ИИ-респонденты повторили вывод опроса об UX, но дали меньше разных ответов

16 октября 2026 года Nielsen Norman Group опубликовала сравнение ответов людей и ИИ-респондентов на открытый вопрос о названии работы в сфере UX. Как пишет группа, обе выборки привели к одному выводу: UX остаётся самым распространённым названием. Но искусственные респонденты предложили гораздо меньше альтернатив. Если в исследовании важны редкие ответы или различия между профессиональными группами, лучше опрашивать людей: совпадение главного результата не означает, что ИИ передал всё разнообразие взглядов.

Как сравнивали ответы

Исследователи вернулись к вопросу из прежнего опроса 604 специалистов по технологиям и дизайну. Участников просили назвать одну профессиональную область для работы, в которой человек изучает потребности и опыт людей, а затем превращает эти знания в рекомендации по развитию продукта или услуги. Тот же вопрос предложили 120 искусственным респондентам, созданным в феврале 2026 года с помощью платформы Synthetic Users.

Платформе передали план исследования, включая вопросы и критерии отбора. Искусственные участники должны были представлять специалистов разных профессий из разных стран. Synthetic Users назначала каждому профиль: в него входили возраст, местоположение, профессия, культурный контекст и другие характеристики. При анализе обе выборки обрабатывали одинаково. Если человек или ИИ называл несколько областей, исследователи отмечали все использованные термины, а не относили ответ только к одной категории.

При этом условия ответа различались. Люди заполняли опрос, а платформа имитировала интервью, поэтому искусственные участники часто отвечали длиннее. Иногда Synthetic Users меняла формулировку вопроса, добавляя, например, упоминание поведения людей. Даже такое небольшое изменение могло повлиять на выбор слов, и исследователи не исключают его влияния. Это ограничение самого сравнения: не всё в том, как платформа задаёт вопрос, оставалось под контролем исследователей.

Совпадение вывода скрыло разницу в ответах

В обеих выборках преобладали названия, связанные с UX. Но люди использовали более 50 разных обозначений, а искусственные респонденты — около дюжины. Среди человеческих ответов встречались редкие и узкие варианты, связанные, например, с изучением поведения потребителей или управлением клиентским путём. У ИИ таких необычных названий не появилось. Причём дело не в краткости ответов: интервью с искусственными участниками давали им больше возможностей перечислить близкие понятия.

Термины, связанные с UX, в искусственной выборке встречались на 14 процентных пунктов чаще, чем в человеческой. Исследователи признали разницу статистически значимой, хотя практический итог опроса от этого не меняется. Человеческая выборка и без того могла быть особенно хорошо знакома с термином UX: часть участников привлекали через каналы Nielsen Norman Group, а 67% опрошенных людей были UX-специалистами. Среди искусственных респондентов таких специалистов было 20% — доли профессий при создании выборки задали намеренно. Тем заметнее, что ИИ всё равно чаще возвращался к UX.

Профессия влияла на выбор слов и у людей, и у искусственных участников, но в ответах ИИ различия между ролями были менее выражены. Например, терминологию UX использовали 93% искусственных продуктовых менеджеров и 44% продуктовых менеджеров среди людей. Исследователи сопоставляют эту картину с mode collapse: генерация тяготеет к распространённым вариантам и не воспроизводит множество редких. Само сравнение не позволяет точно установить, почему искусственные ответы оказались именно такими.

Что это значит для практики

Если нужен предварительный ориентир по самому частому ответу, искусственные респонденты могут быть полезны. Но владельцу сайта, маркетологу или дизайнеру бывает важно услышать, как разные группы сами называют знакомую им работу, продукт или услугу. В открытом вопросе редкое слово — не обязательно лишний шум. Оно может показать различие, которое не видно за общим итогом.

Можно попросить генератор дать больше вариантов, но их количество ещё не говорит о достоверности. Важно и то, встречаются ли эти варианты у реальных людей, и то, насколько часто они встречаются. Без человеческих ответов это трудно проверить. ИИ-ответы годятся для предварительной проверки идеи; выводы о взглядах пользователей нужно подтверждать исследованием с людьми. Особенно если решение зависит от необычных формулировок или различий между аудиториями.

Моё мнение

Мне как начинающему дизайнеру этот результат напоминает: аккуратный общий вывод ещё не даёт полной картины. Когда работаешь над макетом, легко взять самое частое название и решить, что с формулировками всё ясно. Но редкий ответ человека может подсказать, где команда и часть аудитории понимают одну и ту же работу по-разному.

Я бы использовал искусственные ответы, чтобы подготовить вопросы и заметить вероятный общий паттерн. А прежде чем выбирать слова для интерфейса и передавать решение разработчику, захотел бы услышать людей. Иначе важная мелочь может потеряться ещё до того, как попадёт в макет.

Источники

Откуда новость. Текст — пересказ своими словами, факты — из источника, мнение — автора.

1. Synthetic Users vs. Human Respondents: Same Conclusion, Less Variation www.nngroup.com

Об авторе

Томаш Ф.

студент веб-дизайна

Учусь на веб-дизайнера в Брно и собираю портфолио из учебных проектов. Особенно интересно, как передавать макет разработчику так, чтобы важные мелочи не терялись.

Все публикации автора