首先，我要說的是：人工智能永遠無法取代真實用戶的研究。無論工具多么強大，它都無法提供與實際用戶交流一樣的洞察。然而，人工智能可以提高速度和效率，并幫助減少用戶研究員工作流程中的一些人工開銷。

一些人工智能工具多年來一直是研究過程的一部分——比如轉(zhuǎn)錄、自動標記或情緒分析。但2025年的前景會是什么樣子？研究人員還能用什么來增強（而不是取代！）他們的實踐？

每當(dāng)我看到一篇對 AI 工具贊不絕口的文章時，我都會持保留態(tài)度。有時是贊助內(nèi)容，有時推薦的人甚至連一半的工具都沒用過。這篇文章不會是工具清單（順便說一下，這里有一個相當(dāng)不錯的清單?。?，也不會推薦什么內(nèi)容。相反，我會分享我在工作中是如何運用 AI 的——哪些有用，哪些沒用，以及我認為它的發(fā)展方向。

我將使用NNg 的結(jié)構(gòu)來分享我的 AI 研究歷程，將研究大致分為以下幾個階段：準備 → 運行 → 分析，并在此過程中添加任何額外的想法。

準備

人工智能可以加快部分準備階段的速度，但并非全部。例如，用人工智能編寫一份好的測試計劃通常也需要同樣長的時間。除非是非常簡單的事情，否則我解釋背景的時間往往比自己起草的時間還要長。

它確實有幫助的地方：

• 同意書和文檔：標準化模板易于生成和定制。隨著時間的推移，您甚至可能不需要人工智能——只需重復(fù)使用您最好的模板即可。
• 篩選問題：非常適合生成快速變化，特別是當(dāng)您需要為不同的平臺提供不同的音調(diào)/格式時。
• 招聘平臺：一些工具現(xiàn)在嵌入了人工智能，可以根據(jù)標準或行為模式篩選參與者。這種方法可能存在一些問題，但正在不斷改進。

開展研究

事情到了這里就變得有點不連貫了。如果是主持式會議，那么你仍然需要承擔(dān)主要工作——掌控對話方向，通過后續(xù)問題深入探究背景。如果是無主持式研究，那么你已經(jīng)知道結(jié)果會如何，而且研究會自行進行。而且，很可能你在這個階段已經(jīng)使用了一些人工智能工具：

• 轉(zhuǎn)錄：一項重要功能。大多數(shù)研究人員已經(jīng)依賴 Otter.ai 等工具，但準確度參差不齊，尤其是在地區(qū)口音方面（英國口音尤其棘手）。
• 嵌入式工具：一些研究平臺現(xiàn)在提供集成的AI功能（例如自動轉(zhuǎn)錄、基本標記）。雖然有用，但缺乏深度。

分析：人工智能有時能大放異彩的地方

我發(fā)現(xiàn)人工智能在這里最有用，但同時也是最需要謹慎行事的地方。

• 轉(zhuǎn)錄：必不可少。大多數(shù)研究人員已經(jīng)依賴像 Otter.ai 這樣的工具，但準確性參差不齊，尤其是在處理地區(qū)口音時（英國口音尤其棘手）?，F(xiàn)在大多數(shù)研究平臺都提供集成的 AI 功能，包括自動轉(zhuǎn)錄。雖然實用，但深度不夠——即使可能需要修改部分內(nèi)容，也非常適合初始階段。通常，如果您正在研究特定主題，可以預(yù)先輸入一些詞匯，這樣轉(zhuǎn)錄會更準確。
• 詞云優(yōu)于情緒分析：情緒分析通常不可靠——我見過它多次將中性短語錯誤地標記為過于消極或積極，從而扭曲了整體數(shù)據(jù)。另一方面，詞云可以快速瀏覽常見的主題或語言，在分析初期尤其有用。
• 初始分組 + 主題劃分：AI 可以幫助對早期主題進行聚類，或識別會話中重復(fù)的短語。這可以加快主題分析的第一階段，讓您對一些基本聚類有一個大致的了解，但請記住，聚類結(jié)果并不總是準確的。
• 摘要：如果將其作為初稿或起點，可能會很有用。切勿輕信其表面含義。AI 可能會忽略細微差別、語氣，甚至完全誤解其情感。在可用性測試中，AI 會選擇哪些最有價值的見解也相當(dāng)令人好奇——有時它并非你所期望的那樣。
• 實際分析：不要外包。人工智能無法像研究人員那樣觀察語境、肢體語言或語氣。如果您已經(jīng)使用人工智能進行過基礎(chǔ)工作（分組、引用等），那么您將更有能力進行更深入的研究——但最終的洞察仍然來自您。

報告

人工智能可以幫助：

• 語法和潤色：像轉(zhuǎn)錄一樣，這是一種常見的用途，也是我經(jīng)常依賴的。
• 報告模板：一些工具提供結(jié)構(gòu)化的布局或框架，用于生成調(diào)查結(jié)果報告。非常方便，尤其是在時間緊迫的情況下。
• 研究庫：更優(yōu)的人工智能意味著更優(yōu)的搜索，這對于研究庫的使用和推廣至關(guān)重要。因此，即使研究已經(jīng)完成，任何人都可以隨時返回并重復(fù)使用研究成果。

注意：不要讓人工智能撰寫整份報告。它通常會使報告顯得過于學(xué)術(shù)或機械。如果你向認識你的人匯報，他們絕對會發(fā)現(xiàn)這份報告聽起來不夠真實。即使你與不太了解你的人分享這份報告，在這個時代，他們?nèi)匀缓苋菀撞煊X到報告中人工智能的影子。

工具概況

最大的問題和挑戰(zhàn)是，目前還沒有一種適用于所有研究的人工智能工具。

您可能需要混合搭配：

• Otter.ai用于轉(zhuǎn)錄
• 用于分析的燕尾榫、冷凝器或小枝
• Breyta用于文檔記錄并將見解與產(chǎn)品工作聯(lián)系起來
• 另外，還可以臨時使用基于 GPT 的工具進行起草、總結(jié)和寫作。

這絕不是市場上所有工具的詳盡列表，市場上還有無數(shù)的工具。

一個很大的警告：這一切的成本

這讓我想到了工具采用過程中的主要障礙——成本。沒有一個平臺能夠涵蓋所有內(nèi)容，所以你最終需要處理訂閱、在工具之間切換，并處理分散的數(shù)據(jù)。
這會導(dǎo)致：

•  累計成本高
•  去中心化文檔
• 切換環(huán)境或訓(xùn)練每個工具所浪費的時間

您可以在許多文章中找到有關(guān)市場上各種工具的更多信息，但我發(fā)現(xiàn)這篇文章非常有用。

 最后的想法

人工智能不會取代研究人員。但它可以成為強大的助手——如果你知道在哪里以及如何使用它。我想再次強調(diào)——你仍然需要知道自己在做什么，并掌控全局。就像任何好的工具一樣，關(guān)鍵在于平衡、專注，以及知道何時依靠自己的判斷。

蘭亭妙微(m.wnxcall.com )是一家專注而深入的界面設(shè)計公司，為期望卓越的國內(nèi)外企業(yè)提供卓越的大數(shù)據(jù)可視化界面設(shè)計、B端界面設(shè)計、桌面端界面設(shè)計、APP界面設(shè)計、圖標定制、用戶體驗設(shè)計、交互設(shè)計、UI咨詢、高端網(wǎng)站設(shè)計、平面設(shè)計，以及相關(guān)的軟件開發(fā)服務(wù)，咨詢電話：01063334945。我們建立了一個微信群，每天分享國內(nèi)外優(yōu)秀的設(shè)計，有興趣請加入一起學(xué)習(xí)成長，咨詢及進群請加藍小助微信ben_lanlan