогда не ошибались и всегда доверяли только академикам. Конечно, нет.

Просто производство убедительно выглядящей информации стало невероятно дешёвым.

Красивый текст больше не доказывает, что автор умеет писать.

Грамотная инфографика не доказывает, что данные настоящие.

Уверенный тон не доказывает, что человек знает, о чём говорит.

И даже десять ссылок под ответом ещё не гарантируют, что эти ссылки действительно подтверждают то, что написано выше.

Уверенность — это форма подачи. Знание — это качество основания.

1. Мы всё чаще встречаем информацию без контекста её происхождения

Когда вы читаете научную статью, вы хотя бы понимаете, что перед вами определённый жанр. Там есть авторы, методика, список литературы, данные, ограничения исследования.

Когда вы видите 25-секундное видео, контекст может исчезнуть полностью.

Человек говорит: «Учёные доказали, что…»

Какие учёные?

Что именно доказали?

На какой выборке?

В какой стране?

Это один эксперимент или систематический обзор?

Через три секунды начинается следующее видео, поэтому мозг не особенно настаивает на продолжении допроса.

Так работает не только социальная сеть. AI делает похожую вещь ещё удобнее: собирает большой объём материала в аккуратный связный ответ и убирает из процесса ощущение сложности.

А вместе с ощущением сложности иногда исчезает полезный сигнал: «похоже, здесь надо разобраться».

2026

Reuters Institute, Digital News Report 2026:

  • только 37% опрошенных в среднем говорят, что доверяют новостям большую часть времени
  • 62% обеспокоены тем, что в интернете трудно отличить настоящую информацию от ложной
  • доверие к новостным ответам AI-чатботов — около 20%.

Источник: Reuters Institute, июнь 2026.

2. Мнение — это не проблема

Мне вообще не нравится фраза «это всего лишь твоё мнение».

Мнение может быть очень ценным.

Особенно если человек имеет большой опыт, знает контекст и честно говорит: «На основании того, что я вижу, я думаю вот так».

Проблема начинается в другом месте: когда мнение притворяется фактом.

Например:

«Мне кажется, молодые люди не хотят работать» — мнение.

«Молодые люди стали работать меньше» — уже проверяемое утверждение.

«Исследование показывает, что молодые сотрудники в среднем работают на X часов меньше» — утверждение, к которому должен прилагаться источник, методика и определение того, кого вообще посчитали молодыми.

Три предложения звучат похоже.

Но требуют совершенно разного отношения.

Инфографика: Три уровня: ФАКТ — можно проверить внешними данными. ИНТЕРПРЕТАЦИЯ — вывод из фактов; возможны альтернативные объяснения. МНЕНИЕ / ЦЕННОСТНАЯ ОЦЕНКА — позиция человека; не обязана быть «доказана», но должна быть честно обозначена.

3. Слово «источник» тоже немного обесценилось

«Есть источник» — хорошо.

Но какой?

Представим цепочку.

Исследовательская организация публикует отчёт.

Новостной сайт пересказывает отчёт и выбирает одну цифру.

Блогер пересказывает новостной сайт.

Telegram-канал пересказывает блогера.

AI суммирует Telegram-канал и ещё три похожих поста.

В результате у вас пять «источников».

А исходный источник всё ещё один.

Именно поэтому я люблю идти по ссылкам назад.

Не до первого сайта, который звучит солидно.

До места, где информация появилась.

Иногда там обнаруживается скучная, но важная сноска: «результаты относятся только к…», «выборка не является репрезентативной…», «корреляция не означает причинность…».

Конечно, эта сноска обычно не доживает до Reels.

4. AI создал новый парадокс: ошибаться теперь можно очень профессионально

Раньше плохой ответ часто выглядел плохим.

Были ошибки, странный язык, бессвязная аргументация.

Теперь ложный ответ может быть прекрасно структурирован, написан без единой опечатки, разбит на семь пунктов и заканчиваться убедительным выводом.

Форма стала гораздо менее полезным индикатором качества.

И это касается не только AI.

Мы все научились лучше упаковывать свои мысли. Canva, шаблоны, монтаж, автоматические субтитры, генераторы презентаций — сегодня буквально за вечер можно придать любому утверждению вид небольшого аналитического центра.

Я не считаю это плохим.

Демократизация инструментов — прекрасная вещь.

Просто критерии проверки тоже приходится обновлять.

Фото: Крупный спокойный кадр: человек читает материал не в телефоне, а сравнивает несколько источников на экране / бумаге. Визуальная пауза от темы «ленты» к теме проверки.

5. Экспертность — это не количество сложных слов

Есть ещё одна ловушка.

Люди часто принимают сложность языка за глубину знания.

Если объяснение наполнено терминами, графиками и английскими аббревиатурами, оно кажется профессиональным.

Но настоящий тест часто обратный: способен ли человек объяснить, что именно произошло, нормальным языком, не уничтожив при этом смысл?

Мне кажется подозрительным и слишком простое объяснение сложной проблемы, и объяснение, которое невозможно понять без словаря на каждой второй строке.

Хорошая экспертиза обычно умеет сказать:

«Если коротко, механизм такой».

А потом — если нужно — показать, почему всё немного сложнее.

6. Пять вопросов, которые сильно улучшают качество информации

Я не предлагаю превращать чтение новостей в защиту кандидатской диссертации.

Можно начать с пяти вопросов.

Пять вопросов

1. Что именно утверждается?

Не «всё стало хуже», а какой конкретно показатель изменился?

  1. Что могло бы подтвердить или опровергнуть это утверждение? Если никакое доказательство в принципе не способно изменить мнение автора — перед вами вера или позиция, а не проверяемая гипотеза.

  2. Где первичный источник? Не кто пересказал, а кто измерил / опубликовал документ / принял решение.

  3. Есть ли другое разумное объяснение? Одна и та же цифра может иметь несколько причин.

  4. Автор отделяет факт от собственного вывода? Фраза «данные показывают X, поэтому я считаю Y» гораздо честнее, чем когда Y выдаётся за содержание самих данных.

7. Почему это вообще важно

Потому что качество наших решений зависит не от количества информации вокруг нас.

Её как раз достаточно.

Скорее, слишком много.

Качество решений зависит от того, умеем ли мы строить иерархию доверия.

Что я знаю?

Что предполагаю?

Что мне сказали?

Что подтверждается?

Где есть неопределённость?

И что изменит мой вывод?

Это полезно не только в политике или науке.

Когда вы выбираете врача, инвестицию, школу ребёнку, страну для переезда, подрядчика или просто пытаетесь понять, стоит ли паниковать из-за очередной новости, вы решаете одну и ту же задачу: отделяете сигнал от шума.

Критическое мышление — это не привычка всё отрицать. Это привычка понимать, на чём стоит ваш вывод.

И, пожалуй, в мире, где любой из нас за тридцать секунд может получить очень уверенный ответ, этот навык становится только дороже.

П.С. Самая ироничная ошибка критического мышления — начать считать себя человеком, которого невозможно обмануть. Можно. Всех можно. Поэтому метод проверки полезнее уверенности в собственной проницательности.

Анастасия Кабуки
АвторАнастасия Кабуки

Исследователь, аналитик, предприниматель и автор проектов. Работаю на пересечении экономики, права, данных и общественных процессов — там, где для хорошего решения недостаточно поверхностного ответа.

По теме

Hero-иллюстрация: рабочее место с цифровыми и печатными источниками информации — ноутбук с несколькими открытыми источниками, документы, отчёт, заметкиТехнологии · Исследования и данныеПервый ответ больше не ответ: как искать информацию в эпоху AI

Раньше нам нужно было найти информацию. Теперь нам сначала нужно понять, не придумал ли кто-то её за нас. Почему AI — прекрасная отправная точка, но не источник, и как проверять красивые цифры.

Читать
Цифровая заявка проходит через этапы алгоритмической оценки. Обложка (ТЗ): Не рисовать робота-судью. Лучше реальная точка принятия решения: анкета / заявка на экране, рядом данные и статус «решение». Можно сделать минималистичную авторскую графику, где человеческая заявка проходит через несколько невидимых фильтров.Технологии · Право · ОбществоКто будет принимать решения вместо нас: человек, алгоритм или система?

Кредиты, найм, госуслуги: «так решила система» — не ответ. Почему human in the loop не решает все проблемы и кто отвечает за автоматическое решение.

Читать
Повседневная жизнь семьи с ребёнком и рабочими задачами. Обложка (ТЗ): Не использовать младенца в корзинке, беременный живот крупным планом или счастливую семью из фотобанка. Лучше реальная современная семейная среда: кухня вечером, детская одежда рядом с рабочим ноутбуком, городской жилой квартал, родитель с ребёнком в обычной жизни. Тема статьи — устройство жизни, а не «милые дети».Общество · Экономика · СемьяПочему рождаемость падает даже там, где государство платит за детей

Решение о ребёнке — не реакция на разовую выплату, а прогноз собственной жизни на годы вперёд. Жильё, работа, предсказуемость и распределение заботы значат не меньше пособий.

Читать