人工智能会取代用户体验研究员吗？AI进行调查——但谁来提出正确问题？

研究实验室迎来新助手

想象一下，您是一名正在准备可用性研究的UX研究员。您需要招募参与者、撰写访谈指南、主持访谈环节、转录数小时的访谈内容、对定性数据进行编码，并将一切综合成可操作的建议。两年前，每个步骤都需要大量人工努力。如今，人工智能比您喝完早咖啡更快地处理了其中几个步骤。

我们的数据显示，UX研究员在2025年的整体人工智能暴露率为54%，自动化风险为38% [事实]。暴露水平被归类为高，但自动化模式是增强而非替代。这一区别至关重要——它意味着人工智能正在成为UX研究员工具箱中的强大工具，而不是研究员本身的替代品。暴露与风险之间的巨大差距是值得追踪的职业信号：人工智能正在触及大部分工作，但产生真正洞察的部分仍然牢固地掌握在人类手中。

人工智能正在改变游戏规则的地方

UX研究中自动化程度最高的任务是分析定性和定量用户数据，自动化率达65% [事实]。人工智能现在可以在几分钟内处理数千份调查回复、标注情感、识别行为分析中的模式，并生成初步洞察。由大型语言模型驱动的工具可以转录并总结访谈录音，突出关键主题，无需研究员倾听每一秒的音频。过去需要一周的访谈后分析工作，现在只需一天，而这一天的时间花在判断而非机械操作上。

创建用户角色和旅程地图的自动化率紧随其后，达58% [事实]。向人工智能系统提供足够多的用户数据，它可以起草角色档案、映射常见用户流程，甚至根据行为聚类建议痛点。输出通常需要人工完善，但过去需要数天的初稿现在只需几分钟。更大的转变是，角色和旅程地图可以随着新数据的到来持续更新，而不是迅速过时的静态交付成果。

即使是可用性测试本身也已部分自动化，达42% [事实]。人工智能驱动的测试平台可以大规模运行无人监管的测试、追踪眼动、测量任务完成时间，并自动标记可用性问题。Maze和UserTesting等平台集成了处理大量测试分析繁琐工作的人工智能功能。研究员的角色变成了设计测试、解读结果，并决定如何应对——这本就是更高价值的工作。

招募参与者和管理研究运营也进入了人工智能辅助领域。人工智能可以筛选面板回复、管理日程、发送提醒，并按研究标准的契合度对参与者进行分类。运营研究项目的行政负担压缩了，这意味着每位研究员可以支持比以前更多的并行研究，整个研究职能也移动得更快。

人工智能无法复制的人类优势

这里才是真正有趣的地方。开展利益相关者访谈和实地研究的自动化率仅为28% [事实]。这是使UX研究成为独特人类学科的核心。

当UX研究员坐在医院急诊室里一位沮丧用户对面，观察他们在压力和痛苦中与自助终端的互动时，没有任何人工智能能够复制那一刻的同理理解。当研究员在利益相关者会议上读懂氛围——感知工程和设计团队之间的政治张力、捕捉未言明的优先事项——那是人工智能根本不具备的模式识别。

最好的UX研究一直以来都关乎提出没有人想到要问的问题。它关乎注意到用户没有说什么，而不仅仅是他们说了什么。人工智能擅长处理答案；人类擅长构建问题。最重要的问题通常来自对用户背景的直觉，而这种直觉来自多年直接接触混乱人类情境，没有任何数据集能捕捉这一点。

将发现综合成战略建议也在很大程度上保持人工化。将"用户对结账流程感到困惑"转化为"企业应该重构整个引导流程"，需要理解业务背景、政治格局、工程限制和文化时机。人工智能可以识别模式；人类将模式转化为战略。能够坐在产品副总裁对面，为战略转变做出令人信服的、符合背景的论证的高级研究员，正在做任何人工智能工具都无法替代的工作。

研究设计中的伦理判断是另一个顽固的人类任务。知道何时研究设计有伤害参与者的风险、何时知情同意程序需要加强、何时结果应该谨慎传达（因为它们揭示了弱势群体某些痛苦的事实）——这些判断需要人工智能所没有的伦理培训和生活经验。随着人工智能工具加速研究执行，伦理监督职能实际上在重要性上增长而非下降。

如果您对密切相关的UX设计师如何受到影响感到好奇，这个比较很有启发性。设计师面临类似的人工智能暴露，但任务特征不同——更多视觉生成，更少定性分析。两个职位都在增强而非消失，五年后两者看起来都会有显著变化。

三年展望

到2028年，我们的预测显示UX研究员的整体人工智能暴露率达到69%，自动化风险为51% [估计]。该职位将首次跨越50%的风险门槛，听起来令人警惕，直到您理解这在实践中意味着什么。

蓬勃发展的研究员将是那些顺应转变的人。与其将60%的时间花在数据处理上，40%花在战略洞察上，这个比例将翻转。人工智能处理数据，您提供洞察。公司需要更少的研究员来处理数据，但需要更多能够将发现转化为业务战略、促进与利益相关者的艰难对话，以及设计提出真正新颖问题的研究项目的研究员。

就业市场已经在反映这一点。UX研究员的招聘广告越来越多地提及"战略研究"、"混合方法专业知识"和"利益相关者管理"——这些是更难自动化的技能。与此同时，强调"调查分析"和"数据处理"的广告在减少。将自己定位在频谱战略和定性端的研究员看到其薪酬和需求状况上升；专注于分析和运营端的研究员则看到相反的情况。

研究职业轨迹也可能出现转变。能够建立和领导工作项目——而不仅仅是执行单个研究——的高级研究员越来越是组织想要的人。对于能够展现战略领导力的人来说，从研究员到研究经理再到研究主管的路径在缩短，而对于只执行研究的人来说，这条路径在延长。

薪酬和职业图景

UX研究员的薪酬因地点、行业和资历不同而差异很大，但总体模式是：资金充裕的科技公司和咨询公司的高级研究员是设计和研究领域薪酬较高的职位之一。主要科技大都市的中级研究员通常能获得六位数薪资，大公司的首席研究员和研究总监可以赚得更多。对战略研究技能需求的增长正在为那些建立了正确能力的人的薪酬施加上行压力。

职业路径还包括有意义的横向选择。UX研究员转入产品管理、用户体验战略、客户体验领导，以及越来越多地转入人工智能产品职位——在这些职位中，关于人们如何体验人工智能系统的定性研究需求量很大。技能转移效果良好，而可选性是即使工作的具体内容在转变，这一职业仍然有吸引力的原因之一。

这对您意味着什么

如果您是UX研究员或有志于成为UX研究员，您的前进路径是清晰的。加倍投入人工智能无法触及的技能：民族志研究方法、引导技巧、讲故事能力，以及将研究发现与业务成果联系起来的能力。学习流利使用人工智能工具——它们将大幅提高您的生产力。但将腾出的时间投入到没有任何算法能够自动化的深度、混乱、人性化的工作中。

将面临困难的研究员是那些以能处理的数据量来定义自己价值的人。将蓬勃发展的研究员是那些以能提出的问题质量、能呈现的洞察深度，以及能通过组织推动的影响来定义自己价值的人。这份职业的状态比表面自动化数字所暗示的要好，前进的路径有利于好奇心、判断力和人类连接。

有关逐任务细分，请访问UX研究员职业页面。您也可能会发现与数据科学家比较很有用，可以了解人工智能如何重塑相邻的分析职位。

2026年的完整项目流程

走过一个真实的研究项目，为一家想了解首月留存率下降原因的金融科技应用团队。启动对话在周一进行。研究员与产品经理、工程主管和客户成功代表会面，明确研究范围。这次对话无法被人工智能取代——它需要读懂氛围、感知组织张力、发掘假设，以及就什么才是真正有用的答案达成一致。到会议结束时，研究问题已经被打磨清晰，方法也已确定：行为分析审查、与流失用户的深度访谈，以及对现有用户的结构化调查相结合。

第一周的周二到周五用于招募和工具设计。人工智能工具起草了筛选问题、调查项目和访谈指南。研究员逐一审查，识别缺乏精确性或带有引导性框架的项目，并加以完善。招募由人工智能面板平台处理，筛选回复并安排访谈。过去需要两周的运营工作压缩到四天。

第二周是访谈。研究员在四天内进行了八次访谈。每次访谈都被录制、自动转录，并由随着主题出现而识别主题的人工智能工具部分编码。研究员做实际的对话——建立融洽关系、提出后续问题、感知未言明的内容。人工智能处理文档工作。每次访谈后研究员审查人工智能的编码，在它错过细微差别的地方进行调整，并添加只有在现场的人才能提供的背景注释。

第三周是综合。人工智能工具产生了主题、频率统计和支持性引用的草稿。研究员通读一切，找到对于留存问题真正重要的三四个洞察，并构建战略叙事。叙事是交付成果——不是数据、不是主题、不是引用。叙事解释了正在发生什么、为什么会发生，以及组织应该做什么。这个叙事需要同时理解业务、工程限制、竞争格局和用户动机。没有任何人工智能工具能产生这个叙事；高级研究员做到了。

第四周是汇报。研究员向领导层展示，应对挑战性问题，并推动决策。到汇报结束时，产品团队有了应对留存下降的清晰计划。研究员产出了人工智能单独无法产出的东西。2020年需要八周的项目，在2026年只需四周，而且交付成果更强，因为人类时间集中在高价值工作上。

这就是现代UX研究工作流程。人工智能处理数量；研究员提供洞察。这份职业的状态比表面自动化数字所暗示的要好，而倾向于战略性和人性化工作的研究员，其职业是积累而非停滞。

更新历史

• 2026-03-30：首次发布，含2025年实际数据和2028年预测。
• 2026-05-14：扩展运营自动化、伦理判断、职业轨迹转变和薪酬背景。

来源

• Eloundou等（2023年）。"GPTs是GPTs：大型语言模型劳动力市场影响潜力的早期观察。"
• Brynjolfsson等（2025年）。"工作中的生成式人工智能。"
• Anthropic经济研究（2026年）。劳动力市场影响评估。

---

_本分析由人工智能协助完成。所有统计数据参考我们结合同行评审研究与行业数据的策划数据集。有关方法论详情，请参阅关于我们的数据。_