AI时代有个不得不回答的问题“现在AI这么厉害,还有必要做用户研究吗?”,说实话,第一次听到这个问题的时候,我并不意外,因为如果只是获取信息,AI确实已经很强了。
所以,想了解行业趋势?
问AI。
想了解竞品情况?
问AI。
想了解用户需求?
很多人第一反应也是问AI。
于是越来越多企业开始产生一个想法:既然AI几分钟就能给出几十页分析报告,那为什么还要花时间访谈用户?这个问题看起来合理。但如果真的做过用户研究,你会发现:
AI很擅长回答问题,但用户研究真正寻找的,往往不是答案。
近期有一家制造企业找到我们,他们准备重构内部设备管理平台,在项目启动前,客户已经用AI做了大量调研,包括:竞品分析、行业趋势、功能建议、用户痛点挖掘,累积整理出来接近一百页内容。
在研讨会上客户说:“这些资料已经很全了,是不是可以直接开始设计?”
是的,从纸面上看,确实很全,但真正进入现场后,我们发现了另一件事,维修工程师在巡检设备时,经常把数据先记在纸上,回到办公室之后再录入系统。
为什么是这样?
其实AI给不出答案,即使给出了答案也会有很大偏差。( 切记不要100%相信AI )

首先因为这个问题根本不会出现在公开资料里,后来跟着工程师跑了半天现场才知道。
A. 设备间网络信号不稳定,戴着防护手套不方便操作平板。
B. 有些区域光线很暗,输入效率很低。
所以大家选择先记纸笔,这个问题如果不去现场,永远不会出现在调研报告里,而它恰恰决定了整个产品设计方向。
这是很多人对用户研究最大的误解,他们认为用户研究就是问用户:你想要什么?实际上不是。
很多年前做一个企业采购系统项目。
访谈时,采购人员一直强调:“希望系统增加更多筛选条件。”听起来很合理,如果直接按照需求设计,可能真的会增加几十个筛选项。
但继续观察之后发现,问题根本不是筛选能力不足,而是采购单命名混乱,数据分类混乱,很多记录重复。
所以大家只能不断筛选,如果把数据结构整理好,大量筛选需求自然消失。用户给出的往往是解决方案,而不是问题本身,真正的用户研究,是发现问题,而不是收集需求。
但不知道用户为什么这么做,这是两者最大的区别。AI擅长总结,擅长归纳,擅长从大量信息中提炼规律。
但AI获取的信息,大部分来自已经发生过的内容,而用户研究最有价值的部分,往往来自那些没人说出来的东西。
例如:
1为什么销售不用CRM?
2为什么仓库主管维护自己的Excel表格?
3为什么审批流程总被绕开?
4为什么员工培训结束还是不会操作?
这些问题很少有人主动告诉你,甚至连用户自己都解释不清楚,只能通过观察、跟踪、验证,而这恰恰是用户研究的核心价值。
AI虽然不会改变用户研究,但会改变工作流,这两年我们自己的工作方式也发生了变化,以前做用户研究。
大量时间花在整理录音,整理访谈记录,归纳观点,制作报告。
现在这些工作AI已经能完成大部分,原来需要两天的整理工作,可能几个小时就能完成。
这是一件好事。
因为研究人员终于可以把更多时间放在真正重要的事情上。
例如:
1去现场。
2观察用户。
3发现异常行为。
4验证假设。
5理解业务。
这些才是最难被替代的部分,未来被AI取代的不会是用户研究,而是低价值的用户研究。
对于那些:
1只会发问卷。
2只会整理数据。
3只会堆报告的研究方式。
传统的用户研究的价值会越来越低,而真正深入业务场景的研究,反而会越来越重要。
其实已经不是“用户”而是“工作”本身,这些年做企业软件项目,我越来越少说“用户研究”。更多时候会说:工作研究。因为企业软件和消费产品不太一样,员工使用系统并不是因为喜欢,而是因为工作需要。
所以很多关键问题并不在用户身上,而在工作本身。
例如:
1这项任务为什么存在?
2这一步审批为什么存在?
3这份数据为什么要录入三次?
4这项工作有没有可能自动完成?
5这些问题背后研究的不是人。
6而是组织如何运转。
7而这恰恰是AI最缺乏的真实世界信息。
如果只是获取知识,AI已经足够强大,如果只是了解行业,AI甚至比很多咨询顾问更高效。
但如果你想知道:
1员工为什么不用系统;
2客户为什么放弃下单;
3用户为什么绕过流程;
4产品为什么上线失败;
那么你最终还是要回到现场,回到真实用户身边,因为很多最重要的信息,从来不在报告里,也不在搜索结果里,而是在人们每天工作的过程中。
AI时代来了,用户研究不会消失,只是它的价值正在发生变化,未来最有价值的研究,不再是收集答案,而是发现那些连问题都还没有被说出来的问题。
---
维好维可UIUX设计公司
专注企业级UX设计与数字化产品体验设计,服务涵盖SaaS系统、ERP、CRM、工业互联网平台、智能终端HMI、APP及小程序,已为100+企业交付280+专业设计项目。
---