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。
这项研究测试了什么？
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。
研究将两种辅助方式与无 AI 的基线进行比较：
| 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。
实时 AI 辅助能改善追问吗？
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。
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。
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。
访谈者愿意让 AI 助手扮演什么角色？
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。
- 评估者。未经请求的评价，例如访谈者还想继续追问时 AI 却建议进入下一题，会让参与者感到被评判，并把注意力从受访者身上拉走。
- 竞争者。有些出人意料的是，非常好的建议也会让人感到威胁。一些参与者觉得自己被比下去了，并开始怀疑自己的角色。
- 共同访谈者。这是最坚定的底线：AI 绝不应直接与受访者对话或主导访谈。参与者提到对 AI 判断的信任有限，以及自己对受访者的照护责任，例如受访者看起来情绪不佳时，不应继续追问。
AI 访谈辅助有哪些隐性成本？
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。
- 好建议比差建议更耗注意力。差的建议一眼就能忽略。好的建议则需要与访谈者自己的计划进行比较，参与者形容这是一种情境切换。一个有趣但偏题的想法也可能把他们带离提纲。
- 延迟会变成社交问题。克制型的平均生成时间为 3.3 秒，表达型为 1.9 秒。从技术上看很短，但参与者会把这些停顿感受为尴尬的沉默，因为受访者看不到访谈者在等什么。迟到的建议往往已经没用，因为对话早已继续推进。
- 主导权与创造力。一位参与者创造了“创意遮蔽”（creative shadowing）一词，用来描述 AI 的想法盖过了访谈者自己正在形成的提问思路。另一些人担心，广泛使用会让访谈变得越来越同质化。
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。
这对研究者和研究团队意味着什么
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：
- 从按需模式开始。默认只在访谈者请求时给出帮助，再让有经验的访谈者自行开启主动提示。
- 优先使用摘要和关键词，如果你希望访谈者保留自己的表达方式；现成问题更快，但更容易取代访谈者自己的想法。在照读任何 AI 写的追问之前，请先看我们关于识别诱导性问题的指南。
- 绝不要让助手在访谈进行中给访谈者打分。反馈留到访谈结束后。
- 记录 AI 建议了什么、实际采用了什么，这样才能报告 AI 对数据的影响。
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。
这项研究的局限
- 这是一篇预印本，尚未完成同行评审。
- 样本较小（18 名访谈者），访谈时间短，且是线上模拟访谈。
- 研究只使用了一名角色扮演的受访者，可能带来延续效应；受访者自身的体验也未被研究。
- 参与者不需要分析自己收集的数据，因此访谈的利害关系较低。
常见问题
AI 访谈助手能让访谈者提出更好的问题吗？
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。
AI 应该给出完整问题还是只给关键词？
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。
让 AI 直接向受访者提问可以接受吗？
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。
实时 AI 辅助需要多快？
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。
最后更新：2026 年 9 月 30 日
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。