Prolific связывает исследователей и команды ИИ с пулом оплачиваемых участников с подтверждённой личностью для опросов, поведенческих исследований, сбора данных о предпочтениях и оценки моделей, с многоуровневым контролем качества и оплатой по факту.
Пользовались этим инструментом? Оцените его
Пользовались этим инструментом? Оцените его
Prolific — это двусторонняя площадка для сбора человеческих данных. С одной стороны находятся исследователи, продуктовые команды и лаборатории ИИ, которым нужны ответы реальных людей; с другой — сотни тысяч участников с подтверждённой личностью, получающих оплату за прохождение опросов, выполнение поведенческих заданий, участие в интервью и оценку моделей. Компания формулирует своё обещание на главной странице предельно прямо: настоящие человеческие данные, готовые за считаные минуты, собранные у реальных людей, а не синтезированные и не выскобленные из сети. Основана она в 2014 году, выросла из среды Оксфордского университета, штаб-квартира расположена в Лондоне.
Самое важное для новичка — понять, что перед ним рынок выборок, а не инструмент для составления анкет. Prolific не предоставляет конструктор форм. Он предоставляет пул людей, слой фильтров для нарезки этого пула, платёжный канал и аппарат контроля качества, который старается гарантировать, что на другом конце находится реальный, внимательный и не зарегистрированный дважды человек. Анкета или задание обычно размещаются в другом месте — в Qualtrics, Gorilla, собственном веб-приложении или вашем интерфейсе разметки, — а Prolific приводит туда подходящих людей и справедливо оплачивает их время.
Центр тяжести платформы заметно сместился. Она начиналась как инфраструктура для академической психологии и социальных наук, когда репрезентативные онлайн-выборки было трудно получить, а Mechanical Turk имел репутацию площадки с поверхностным участием. Сегодня она обслуживает вторую и всё более значимую аудиторию: команды ИИ, закупающие данные о предпочтениях, оценки безопасности, состязательное тестирование и экспертную разметку. В контексте каталога инструментов наиболее полезная мысленная модель такова: Prolific находится на стороне предложения в индустрии ИИ — именно отсюда поступает человеческое суждение, которое обучает и оценивает модели.
Проверенный пул участников с тонкой фильтрацией: платформа заявляет более 300 тысяч активных и вовлечённых участников — это данные самой компании. Пригодным этот пул делает не сам размер, а слой таргетинга поверх него. По сообщению TechCrunch, компания создала более 300 фильтров на основе переписи населения и других источников, чтобы клиенты точнее настраивали искомую выборку. Эти предварительные отборы охватывают демографию, занятость, состояние здоровья, язык, наличие устройств и историю прошлых отправок, позволяя приблизиться к репрезентативной выборке вместо набора тех, кто откликнулся первым.
Проверка личности и подлинности: за качество отвечает система, которую компания называет Protocol. По утверждению компании, Protocol выполняет более 40 проверок для подтверждения личности, и из всех подавших заявку проходят и получают доступ к заданиям лишь около 55 процентов. Это заявления вендора, не подтверждённые независимым аудитом, однако направление очевидно: платформа конкурирует умением отсеивать людей, а не наращивать их численность.
Обнаружение ответов, сгенерированных ИИ: самая современная проблема качества в оплачиваемых исследованиях — участник, вставляющий ответ чат-бота в поле свободного текста. Компания сообщает, что её собственные проверки подлинности выявляют сгенерированный ИИ свободный текст с точностью 98,7 процента; этот показатель также заявлен вендором и не проходил независимого аудита. Дополнительно предлагается коммерческое обязательство под названием 100% Human Guarantee, предусматривающее денежную компенсацию, если агенты ИИ всё же миновали предварительные проверки.
Данные о предпочтениях и обратная связь для выравнивания моделей: на стороне ИИ платформа формирует данные о предпочтениях, человеческую обратную связь и оценочные сигналы для приведения моделей к желаемому поведению, а также измеряет способности, безопасность и качество через человеческую экспертизу, проверку профильными специалистами и разработку критериев оценивания. По сути, цепочка поставок для RLHF и оценивания оформлена как продукт самообслуживания, а не как индивидуальный подрядный договор.
Экспертная разметка на многих языках: для задач, непосильных обычной толпе исполнителей, проверенные отраслевые эксперты создают данные для контролируемой донастройки, пары «инструкция — ответ» и специализированную разметку более чем на 80 языках. Это принципиально для команд, развивающих неанглоязычные возможности или нуждающихся во врачах, юристах, инженерах и носителях языка, а не в универсальных исполнителях.
HUMAINE — открытая система оценивания: HUMAINE представляет собой рейтинг человеческих предпочтений, который оценивает передовые модели исходя из реальных сценариев использования, выставляя баллы за рассуждение, стиль общения, выполнение основной задачи, адаптивность, доверие, этику и безопасность. Пул оценивающих устроен так, чтобы представлять 22 демографические группы в США и Великобритании. Эта работа была представлена в виде конференционной статьи на ICLR 2026, что делает её одним из наиболее методологически проработанных материалов, опубликованных поставщиком данных.
Программный и агентный доступ: помимо веб-панели доступны документированный Human Data API и сервер MCP, благодаря которым запуски оценивания инициируются из кода или агентом, а не вручную через интерфейс.
Академические исследования, требующие защитимой выборки: исследователь в области психологии или экономики набирает 400 взрослых британцев, сбалансированных по возрасту и полу, каждый из которых выполняет двенадцатиминутное задание на платформе Gorilla. Он настраивает предварительные фильтры, устанавливает вознаграждение, вставляет ссылку на задание — и подходящие участники начинают поступать. Защитимость возникает из возможности точно описать процедуру набора и оплаты в разделе методов, чего не даёт выборка удобства из социальных сетей. Льготный академический тариф делает такую работу посильной для грантового бюджета.
Сбор данных о предпочтениях для выравнивания моделей: команде ИИ нужны попарные сравнения двух выводов модели на тысячах запросов, причём от демографически разнородной группы оценивающих, а не от однородной подрядной команды. Сравнения проводятся через инструменты платформы, результаты выгружаются для обучения модели вознаграждения. Поскольку результаты выгружаются в формате JSONL для непосредственной подачи в обучение RLHF, DPO и моделей вознаграждения, передача в существующий конвейер занимает немного шагов.
Оценка безопасности и состязательное тестирование перед релизом: перед выкаткой обновления модели команде нужны человеческие суждения о поведении при отказах, обработке вредоносного контента и тоне при состязательных запросах. Люди-оценщики, работающие по подробным критериям, выдают оценки, недоступные автоматическим проверкам, особенно по субъективным осям вроде снисходительного тона, чрезмерных отказов или культурной нечуткости.
Продуктовые и маркетинговые исследования с реальными покупателями: продуктовая команда проверяет позиционирование или восприятие цены на отфильтрованной выборке — скажем, среди тех, кто совершал покупки в категории за последние полгода. По сравнению с традиционным поставщиком панелей привлекают скорость и самообслуживание; расплатой становится смещение пула к отдельным странам и к людям, привычным к онлайн-заданиям.
Сравнение моделей по человеческим предпочтениям: команде важно понять не только то, насколько высоко модель оценивается на статических тестах, но и предпочитают ли люди её ответы, и различается ли это предпочтение между группами. Оценивание в духе HUMAINE выявляет расхождения между группами, которые скрывает единый сводный балл.
Человеческие контрольные точки внутри агентных процессов: автоматизированный конвейер приостанавливается, чтобы задать вопрос людям — например, поставить релиз в зависимость от оценки или передать спорный случай человеку, — и продолжает работу, когда результаты возвращаются. Именно на это рассчитана интеграция с MCP, превращающая обратную связь от людей из плановой пакетной процедуры в вызов по требованию.
Создайте аккаунт исследователя и пополните баланс: регистрация происходит самостоятельно в приложении на поддомене. Оплата идёт по факту использования: чтобы начать, не требуются ни договор, ни подписка. Вы вносите средства, а стоимость исследований списывается с этого баланса.
Сначала подготовьте задание в стороннем инструменте: соберите анкету, эксперимент или интерфейс разметки в собственном инструменте и получите рабочую ссылку. Убедитесь, что она принимает идентификатор участника из URL и по завершении перенаправляет на адрес завершения — именно так платформа понимает, кто закончил работу.
Определите выборку через предварительные фильтры: задайте целевую группу с помощью слоя фильтрации. Проверьте выполнимость до запуска: слишком узкие пересечения условий способны сократить круг подходящих людей настолько, что набор застопорится и растянется на дни вместо минут.
Честно укажите длительность и вознаграждение: оцените, сколько времени задание занимает на самом деле, и назначьте оплату исходя из почасовых ориентиров. Занижение длительности — самая частая самонанесённая рана: оно снижает фактическую ставку, вызывает жалобы и замедляет набор.
Проведите пилот на малой партии: сначала откройте доступ нескольким участникам. Проверьте, что данные корректно сохраняются, коды завершения работают, а инструкции однозначны. Чинить сломанное перенаправление после 400 отправок дорого; после десяти — сущий пустяк.
Запустите, отслеживайте и проверяйте отправки: по мере поступления данных следите за временем выполнения и качеством свободных ответов. Подтверждайте оперативно: участники получают оплату в момент подтверждения, и медленное подтверждение — частый повод для жалоб. Отклоняйте только при обоснованной причине, привязанной к заранее объявленным правилам.
Выгрузите и проанализируйте: заберите данные вместе с демографическими метаданными для взвешивания или анализа подгрупп и зафиксируйте использованные параметры набора, чтобы исследование можно было воспроизвести.
Платите выше нижней границы, а не по ней: компания рекомендует платить участникам не менее 9,00 фунтов / 12,00 долларов в час, тогда как минимально допустимая оплата на платформе составляет 6,00 фунтов / 8,00 долларов в час. Исследования, выставленные по нижней границе, набираются медленнее и притягивают поспешные ответы. Считайте рекомендованную ставку настоящей отправной точкой расчёта.
Засеките время до того, как назначите цену: пройдите задание сами и добавьте запас для тех, кто читает внимательнее вас. Заявленная длительность определяет фактическую почасовую ставку, а та — скорость набора.
Не нагромождайте фильтры бездумно: каждый дополнительный критерий кратно усиливает дефицит. Если вам одновременно нужны три редких признака, сначала проверьте выполнимость и будьте готовы к более длительному полевому этапу или увеличенному бюджету.
Всё равно предусмотрите собственные проверки внимательности: контроль качества на уровне платформы уменьшает долю недобросовестных участников, но не заменяет проработку инструмента. Добавьте вопросы на понимание и используйте распределение времени ответов для выявления невнимательных заполнений.
Проектируйте открытые вопросы так, чтобы их было трудно закрыть чат-ботом: спрашивайте о личных подробностях, конкретном недавнем опыте или реакции на стимул, показанный внутри задания. Общие вопросы-эссе легче всего отдать языковой модели и труднее всего проконтролировать.
Закладывайте в бюджет комиссию, а не только вознаграждение: видимая стоимость исследования — это оплата участникам, но сверху добавляется комиссия платформы. Рассчитайте полную сумму заранее и не забудьте про академический и некоммерческий тариф, если вы под него подпадаете.
Подтверждайте быстро и объясняйте понятно: ваша репутация среди участников влияет на скорость набора. Ясные инструкции, оперативные подтверждения и справедливое отношение к пограничным случаям ускоряют набор в последующих исследованиях.
Повторяйте пилот после каждой правки: любое изменение ссылки на задание, перенаправления или кода завершения заслуживает нового небольшого пилота. Такие сбои происходят беззвучно и обходятся дорого.
Академические исследователи: психологи, экономисты, лингвисты и социологи, которым нужны выборки, поддающиеся обоснованному описанию в статье, с оплатой, приемлемой с точки зрения этических комитетов, и льготным тарифом для академических и некоммерческих работ.
Лаборатории ИИ и команды разработки моделей: коллективы, закупающие данные о предпочтениях, оценки, суждения о безопасности и экспертную разметку, особенно те, кому нужен нейтральный поставщик с демографической широтой, а не непрозрачный подрядный пул.
Исследователи UX и продукта: команды, проверяющие концепции, сравнивающие макеты или измеряющие понятность за пределами собственной базы пользователей, когда скорость важнее продольной глубины.
Практики маркетинговых исследований: специалисты по тестированию концепций, восприятию цены и изучению брендов, которым важны скорость самообслуживания и прозрачность расходов и которые готовы работать в рамках географической концентрации пула.
Исследователи в сфере политики и государственного сектора: команды, которым нужны широко распределённые мнения по вопросам политики, где прозрачность набора и справедливая оплата сами по себе становятся частью убедительности результата.
Инженерные команды, строящие конвейеры оценивания: разработчики, желающие вызывать человеческое суждение из кода или от имени агента, а не согласовывать его как ручной побочный процесс.
Участники, ищущие гибкую оплачиваемую подработку: люди, которым нужны короткие легальные онлайн-задания с денежными выплатами и понятными ставками без схем с подарочными картами, при понимании, что доход носит дополнительный характер, а количество заданий колеблется.
Веб-приложение: основной интерфейс и для исследователей, и для участников; используется для настройки исследований, конфигурации выборки, мониторинга, подтверждений и выплат. Участники получают доступ через браузер и перенаправляются на внешне размещённые задания.
Human Data API: документированный программный интерфейс для создания и ведения исследований и получения результатов, подходящий командам, встраивающим набор участников в собственные системы.
Сервер MCP: работает с Claude Code, Claude Desktop, Cursor и любым клиентом, реализующим спецификацию Model Context Protocol, поэтому агент может запросить человеческое суждение прямо посреди процесса. По заявлению компании, инструменты MCP обнаруживаются автоматически, без SDK и обёрток.
Структурированные форматы выгрузки: результаты возвращаются в виде структурированного JSON и выгружаются в JSONL для непосредственной подачи в обучение RLHF, DPO и моделей вознаграждения.
Совместимость с внешними инструментами исследований: поскольку задания размещаются вне платформы, она рассчитана на совместную работу с распространёнными конструкторами анкет и экспериментов через перенаправление по ссылке, а не на их замену.
Отдельное нативное мобильное приложение для исследователей не описано: участники обычно пользуются мобильной веб-версией, а отдельные типы заданий прямо требуют настольного браузера. (требует проверки)
Здесь нет ни подписки, ни бесплатного тарифа в привычном для облачных сервисов смысле: вы финансируете исследования и платите за потреблённое человеческое время. Компания ведёт два коммерческих направления: самостоятельное направление Platform, описанное как оплата по факту без ежемесячных взносов, и Managed Services — сбор данных под руководством специалистов с выделенным контролем качества, объём которого определяется индивидуально и обычно закрепляется техническим заданием.
Экономика самостоятельного направления необычайно прозрачна для этой категории. Комиссия платформы обычно составляет 42,8 процента для корпоративных клиентов и льготные 33,3 процента для академических и некоммерческих клиентов, начисляясь сверх суммы, выплачиваемой участникам. Со стороны вознаграждения компания рекомендует платить участникам не менее 9,00 фунтов / 12,00 долларов в час, а минимально допустимая оплата составляет 6,00 фунтов / 8,00 долларов в час. Одна деталь существенно влияет на бюджеты организаций: налог на добавленную стоимость начисляется только на комиссию платформы, а вознаграждения участникам им не облагаются, что меняет фактическую стоимость для организаций, зарегистрированных плательщиками НДС.
Для участников устройство зеркальное и столь же прозрачное. Как только участник заработал не менее 6 долларов / 6 фунтов, он может вывести средства прямо со своего счёта, причём выплаты приходят деньгами через PayPal, а не подарочными картами или баллами. Сторонний анализ оценивает, что участникам достаётся примерно 70 процентов совокупных расходов исследователей, что согласуется с опубликованной структурой комиссий. Корпоративные и крупнообъёмные соглашения рассчитываются индивидуально и не публикуются.
Amazon Mechanical Turk: давно существующая универсальная площадка краудворка. Дешевле в расчёте на ответ и значительно крупнее по объёму заданий, но со слабыми гарантиями подлинности личности и давно задокументированной репутацией проблем с внимательностью в исследовательских задачах.
CloudResearch Connect: позиционируется вплотную к Prolific для поведенческих исследований, предлагая проверенных участников и инструменты отбора. Часто сравнивается напрямую по стоимости одного завершённого ответа и по составу пула.
Традиционные поставщики панелей вроде Cint или Dynata: заметно крупнее и лучше подходят для масштабных репрезентативных потребительских исследований, особенно за пределами Великобритании и США, но, как правило, менее самостоятельны в использовании и менее прозрачны в вопросах оплаты участникам.
Поставщики данных вроде Scale AI и Surge AI: прицельно ориентированы на лаборатории ИИ, предлагают управляемые команды разметчиков и конвейеры под заказ. Сильнее в больших, сложных и долгосрочных программах разметки; слабее в быстром демографическом отборе и исследованиях академического типа.
Рекрутинговые сервисы для исследований пользователей вроде User Interviews или Respondent: лучше подходят для качественных работ — модерируемых интервью и сессий юзабилити с профессиональной или труднодоступной аудиторией, где выборки малы, а гонорар за участника заметно выше.
Комиссия платформы — самое частое возражение: ставка 42,8 процента для корпоративных клиентов означает, что примерно четыре фунта из каждых десяти в вашем бюджете покупают услуги платформы, а не время участников. На очень больших выборках это быстро накапливается и остаётся постоянной претензией в отзывах исследователей.
Географическая концентрация: пул наиболее плотен в Великобритании и США. Участники за пределами ключевых регионов сообщают о скудной доступности заданий; в отзывах на Trustpilot встречаются просьбы открыть больше заданий для участников из Африки. Если вашему исследованию нужен охват недопредставленных регионов, проверьте выполнимость до того, как строить на этом дизайн.
Показатели качества заявлены самой компанией: доля прохождения первичного отбора в 55 процентов, точность обнаружения текста ИИ в 98,7 процента и цифра свыше 300 тысяч участников взяты из материалов компании и, судя по открытым источникам, не проходили независимого аудита. Относитесь к ним как к указанию направления, а не как к проверенным ориентирам.
Работу поддержки критикуют с обеих сторон: на Trustpilot платформа удерживает TrustScore 4,5 при 14 854 отзывах, из которых 78 процентов — на пять звёзд и 7 процентов — на одну. Внутри негативного меньшинства повторяется мотив: обращения в поддержку временами оказывались бесполезными при разрешении споров об оплате.
Со стороны участников доступ открыт не всем: вступление проходит через лист ожидания и этап проверки; лишь после приглашения человек выполняет примерно пятнадцатиминутную проверку личности и короткое тренировочное задание. Заработок носит дополнительный характер, а доступность исследований колеблется.
Для проведения исследования всё равно нужен отдельный инструмент: платформа набирает и платит, но не создаёт вашу анкету или эксперимент. Заложите в бюджет платформу для опросов или экспериментов, а также работу по корректной передаче идентификаторов и кодов завершения.
Самоотбор остаётся реальным ограничением: каждый в пуле сам решил присоединиться к платной исследовательской площадке и наловчился выполнять задания. Фильтры способны сбалансировать демографию, но не устраняют полностью эффект профессионализации, свойственный любой постоянной панели.
Юридические условия размещены вне основного сайта: правовая документация не находится по привычным адресам; единственная точка входа — страница о конфиденциальности и правовых вопросах, откуда ведут ссылки на уведомления о конфиденциальности, правовые условия и дополнительные сведения о защите данных. Эти документы размещены во внешнем пространстве Notion, поэтому изучите их напрямую, прежде чем брать на себя обязательства по соответствию требованиям: конкретные сроки хранения и возможные положения о вторичном использовании на основном сайте не воспроизводятся. (требует проверки)
Не в смысле бесплатного тарифа. Для начала работы не нужны ни абонентская плата, ни договор, но каждое исследование стоит денег, поскольку участникам платят за их время, а платформа берёт процент сверху. Создать аккаунт и осмотреть интерфейс ничего не стоит; проводить исследование — стоит. Закладывайте в бюджет и вознаграждение участникам, и комиссию платформы.
Итоговая сумма складывается из оплаты участникам и комиссии платформы. Комиссия обычно составляет 42,8 процента для корпоративных клиентов и 33,3 процента для академических и некоммерческих, начисляясь на фонд вознаграждений. Поэтому исследование, в котором участникам суммарно выплачивается 700 фунтов, обойдётся примерно в 1000 фунтов для корпоративного аккаунта и примерно в 933 фунта для академического. НДС начисляется только на комиссию, но не на вознаграждения.
Компания рекомендует исследователям платить не менее 9,00 фунтов / 12,00 долларов в час при абсолютном минимуме 6,00 фунтов / 8,00 долларов. Фактический заработок полностью зависит от того, скольким исследованиям человек соответствует, а это меняется в зависимости от демографических характеристик и места проживания. Правильнее считать это дополнительным доходом, а не заменой работы; сторонний анализ оценивает долю участников примерно в 70 процентов совокупных расходов исследователей.
Выплаты приходят деньгами через PayPal. Вывести средства можно, заработав не менее 6 долларов / 6 фунтов, и компания прямо указывает, что платит именно деньгами, а не подарочными картами или баллами. Оплата запускается подтверждением отправки со стороны исследователя, поэтому медленное подтверждение остаётся частым источником недовольства участников.
Как правило, нет: это слой набора участников и выплат, а не конструктор анкет. Анкету, эксперимент или задание на разметку вы размещаете в собственном инструменте и делитесь ссылкой, передавая идентификаторы участников через URL и настраивая возврат по завершении. Исключение — собственные инструменты платформы для задач ИИ, предназначенные для разметки и оценивания текста.
С помощью многоуровневой системы под названием Protocol: проверка личности на входе, непрерывное выявление мошенничества по всему пулу, автоматическая пометка неправдоподобно быстрых отправок и проверки подлинности свободных ответов. Компания заявляет точность 98,7 процента при обнаружении сгенерированного ИИ свободного текста и обещает компенсацию по программе 100% Human Guarantee, если проверки были обойдены. Поскольку это данные вендора, дополняйте их собственными проверками внимательности.
Да, и сегодня это крупная часть бизнеса. Платформа поставляет данные о предпочтениях, человеческую обратную связь, оценки безопасности и способностей, а также экспертную разметку, включая данные для контролируемой донастройки и пары «инструкция — ответ» более чем на 80 языках. Кроме того, она публикует HUMAINE — рейтинг человеческих предпочтений для передовых моделей, представленный статьёй на конференции ICLR 2026.
Да. Существует документированный Human Data API для программного управления исследованиями и сервер MCP, работающий с Claude Code, Claude Desktop, Cursor и другими совместимыми с MCP клиентами, благодаря чему агент запускает исследования и получает структурированные результаты, не покидая свой рабочий процесс. Результаты выгружаются в JSONL для прямого применения в RLHF, DPO и обучении моделей вознаграждения.
Пул сосредоточен в Великобритании и США, с ощутимым охватом Европы и других регионов, но с заметно более скудной доступностью заданий в остальных местах. Участники из некоторых регионов сообщают о малом числе подходящих исследований. Если ваше исследование зависит от конкретной страны или редкого сочетания демографических признаков, сначала проверьте выполнимость инструментами фильтрации, а уже потом стройте на этом дизайн.
Главное различие — в отборе и политике оплаты. Prolific подтверждает личность, устанавливает нижнюю границу вознаграждения и предлагает обширные предварительные фильтры, опирающиеся на данные переписи: TechCrunch отмечал более 300 фильтров на основе переписи населения и других источников. Mechanical Turk дешевле и крупнее, но в исследовательских условиях за ним давно закрепилась репутация проблем с внимательностью и качеством данных. Выбор сводится к тому, экономить ли средства или покупать уверенность в том, кто именно ответил.
