dscout 探讨 AI 改变 UX 实践后保持相关性的十种方法

AI 不断拓宽 UX 研究的路径，使其对更多人来说越来越易于上手。作为一名 UX 从业者，有时可能会觉得难以跟上节奏——甚至不确定自己在 UX 研究流程中的定位究竟在哪里。 

Stevie Vanderwiel（Dscout 品牌与增长营销高级经理）与三位专家坐下来讨论了以下内容：

• UX 研究角色如何持续演变
• 哪些内容依然保持不变
• 当每个人都能更轻松地生成洞察时，你能带来什么独特的价值

嘉宾包括：

• Saeideh Bakhshi，OpenAI 定量 UX 研究员
• Beth Lingard，Lingard Strategy Studio 产品策略师兼顾问，前 Meta 研究总监
• Andy Warr，Dropbox 产品经理

本文基于网络研讨会《当人人都能生成洞察时，最重要的是什么？》整理而成。您可以 在此观看完整回放。 

引入 AI 后，哪些变了（以及没变）

瓶颈发生了转移 

多年前，云计算使得收集海量数据成为可能，从而将难点从记录数字转移到招聘能够解读这些数据的人才。如今，AI 正在做类似的事情，它消除了快速生成洞察的痛点。 

瓶颈不在于获取信息；而在于流程末端发生的事。现在的工作重点在于验证、复核质量以及综合所有输入的信息。

更多的洞察也意味着更多的噪音 

当数据几乎可以从任何地方提取时，拥有更多洞察实际上会产生大量额外的噪音。现在这项工作的一个关键部分是帮助团队弄清楚哪些洞察值得关注，以及我们是否提出了正确的问题。

UXR 仍需以用户声音为核心 

从噪音中筛选出高质量的信息仍然需要时间、细心和反思。即使数据收集变得更容易，研究人员也需要确保用户的声音不会淹没在所有的杂音中。

“UXR 需要确保用户的声音不会淹没在数据的海洋中。”

- Andy Warr，Dropbox 产品经理 

在变革中提升你的 UX 实践的 10 种方法

1. 通过深入思考用户提供价值 

尝试利用你的职位优势，跨越功能孤岛，关注整个用户旅程。虽然产品经理通常专注于特定的功能领域，但你可以通过跨团队视角来理解端到端的人类需求，从而提供价值。 

退后一步，提出关于实际要解决什么问题根本性问题，并帮助团队界定真正需要研究的范围。这种更广阔的视野有助于你发现单个产品团队可能忽视的体验缺口。

2. 在解释阶段提供专业知识 

将精力集中在解读研究发现的意义——尤其是当非研究人员使用 AI 快速获取摘要时。当自助工具针对同一数据吐出多种看似合理的解释时，这也是介入并理清冲突模式的好机会。 

这样做也意味着你可以作为专家审查员，为讨论带来急需的背景信息。你的解释层有助于决策者在风险较高时保持信心。

3. 关注真实客户并教育大家如何在大规模下理解数据 

让你的组织扎根于真实、鲜活的用户（尤其是当 AI 工具和 合成用户 让规模化数据变得诱人时）。请记住，如果团队不知道如何解读所见内容，更大的样本量并不自动保证更好的决策。你还可以教育你的跨职能合作伙伴如何负责任地理解规模化数据。这有助于你的团队避免虚假的安全感，并确保每个人都依赖经过验证的人类洞察。

4. 连接团队并更灵活地思考 

随着越来越多的人开展研究，充当连接不同跨职能团队的纽带，打破标准组织架构图的限制。你可以跟随用户的实际旅程跨越团队界限，并利用这些学习成果将不同的群体围绕人类成果凝聚在一起。灵活思考有助于确保用户体验的关键部分不会因公司结构的缝隙而遗漏。

5. 将焦点从单纯执行转移

• 深耕你的专业知识：加倍投入你的深厚领域知识和方法论，因为当基础任务被自动化时，这些将成为你最强大的差异化优势。将自己定位为处理混乱、复杂或高风险问题的首选专家，在这些场景中自助工具往往力不从心。
• 拓展你的能力范围：不要止步于向设计师或产品经理移交静态报告。通过获取用户反馈并直接构建或制作原型以进行下一步的用户测试，来扩展你的操作范围。
• 在流程和工作中保持适应性：尝试 AI 工具并重新构想你的标准研究步骤，而不是僵化地固守传统时间表。专注于核心研究原则，同时放下程序性约束，以保持实践的敏捷性。

6. 知道何时放慢节奏 

请记住速度并非策略，并在需要时允许你的团队放慢脚步。提出简单、务实的问题，如“我们在为谁解决这个问题？”，以鼓励每个人暂停并反思。放慢节奏可以防止高风险决策仅因自动化工具生成快速答案而被仓促做出。

“一些最重要的阶梯式创新来自于放慢速度和深入思考。让事物稍微喘口气。”

- Beth Lingard，Lingard Strategy Studio 的产品战略家和顾问，前 Meta 研究总监

7. 始终优先考虑同行评审 

借鉴软件开发人员的做法，为你的研究工作建立同行评审习惯。在启动研究设计和调查机制之前，请同事进行审查，通过反馈提升整体质量。随着 AI 接管繁重的执行任务，利用多出来的时间在公司范围内建立质量检查机制。

8. 在界定范围和解释阶段提供价值 

将精力从基本的数据收集和整理中转移出来，因为这些工作 AI 可以轻松自动化。相反，专注于研究过程的首尾两端：在界定阶段提出正确的问题，以及在解释阶段得出可操作的含义。掌控这些关键阶段使你能够将原始研究转化为你可以自信支持的正确产品选择。

9. 为自己定义更高的层级 

AI 已经自动化并简化了许多重复性的研究工作。与其耗费精力捍卫传统的角色边界，不如顺应当前的变革，迈向更高层级的战略性工作。清除战术层面的琐碎事务，能腾出空间让你塑造更大的业务和产品决策。

10. 拥抱不确定性 

面对这些重大变革，很容易感到恐惧甚至存在主义式的焦虑。试着发挥你以人为本的训练优势，以好奇心而非恐惧来应对这些变化。你可以利用这一不断变化的格局作为机会，获取新技能或探索相邻领域，如产品管理、设计或数据科学。

“我们的护城河从来不是关于 UX 研究本身，即通过工具、方法和途径所定义的那种研究。

我们的护城河在于理解用户，并将这种理解带入产品中。这一点正变得越来越重要。” 

- Saeideh Bakhshi，OpenAI 的量化 UX 研究员

总结

UX 研究实践的持续普及最初可能感觉像是对你工作的威胁。但你的经验和专业知识对于 QA、治理、保障、咨询以及促进公司范围内的协作比以往任何时候都更为重要。 

利用这一变化作为契机：

• 保持好奇心，持续学习
• 在研究的初期和洞察解读阶段提供更多指导和专业知识
• 将用户声音置于核心地位，减少噪音干扰 
• 放慢脚步，倾听内心的指南针，判断哪些方法、数据和洞察最具影响力