AI时代,你的用户研究工作流变了吗?

然而最近，这一格局正在被AI转变。一份由用研工具平台 Maze 发布的报告《The Future of User Research Report 2026》，调研了近 500 名研究者、设计师和产品人员，探讨了AI如何重塑用户研究实践，让工作流程变得更快、更轻量、并高度自动化。当然，速度并不是重点，研究报告也指出了AI无法取代用户研究中最重要的部分，即用户研究人员的“判断力、解读能力、战略思考与影响力”。

图片来源：https://maze.co/resources/user-research-report/?from=banner#ai-becomes-baseline

你还在纠结是否在你的研究流程中引入AI？你思考过你的研究流程中有哪些步骤可以由AI辅助嘛？近几年互联网上的AI新闻已经铺天盖地，AI技术发展也日新月异，对于很多研究人员来说，AI的使用可能已经不是选项了，而是基本操作。

调研显示，目前三分之二的用研人员已经在日常工作中使用 AI，比去年增加了 19 个百分点。从具体场景来看，数据分析（76%）、访谈转录（57%）、研究计划起草（56%）和研究问题生成（55%）是最常见的几类。63% 的研究者表示研究周转速度明显加快，60% 表示团队效率有所提升。相信大多数小伙伴对这些AI使用场景也有所体会，不管是日常团队沟通还是做研究，或多或少都尝试过使用Teams、腾讯会议等会议软件实时转录会议内容和纪要，使用Generative AI对海量的数据进行初步分析。

研究报告指出“AI 成了起跑线，判断力才是竞争力”。AI 接手了研究中的执行性工作，让研究者得以把更多精力放在更难被替代的部分。调研中，82% 的受访者认为”解读细微情感和语境”仍然是人类的核心能力，其次是”伦理判断”（80%）和”提出正确的问题”（76%）。也就是说，AI 加速了生产，但研究的价值判断、伦理把关、以及最终的问题意识，还是需要人来把关。这可能也是用户研究人员在AI时代的核心竞争力，如何建立并维护和用户的关系从而挖掘和共情用户的隐形需求；如何提升个人对研究问题、伦理和价值的判断力都将是核心课程。

另外，73% 的受访者表示”需要人工审查 AI 输出”是使用 AI 时最大的挑战。成熟团队的做法不是在流程末端补一道审查，而是把审查机制直接设计进工作流中，让 AI 的推理过程可追溯，让人工审核轻松可行。

报告指出“用研在组织中的位置正在移动”。2025 年，只有 8% 的组织认为用户研究对整体战略至关重要；到了 2026 年，这个比例增长到 22%，几乎翻了三倍。与此同时，41% 的团队表示研究现在不只服务于产品决策，也在影响更广泛的业务方向。

研究者的角色也随之演变。35% 的受访者说这个职业正变得越来越战略化，从执行层走向咨询和决策参与；33% 说越来越复合化，需要横跨产品研究和商业判断。报告把这个转变称为“从洞察生产者，到战略合作伙伴”。与这种影响力扩展相伴的，是问责方式的变化：用 KPIs 和 OKRs 追踪研究影响的团队，从 2025 年的 43% 增长到了 2026 年的 56%。研究的价值越来越需要被证明，不只是“我做了几项研究”，而是“研究改变了什么决策”。

这其实和我们之前提到的设计研究到底贡献了什么相对应。除了通过“几项研究”来体现工作的量，还需要明确指出“研究贡献”来体现工作的质，在提出研究问题、规划研究方法、收集分析数据时，需要提前思考自己的研究贡献是什么。如果想要了解更多关于设计研究贡献的知识，欢迎阅读我们之前的两篇推文：Erik Stolterman: 设计研究的三种贡献类型；做HCI研究，到底贡献了什么？

读到这里，或许你也在好奇，这些变化对用研从业者意味着什么？2026年的用户研究员需要培养哪些能力？报告指出，2026 年研究不再只是辅助决策的角色，而是在塑造组织如何设定优先级、如何投资以及如何增长。数据清楚地表明：研究的影响力正在增长，同时期望也在提高。如今的影响力不仅仅是让研究被看见，更在于塑造围绕洞察的叙事，在关键时刻影响决策，并赢得作为战略业务伙伴的长期席位。

在 2026 年表现出色的研究者，将更多地在“上游”开展工作：澄清模糊的需求，使研究与战略重点对齐，并将洞察转化为行动方向。他们会将用户需求与营收、留存和风险相连接，并建立系统，让洞察不止停留在一次汇报中，而是能够持续发挥作用、指导决策。

报告指出，最优秀的研究者“非常擅长看见‘问题背后的问题’：真正的利益相关者需要什么信息，这往往不同于他们表面提出的问题。他们用恰当程度的研究来满足这些需求，并将其提炼为清晰的行动建议，说明该做什么以及为什么。一旦做到这一点，你就会成为思想伙伴，而不只是嘈杂环境中的另一个信息来源。”

报告指出，2026年的用户研究人员需要“更清楚地知道自己的工作如何影响组织，并且有能力推动这种影响的发生”，并建议用户研究人员培养以下四种能力：

• 具备商业思维（Business-minded）：能够将研究发现与战略及可衡量的业务结果相连接；
• 精通 AI (AI fluent)：利用自动化提升杠杆效应，以小搏大，而不是降低研究严谨性；
• 跨职能 (Corss-functional)：在产品、市场和管理层之间影响决策；
• 以结果为导向 (Outcome-driven)：以实际影响衡量成功，并构建可规模化的体系。

当然，AI既能为用户研究带来更多的可能性，也在短时间内带来了更多的工作压力，面对不断攀升的需求、依然有限的资源，以及对“AI提速”的过度期待，如果没有合理的AI技能培养体系和系统的处理这些“AI挑战”，大家可能面对“一天一个变化”的AI工具感到非常“抓瞎”，没有期待中的“加速”，只有使用时的“混乱”和没有及时尝试时的“焦虑”。面对这些不确定，作为普通人，或许我们能做到的就是多学习、多思考、多尝试，“learn by doing”。

你在工作中是如何使用 AI 辅助用户研究的？有哪些实用的 AI 实践经验可以分享的？在使用 AI 的过程中，你是否也遇到过一些困惑想要交流？你还希望学习哪些与设计研究相关的 AI 应用知识？欢迎在评论区留言 👇

参考来源：The Future of User Research Report 2026，Maze (https://maze.co/resources/user-research-report/?from=banner#ai-becomes-baseline)