你把一轮用户访谈交给 AI。它很快整理出主题、建议和一份条理清楚的报告。效率看起来无可挑剔。可到了设计评审，团队仍可能争论不休：用户当时为什么犹豫？这个问题究竟有多严重？谁也没有亲眼见过，只能继续解释报告。
这正是 Nielsen Norman Group 研究员 Maria Rosala 想提醒团队的事：用户研究的价值不只在结论，也在参与者观察、追问和理解证据的过程。本文依据她的一篇评论性文章；其中关于 AI 能力和故事效果的判断缺少实验设置、样本量及第二个独立信源，更适合作为经验主张，而非已经普遍验证的结论。
报告只是研究的一半
用户研究，是通过访谈、观察和测试理解用户的行为、需求与困难。它通常会交付主题、建议和报告。但 Rosala 把研究的产出分成两类：一类是这些看得见的文件；另一类是团队做研究时发生的学习——观察一个人怎样行动，追问反常之处，再一起判断证据意味着什么。
AI 很适合协助综合分析，也就是把访谈记录和观察证据分类、比较，找出重复模式。但某个主题是否重要，仍取决于研究目标、使用语境和团队判断。Rosala 认为，当前 AI 主持访谈还不及有经验的研究员，其分析也常常连贯却表面。即使未来 AI 的报告已经与专家难以区分，把研究全部交出去，团队仍可能失去第二类产出：亲历研究带来的学习。
团队需要共同看见
可用性测试会请目标用户完成具体任务，再观察他们在哪里犹豫、出错或误解。它关心真实行为，不只是问一句“你喜欢吗”。研究旁听则让产品团队直接观看这一过程，而不是最后只读报告。
两者结合后，证据会变得具体。团队看到同一个问题反复发生，讨论时便能回到共同经历：“我们都看见他在这里停住了。”Rosala 引述一位高级研究员的话：大家共同看到、听到并经历的那些时刻，后来会成为推动设计的材料。图表能传递结论，现场却更容易形成共同判断和行动动力。
用户故事不是装饰
Rosala 十年前研究无法读写的成年人时，听一名参与者讲述自己的经历。他小时候的阅读困难一直没有被发现，因此长期感到难堪和孤立。他看着母亲沉浸在书里，觉得那很平静，也希望自己能拥有这种体验。后来，一家慈善机构安排志愿者帮助他学习，他终于体会到阅读的快乐。Rosala 把故事讲给丈夫后，两人向这家机构捐了款。
这段经历支持她的核心判断：研究是在把人的真实经验传进设计决策。访谈让用户讲述经历；测试结束后，研究员会复述用户想做什么、发生了什么、如何反应；团队争取修改内容或导航时，也会用这些故事解释理由。若 AI 代替团队收集和分析数据，团队得到的可能是准确摘要，却错过了故事发生的时刻，研究也可能因此不够难忘，影响力更弱。
为什么故事更容易留下来
Rosala 还引用了几项神经科学研究。她介绍，一项由 Michigan State University 与 UC Santa Barbara 研究者开展的实验，让参与者分别听无法理解的倒放语音、技术手册片段和真实的第一人称故事。文章称，倒放语音主要调动听觉区域，手册进一步涉及语言理解，而个人故事引发了更广泛的活动，包括与社会推理、情绪处理和记忆有关的区域。参与者也认为个人故事更重要。
另一项 Princeton University 的研究先记录一名讲述者讲个人故事时的脑活动，再记录 11 名听众。按 Rosala 的转述，听众的脑活动会稍晚于讲述者出现相似变化；两者越同步，理解和回忆越好。部分较高层次脑区甚至会提前变化，像是在预测故事接下来如何发展。
这些研究不能直接证明“团队旁听一定做出更好的产品”。它们提供的是一条解释路径：故事比抽象结论更能抓住注意、帮助记忆，也更容易让一群人围绕同一段经历形成理解。对用户研究来说，这意味着现场观察不是仪式，而可能是研究发挥作用的一部分。
AI可以加入，但团队别退场
这并不等于拒绝 AI。它可以整理记录、归类材料，帮助团队更快进入综合分析。关键是别把“生成交付物”等同于“完成研究”。如果产品团队完全退出访谈、观察和解释过程，省下的是时间，失去的可能是判断依据如何形成，以及为什么值得行动。
更实际的分工是：让 AI 承担整理工作，让人继续接触用户、旁听关键场次，并参与证据的解释。报告可以外包，理解不能靠转发自动发生。
局限与未知
- 文章关于 AI 主持访谈、分析质量和 synthetic users（由 AI 模拟的用户）故事表现的判断，未提供实验设计、样本量或评测数字。
- “故事影响脑活动”不等于“旁听研究必然改善设计结果”，文章没有给出两者之间的直接效果数据。
- 供稿原文在讨论 AI 用户能否讲出有力量的故事时被截断，后续限定条件缺失，因此不宜把作者的设想写成绝对结论。