夜雨聆风
作者：陈怡，CCF® CMLF®
前期访谈是工作坊筹备的核心前置环节，直接决定需求挖掘深度、目标定位精度与方案落地效果。传统人工访谈模式，易受个人思维局限、精力限制影响，存在提纲设计片面、观点遗漏、内容整理低效等问题。
本文结合SFI研究院社群的战略定位和发展规划工作坊实战案例，谈谈AI全流程介入前期访谈的实操步骤、工具搭配、人机分工与成效的心得体会，也欢迎各位同行文末交流探讨。
案例背景
本次服务对象为引导师社群“SFI研究院”。2024年社群吸纳10名引导师组建课题小组，各组自主立项研究，按月开展分享交流。后续多数课题陷入停滞，仅少数小组持续运营。发起人伍老师决定在2026年举行一场定位与发展规划工作坊，听听研究员们对社群定位有什么想法，并就接下来如何开展研究做一个规划。我担任了这个工作坊的引导师。
作为研究院的一员，我也有不少疑问：“定位”到底指什么？是使命、愿景，还是社群的生态位？这次工作坊要覆盖多长的时间规划？既然参与者日常参与都有难度，他们会来开会吗？他们会有激情参加讨论吗？
带着这些疑问，我决定先让AI帮我理一理。
第一步：用AI梳理模糊的困惑
在访谈发起人之前，我先用AI做了一个自我预习。我用了两个工具配合使用：搭载引导技术专业知识库的Ima智能体和DeepSeek。
我问Ima一个问题：“在社群语境下，请就定位这个主题，帮助我理清它可能包含的几个层面？”Ima的回答帮我梳理出三个维度：使命层面（我们为什么存在）、生态位层面（在同类社群中我们有什么独特性）、身份层面（我们是一个学习社群还是研究社群）。这三个维度成为我后续设计访谈问题的基础框架。
我还问了一个问题：“在了解发起动机方面，除了问遇到了什么挑战，还可以问哪些问题？”Ima给出了“机会”这个角度。为什么是现在做这件事？有什么新的外部机会让这件事值得投入？这个机会视角，后来被融入了工作坊的流程设计中。
对于谁来参加会议，也就是“谁是对的人”，Ima提议邀请一些外部专家，让会议有充分的专业信息。当然，我不会直接采纳谁来参加，但经过和Ima对话，我认为这是一个非常重要的问题，值得特别提出。确实，这个问题是伍老师认为在当天访谈中最有启发的问题。于是，在访谈之后，我们先进行了研究院原研究人马的内部意愿征询（是否愿意留下），再公开和定向招募今年有意愿加入的新研究员。在新的研究人员组建完毕之后，再开始工作坊。
在这个过程中，我的收获是：把AI当作你的咨询师。在访谈之前，不妨先把自己所有的疑问列出来，让AI帮忙打开思路，跳出固有思维。
第二步：设计访谈提纲，访谈发起人，初步确定VPOI
梳理清楚思路后，我开始准备面向发起人的访谈提纲。
有了前期与Ima的对谈，我很快列出了与伍老师的访谈提纲，之后让DeepSeek优化提问方式，修改措辞，调整访谈顺序。就关键的问题，假设了可能的回答，并请DeepSeek就追问的角度给出一些参考话术。虽然这些准备在后续访谈中未必全部用上，但这个准备过程，让我自己对工作坊的全景地图有更多的想象。
访谈结束后，我请DeepSeek“请根据以下访谈文档内容，整理出访谈共同达成的关于这个工作坊最终的目的和产出要求，以及前期准备工作和分工。”很快就形成初步的VPOI等信息。我反馈给发起人，并在确认之后，进入访谈研究员环节。
第三步：设计参与者访谈提纲，访谈参与者
对于参与者（研究员），我需要了解他们加入研究院的动机、对工作坊目标的了解、对主题的看法和困惑、对会议的期待和任何参会建议。我把之前与发起人的全程对话和访谈结论发给DeepSeek之后，请它：“请设计一份针对新组建团队成员的会前访谈方案，需包含访谈对象分类和具体的访谈提纲。”。它给出了14个通用问题。在每个问题后面，附上提问目的、适合对象分类说明和注意事项，非常细致。但14个问题对于半小时的访谈来说太多了。考虑到问题与工作坊目标的直接关联度和访谈时间限制因素，我最终选择了其中的7个问题。
当我用这7个问题去访谈时，不止一位受访者说：“这些问题挺好，能不能也发我一份？”。从侧面来看，AI协助问题设计是成功的。
第四步：依次整理参与者访谈报告（边做边迭代）
这次我改变了过去把所有访谈结束后再集中整理的习惯，而是每完成一个访谈，立刻让AI整理分析，形成单人报告。
我将原始文字版访谈记录输入DeepSeek，并提示它完成“以下是对一位老研究员的访谈记录，请根据内容梳理出她对本次工作坊的具体期待、可能的贡献，以及对工作坊的建议。如果我要设计出真正能满足团队需求的工作坊，哪些关键诉求是必须重点考虑并解决的？”DeepSeek为我输出一份个性化访谈分析报告，里面有很多深层洞察。比如在对第一位受访者访谈之后，在DeepSeek的分析报告中，特别强调了一个点：本次工作坊要把“为什么需要这群人在一起研究课题”这个问题聊透。这让我联想到，正因为研究院之前没有对这个问题一起探讨和共识过，所以研究员们最多只能感觉到自己所在的课题小组内部的价值但感受不到整体的意义的原因所在。
如果不是AI特别强调这一点，我大概不会特别关注这一点。在后续和其他受访者的访谈中，我去验证这个问题是不是特别重要。经过多人访谈，发现这是一个大家都非常关心但同时又有疑惑的事情。而这个议题是最初DeepSeek拟定的访谈提纲中没有的。经由对这个问题的访谈，我获得的信息，对我后续设计工作坊的流程非常有帮助。
在这个环节，我的收获是：用好AI工具可以让前一个人的洞察成为后一个人的追问来源。在数据分析上，AI可以帮助快速提炼亮点，这需要我们保持敏感，把亮点变成下一个问题，从而迅速调整下一轮访谈的提问方向，确保后续访谈能挖掘更深层的关键信息。
第五步：整合所有参与者访谈，形成报告反馈给发起人
在参与者的访谈全部完成后，综合所有受访者信息，进行隐私处理后，制作一份逻辑清晰、维度完整的分析总报告。
我让DeepSeek：“现在访谈已经全部完成，请按以下维度整理出一份访谈分析报告：动机图谱、共识清单、分歧/模糊点、兴趣分组、风险提示、关键议题，提供给发起人参考。”提示词中的这些“维度”来自我与DeepSeek在问卷设计对话时的生成。这里，我只需将其之前的设计粘贴过来，保持一贯性。
第六步：重新调整工作坊目的与产出，形成A表基础信息
基于参与者访谈结果，我修正了最初与发起人对齐的VPOI，形成A表基础信息，以确保工作坊目标符合多方利益相关者的真实诉求，之后反馈给发起人。
将完整的访谈洞察报告输入Ima，让它梳理并调整工作坊的背景描述、核心目的、预期产出信息。“以下是我对新老研究员前期访谈的报告，请你根据以下内容，重新调整工作坊的背景、目的、产出描述，如果你认为有必要的话。”
最终，我再次审核、微调Ima形成的初稿，形成最终的A表，确保目标反映多方共识。
第七步：生成参与者访谈报告摘要
之后，我让Ima“请你根据前期访谈报告，整理成一个比原访谈更加简约的《参与者访谈报告摘要》，隐去所有被访者的姓名，保护隐私。”而后，让Ima完成自检并告诉它“该简版是否适合发给参与者？是否有助工作坊目标？”由AI自我论证并确认最终版本。
最终，形成一个经过脱敏、内容精炼、适合发给全体参与者阅读的摘要版报告，确保信息易读且不冗长，作为工作坊前提供给参与者的信息。
启发
回顾整个实践，AI在前期访谈中的价值主要有：
1、节约时间
从访谈到形成报告的过程，AI帮我省去了大量整理、归纳、提炼的时间。这让我把精力从重复性劳动中解放出来，得以投入到更关键的任务上，比如判断哪些洞见是真正重要的、如何与发起人进行二次对齐，以及基于访谈发现动态调整工作坊设计。
2、把模糊的困惑变成清晰的维度
在这次实践中，对于定位的三个维度、机会视角和流程设计，就是借助与AI对话而逐步清晰的。这个过程像一面思维的镜子，把我脑子里模糊、零散的想法，映射成清晰、结构化的思考路径。
3、成为访谈的迭代分析搭档
AI能否做到现场实时辅助，如提醒你下一个问题该问什么？现有工具能做到的是事后总结，但做不到实时提醒（也许是我孤陋寡闻，欢迎知晓的读者分享给我）。我的做法是每做完一个访谈立即分析，用于下一次访谈的迭代优化，也算是阶段性的持续分析吧。从受访者的原始声音中，AI还会敏锐地捕捉并放大给我某些信息；这和自己在现场对于情绪的捕捉、背景联想、直觉判断，可以形成相互验证。
4、不同工具的组合，提升访谈效果
我同时使用了两个工具，让Ima智能体提供专业框架和判断，让DeepSeek优化语言和整理文字，两个工具配合使用。前者是一个懂我的专业助理，对引导和战略工作坊的理解更专业、更准确；后者语言组织能力强，在文字整理和报告生成上表现出色。两者配合使用，效果挺好。
（本文基于我在“引导师如何利用AI”课题组5月例会上的分享整理）
系统引导传习院
Systemic Facilitation Institute
惜光者聚✨拾光同行
