Восприятие агентности в диалоге с ИИ

Распространение больших языковых моделей поставило проблему сохранения субъектности человека при взаимодействии с ИИ. В отличие от работ, рассматривающих архитектуру и этику моделей, наше исследование делает акцент на перцептивно-когнитивных условиях восприятия ИИ-ответа. При этом мы опираемся на идею «цифрового конфидента» (Ушаков, 2024), что дает возможность говорить о способности пользователя сохранять форму ИИ-ответа как гипотетическую, сопоставлять ее с собственным опытом и при необходимости вносить коррективы или отвергать предложенную интерпретацию. Теоретическими предпосылками работы явились когнитивные модели агентности, лингво-прагматический анализ модальности текста и семиотико-диалогический подход (Бахтин, Лотман). В качестве диагностического индикатора предлагается Индекс согласованности интерпретационной агентности (ИСИА), который связывает субъективное переживание пользователем автономии с поведенческими и языковыми маркерами. Работа вносит вклад в формирование человеко-центрированной модели взаимодействия с ИИ через акцент на перцептивных стратегиях пользователя. The proliferation of large language models has raised the issue of preserving human subjectivity in human–AI interaction. Unlike studies focusing on model architecture and ethics, this research emphasizes the perceptual and cognitive conditions under which users process AI-generated responses. We draw on the concept of the "digital confidant" (Ushakov, 2024), which allows us to discuss the user's ability to maintain the AI response as a hypothetical construct, compare it with their own experience, and either adjust or reject the proposed interpretation. The theoretical foundations of the study include cognitive models of agency, linguistic-pragmatic analysis of text modality, and the semiotic-dialogic approach (Bakhtin, Lotman). As a diagnostic indicator, we propose the Index of Interpretive Agency Consistency (IIAC), which links the user's subjective sense of autonomy to behavioral and linguistic markers. The paper contributes to the development of a human-centered model of AI interaction by foregrounding the user's perceptual strategies.