- Синтетические пользователи – созданные ИИ персонажи, с которыми можно разыграть исследовательское интервью.
- В проверке NN/G ответы ИИ оказывались поверхностными и чрезмерно благожелательными. Таковы результаты конкретной проверки, опубликованной в 2024 году, а не оценка всех моделей 2026 года.
- Я бы использовала ИИ-респондента, чтобы подготовить вопросы и наметить гипотезы. Его согласие с идеей не считаю основанием для редизайна.
Самый удобный покупатель никогда не приходит в магазин
В UX Roundup от 25 сентября 2026 года Якоб Нильсен выделил синтетических пользователей как собеседников, с которыми можно обдумывать дизайн. В разобранном им примере виртуальные посетители музея подталкивали дизайнеров пересматривать решения. Только вот совпадают ли их реакции с поведением настоящих посетителей, оставалось непроверенным.
Мне нравится эта граница: собеседник помогает подумать. На должность покупателя я бы его пока не принимала.
Соблазн понятен. Описываешь нейросети аудиторию, задаёшь роль и начинаешь беседу. Никаких переносов встречи. Просишь пояснить ответ – немедленно получаешь ещё страницу. Мечта исследователя, особенно если настоящий респондент ответил «обычно» и задумался.
За этой многословностью легко забыть, зачем мы вообще затевали разговор. Хотели узнать, что происходит с людьми при выборе товара, а получили текст, похожий на ответ покупателя. Для меня как редактора это разные материалы. У рассказа человека нужно проверить происхождение; сгенерированное предположение ещё предстоит проверить на людях.
Когда интервью получилось, а исследование – нет
Мария Розала и Кейт Моран из Nielsen Norman Group сравнили ответы Synthetic Users и ChatGPT с материалами трёх ранее проведённых исследований с людьми. Проверяли именно интервью; результаты опубликованы 21 июня 2024 года.
Один сбой особенно красноречив. Реальные участники исследования онлайн-обучения рассказывали, что начинают курсы и не заканчивают. Синтетические отвечали, что прошли все взятые курсы. Получился удивительно дисциплинированный учебный мир.
В списках потребностей тоже не хватало глубины: виртуальным собеседникам было важно почти всё, а попытки расспросить их подробнее не давали нужной конкретики. Выбирать приоритеты по таким ответам оказалось трудно.
Этот тупик мне интереснее спора о том, насколько естественно звучит нейросеть. Допустим, ответ отредактировали до полного правдоподобия. И какую задачу покупателя мы теперь понимаем лучше? Всё ещё надо выяснить, от какой функции можно отказаться и что перевесит при выборе.
Без этого у команды на руках хорошо написанный документ, а опереться при принятии решения всё так же не на что. Причём документ может мешать: аккуратные абзацы выглядят убедительнее честной пустой ячейки «пока не знаем».
Распространять выводы той проверки на все сегодняшние модели я бы не стала. Но и новому инструменту верить на слово не хочу: сначала покажите, что его ответы совпадают с опытом нашей аудитории.
Одобрит ли он доставку дроном
В той же проверке NN/G виртуальному медицинскому представителю предложили приложение для доставки образцов врачам дронами. ChatGPT расписал преимущества и выразил готовность пользоваться решением. Исследователи отмечали, что такая обратная связь была благожелательной и расплывчатой.
Дрон ещё никуда не полетел, а презентация уже почти готова.
Я бы остановила обсуждение на слове «пользоваться». Что именно мы собираемся проверить: интерес к идее, неудобство текущей доставки или готовность изменить рабочий процесс? Это же отдельные вопросы. Красивый ответ на первый не закрывает остальные.
Здесь я строга: одобрение ИИ-респондента я не принимаю за основание для редизайна. Если задача – придумать, что проверять дальше, такой помощник уместен. От него требуется расширить список предположений. Правдоподобная версия возможной проблемы для этого годится.
На репетицию можно
В руководстве NN/G по ИИ в UX-работе авторы подходят к вопросу с практической стороны: где именно инструмент помогает и как его применять. И отдельно предупреждают: работа не станет качественнее или эффективнее от одного лишь присутствия ИИ.
Я бы для начала поручила ему отредактировать вопросы. Например:
Проверь вопросы интервью о выборе доставки. Найди формулировки, которые подсказывают желательный ответ. Предложи вопросы о последнем реальном заказе. Отдельно перечисли предположения, которые мы пока ничем не подтвердили.
Дальше – ручная работа. Вместо «Вам было бы удобно выбирать время доставки?» я оставила бы «Как вы выбирали доставку в последнем заказе?». Потом попросила бы человека восстановить обстоятельства: какие варианты видел, что выбрал, от чего отказался.
Если хочется побеседовать с синтетическим покупателем, я отвела бы ему роль партнёра на репетиции. После разговора сохранила бы вопросы для людей. Ответы подписала бы: «Сгенерированные предположения» (чтобы потом не принять их за находки исследования).
И заранее записала бы, какое наблюдение заставит меня отказаться от идеи. Например, если мы предполагаем, что условия доставки непонятны, я предложила бы покупателям найти их в прототипе. Справляются – значит, предполагаемую проблему нужно пересмотреть. Предпочитаю узнать это до того, как вся команда влюбится в новый экран.
Что с этим делать
У CRT есть опыт экспресс UX/UI-аудита личного кабинета и маркетплейса экосистемы «Космос»; эксперименты с синтетическими пользователями этому кейсу я не приписываю. В подобных задачах я бы настаивала: у каждого вывода должно быть видно, откуда он взялся – из замечания эксперта, предположения ИИ или наблюдения за людьми. Если планируете редизайн, начните с того, какие свидетельства у вас есть в пользу проблемы, – с этим вопросом можно прийти в UX/UI-дизайн CRT.
