简短回答：实时 AI 访谈助手可以帮助人类访谈者进行更多追问。在一项 2026 年针对 18 名访谈者的研究中，AI 建议让每场访谈的追问数量从约 6 个增加到 9–10 个，而且没有挤占访谈者自己提出的问题。但访谈者只接受 AI 作为安静的助手，而不是评估者、竞争者或共同访谈者。
关于 AI 与定性访谈的研究，大多在问 AI 能否独立完成访谈。一篇新的预印本换了个问题：如果人仍然主持访谈，而 AI 只在一旁悄悄给出建议，会发生什么？根据 Liu、Dai 和 McGrenere（2026）的研究，结果是追问更多、访谈略长，同时出现了一系列工具设计者和研究团队都应提前考虑的社会张力。
\n\n研究测试了一个名为 ProbeAssist 的原型：在普通视频通话旁边显示一个只有访谈者能看到的 AI 面板。作者在论文 The Interviewer's Perspective: Unpacking the Impact of Real-Time AI Interviewing Assistance on Social Dynamics（arXiv，2026 年 9 月 24 日提交，正在接受 CHI 2027 评审）中介绍了它。访谈者上传访谈提纲和研究目标，系统实时转录对话，并对照提纲分析每一个回答。
\n\n研究将两种辅助方式与无 AI 的基线进行比较：
\n\n| 条件 | 何时出现帮助 | 显示内容 | 平均追问数 | 平均时长（分钟） |
|---|---|---|---|---|
| 无 AI | 从不 | 无 | 5.83 | 10.12 |
| 克制型 | 按需（访谈者点击） | 回答摘要加追问关键词 | 9.83 | 13.76 |
| 表达型 | 主动出现，在回答结束时 | 可直接使用的追问问题 | 8.72 | 12.65 |
18 名具有半结构化访谈经验的参与者（1–10 年，平均 3.6 年）各自完成了三场 10–15 分钟的简短模拟访谈：先是一场无 AI 访谈，然后以平衡顺序分别使用两种辅助方式。受访者由一名受过训练、按角色扮演规程作答的研究助理担任，因此每位访谈者面对的对话对象大致一致。之后，作者对每位参与者进行了复盘访谈，并用反思性主题分析处理这些访谈记录。定量指标只是辅助证据；这是一项以定性为主的研究。
\n\n能。在这个情境下，它增加了追问的数量，而且新增的问题是叠加在访谈者自己的问题之上的。使用克制型时参与者平均追问 9.83 次，使用表达型时为 8.72 次，无 AI 时为 5.83 次（两组比较均 p = .005）。其中每场约有三个问题借助了 AI（3.39 和 3.00）。访谈者自己提出的追问数量与无 AI 时相近（6.44 和 5.72，对比 5.83）。换言之，AI 并没有挤掉访谈者自己的问题。
\n\n参与者还认为有 AI 支持时访谈质量更高（7 分制下克制型 6.04、表达型 5.90，无 AI 为 5.56），并在两种方式下都报告了较高的掌控感（6.28 和 6.21）。三种条件下自评认知负荷没有显著差异。
\n\n有两点需要注意。访谈时间变长了（13.76 和 12.65 分钟，对比 10.12 分钟），问得更多，这在意料之中。此外，“追问更多”和“自评质量更高”并不等于数据更丰富：研究没有请独立评审评估访谈记录的深度。
\n\n访谈者接受 AI 作为工具或助手，但拒绝它成为评估者、竞争者或共同访谈者。18 名参与者中有 16 人把原型视为工具；习惯与人类搭档一起访谈的参与者则把它比作团队成员或研究助理。
\n\n研究发现了一些在准确率基准中看不到的成本：评估负担、社交摩擦，以及对主导权的威胁。
\n\n参与者的偏好也存在分歧。有些人希望按需获得帮助、只看关键词，以保留自己的措辞；另一些人则觉得完整问题和主动提示更省力。同一个人在同一场访谈的不同时刻，也可能需要不同的模式。
\n\n作者提出了三条设计启示：让 AI 辅助保持从属和低可见度；让访谈者能在“跟随我的思路”和“给我看点新东西”之间切换；并以它能否维护访谈者与受访者之间的在场感来评判它。对于今天就在使用实时 AI 支持的团队，这可以转化为以下实用规则：
\n\n这些原则与 Qualitati 的 Active Listener 模式的设计思路一致：研究者主持半结构化访谈，工具负责转录并提供可选的追问建议，但从不直接与受访者对话。如果你希望由 AI 主导，例如大规模预调研，AI Interviewer 可以独立完成文字或语音访谈。
\n\n在这项 2026 年的研究中，它让访谈者提出了更多追问（约 9–10 个，而不是约 6 个），访谈者也给自己的访谈打了更高的分。但由此获得的数据是否更有深度，并没有经过独立测量。
\n\n两者各有取舍。关键词能保留访谈者的措辞和掌控感；完整问题用起来更快，但更可能覆盖访谈者自己的想法。参与者对此意见不一，因此最好做成可配置的。
\n\n按这些参与者的看法，在由人主持的访谈中不可以。他们认为这等于夺走了访谈者的掌控权，以及对受访者福祉的责任。如果你希望由 AI 提问，请采用完全由 AI 主持的访谈设计，并告知受访者。
\n\n比想象中更快。即使平均延迟只有 1.9 到 3.3 秒，也会造成尴尬的停顿，因为受访者看不到访谈者在等什么。
\n\n最后更新：2026 年 9 月 30 日
\n\n本文是 Qualitati 研究团队对第三方研究的独立编辑摘要，与该研究的作者没有关联，也未获其背书。完整方法与结果请参阅原论文。
\n","related":[{"slug":"ai-vs-human-interviewers-randomized-chat-experiment-2026","title":"AI 访谈员 vs 人类访谈员：2026 年随机实验发现了什么","description":"一项 2026 年随机实验比较了 AI 与人类访谈员的文字聊天访谈：切题程度相同，具体性差距未被检测到，文本多出 65%，但跳题更多。","category":"AI 用户研究","date":"2026-10-19","readTime":"8 分钟阅读","author":"Qualitati 研究团队"},{"slug":"artificial-societies-benchmark-synthetic-population-validity-2026","title":"合成人群数据有效吗？2026 年 11 项检验基准研究","description":"合成人群数据是否有效？2026 年一项基准研究用 11 项效度检验评估 9 个大语言模型：它们能复现平均值，却压缩量表区间并扭曲特质之间的关系。","category":"AI 用户研究","date":"2026-10-15","readTime":"7 分钟阅读","author":"Qualitati 研究团队"},{"slug":"synthetic-consumers-visual-marketing-pretest-2026","title":"合成消费者能预测试 logo 和广告吗？2026 研究结果","description":"合成消费者能否预测试视觉营销？2026 年研究发现，GPT 智能体能正确识别 logo 特征，但六项人类效应最多只复现 2 项，还有 1 项结论相反。","category":"AI 用户研究","date":"2026-10-14","readTime":"7 分钟阅读","author":"Qualitati 研究团队"}]}