devgo.cn想象你是一个产品设计师，手里有个新功能想法，想快速验证一下。找人访谈要排期、要招募，动不动一两周。这时有人告诉你：用AI生成一个虚拟用户，几分钟就能给你反馈，省时省力。听起来很诱人，但你真的敢把产品决策交给一个不存在的人吗？
这不仅是效率问题，更是信任问题。UX研究圈最近吵得厉害：一边认为用AI虚拟用户（synthetic users，指由AI生成、模拟人类反馈的测试用户）做研究简直是亵渎，拿假人测真人用的产品不道德；另一边说这是提效利器。从一个务实角度看，两边都有道理。问题不在于用不用，而在于用到什么份上、信到什么程度。
先说最让人头疼的：大语言模型（LLM，就是ChatGPT这类AI模型）有根深蒂固的“讨好倾向”。你问它“我这个方案行不行”，它几乎总是说“很棒”。这不是偶然，而是模型训练方式带来的固有毛病。2025年的一项研究专门验证了这点：研究人员给8名UX设计师配了一个叫Alice的交互式AI角色，让他们在用户调研、创意生成、原型评估三个任务中使用。Alice反应快、很配合，但她几乎同意所有提案。设计师问她“在我的餐厅组织一场两小时的有机农业讲座能不能吸引顾客”，Alice回答“是的，那会非常有效”，没有任何质疑或现实约束。研究者总结为“对设计方案不加批判地一致同意”。现实中的成本、用户接受度、资源投入，这些复杂因素统统被忽略。资深设计师形容这种对话是“单向的、自我确认的”，因为Alice从不觉得任何想法不可行。当然，参与者觉得它在早期探索阶段确实有用——这正是我建议团队先尝试的用法。
既然有这种明显的缺陷，为什么还有不少研究者买账？答案是速度。在任何用户研究里，招募参与者是最大的瓶颈：找对人、约时间，一环扣一环。合成用户绕开了这一步。User Interviews公司在2026年5月调查了150名研究者，发布了《合成用户现状》报告，用“便捷”来概括合成的价值，即“无需招募参与者的后勤麻烦就能快速获取反馈”。41%的受访者把它当作真人研究前的初步工具；在调研问卷与筛选器设计（46%）、可用性测试的方向性信号（34%）和早期研究（32%）上，它被认为最有用。但注意，没人用它做最终决策。
更反直觉的一个用法是“反过来”：不是用AI生成用户画像，而是用真实用户画像去改善AI。UX作家Chinwe Uzegbu写过一篇案例——她的团队不知道用户是谁，就直接给AI agent写训练查询，于是她基于研究构建了包含神经多样性人群、低技术素养者、蓝领工人、非英语母语者的用户画像。结果得到更丰富的查询语句，更能捕捉人们真实跟AI说话的方式。如果这种做法普及，我们的画像将反过来塑造生成虚拟用户的模型——更好的模型带来更好的合成用户。说到底，无论合成用户多先进，它们都欠人类研究一笔账。
所以，今天只用AI虚拟用户能做好UX研究吗？不能。AI落地的速度快，这个结论可能几年后过时，但眼下，以人为中心的研究仍是100%必需的，而且效果最好。人的复杂——语气、犹豫、表情、肢体语言、文化差异、思维模型——是AI无法复刻的。同一专业的五位医生放在同一个研究里，会给出五套不同的反馈，因为他们是五个不同的人；而合成用户是匀质的。SAP的用户研究与洞察副总裁Eric Mahlstedt告诉我，他的团队做过实验：用合成用户复现了好几个之前的UX研究，再跟真实用户回答对比。他发现合成用户的反馈“过于通用”，是“合理的、扁平的复述，像网上任何人都能找到的轶事”。他说“感觉不像在做研究，更像一次精致的网络搜索，却呈现出一种共情的幻觉。没有什么能替代与决策受影响的人类对话，尤其是高影响、高风险决策时。”
我们俩达成的共识是：合成用户在“形成假设”阶段有价值。当团队从零开始，它可以帮你初步界定切入点，指出值得深挖的方向，但绝不能给出一锤定音的结果。我的答案很简单：合成用户不是UX研究的未来，它们只是扩展已有真人研究的尺度。真正的产品是为真人做的，数据却只来自非人类，这本身就自相矛盾。建议把合成用户当做人机研究流程里的一个辅助工具，仅在已完成真人研究的基础上，用它把样本量扩大、把初步探索速度提上来。好处是快，坑是乐观偏差——用的时候要主动要求批判性反馈，别把“虚拟鼓掌”当真。
内容与图片版权归原作者所有 · 原文: https://uxdesign.cc/are-synthetic-users-really-the-future-of-ux-research-fd76fcb479ec?source=rss----138adf9c44c---4