本文深入探討了如何將生成式人工智能（如ChatGPT）作為用戶體驗研究人員的理想同事。分享了利用這些工具加速研究過程、解鎖新方法的實際經驗，并提出了對使用AI進行UX研究的擔憂。文章不僅提供了實用的建議和示例，還鼓勵讀者思考如何有效地整合AI技術以提升研究質量和效率。

一、日常對話

我認為 ChatGPT 就像一位擁有近乎無限智慧和帶寬的同事。在我的商業應用世界中，領域專家很難找到，而且通常時間緊迫。

但 ChatGPT 幾乎是每個領域的專家，無論我的問題多么基本，它總是有時間陪我，而且總是心情愉快。這樣，它通?？梢猿洚?PM，快速洞察我們的產品領域（財務、供應鏈、商業等）、我們的用戶和我們的競爭對手。

它還可以有點像工程師，用簡單的方式解釋復雜的技術，幫助我了解我們的產品在技術上什么是可行的，什么是不可行的。

最后，它還可以充當研究同事，我可以和他交流關于研究方法和計劃的想法，甚至可以圍繞人工智能的含義進行更多發人深省的討論。

當然，這些人工智能同事的優秀程度取決于你給他們的提示，所以我想討論一下這位研究同事如何幫助加速現有的研究方法和解鎖新方法，然后談及我對其使用的一些擔憂和注意事項。

二、加速現有方法

1. 規劃

無論您認為自己知道研究的最佳方法，還是不知道從哪里開始，最好向其他研究人員征求意見。在這里，我喜歡給 ChatGPT 提供盡可能多的背景信息，而不會泄露任何敏感信息。

“我是開發 [解釋產品] 的團隊的用戶體驗研究員。目前，我們正在研究 [解釋功能或問題]?！?/p>

解釋一下你要做的事情：

我的團隊想知道：

– 人們如何……（例如，完成某項任務、對人工智能的感受等）

– 我們應該優先考慮哪些功能……

告訴它你想要什么：

– 您認為我應該使用什么方法？

– 你覺得我現在的計劃怎么樣？

我最近進行了一項研究，這項研究需要一種新方法，因為我們想看看用戶如何與兩個不同的人工智能語音助手互動，而實際上并沒有構建兩個不同的版本來獲取反饋。我解釋了我的理想方法及其局限性，ChatGPT 幫助我想出了一個替代計劃。

2. 執行

一旦確定了方法和總體計劃，就可以使用生成式人工智能來簡化執行。

我的團隊想了解一家中大型公司的制造經理需要完成的工作。您能針對該角色的 JTBD 提供一些假設嗎？

我想與多位制造經理一起驗證和完善這些 JTBD。您能幫我制作一個篩選器和問卷嗎？

如果您有以前的研究（角色、篩選器等）中的例子可以作為參考附加，則效果會更好，有助于保持一致性。

3. 分析：

完成研究并收集數據后，使用生成式 AI 來幫助您分析數據！當然，您需要特別注意對您的公司和參與者敏感的信息。確保刪除任何個人身份信息 (PII)，并以易于復制/粘貼或上傳的方式組織數據。我建議對參與者進行編號（P1、P2 等），并提供任何可用的人口統計信息（例如，他們的行業、職位或工作年限）。然后，如果您以相同的方式對他們的回答進行編號（Q1：P1、P2……Q2：P1、P2……），您可以要求回答與人口統計信息之間的相關性。

我進行了一項調查/一系列采訪，要求人們……您能幫我分析一下回復嗎？我正在尋找直接來自數據的引述支持的關鍵主題。

Q3 的回答和各參與者的背景有沒有什么關聯？

您認為我應該如何向團隊展示這些見解？您認為還有其他見解可能會引起他們的興趣嗎？

當然，你需要注意這里的不準確或夸大。根據我的經驗，事先清理和組織數據的過程應該有助于讓你了解生成式人工智能的響應中的趨勢和支持引述。

這個數字好像有點不對，我多算了一點/少算了一點。

我不認為該主題在數據中非常普遍。您是如何得出這一結論的？

是否有一些引言雖然不符合主題，但您認為對于團隊來說很重要？

內容很好，但我希望你改變格式，以便每個主題后面都放上支持引述。

解鎖新方法：

我最近完成了一個項目，我將數百項產品功能映射到單個用戶任務和這些任務所屬的待辦事項 (JTBD)，以及我們的用戶角色用于完成這些任務的 D365 應用、他們在執行任務時所戴的帽子以及對他們有益的 AI 類型。這使我能夠創建一個 Excel 電子表格，我的團隊可以對其進行篩選，以查看哪些類型的 AI 會對我們的用戶產生最大影響，哪些用戶角色和 JTBD 會受到最大影響。

由于涉及的應用程序和角色數量龐大，這種類型的項目通常需要數小時的研討會和與多位領域專家（通常是 PM）的異步溝通，而且由于信息和意見太多，很可能會失敗。不過，我能夠將信息輸入內部生成 AI 工具（類似于 ChatGPT），要求它將所有內容映射在一起，然后讓領域專家對其進行審查。當然，找出正確的提示并讓事情持續運轉需要時間，但通過記錄我的學習和提示，其他團隊很可能可以在很短的時間內實現這一目標。

此處提供簡化版本：

[插入客戶成功團隊定義的數百個 ERP 功能/任務]。

您能否創建一些用戶在完成這些任務時可能佩戴的“帽子”（分析師、數據編排員等）？

哪些類型的人工智能（自動化、內容生成等）可以支持這些功能？

以下是我們已經研究過的角色和 JTBD。您能否將每項任務映射到相關角色、JTBD 和他們在完成任務時可能扮演的角色，以及支持他們的 AI 類型？

我提到，我將其轉換為 Excel 文件，我的團隊可以輕松操作該文件以做出數據驅動的決策。

實際上，該文件最終變得太大且技術性太強，人們無法使用，因此我通常會為他們操作它并提供見解。然而，生成式人工智能也在這方面幫助挽救了局面，因為我最近構建了一個自定義 GPT，允許團隊用自然語言詢問有關數據的問題。

現在 GPT 了解了每個 Excel 列代表什么以及它們是如何映射在一起的，團隊成員可以簡單地問諸如“我們接下來應該關注哪個人工智能功能？”之類的問題，它會告訴他們，并指導他們在這樣做時要考慮的角色和 JTBD。

據我所知，人們對 UXR 中的 AI 的擔憂通常集中在兩個主題上：對我們自身工作安全的擔憂，以及對生成式 AI 的準確性和可信度的擔憂。我相信，AI 取代 UX 研究人員還需要很長時間，甚至永遠無法實現。

上述方法是加速現有方法甚至可能解鎖新方法（或不可行）的示例，但核心決策、數據收集和解釋仍然非常人性化。至于研究質量和準確性，我理解這些擔憂。

然而，即使 AI 支持的 UXR 準確率只有 60-70%，在我看來也比沒有好，尤其是考慮到我們今天需要的運作速度。特別是對于定性研究，固有的主觀性使得研究不可能 100% 準確，所以我寧愿做四五項準確率達到 60-70% 的研究，也不愿花時間追求一兩項研究的完美。

翻譯：蔣昌盛

原作者：Michael O’Sullivan

原文鏈接：https://medium.com/uxr-microsoft/generative-ai-the-perfect-colleague-for-ux-researchers-d0ff4a88e4c0