用AI做用户研究，为什么反而更容易做错产品？

父亲在布朗克斯限速行驶，一辆车从后面窜出来，贴着车身切进车道。二十秒后，两辆车并排停在了红灯前。他从不发火，只重复一句口头禅：“跑得飞快，哪儿也没去。”

那个抢道的司机，记住的是自己超车成功的那一刻，不会记住红灯。代价不会出现在抄近路的地方，它会在后面某个时刻冒出来，到那时已经很难追溯原因。

产品团队今天就在这条车道上。

几十年来有一条干净的规则：垃圾进，垃圾出。它默认垃圾是看得见的。有了AI，垃圾进去，出来的是打磨过的版本，让“绕过系统”看起来像赢了。AI无法替你判断什么对你的用户是真的，它只预测什么最可能。喂它你自己的数据——访谈记录、客服工单、埋点数据——打磨之下有事实；喂它一个猜测，它会自信地输出一个猜测。

Atlassian《2026产品现状》报告发现，产品经理用AI每天省出近两个小时，但大多数人仍觉得自己困在被动响应的状态里，84%的人担心自己的产品不会成功。速度上去了，信心没有。

AI先上手，问题就来了

抢道的司机是在压力下做的决定，一个空档看起来就是机会。从AI开始做产品也一样：让它给出用户需求、客户体验地图、用户画像，几分钟就有结果。这些结果可能让你误以为自己已经找到了要解决的那个问题。

只在LLM能力范围内定义问题，等于让AI基于平均值、既有偏见和已有文本的一般模式来做重活。输出往往不透明，团队被迫回溯结论从何而来、哪些假设塑造了它，经常走到死胡同。这是自上而下的思路，解决不了你客户今天的痛。

在有意义的设计发现之前依赖AI，代价可能极大：吃掉工程和设计时间，给产品团队制造组织内耗，并在很久之后才显现出破坏。在招聘、金融科技、借贷、医疗这类高风险领域，它可能造成很大伤害。

自下而上的思路从人开始：通过研究定义问题，理解与之相连的系统及其相互依赖的部分。这活很脏，像画一张需求如何连接复杂网络和流程的地图。它让团队在便宜的时候早点犯错，也拆解出你的用户身上独特而具体的东西。AI在这里才有用——在你已经观察到用户需求之后，由它来处理这些需求。

合成研究的陷阱

多内拉·梅多斯在《系统之美》里拆解过一个陷阱叫“规则规避”：遵守规则的条文，绕开规则的目的。她用比尔·沃特森的《卡尔文与霍布斯》漫画举例：卡尔文说要每天做十件好事直到圣诞节，好让圣诞老人对他宽容点；听说死对头苏茜正走过来，他改口说明天开始，每天做二十件。他不是想行善，是想补上一年的坏表现。

AI生成的合成研究参与者，可以起同样的作用。以用户为中心的设计里被引用最广的原则之一，是先理解用户再动手。合成用户画像让团队勾掉了研究这一项，却一个真实用户都没见过。

NN/g用AI生成的参与者重跑了自己的三项研究，发现答案太浅，没有帮助。其中一项研究里，合成参与者声称自己完成了每一门课程——研究看起来完整，答案却好得不像真的。

2026年User Interviews对150名研究人员的调查显示，81%的人在工作中经常使用AI，但只有8%用它来模拟参与者。他们最大的担忧是洞察的质量与准确性（88%），以及利益相关者过度信任AI生成的发现（79%）。

最新的答案在现场。用户上个月的变通做法、上次发布后开始的愤怒点击、本季度行业变化后冒出的新需求，只存在于现场。你的产品最新的细微之处，不会可靠地出现在任何训练数据里。

梅多斯给出的出路不是加更多规则，而是重新设计规则，让人的努力朝向目标而不是绕开目标。对产品团队来说，这意味着衡量我们是否理解了用户，而不是是否产出了一份画像。

一次发现能揭示什么

设想一个团队被要求加快管理后台的权限流程。为了快，他们让AI生成一个管理员画像：忙碌、懂技术、被太多点击搞烦。显而易见的方案随之而来：

• 批量操作
• 减少确认步骤
• 一键把改动应用到整个组织

然后一名设计师、一名产品经理和一名开发者，和五位真实管理员待了一周，浮现出完全不同的主题。他们想更快，但速度不是最大的担忧，错误才是。一次改错，可能把几百人锁在工具之外，或者把敏感信息开放给错误的组。

他们需要的不是更少的步骤，而是信心：改动会影响谁的预览、改了什么和何时改的记录、简单清晰的撤销方式。有了这些，批量操作不再是风险，而成为团队想要的加速。

AI画像没说错管理员很忙，它只是平均。它描述的是管理员一般怎么说，而不是这几位管理员在冒什么险。只靠画像，团队会交付一个更快犯下昂贵错误的方法，几个月后从客服升级工单和流失的信任里得知。

发现并没有拖慢团队。它给了AI可用的细节：拿到访谈转录和一季度客服工单后，LLM对失败场景排序、起草审计日志需求、生成预览和撤销流程的概念。同一个LLM，输入现在扎根于真实客户正在经历的事。

速度从来不是问题，规则规避才是。人先开始干活，AI就成了强力加速器：综合访谈记录、发现模式、生成概念变体、磨尖你下一轮研究要问的问题。区别在于，它是在你的用户之上工作。

先发现，再加速。竞争对手有同样的模型，任何人都能几秒钟生成一份产品规格。真正的优势是：你的竞争对手没有你用户亲口告诉你的那些东西。