Модель пошуку, яку у 1989 році описала інформаційна дослідниця з UCLA Марсія Бейтс, і досі пояснює, як люди насправді шукають інформацію. Людина рідко отримує потрібну відповідь одним запитом. Вона збирає уламки з різних джерел, уточнює формулювання, відкидає зайве і поступово складає картину. Бейтс назвала це «берріпікінгом», тобто збиранням ягід з кущів. Для команд, які будують пошукові сервіси і чат-інтерфейси на базі ШІ, це не академічна дрібниця, а практичний виклик.
У статті 1989 року Бейтс критикувала класичну модель пошуку, де один запит дає один набір результатів, який можна оцінити. Вона стверджувала, що пошук еволюціонує: користувач змінює мету в процесі, і його пошук складається з багатьох дрібних кроків. Тому успіх берріпікінгу складно виміряти, адже не існує єдиного набору результатів, який можна було б порівняти з еталоном. Бейтс виділила чотири типи пошуку: пошук відомого елемента, ітеративне уточнення, перегляд і власне берріпікінг.
Сучасні чат-інтерфейси, за логікою автора, повертаються до тієї самої моделі «один запит, одна відповідь». Це створює розрив між тим, як людина шукає, і тим, як сервіс їй відповідає. Бейтс також описувала, як користувачі можуть тимчасово зберігати знахідки. Її робота 1989 року пропонувала для цього проміжне сховище, яке й сьогодні виглядає логічним елементом інтерфейсу.
Окремий сюжет стосується якості моделей у діалозі. Дослідження 2025 року, у якому проаналізували понад 200 000 змодельованих розмов, показало, що моделі погіршують роботу в багатокрокових завданнях. Середнє падіння продуктивності склало 39 відсотків на шести таких завданнях. Для продуктових команд це важливий сигнал: демо з одним гарним відповіддю не гарантує, що сервіс працюватиме, коли користувач поступово уточнює запит.
Бейтс ще у 1986 році описала 29 тактик пошуку, згрупованих у чотири категорії. Сьогодні користувачі чат-ботів імпровізують ці тактики методом проб і помилок. Nielsen Norman Group задокументувала, як користувачі вручну копіюють і вставляють фрагменти відповідей, щоб зібрати з них потрібний текст, — цей процес дослідники назвали «редагуванням-гармошкою». Це ознака того, що інтерфейс не підтримує природну поведінку людини.
У одному дослідженні 91 відсоток із 32 студентів історії мистецтва віддав перевагу фасетному пошуку, тобто поступовому звуженню результатів за категоріями. Бейтс також запропонувала шкалу рівнів автоматизації від 0 до 4 у 1990 році. За її логікою, більшість продуктів ШІ одразу переходять на повну автоматизацію і пропускають проміжні рівні, на яких користувач встигає довіряти системі та контролювати результат.
Є й ризик для самого веб-простору. Генеративні підсумки можуть зменшити кількість переходів за посиланнями, а отже відводять користувачів від перегляду, який Бейтс описувала у своїй моделі 2007 року, спираючись на поведінку тварин у пошуку їжі. Gartner прогнозує, що до 2026 року 60 відсотків проєктів ШІ без готових даних буде покинуто, а 63 відсотки організацій або не мають практик підготовки даних для ШІ, або не впевнені в них. Бейтс у 2002 році запропонувала каскадну модель з п'яти рівнів: інфраструктура, контент, метадані, індексування й інтерфейс.
Для українських команд висновок прикладний. Продуктові, маркетингові й дизайнерські фахівці, які працюють з пошуком на сайтах, у застосунках чи в чат-сервісах, мають тестувати не лише точність однієї відповіді, а й сценарії, де запит змінюється з кожним кроком. Варто передбачити можливість зберігати знахідки, фільтрувати результати за категоріями і показувати джерела, щоб користувач міг перевірити шлях до відповіді. Ідея Бейтс, попри свій вік, працює як чек-лист для будь-якого пошукового інтерфейсу, зокрема й тих, які українські команди будують сьогодні.