Большие языковые модели (LLM) становятся популярными среди научного сообщества, а их применение все чаще можно встретить в социогуманитарных исследованиях. Представленная обзорная статья обобщает раскрытые возможности внедрения LLM в текстовый анализ данных и систематизирует ограничения, с которыми приходится сталкиваться ученым на этом пути. Авторы обозначают наилучшие «точки входа» в исследования с помощью LLM, но наибольшее внимание уделяется проблемам предвзятости моделей, валидации (проверке) и репликации (воспроизводимости) результатов исследований, в которых использовался ИИ. В работе предлагаются несколько возможных стратегий улучшения качества работы с генеративными моделями в соответствии с процедурой триангуляции. Они включают проверку альтернативных запросов, тестирование разных выборок данных и использование связки моделей. Практика применения LLM в гуманитарных науках показывает, что при грамотной настройке они имеют потенциал к снижению временных издержек, расширяют аналитические возможности ученых и могут содействовать в выявлении скрытых закономерностей в текстовых массивах. Однако эффективность научного применения LLM напрямую зависит от исследовательской осмотрительности, выраженной в понимании границ применимости инструмента, корректности постановки задач, качества исходных данных, а также умении нормализовать неструктурированные данные. Без этих условий использование моделей рискует превратиться в симуляцию научного исследования. Статья призвана стать стартовой точкой для политологов и исследователей международных отношений, заинтересованных в качественном внедрении LLM в свою аналитическую работу.