Dovetail 上的 AI 聚类数据
首先，我要说的是：人工智能永远无法取代真实用户的研究。 无论工具多么强大，它都无法提供与实际用户交流一样的洞察。然而，人工智能 可以 提高速度和效率，并帮助减少用户研究员工作流程中的一些人工开销。
一些人工智能工具多年来一直是研究过程的一部分——比如转录、自动标记或情绪分析。但2025年的前景会是什么样子？研究人员还能用什么来增强（而不是取代！）他们的实践？
每当我看到一篇对 AI 工具赞不绝口的文章时，我都会持保留态度。有时是赞助内容，有时推荐的人甚至连一半的工具都没用过。这篇文章不会是工具清单（顺便说一下，这里有 一个相当不错的清单 ！），也不会推荐什么内容。相反，我会分享我在工作中是如何运用 AI 的——哪些有用，哪些没用，以及我认为它的发展方向。
我将使用 NNg 的结构 来分享我的 AI 研究历程，将研究大致分为以下几个阶段：准备 → 运行 → 分析，并在此过程中添加任何额外的想法。
准备 人工智能可以加快部分准备阶段的速度，但并非全部。例如，用人工智能编写一份好的测试计划通常也需要同样长的时间。除非是非常简单的事情，否则我解释背景的时间往往比自己起草的时间还要长。
它 确实 有帮助的地方：
同意书和文档 ：标准化模板易于生成和定制。随着时间的推移，您甚至可能不需要人工智能——只需重复使用您最好的模板即可。 筛选问题 ：非常适合生成快速变化，特别是当您需要为不同的平台提供不同的音调/格式时。 招聘平台 ：一些工具现在嵌入了人工智能，可以根据标准或行为模式筛选参与者。这种方法可能存在一些问题，但正在不断改进。
开展研究 事情到了这里就变得有点不连贯了。如果是主持式会议，那么你仍然需要承担主要工作——掌控对话方向，通过后续问题深入探究背景。如果是无主持式研究，那么你已经知道结果会如何，而且研究会自行进行。而且，很可能你在这个阶段已经使用了一些人工智能工具：
转录 ：一项重要功能。大多数研究人员已经依赖 Otter.ai 等工具，但准确度参差不齐，尤其是在地区口音方面（英国口音尤其棘手）。 嵌入式工具 ：一些研究平台现在提供集成的AI功能（例如自动转录、基本标记）。虽然有用，但缺乏深度。
分析：人工智能有时能大放异彩的地方
Dovetail 人工智能辅助分析，由 Dovetail 网站提供。
我发现人工智能在这里 最 有用，但同时也是最需要谨慎行事的地方。
转录 ：必不可少。大多数研究人员已经依赖像 Otter.ai 这样的工具，但准确性参差不齐，尤其是在处理地区口音时（英国口音尤其棘手）。现在大多数研究平台都提供集成的 AI 功能，包括自动转录。虽然实用，但深度不够——即使可能需要修改部分内容，也非常适合初始阶段。通常，如果您正在研究特定主题，可以预先输入一些词汇，这样转录会更准确。 词云优于情绪分析 ：情绪分析通常不可靠——我见过它多次将中性短语错误地标记为过于消极或积极，从而扭曲了整体数据。另一方面，词云可以快速浏览常见的主题或语言，在分析初期尤其有用。 初始分组 + 主题划分 ：AI 可以帮助对早期主题进行聚类，或识别会话中重复的短语。这可以加快主题分析的第一阶段，让您对一些基本聚类有一个大致的了解，但请记住，聚类结果并不总是准确的。 摘要 ：如果将其作为初稿或起点，可能会很有用。切勿轻信其表面含义。AI 可能会忽略细微差别、语气，甚至完全误解其情感。在可用性测试中，AI 会选择哪些最有价值的见解也相当令人好奇——有时它并非你所期望的那样。 实际分析 ：不要外包。人工智能无法像研究人员那样观察语境、肢体语言或语气。如果您已经使用人工智能进行过基础工作（分组、引用等），那么您将更有能力进行更深入的研究——但最终的洞察仍然来自您。
报告
Breyta AI 驱动的搜索，由 Breyta 网站提供
人工智能可以帮助：
语法和润色 ：像转录一样，这是一种常见的用途，也是我经常依赖的。 报告模板 ：一些工具提供结构化的布局或框架，用于生成调查结果报告。非常方便，尤其是在时间紧迫的情况下。 研究库 ：更优的人工智能意味着更优的搜索，这对于研究库的使用和推广至关重要。因此，即使研究已经完成，任何人都可以随时返回并重复使用研究成果。
注意 ：不要让人工智能撰写整份报告。它通常会使报告显得过于学术或机械。如果你向认识你的人汇报，他们绝对会发现这份报告听起来不够真实。即使你与不太了解你的人分享这份报告，在这个时代，他们仍然很容易察觉到报告中人工智能的影子。
工具概况 最大的问题和挑战是，目前还没有一种适用于所有研究的人工智能工具。
您可能需要混合搭配：
Otter.ai 用于转录 用于分析的燕尾榫 、 冷凝器 或 小枝 Breyta 用于文档记录并将见解与产品工作联系起来 另外，还可以临时使用基于 GPT 的工具进行起草、总结和写作。
这绝不是市场上所有工具的详尽列表，市场上还有无数的工具。
一个很大的警告：这一切的成本 这让我想到了工具采用过程中的主要障碍—— 成本 。没有一个平台能够涵盖所有内容，所以你最终需要处理订阅、在工具之间切换，并处理分散的数据。 这会导致：
累计成本高 去中心化文档 切换环境或训练每个工具所浪费的时间
您可以在许多文章中找到有关市场上各种工具的更多信息，但我发现这篇文章非常有用。
最后的想法 人工智能不会取代研究人员。但它可以成为强大的助手——如果你知道在哪里以及如何使用它。我想再次强调——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样，关键在于平衡、专注，以及知道何时依靠自己的判断。
兰亭妙微(www.lanlanwork.com ) 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。我们建立了一个微信群，每天分享国内外优秀的设计，有兴趣请加入一起学习成长，咨询及进群请加蓝小助微信ben_lanlan
