Не каждый эксперимент обязан заканчиваться запуском. Иногда главный результат — это не новый сервис, а разрешение пробовать, ошибаться и учиться. История Tate о том, как два AI-прототипа изменили подход целой команды к работе с неопределённостью.
Эта статья подготовлена Аней Михайловой и DeepSeek. Аня выступает в роли главного редактора, а DeepSeek как помощник, задача которого — составить конспект на основе транскрипта доклада. В начале идёт конспект, а в конце — комментарии Ани и описание промта, который использовался для совместной работы.
MuseumNext AI Summit 2026
Кривая обучения – новейшие прототипы искусственного интеллекта от галереи Тейт (Learning Curve – Tate’s latest AI prototypes)
Если единственным измеримым результатом AI-эксперимента стало то, что команда теперь иначе смотрит на свою работу — это провал или победа? В Tate убеждены: победа. Честный рассказ о двух прототипах, после которых музей не получил готового продукта, но приобрёл кое-что поважнее.
Имена, фамилии докладчиков:
Сьюзан Дойон (Susan Doyon), Джастин Спунер (Justin Spooner)
Место работы:
Tate (Лондон) — группа из четырёх британских музеев (Tate Britain, Tate Modern, Tate Liverpool, Tate St Ives), хранящих национальную коллекцию британского и современного искусства. Крупное гражданское пространство, открытое и бесплатное для всех. Цифровая команда насчитывает около 25 человек.
Unthinkable — креативное агентство, специализирующееся на разработке нестандартных, часто экспериментальных цифровых решений. Сооснователь Джастин Спунер ранее сотрудничал с Tate в качестве консультанта по направлению Tate Schools.
Должности и зоны ответственности:
- Сьюзан Дойон — руководитель цифрового опыта в Tate. Отвечает за стратегию и разработку цифровых инструментов, помогающих посетителям наслаждаться искусством, учиться и делиться идеями.
- Джастин Спунер — сооснователь и директор Unthinkable. Совместно с командой (включая д-ра Шарлотту Уэбб и д-ра Кэтрин Бреслин) занимался проектированием и созданием двух AI-прототипов для Tate.
Как Tate учится на AI-экспериментах: два прототипа и культура, которая разрешает ошибаться
Откуда взялся проект: грант, школы и разрешение на эксперимент
Tate получил финансирование через Bloomberg Accelerator Fund на проект Tate Schools. В рамках этого проекта Сьюзан Дойон предложила не просто выдать готовый образовательный продукт, а провести эксперимент. Без жёсткого технического задания: команда сознательно не обещала «AI-инструмент для школ», а оставила себе пространство проверить, что вообще работает в классе. Результатом стали два прототипа, и главный итог, по словам Сьюзан, — не столько сами продукты, сколько изменение культуры прототипирования внутри команды.
О чём думали до старта: границы антропоморфизма, прозрачность и ограничения моделей
Джастин Спунер подчеркнул: важно было сразу определить, где антропоморфизм (очеловечивание AI) уместен, а где заходит слишком далеко. Второй принцип — прозрачность и понятность как для внутренних команд, так и для пользователей. Третий — разумное понимание ограничений моделей: что можно контролировать, а какие риски приходится принять. Всё это определило дизайн будущих прототипов.
Первый прототип: Image Connector — мост между творчеством ребёнка и коллекцией
Image Connector задумывался для учеников начальной школы (5–11 лет). Идея проста: ребёнок показывает AI свою работу (рисунок, коллаж, поделку), а система находит визуальную связь с произведением из коллекции Tate и предлагает угадать или обсудить, что общего между ними. За этим стояли две большие музейные задачи: во-первых, подсветить работы из запасников, которые редко видят публику; во-вторых, научить детей глубоко смотреть на искусство — и на своё, и на музейное.
Как работает связь: заголовки, объекты и право не соглашаться
Для поиска связей использовали несколько моделей и методов — от совпадений в названиях до общих визуальных признаков. Принципиальным решением было дать пользователю право подвергать AI сомнению: не принимать предложенную связь как истину, а обсуждать, спорить, предлагать свою версию.
Что показало тестирование в классе
Сьюзан с радостью наблюдала, как дети вовлекались: они подолгу разглядывали обе работы, обсуждали друг с другом, угадывали связь или не соглашались с ней. Геймификация сработала: вопрос «а что общего?» действительно заставлял вглядываться. При этом остались и открытые вопросы: стоит ли оставлять формат угадывания или лучше сразу раскрывать связь? И как написать подсказки понятным детям языком, но при этом объясняющим логику AI? Для этого даже провели отдельный писательский воркшоп.
Проблемы: непрозрачность моделей, масштабирование и неожиданный поворот
Выяснилось, что не все AI-модели прозрачно объясняют, как именно они нашли связь, — это шло вразрез с одним из ключевых принципов. Под вопросом и масштабирование: станет ли опыт заметно лучше, если добавить в базу больше произведений? Или разнообразие важнее количества? Зато появился неожиданный запрос от коллег из отдела раннего развития и семейных программ: они постоянно проводят творческие занятия с детьми и часто затрудняются связать то, что получилось у ребёнка, с коллекцией. Image Connector неожиданно оказался решением и для них.
Второй прототип: Conversations with Art — голосовой диалог с произведением
Второй прототип исследует, может ли голосовой чат-бот помочь людям лучше понять произведение или по-новому связаться с ним. Вдохновением послужил проект The Living Museum канадского инженера Джонатана Тальми. Для пилота выбрали четыре очень разных работы: «Офелия» Милле, «Whaam!» Лихтенштейна, «No Woman, No Cry» Криса Офили и «Преимущества быть женщиной-художницей» Guerrilla Girls. Расчёт был на то, что визуальный, культурный и тематический контраст породит разные типы разговоров.
Как обучали AI: только проверенные материалы, никакой сложной лексики
Данные для обучения брали исключительно из опубликованных материалов Tate — это гарантировало фактическую точность. Но не менее важной была работа над личностью бота: он должен был звучать не как энциклопедия, а как компетентный, но доступный собеседник. Команда составила список запрещённых слов и фраз — сложных терминов, которыми легко случайно оттолкнуть неподготовленного человека. Простой язык стал осознанным редакционным выбором.
Главная трудность и главный тренд
Тщательно протестировать этот прототип оказалось сложнее, чем ожидалось: команда пробовала разные подходы и чувствовала, что не выжала из тестов всё. Поэтому о результатах говорят пока осторожно. Но уже очевидно направление на будущее: дело не только в AI и не в технологической основе, а в дизайне самой беседы — как создать живое, запоминающееся взаимодействие, которое по-настоящему увлекает разных людей. Именно здесь, по мнению Джастина, будет происходить самое интересное в ближайшие год-два.
Самый важный результат: культура экспериментов в музее
Сьюзан честно признаёт: в музеях, особенно работающих с ограниченными бюджетами, редко можно позволить себе строчку на «провалы» и R&D. Но именно этот проект убедил её, что выделять место для экспериментов — пусть небольших — жизненно необходимо. Это меняет атмосферу в команде, даёт разрешение на риск и приносит ценные уроки. Ни один из прототипов не обязан был стать успешным продуктом; оба могли «провалиться» — и это было бы нормально, потому что главное уже произошло: люди научились новому. Обе идеи, скорее всего, продолжат развиваться в ближайший год. Но самым большим достижением Сьюзан считает сам факт того, что эксперимент случился, и теперь этот подход можно встраивать в дорожную карту команды на постоянной основе.
Комментарий Ани Михайловой
В докладе мне не хватило технических деталей, то есть, как именно были реализованы эти прототипы, какие нейросети использовали коллеги, какие изображения в них были загружены, как производился анализ. Идея поиска подобий, выглядит прикольной, но насколько она действительно помогает углубить какие-то отношения с искусством, вопрос, требующий, полагаю, дополнительных исследований. Заинтересовало упоминание conversational design, с этим термином я еще не сталкивалась. Как проектировать диалоги и соблюдать вот эту границу, между тем, что может сказать нейросеть, и какие ограничения у нее должны быть.
Промт для DeepSeek
Как и зачем Аня Михайлова работает с ИИ
Я работаю с ИИ в одном чате, чтобы сохранять контекст разговора. Сначала я показала ИИ наше медиа, чтобы он понял интонацию и особенности коммуникации, проверила, что он понял меня верно. Затем дала задачу, убедилась, что и она понята верно, и потом отправила транскрипт доклада. При этом я сама читаю доклад, чтобы убедиться в отсутствии ошибок и отсебятины.
Ты журналист и копирайтер, специализация музейное дело. Я пригласила тебя помощником редактора, чтобы помочь мне подготовить публикации для сайта Идеи для музеев, где я являюсь главным редактором www.ideasformuseums.com/media Изучи tone of voice, в ответном сообщении напиши, как ты его понял. Я проверю и дам комментарии.
Да, ты всё верно поняла. Отлично. Теперь мы будем работать над новыми публикациями. Наша задача - представить зарубежный опыт реализации музейных проектов. Вот как мы будем работать. Я присылаю транскрипт доклада с конференции MuseumNext. Твоя задача: следуя tone of voice и вот этот принцип "«Профессиональная эмпатия и деятельный оптимизм». В его основе лежит глубокое уважение к аудитории и искренняя любовь к музейному делу" подготовить конспекты этих транскриптов. Ты не придумываешь ничего сама, работаешь только с присланным текстом. Результат должен соответствовать следующей структуре: Имя, фамилия докладчика Место работы докладчика с кратким описанием: где находится, что за учреждение Должность, что входит в обязанности Далее конспект, нужны заголовки, описывающие содержание, и краткие резюме. Напиши, как ты поняла задание.
***
Участие в конференциях MuseumNext — часть программы стажировки, которую Аня Михайлова прошла в 2026 г. благодаря победе в конкурсе Профессиональное развитие Фонда Потанина.