AI 辅助访谈是指在实时的半结构化访谈中，由 LLM 向人类访谈者建议追问问题。Zhang 及其同事在 2026 年的一项研究中让 17 名访谈者在这一情境下开展访谈，发现其风险主要不在于问题质量，而在于尊重、问责，以及当 AI 在“旁听”时究竟是谁在承担暴露风险。
\n\n研究者并未部署真实的 AI 追问助手，而是采用“绿野仙踪”（Wizard-of-Oz）范式对其进行模拟。根据 Zhang、Liu、Guan、Cai 和 Carroll（2026）的描述，每场实验包含三个角色：研究受访者担任主访谈者；一名研究人员扮演被访者（“Oz”）；另一名研究人员（“Wizard”）在被访者每次回答后向 GPT-4o 请求一到三个候选追问问题，再有选择地转述或修改。主访谈者听到这些建议时，会以为它们来自一位协同访谈者。
\n\n这一设计至关重要。它保留了大多数 AI 访谈试点悄然去掉的环节：由一个人当场判断，机器生成的问题是否应该被提出。论文将其称为“LLM-in-the-loop”——模型负责提议，人负责定夺。
\n\n样本为 17 名访谈者（10 名女性、7 名男性，年龄 21–35 岁），定性研究方法经验参差不齐：10 名新手，5 名中级（发表过 1–3 篇经同行评审的定性研究论文），2 名高级（3 篇及以上）。作者明确指出，样本偏向新手和中级研究者。
\n\n有一个方法论选择值得特别指出，因为它影响了后续所有结论。受访者首先在未被告知问题来自 LLM 的情况下评估这些追问，之后才被告知真相，并被要求反思伦理与责任问题。因此，这项研究同时捕捉到了“不知情”时的直觉反应和“知情”后的判断。
\n\n受访者提出了五类相互关联的担忧。它们值得作为一个整体来理解，因为每一类都从不同角度回答了同一个问题：“一旦出错，代价由谁承担？”
\n\n| 担忧 | 实践中的表现 | 谁承受伤害 |
|---|---|---|
| 有害或歧视性语言 | 模型生成“非常怪异的言论”、歧视性措辞，或越过访谈者本不会越过的边界的问题 | 被访者 |
| 尊重受损 | 访谈者的注意力在人与屏幕之间分散；非言语线索被忽略 | 被访者 |
| 参与不平等 | 技术门槛将部分人排除在外——论文将此描述为基于知识的歧视 | 潜在受访者 |
| 责任不清 | 当 AI 生成有害内容时，没有人明确负责——模型供应商、研究者还是机构 | 无人承担，而这恰恰是问题所在 |
| 隐私与合规 | 会聆听、录音或转写敏感内容的 AI 带来信息泄露与监管风险 | 被访者与机构 |
因为这是一种再好的提示词也无法消除的代价。第一类担忧——模型产生不当语言——是可以通过工程手段解决的问题：可以过滤、约束和审核。第二类则是结构性的。一位正在阅读 AI 建议的访谈者，从定义上就无法全神贯注于面前的人。研究中的受访者将这种注意力分散体验为对被访者的不尊重，同时也意味着丢失了非言语信号——而正是这些信号告诉经验丰富的访谈者何时该追问、何时该停下。
\n\n对于任何开发或采购这项技术的人来说，这种权衡才是真正的设计问题。一个提升了追问深度却损害了融洽关系的追问助手，可能产出看似更丰富的访谈记录，而访谈体验本身却更糟。无论是自动化质量指标还是字数统计，都发现不了这一点。
\n\n第四类担忧最可能引起研究伦理委员会的关注。在传统访谈中，如果某个问题造成了伤害，问题由访谈者提出，也由访谈者负责。而在 LLM-in-the-loop 的设置中，这条责任链多出了一环——当转述的 AI 问题造成伤害时，研究中的受访者无法确定责任应落在何处。
\n\n这并非假设性问题。它决定了知情同意书写什么、伦理委员会批准什么，以及受访者投诉时如何处理。论文的回应是将每一类风险对应到具体的缓解策略：具有偏差意识的提示词、强制性的人工监督、无障碍的界面、明确的问责框架，以及贯彻“隐私始于设计”并定期审计。这些措施都不新奇，但每一项都要求有人事先确定由谁来承担责任。
\n\n如果你正在考虑在实时访谈中引入 AI 辅助，以下三点值得注意。
\n\n如果你开展的是完全由 AI 主持的访谈，而非 AI 辅助访谈，这些担忧并不会消失，而是会发生转移。没有人类访谈者可被分心时，注意力分散的问题随之消失；但问责与隐私问题会更加尖锐，因为此时模型是唯一的提问者。正因如此，我们的 AI Interviewer 围绕明确的追问规则和可审阅的访谈记录构建，而 ThemeLens 则让分析环节保持可审计而非黑箱。但坦率地说，这篇论文告诉我们：工具选择是治理选择的下游结果，而不能替代治理选择。
\n\n本研究并未将追问深度作为结果变量加以测量。其研究动机是：访谈者的认知负荷和有限的领域熟悉度可能制约追问，但此处报告的发现关注的是伦理担忧，而非数据质量。追问深度能否提升，仍应视为一个悬而未决的问题。
\n\n对于有人工监督的版本，这是一种公平的检验。Wizard 可以修改和保留建议，这近似于研究者在使用前审核 AI 输出的部署方式。但它无法告诉你在完全自动化的系统中会发生什么。
\n\n需谨慎看待。研究仅有 17 名受访者，大多为新手或中级定性研究者，年龄在 21 至 35 岁之间——作者本人也指出了这种偏向。这些担忧可以作为讨论议程，但不能当作总体估计。
\n\n论文关于隐私和责任的发现强烈指向“应该”，而且大多数机构审查流程也会有此要求。研究本身的设计——测试披露前后的反应——表明信息披露的影响足够大，值得事先审慎规划。
\n\nZhang, H., Liu, Y., Guan, X., Cai, J., & Carroll, J. M. (2026). Ethics and Social Responsibility in AI-Assisted Interviewing: An LLM-in-the-Loop Study of AI-Generated Follow-Up Questions. arXiv:2606.30980. 已被 CHIWORK '26 接收。
\n\n最后更新：2026 年 7 月 16 日
\n\n本文是对第三方研究的独立编辑摘要。Qualitati 与论文作者无任何关联，超出论文本身主张的解读均为我们的观点。读者应查阅原论文，以了解其完整论证与局限。
","related":[{"slug":"ai-conversational-interviewing-2026-study","title":"AI 能做研究访谈吗？2026 年实地研究结果","description":"AI 能做研究访谈吗？2026 年一项 571 人实地研究比较了 AI 语音访谈、文字访谈与标准化问卷的效果。","category":"指南","date":"2026-07-31","readTime":"8 分钟阅读","author":"Qualitati 研究团队"},{"slug":"digital-twins-survey-respondents-2026-study","title":"数字孪生能取代问卷受访者吗？2026年研究结论","description":"哥伦比亚商学院 2026 年研究发现，在 164 项结果指标上，LLM 数字孪生与真实问卷回答的相关系数仅为 r = 0.20：它们是哈哈镜，而非替代品。","category":"指南","date":"2026-07-29","readTime":"8 分钟阅读","author":"Qualitati 研究团队"},{"slug":"is-ai-qualitative-coding-biased-2025","title":"AI 定性编码有偏差吗？2025 年一项研究的发现","description":"2025 年发表于 Sociological Methods & Research 的研究发现，ChatGPT 和 Llama 2 的编码错误与受访者特征相关；而小型监督模型更准确、偏差更小。","category":"指南","date":"2026-07-28","readTime":"8 分钟阅读","author":"Qualitati 研究团队"}]}