뉴스 정보 뉴스 컴퓨터 소프트웨어 및 개발 Min-jun (민준) 4월 6, 2025 0 Comments

AI-First Research에 반대하는 방법-Smashing Magazine

회사는 AI 중심의 사용자 테스트 인“합성”에 관심을 돌리고 있습니다. 그러나 편리한 것처럼 보이면 위험하고 비싸며 일반적으로 사용자 가치가 감소합니다. 정확히 문제가되는 이유와 실제 사용자와 UX 연구를위한 사례를 만들기 위해 어떻게 논쟁 할 수 있는지 자세히 살펴 보겠습니다. 당신의 스마트 인터페이스 디자인 패턴의 일부.

AI와 함께 회사는 최근에 관심을 끌고 있습니다. “합성”사용자 테스트 -UX 연구를 대체하는 AI 중심 연구. 거기에서 AI 생성“고객”이 AI 요원이“수행”한 AI 생성“고객”이 질문에 답변합니다.

그러나 AI가 사용 된 것은 책상 연구 나 발견만을위한 것이 아닙니다. 그것은 실제 “AI 페르소나”로 사용되는 유용성 테스트 인간 행동을 모방합니다 실제 제품 내 실제 고객. UX Research와 같습니다.

사용자없이 합성 테스트 또는 AI 생성 UX 연구를 수행하는 도구 중 하나. — 사용자없이 “합성 테스트”또는 AI 생성 UX 연구를 수행하는 도구 중 하나입니다. (출처 : 합성 사용자) (대형 미리보기)

이것이 걱정스럽고 혼란스럽고 외설적으로 들린다면 – 그러나 이것은 회사가 AI“Research”를 채택하여 비즈니스 결정을 주도하는 것을 막지는 않습니다. 의심 할 여지없이, 사업은 될 수 있습니다 위험하고 위험합니다비싸고 일반적으로 사용자 가치가 줄어 듭니다.

이 기사입니다 진행중인 시리즈의 일부 UX에서. 자세한 내용을 확인할 수 있습니다 디자인 패턴 및 UX 전략 Smart Interface Design Patterns에서 – 라이브 UX 교육이 곧 나타납니다. 무료 미리보기.

빠르고 싸고, 쉬운… 그리고 상상력

Erika Hall은“디자인은 비즈니스 모델이 허용하는 것만 큼 ‘인간 중심’만큼이나 ‘인간 중심’이라고 유명하게 언급했습니다. 회사가 크게 운전하는 경우 직감, 가정 및 강한 의견처음에는 적절한 UX 연구에 관심이 거의 없거나 전혀 없을 것입니다.

비즈니스 가치의 기회는 사용자가 어려움을 겪을 때 사용자 가치를 제공하는 것입니다. 에리카 홀에 의해. (큰 미리보기)

그러나 UX Research와 달리 AI Research (편리하게 호출 합성 테스트) 이다 빠르고 저렴하며 쉽습니다 다시 실행합니다. 불편한 질문을 제기하지 않으며 잘못된 가정을 표시하지 않습니다. 사용자 모집, 많은 시간 또는 장기 토론이 필요하지 않습니다.

그리고 : 그것은 관리 할 수 있습니다 수천 명의 AI 페르소나 한 번에. AI 생성 출력을 연구함으로써 일반적인 여행, 내비게이션 패턴 및 일반적인 기대치를 발견 할 수 있습니다. 우리는 사람들이 어떻게 행동하고 무엇을할지 예상 할 수 있습니다.

글쎄, 그게 큰 약속. 그리고 그것이 우리가 큰 문제에 빠지기 시작하는 곳입니다.

LLM은 사람들의 즐거움입니다

좋은 UX 연구는 뿌리를 내 렸습니다 실제로 일어난 일무엇이 아닙니다 ~할 것 같다 일어났다 ~할 것 같다 미래에 일어난다.

본질적으로 LLM은 가장 많은 것을 제공하도록 훈련되었습니다.그럴듯한”또는 훈련 데이터에서 캡처 된 패턴을 기반으로 한 출력. 그러나 이러한 패턴은 웹의 컨텐츠에서 추출한 통계적으로 “평균”프로파일을 통해 예상되는 동작에서 나옵니다. 그러나이 사람들은 존재하지 않으며 결코 가지고 있지 않습니다.

기본적으로 사용자 세그먼트는입니다 범위가 지정되지 않고 선별되지 않았습니다. 그들은 어떤 제품의 고객 기반을 대표하지 않습니다. 따라서 유용하기 위해, 우리는 사용자가 누구인지, 자신이하는 일 및 행동 방식을 설명함으로써 AI를 자중하게 프롬프트해야합니다. 그렇지 않으면 출력은 사용자 요구와 일치하지 않으며 사용자에게는 적용되지 않습니다.

모든 LLM은 환각을 주지만 새로운 모델은 요약과 같은 일부 작업에서 더 잘 수행됩니다. 자연에 의해. (큰 미리보기)

사용자 통찰력을 “생산”할 때 LLM은 우리가 이미 요구하는 것 이상으로 예기치 않은 것들을 생성 할 수 없습니다.

이에 비해 연구원들은 프로세스가 전개 될 때 관련된 것을 정의 할 수 있습니다. 실제 사용자 테스트에서는 통찰력이 도움이 될 수 있습니다 교대 우선 순위 또는 잠재적 인 비즈니스 결과뿐만 아니라 우리가 해결하려는 문제를 근본적으로 재구성하십시오.

진정한 통찰력은 왔습니다 예상치 못한 행동행동 적 단서와 감정을 읽는 것, 그들이 말한 것과 반대되는 사람을 관찰함으로써. 우리는 그것을 LLM으로 복제 할 수 없습니다.

AI 사용자 연구는 “아무것도 아닌 것보다 낫지 않습니다”

Pavel Samsonov는 고객처럼 들리는 것을 분명히 말합니다 ~할 것 같다 그들이라고 말하십시오 가치 없는. 그러나 고객이있는 것들 실제로 고유 한 가치를 지니고 있거나, 과장 될 수는 있지만) 우리는 그것들을 올바르게 해석하면됩니다.

AI 사용자 연구는 “아무것도 아닌 것보다 낫지 않습니다”또는 “더 효과적이지 않습니다”. 그것은 an을 만듭니다 고객 경험의 환상 그것은 결코 일어나지 않았으며 가장 좋은 추측이지만 최악의 오해의 소지가 있고 적용 할 수 없습니다. AI 생성 된 “통찰력”에만 의존하는 것은 찻잎을 읽는 것과 크게 다르지 않습니다.

기계적 결정 비용

우리는 종종 AI와의 자동화 및 지식 생성의 돌파구에 대해 듣습니다. 그러나 우리는 종종 자동화가 종종 비용이 발생한다는 것을 잊습니다. 일반적으로 기계적 결정 비용 무차별균일 성을 선호하고 품질을 침식시킵니다.

AI가 생성 한 일부 연구 질문은 유용하고 다른 연구 질문은 쓸모가 없습니다. Maria Rosala. (큰 미리보기)

Maria Rosala와 Kate Moran이 쓴 것처럼 AI 연구의 문제는 가장 확실하게 허위 진술그리고 실제 연구가 없다면, 당신은 그 부정확성을 잡고 수정하지 않을 것입니다. 실제 고객과 이야기하지 않고 결정을 내리는 것은 위험하고 유해하며 비싸다.

그 외에도 합성 테스트는 사람들이 잘 정의 된 상자에 맞는다 고 가정합니다. 인간의 행동은 우리의 경험, 상황, 텍스트 생성만으로 복제 할 수없는 습관에 의해 형성됩니다. 일체 포함 편견을 강화하고 직감을 지원합니다고정 관념을 증폭시킵니다.

통찰력을 검증하는 대신 삼각 측량

물론 AI는 제공 할 수 있습니다 유용한 출발점 과정 초기에 탐색합니다. 그러나 본질적으로 그것은 또한 거짓 인상과 검증되지 않은 결론을 초대합니다.

인간 연구로 시작합니다 실제 제품을 사용하는 실제 고객과 함께 수행하는 것은 훨씬 더 신뢰할 수 있습니다. 그렇게 한 후에도 여전히 AI를 적용하여 사용자 인터뷰에서 중요한 것을 놓친 것인지 확인할 수 있습니다. AI는 UX 연구를 향상시킬 수 있지만 대체 할 수는 없습니다.

가장 빈번한 사용 영역을 식별하기 위해 서로 위에 계층화하여 선형 고객 여정을 선형 선형 고객 여정합니다. John Cutler. (큰 미리보기)

또한 책상 연구에 AI를 사용하면“검증실제 사용자 테스트와 함께 “AI”통찰력 “. 그러나 일단 우리가 머리에 통찰력을 심는 후에는 실제로 존재하지 않더라도 사인을 쉽게 인식하기가 쉽습니다.

대신, 우리는 실제 고객을 연구합니다 삼각형 데이터: 제품의 클러스터 또는 가장 많이 인신 매매되는 부분을 추적합니다. 분석 및 AI 데스크 연구에서 가설을 확인한 것은 아마도있을 수 있습니다. 그것은 당신에게 그 과정에서 앞으로 나아갈 수있는 훨씬 더 강력한 입장을 줄 것입니다.