Accelerating Research with AI加速研究：AI如何輔助UX研究工作

以下內容詳細介紹了AI如何在不同階段幫助使用者體驗（UX）研究人員進行研究工作。我們也將探討哪些任務適合AI參與，哪些任務仍需人類主導。

AI如何幫助研究專案

AI工具在研究中的不同階段有著不同的作用。以下是一些關鍵階段及AI的能力和侷限性。

研究規劃（Planning Studies）

這是AI目前對UX研究幫助最大的環節。AI可以加速以下任務：

任務型別	AI能力	細節	需要注意
桌面研究（Desk research）	✅	啟動研究並收集資源	資訊不準確或引用錯誤
規劃中的頭腦風暴（Ideation）	✅	生成研究目標、方法選項、問卷或測試任務	不符合最佳實踐
檔案準備（Documentation）	✅	根據研究需要生成相關檔案，如同意書、觀察指南等	模板填寫錯誤

1. 桌面研究

AI可以作為研究的起點，幫助探索問題空間或主題，但它不能作為最終的資訊來源。AI在引用文獻和事實核查時有侷限性。例如：

在尋找有關日記研究的推薦文章時，ChatGPT提到了《Diary Studies: Understanding Long-Term User Behavior and Experiences》一文。雖然文章真實存在，但作者是Kim Flaherty，而非AI提到的Michelle Reiss Nelson（此人並不存在）。

提示：

始終要求AI系統提供原始文獻的引用，並親自核對這些來源。

使用專門的資訊檢索工具（如Perplexity或ScholarAI），但要記住，即使是這些工具也可能存在資訊偏差或誤報。

2. 規劃中的頭腦風暴

在研究規劃中，需要生成篩選問題、研究任務等創意內容。AI在這方面表現出色。

案例：我們要求ChatGPT為一個關於NN/g每週通訊的日記研究生成問題。

提示：

生成15個日記研究問題，然後從中選出5到10個最符合研究目標的問題，並按邏輯順序排列。

AI輸出（部分）：

今天你收到了哪些UX通訊？設定上下文並識別其他通訊進行比較。

你今天開啟了NN/g的通訊嗎？為什麼或為什麼沒有？探索使用者是否參與。

NN/g通訊中的哪些具體內容吸引了你的注意？深入瞭解哪些元素有效。

你今天閱讀NN/g通訊花了多長時間？評估使用者參與程度和時間投入。

提示：

要求AI遵循已建立的最佳實踐生成問題或任務。

最終結果需要專家稽核，確保符合研究目標。

3. 檔案準備

AI可以幫助快速生成研究相關檔案，如同意書、觀察員說明等。然而，使用AI時建議提供模板。例如：

案例提示：

根據上文提供的研究細節，定製一份同意書，並遵循所提供模板的格式。是否需要更多細節？

提示：

提供詳細模板，以減少AI出錯的可能性。

核對AI生成的內容，確保資料收集許可等重要資訊準確無誤。

研究實施（Conducting Research）

AI在研究實施階段的作用有限，特別是在使用者測試等行為研究中。

任務型別	AI能力	細節	需要注意
訪談記錄（Notetaking during interviews）	✅	實時記錄訪談對話	誤解內容或錯誤歸因
訪談進行（Conducting interviews）	❓	一些工具可以實時生成後續問題（如Versive）	深度洞察不足
使用者測試記錄/分析	❌	AI無法“觀察”行為測試	可能誤導使用者，聲稱具備此類能力

1. 使用者行為研究（如使用者測試）

AI無法觀察或分析使用者在介面中的操作行為。

例如，一些工具聲稱能夠自動分析使用者測試資料，但實際僅分析文字記錄，而無法理解使用者的實際操作。這不足以支援使用者行為研究。

2. 態度研究（如訪談）

AI可以作為訪談的備份記錄工具，比如Otter.ai可以實時轉錄和總結對話。然而，這類工具容易誤解上下文或重要資訊。

目前，少數工具（如Versive）可以實時生成個性化後續問題，但它們的洞察力仍遠不及人類。

提示：

考慮使用AI助手記錄訪談內容，特別是單人團隊時。

如果已有高質量的分析工具（如轉錄功能），可減少現場記錄需求。

資料分析（Analyzing Data）

AI在文字和數字資料的分析中非常高效，但仍需人類監督。

任務型別	AI能力	細節	需要注意
轉錄與總結（Transcribing）	✅	轉錄訪談並標註關鍵時刻	錯誤率因語言或口音不同而異
資料清理（Cleaning）	✅	刪除個人身份資訊	可能錯誤刪除重要資訊
資料聚類與初步編碼（Clustering）	✅	初步分類資料	分類不準確或過多“其他”類別
數字分析（Quantitative analysis）	✅	推薦統計方法並協助分析	錯誤的統計假設

案例：使用Dovetail分析訪談記錄，AI生成了資料聚類。但某些分類重複或過於籠統（如“其他”類別中包含大多數資料）。

時間戳與摘要功能

轉錄：AI工具（如Dovetail）能夠為訪談或錄音生成精準的文字轉錄，並附帶時間戳連結，幫助快速定位影片中的相關內容。

摘要：部分AI工具還會總結對話中的關鍵點，提供概要性資訊。

案例：Dovetail的轉錄功能生成文字記錄，同時右側顯示關鍵事件摘要。但這些摘要可能遺漏部分內容或誤解上下文。

1. 起草交付物

AI可以幫助生成初步的研究交付物，例如使用者畫像或使用者旅程圖。

功能：快速生成草稿，節省時間。

注意事項：

AI生成的內容可能包含虛構或不準確的資料。

必須確保所有生成的內容基於實際研究結果。

2. 文字潤色與修訂

AI工具可以最佳化語法、簡化內容並調整語氣，使報告更符合目標受眾的期望。

功能：提升內容的清晰度和易讀性。

注意事項：
- 輸出可能不完全符合受眾的溝通風格，需要進一步調整。
- 確保潤色不會改變研究結果的原意。

3. 總結研究發現

AI在總結研究儲存庫中的關鍵發現方面具有優勢，可為具體問題提供快速的簡要回答。

功能：快速提取和總結重要資訊，減少人工篩選的時間。

注意事項：
- AI可能生成錯誤或虛構的資訊，需要人工驗證。
- 針對複雜問題，研究人員需補充詳細解釋。

表格：研究報告中AI應用的具體場景

應用場景	功能	注意事項
起草交付物	生成初步的交付物，例如使用者畫像、使用者旅程圖等。	- 可能生成不基於實際研究的虛假資料或細節。- 必須核對生成內容是否與實際研究一致。
文字潤色與修訂	最佳化語法、縮短文字，調整語氣以適應目標受眾。	- 輸出內容可能與受眾風格不符，需進一步調整。- 確保潤色不會改變原意。
總結研究發現	總結研究儲存庫中的主要發現，併為具體問題提供快速回答。	- AI可能生成錯誤或“編造”資訊。- 需人工驗證總結內容的準確性。

4. 提高研究傳播與資料查詢

AI工具正在改進研究資料在組織中的傳播方式，透過自然語言查詢，AI可以快速提取並整合儲存庫中的相關資訊。

功能：

提升研究資料的可查詢性。

使用自然語言問題快速生成答案，而無需手動搜尋關鍵詞或分類資料。

注意事項：

AI回答仍需研究者核查，以確保其與實際研究一致。

複雜問題可能需要研究人員進一步解釋和補充背景。

示例：Notion AI的查詢功能允許使用者直接透過提問獲取儲存庫中的研究總結，例如：

問題：“我們的新聞訂閱使用者有哪些特點？”

答案：AI根據儲存資料生成相關總結，減少手動篩選的時間。