在用户体验研究领域，人工智能的兴起正在改变研究者的工作方式和思维方式。本文探讨了在Dovetail第二届年度会议Insight Out上，作者对人工智能在用户研究中的应用、判断力和直觉的重要性，以及如何将研究转化为实际行动的深刻思考。

我总是喜欢与用户体验专业人士交流，特别是那些具有研究精神的专业人士。

很多科研人员每天都要面对与自己工作经验或能流利使用研究语言的人寥寥无几的日常工作，这可能会让人感到孤独。有机会与志同道合的人聚在一起，探讨研究方法和趋势，这不仅能开阔眼界，还能带来轻松感。

在 Dovetail 第二届年度会议 Insight Out 上，我的确很享受结识新朋友（也认识了熟悉的面孔！）。但今年的氛围和信息传递与我 13 年前进入用户研究领域以来参加过的一些以研究为重点的会议截然不同。

这并不是说它不好——事实上，我发现大多数会议都发人深省，而且我很高兴他们邀请了产品管理、设计、营销和工程等相关学科的演讲者。

但许多由用户研究软件公司主办的会议往往侧重于方法论、案例研究和工作方式，以及计算影响力和不同的组织结构。

当然，在过去几年中，人工智能已经成为人们讨论的越来越重要的部分——这一趋势在这里仍在继续。

当我回顾笔记时，我注意到我用大写字母、加粗或圈出的单词如下：

• 机构/决策
• 判断
• 直觉

这些通常是在我们不能/不应该让步于人工智能的背景下讨论的，这本身就很有趣。

但我一直在反思，我意识到这些术语在以研究为主题的会议上通常很少被提及。它们更多地是关于像我这样的研究团队能够实现什么或展示什么，而不是研究本身。

让我详细说明一下。

我之前说过，研究不应该提供答案，而应该激发行动。我有点习惯自己鼓吹这个观点了。当然，人们会点头表示同意，但我还没见过研究人员真正接受它。

Dovetail 刚刚在其一款产品中宣布了一件有趣的事情，那就是能够为 Jira 或其他产品团队跟踪工具提出 AI 生成的功能请求或产品需求。

告诉产品团队或设计师在完成项目后该做什么往往会让传统的研究人员感到不安（出于一些原因），但最终我们的工作就是帮助他们采取行动——优先考虑这个设计，搁置这个潜在的积压项目，发布这个功能，解决这个设计缺陷。

因此，将我们所学到的知识与产品/设计下一步需要做的事情联系起来，最终使团队能够采取他们需要的行动来改进产品——使决策和机构能够做出改变。

这可能需要成为未来研究专业人士更加关注的重点。

“判断力”是Insight Out强调的另一个独特术语；许多研究人员喜欢坚持事实。让数据说话。

但无论是我们的利益相关者还是研究团队本身，在向利益相关者提供用户数据时，我们都必须做出很多判断。

例如，我的团队只有区区3名研究人员，却要支持大约20名设计师以及更多的产品/营销团队。我们根本无法为每个利益相关者提供定制化的洞察。

这迫使我们（以及我们更广泛的利益相关者）在测试什么和如何测试时运用最佳判断。

例如，我们有一个购车流程，大约有 5 个不同的产品团队负责。对他们端到端流程的每一个小部分进行临时的单独测试是没有意义的，因为在线购车体验并不成熟，测试人员很难介入其中。

因此，我们建立了一个季度测试项目，带领用户体验整个购车流程（结合现场测试和原型体验）。每个设计师/产品/开发团队都专注于各自负责的流程部分，并致力于更新，以便在下次测试时融入其中。虽然每季度一次可能感觉不够频繁，但它确实确保每个人都能获得稳定的用户洞察，从而为他们的路线图提供参考，而无需我们费力地处理一次性的测试请求。

此外，当出现类似的项目请求时，我们会做出最佳判断；我们不会对每个请求都说“是”，而是有时会帮助团队成员重新审视过去的访谈和用户测试会议，并通过新的视角对其进行评估。

我们会问这样的问题：

• 如果利益相关者从用户那里获得的见解与“真实”用户有 80% 的相似度，那么这足以实施吗？
• 我们可以使用涵盖前几轮研究的人工智能生成的摘要吗？或者我们是否觉得需要进行数据/文献审查？

虽然我们的团队很想帮助每个人获得最新的反馈，但我们实在没有足够的资源。所以我们必须做出很多判断，而且我从未听用户研究人员过多地谈论过这有多重要。

这也涉及到 Insight Out 演示文稿中不断出现的最后一个术语：直觉。

这似乎与研究结果相悖——我们应该阻止团队根据直觉做出决定，对吗？

但后来我开始回想起我在 UserTesting 专业服务团队工作的那些年，在那里我代表来自各行各业的客户执行研究项目。

作为一名较新的用户研究员，我真的很喜欢这个，因为我可以稍微了解一下电子商务、SaaS、汽车、酒店和其他行业中哪些方法有效（哪些无效）。

任职几个月后，我开始发现一些看似会造成摩擦的元素——语言不一致、CTA 按钮位置不当、设计层次不合理。我并不总是知道这些元素叫什么，但我猜想流程的某些部分肯定会出现问题。

很多次，我都是对的。

因为在某个时刻，你已经与用户进行了足够多的互动，能够认识到什么会导致他们犯错；你的直觉开始发挥作用，你会更加了解他们的需求以及他们的行为方式。

无论研究人员是否喜欢，我们都有它，我们的利益相关者也是如此——无论如何，那些花时间倾听用户意见的人。

当然，整个会议中最突出的话题是人工智能。

总的来说，用户体验研究学科似乎意识到他们需要接受它的使用并“学会与魔鬼共舞”，正如一位小组成员所说。

在收集和管理另一位小组成员所说的“最宝贵的公司知识产权——客户知识”方面，我们对人工智能寄予了相当厚望。

Dovetail 甚至分享了一个*概念*未来设计，其中您的客户数据将转换为具有人类外观的头像，让您可以与自己的客户知识进行交谈，就好像它是一个人一样。

根据我一整天的谈话，观众对此反应不太好，使用人工智能代表你进行调查或访谈的想法也是如此（我怀疑是因为对于大多数研究人员来说，与用户联系是这份工作最好的部分之一）。

目前，该领域似乎对将人工智能纳入我们工作的分析和报告阶段持更开放的态度。它在发现主题方面表现不错，但在更具生成性的工作中帮助不大——人工智能无法告诉你应该在哪里挖掘，或者确切地问什么问题，尤其是在涉及全新体验时。

就我个人而言，我发现人工智能支持的研究还存在一些其他方面的差距。研究人员需要处理许多情况，我不确定人工智能目前能否解决，例如：

• 捕获观察数据（人们点击的内容、他们悬停的位置、他们在哪个页面上、面部表情、肢体语言）
• 捕获误报（当测试人员自信地声称他们确切地知道某件事的含义或某件事的行为方式，但我们知道他们完全错了）
• 不了解团队内部的术语或背景（不面向公众的页面/功能名称、当前团队最关注或最热门的页面或功能等）
• 识别或解决“不合适”的情况——在筛选过程中虚假陈述自己的参与者（我们都见过那种通过胡扯来进入测试的人）
• 应对冷漠、讽刺或挖苦（“随便”或“你妈”的评论，“那太好了”等，而他们的意思恰恰相反）

也许我并不了解最新、最伟大的人工智能增强技术（这感觉就像是日常琐事），但在用户研究真正实现自动化以取代人们的工作之前，这项技术似乎还需要实现很大的发展。

那么，参加 Insight Out 2025 之后我感觉如何？

好吧，也许是因为跨越 3 个时区的红眼航班，但即使一周过去了，我仍然感到有点疲倦。

作为科技初创企业/快速成长型公司之外的人员，我们感觉适应的速度太快了。

我希望能看到和听到更多关于人工智能如何有效增强我们工作的实用指南、深入的用例或案例研究——虽然有很多关于人工智能如何使研究变得“自动化”的讨论，但为你的人工智能工具/助手撰写高质量的提示和计划，感觉做好这件事很重要。我想，我并不是唯一一个对如何与这个魔鬼共舞感到茫然的人。

更广泛地说，我得到的信息是，用户研究专业人士或许是时候超越工具和方法了。在快速变革的时代，赋能并展现决策、判断和直觉，可以让我们成为更优秀的研究人员和团队成员。

我期待2026年再次参加！