ACM UIST 2026: «редактирование вслепую» — почему UX-исследователи не правят AI-generated контент в синтетических интервью
Исследователи из Samsung SDS опубликовали работу на конференции UIST 2026 (Adjunct Proceedings), описывающую неожиданный результат пользовательского исследования собственного инструмента. Инструмент позволяет UX-специалистам проводить синтетические интервью — с AI-генерируемыми персонами — до того, как становится возможным рекрутинг реальных участников. Участники видели промежуточные результаты на каждом шаге и могли их редактировать. Четверо из пяти практиков не стали вносить правки, хотя читали внимательно.
Как устроен инструмент
Система работает в шесть шагов. Три из них — Domain Briefing (создание брифа), AI-AI Interview (проведение интервью между AI-персонами) и Final Summary (итоговая сводка) — выполняются автоматически. На трёх контрольных точках — Persona Review (проверка персон), Interview Guide (гайд для интервью) и Analysis Plan (план анализа) — исследователь должен одобрить или отредактировать AI-результат, прежде чем система перейдёт к следующему шагу.
Выходные данные инструмента формулируются как гипотезы для первичного исследования, а не как свидетельства. Единый формат итоговой сводки помогает нерисёчерским ролям — продактам, дизайнерам — читать результат.
Дизайн строится на трёх принципах. Первый — стадийная генерация с контрольными точками: вместо одного финального результата система раскрывает промежуточные, давая исследователю видеть, как был получен каждый вывод. Второй — human-in-the-loop редактирование: на трёх точках требуется явное одобрение или правка. Третий — структурированный вывод для распространения внутри команды.
Что показало исследование
Пять UX-практиков из одной B2B-организации прошли через полный рабочий процесс, работая с темами из собственных рабочих доменов. Все использовали AI-инструменты ежедневно; один работал с аналогичным инструментом прежде.
Просмотр промежуточных результатов повысил доверие: трое из пяти поставили максимальный балл по шкале доверия. Возможность проследить, откуда взялся каждый вывод, была важна: один участник отметил, что без промежуточных шагов у него «не было бы способа понять, из какого контекста это вышло».
Несмотря на это, четверо из пяти оставили результаты практически нетронутыми. Характерная цитата: «Это кажется чем-то, что AI выстроил оптимально… разве я просто не испорчу то, что AI уже настроил?» Показатель ощущения авторства оказался низким: только один участник оценил его выше средней точки шкалы.
Феномен edit-propagation opacity
Авторы вводят термин edit-propagation opacity для описания наблюдённого явления: исследователь не редактирует не потому, что не понимает интерфейс или не имеет такой возможности, а потому, что не видит конкретных последствий правки. Если отредактировать персону на шаге 2, изменятся вопросы интервью на шаге 3 — но система не показывает, какие именно и насколько. Эта непрозрачность не межличностная — как в случае, когда один коллаборатор не видит промпты другого — а внутренняя, встроенная в стадийный пайплайн.
Авторы разграничивают этот феномен и automation deference (склонность доверять автоматическим решениям в целом): участники читали внимательно, а не пассивно соглашались. Сдерживало именно отсутствие информации о последствиях, а не безразличие.
Выводы и открытые вопросы
Human-in-the-loop дизайн часто предполагает, что само наличие возможности редактировать усиливает вовлечённость и ощущение авторства. Данная работа показывает: эта связь не автоматическая. Участники имели возможность редактировать и отменять правки на трёх контрольных точках — и в основном не пользовались ею.
Авторы предлагают направление: предпросмотр downstream-эффектов. Контрольная точка могла бы показывать, какие вопросы или пункты сводки изменились бы при правке персоны — превращая просмотр в осознанное вмешательство. Такая функция могла бы также разграничить edit-propagation opacity и automation deference: если последствия видны, отказ от редактирования означал бы намеренный выбор, а не осторожность перед неизвестностью.
Паттерн распространения результатов внутри команды показал границу: один и тот же артефакт воспринимается как достаточно достоверный для ближайших коллег, но слишком ненадёжный для руководства или смежных отделов.
Работа основана на пяти участниках из одной организации. Авторы подчёркивают, что вопрос о том, изменяет ли предпросмотр downstream-эффектов поведение редактирования, остаётся открытым и требует полевого исследования.