简要答案：截至2026年6月，AI用户研究已从实验阶段过渡到默认应用。约80%的研究人员现已在工作流的某个环节使用AI，UX团队的采用率自2024年以来翻了一番，约为73%，AI调节的访谈已成为常规期望而非新颖事物。但信任度跟不上：大多数研究人员仍担心准确性，对完全合成参与者的信心仍然较低。2026年的主流模式是：AI用于战术规模扩展，人类用于战略和敏感工作。
\n\n在2026年上半年，AI用户研究的故事不是采用与反对的对立——那场辩论已经结束。现在是团队使用AI的程度与信任程度之间差距不断扩大的问题。使用率接近通用；信任是有选择性的。本综述汇总了过去几周最可信的数据点，并将其转化为产品经理、UX研究人员和洞察负责人的实用指南。
\n\n2026年中期最清晰的信号是饱和。当80%的研究人员报告在其流程的某处使用AI时，剩下的问题不再是\"团队是否会采用\"，而是\"AI在哪里增加真正价值\"。Perspective AI的2026年报告将UX团队的采用率设定在约73%，高于2024年的约38%，产品管理团队接近67%，客户成功团队约51%。同份报告描述AI客户研究是绝大多数团队的默认发现方法。
\n预算数据论证上比使用数据更有说服力。支出反映信念，在2026年，资金流向会话AI工具，远离传统样本库。Perspective AI报告称AI对话工具作为增长最快的研究项目，增长约4.2倍，而样本库支出下降约34%（同比）。团队不仅在尝试AI；他们在将真实资金重新分配给AI。
\n\n仅凭采用数字描绘的画面过于乐观。更有趣的紧张关系是使用已经超过信任。User Interviews的研究发现，一大部分研究人员对AI的影响持警惕态度——约91%担心输出准确性和幻觉，多数人关切AI可能会贬低人类洞察。一个在2026年6月广泛流传的数据直言不讳地说明了这种差距：约97%的研究人员以某种方式使用AI，但只有约8%的人信任AI生成的参与者。
\n这不是矛盾；这是成熟度。团队已经了解到AI在哪里可靠（转录、标记、初稿综合、大规模运行访谈），以及在哪里不可靠（代替真实人类做高风险决策）。2026年共识模式（多篇行业文章重复强调）大约是：AI用于70–80%的战术研究，人类用于战略、敏感或新颖的20–30%。
\n\n如果一场辩论定义了2026年上半年，那就是合成用户。约半数研究人员预期合成参与者将成为今年的主要趋势，但证据不断对营销施加节制。一篇2026年1月至2月的ACM Interactions文章，《UX研究中的合成用户挑战》，辩称模拟用户受训练数据质量限制，无法捕捉非言语线索、情绪反应或情境意外，并警告不要将其视为一插即用的替代品。
\n独立报道呼应了这一谨慎态度：合成用户往往生成冗长、无差别的需求清单，优先级感知甚少，已被观察到在预测人类行为时表现不佳且过度迎合。实用的总结，与我们自己对合成用户与真实参与者和合成人物角色崩溃的报道一致：使用合成用户来压力测试协议和生成假设，然后在任何重大决定前用真实人士进行验证。
\n\n剥离炒作，一套稳定的高价值用途已经出现。这些是2026年证据与从业者观点相符的工作流程。
\n| 工作流程 | 2026年状态 | 原因 |
|---|---|---|
| AI调节的访谈（文本/语音） | 主流 | 并行运行50–100+场会话；大规模一致的探索 |
| AI辅助主题分析 | 高价值 | 被列为最有影响力的2026年趋势；加速标记和综合 |
| 对话式调查 | 增长中 | 自适应后续问题恢复静态调查中失去的深度 |
| 合成用户 | 仅限探索 | 对假设和协议压力测试有用；不适用于决策 |
| 完全自主的\"设置后不管\"研究 | 不被信任 | 准确性和幻觉顾虑使人类保持在循环中 |
使用本Qualitati记分卡来衡量你的团队相对于2026年中期基准的位置。对每个维度评分0（未开始）、1（临时性）或2（系统性）。总分10–12意味着你处于或领先于2026年主流；5–9意味着你在采用但不均衡；0–4意味着你落后。
\nQualitati是面向产品、UX和客户洞察团队的AI用户研究平台，围绕2026年现实构建：AI用于战术规模，人类用于判断。它运行AI调节的访谈（文本和语音），实时探索和适应，以及AI调节的焦点小组，呈现沉默的声音并对抗群体思维，和具有AI驱动后续的对话式调查。其ThemeLens主题分析管道跨最多100份转录将代码映射到研究问题，附带参与者锚定的引文，其QDA工作区支持归纳和演绎编码，内置人类审查。合成焦点小组明确作为探索补充提供，绝不替代——与本综述中的证据相符。多语言研究覆盖10种语言，定价透明，免费层级为30学分，无需信用卡。
\n\n本综述综合了自报调查数据和供应商研究，这些数据存在选择和框架偏差；采用数字因样本和\"使用AI\"的定义而异。\"97%使用AI，8%信任合成参与者\"等标题数字作为方向信号有用，不是精确测量，应与其来源方法一起阅读。研究人员报告的准确性和幻觉顾虑是真实且未解决的；没有平台，包括Qualitati，能消除AI生成分析需人类审查的必要性。关于模型行为、隐私和可靠性的说法应在高风险使用前对照主要来源和你自己的验证进行核实。人类审查说明：此处描述的方法和合规决定应由你背景中的合格研究人员审查。
\n\n约80%的研究人员报告在其工作流的某处使用AI，根据User Interviews和Perspective AI 2026报告，UX团队采用AI客户研究的比例接近73%，高于2024年的约38%。
\n使用远远超过信任。约91%担心准确性和幻觉，对完全AI生成参与者的信任保持低位——一个广泛引用的数据显示接近8%。团队对战术任务比对高风险判断更信任AI。
\n否。2026年证据，包括一月至二月的ACM Interactions分析，将合成用户定位为假设生成和协议测试工具，不是重大决定中真实参与者的替代品。
\nAI辅助分析和综合被列为最有影响力的2026年趋势，其次是大规模并行运行的AI调节访谈和具有自适应后续的对话式调查。
\n支出在转向对话AI工具（作为预算项目增长约4.2倍）和远离传统样本库（下降约34%同比），根据Perspective AI的2026年报告。
\n\n2026年6月，AI用户研究是主流但不自主的。获胜团队把AI视为规模和综合的放大器，同时让人类牢牢掌管判断、敏感对话和验证。如果你在构建这种平衡，免费开始使用30学分——无需信用卡——并运行AI调节的访谈、对话式调查或主题分析项目，或比较透明定价与Outset.ai、Strella、Listen Labs、NVivo、Qualtrics、ATLAS.ti和MAXQDA。
\n\n\n\n","related":[{"slug":"state-of-ai-user-research-october-2026","title":"2026 年 10 月 AI 用户研究现状：合成受访者能替代真人吗？","description":"2026 年 10 月 AI 用户研究现状：新研究显示，合成受访者能匹配总体平均值，却会丢失个体差异，也会误判人们如何改变观点。附保真度阶梯框架。","category":"行业趋势","date":"2026-10-11","readTime":"9 分钟阅读","author":"Qualitati 研究团队"},{"slug":"llm-synthetic-projective-techniques-2026","title":"LLM 能做投射技术吗？2026 年六模型对比研究","description":"LLM 能为投射技术生成合成回答吗？2026 年一项研究将六个模型与 173 名受访者对比：主题相近、风格不同，且存在明确局限。","category":"行业趋势","date":"2026-09-21","readTime":"7 分钟阅读","author":"Qualitati 研究团队"},{"slug":"test-digital-twins-before-deploying-exploratwin-2026","title":"部署前先验证数字孪生：2026 年新研究","description":"2026 年哥伦比亚团队的论文提出 ExploraTwin 开放平台，让研究者在真实研究中部署 LLM 数字孪生模拟之前先行检验。","category":"行业趋势","date":"2026-09-20","readTime":"6 分钟阅读","author":"Qualitati 研究团队"}]}