به گزارش UX Collective، استفاده از هوش مصنوعی در ابتدای فرایند طراحی محصول میتواند به تیمها احساس کاذب پیشرفت بدهد؛ زیرا تولید سریع پرسونای کاربر، نقشه تجربه مشتری و تعریف مسئله، لزوماً به معنای شناخت نیاز واقعی کاربران نیست. این گزارش تأکید میکند که AI زمانی ارزش بیشتری ایجاد میکند که پس از تحقیق مستقیم با کاربران و بر پایه دادههای همان پژوهش به کار گرفته شود.
نویسنده این مطلب، شتابگرفتن با ابزارهای هوش مصنوعی را به رانندهای تشبیه میکند که با سبقتهای پیدرپی زودتر به چراغ قرمز میرسد، اما در عمل پیشرفتی ندارد. به همین ترتیب، تعریف مسئله صرفاً در محدوده توانایی یک مدل زبانی میتواند خروجیهایی مبتنی بر میانگینها، سوگیریهای پیشین و الگوهای عمومی تولید کند؛ خروجیهایی که منشأ نتیجهگیری و فرضهایشان نیز همیشه شفاف نیست.
ریسک پژوهش با کاربران مصنوعی
این مطلب به آزمایش Nielsen Norman Group اشاره میکند که در آن سه پژوهش قبلی با مشارکتکنندگان تولیدشده توسط AI دوباره اجرا شد. پاسخهای حاصل برای استفاده عملی بیش از حد سطحی بودند و در یکی از پژوهشها، مشارکتکنندگان مصنوعی مدعی شدند همه دورهها را به پایان رساندهاند؛ پاسخی که ظاهراً کامل بود، اما اعتبار لازم برای تصمیمگیری را نداشت.
بر اساس نظرسنجی User Interviews در سال ۲۰۲۶ از ۱۵۰ پژوهشگر، ۸۱ درصد از پاسخدهندگان بهطور منظم در کار خود از AI استفاده میکردند، اما فقط ۸ درصد آن را برای شبیهسازی مشارکتکنندگان به کار میبردند. مهمترین نگرانیها نیز کیفیت و دقت بینشها با ۸۸ درصد و اعتماد بیش از اندازه ذینفعان به یافتههای تولیدشده با AI با ۷۹ درصد عنوان شد.
AI پس از کشف مسئله مفیدتر است
راهکار پیشنهادی، آغاز فرایند از انسانها و انجام پژوهش برای شناخت مسئله، کاربران و سیستمهای مرتبط است. چنین رویکردی به تیم اجازه میدهد فرضهای نادرست را پیش از صرف هزینه سنگین طراحی و توسعه کنار بگذارد. پس از این مرحله، هوش مصنوعی میتواند برای خلاصهسازی یادداشت مصاحبهها، یافتن الگوها، ساخت گزینههای مفهومی و دقیقترکردن پرسشهای دور بعدی پژوهش استفاده شود.
جمعبندی مطلب این است که مزیت رقابتی تیمهای محصول از دسترسی به مدلهای یکسان به دست نمیآید، بلکه از شناختی شکل میگیرد که مستقیماً از کاربران خود کسب کردهاند. سرعت زمانی به پیشرفت تبدیل میشود که AI بر شواهد واقعی پژوهش کاربر تکیه داشته باشد.




