Diginomica: Auros — ребрендинг UserTesting и расширение на рынок AI-обучения
Как проверить реакцию пользователей на новую функцию приложения, не беспокоя постоянных клиентов? На протяжении многих лет ответом было обращение к таким компаниям, как UserTesting, которая поддерживает базу из 7,6 миллиона тестировщиков по всему миру именно для этой цели.
Теперь компания нашла более широкую роль благодаря AI — сделав своё сообщество доступным для широкого круга задач, включая растущий спрос на обучение и валидацию AI-систем. Чтобы отразить эту более широкую миссию, компания сменила название на Auros, сохранив продуктовые бренды User Testing и User Interviews под корпоративным зонтиком.
Старое название не соответствует быстро развивающимся сценариям — таким как обучение AI и рыночные исследования, — объясняет Эрик Джонсон, CEO Auros:
«Весь этот мир обучения AI — это не пользовательское тестирование. Мы предоставляем людей, которые помогают оценивать модели и агентов, и то, что они создают… Мы будем активно использовать слово “люди”, “человеческий интеллект”. Мы будем тесно связывать это с AI, а слова “пользователь” вы там не увидите».
Практика обращения к внешней панели тестировщиков — а не к выборке ранних пользователей из собственной базы — неожиданно широко распространена. Клиентская база компании преимущественно состоит из крупных предприятий в банковском деле, авиации и производстве продуктов питания, и лишь около пятой части составляют технологические компании. Традиционно эти организации использовали сообщество компании для получения обратной связи при создании или обновлении цифровых приложений, взаимодействий и контента. Теперь сценарии расширяются: дизайнеры продуктов и инженеры хотят получать инсайты значительно раньше в исследовательском процессе, а также появилась принципиально новая область — обучение, оценка и валидация результатов LLM и агентов. Джонсон комментирует:
«Разница между тем, чем была эта компания два года назад, и тем, чем мы теперь можем быть, — кардинальная. Мы превратились из нишевой компании в области UX-исследований в более широкого провайдера в мире, где AI порождает огромную потребность в информации и инсайтах, а мы лучше всего способны её удовлетворить».
Широта сообщества Auros — не только демографическая, но и по отраслям и должностям — является особым преимуществом, особенно для нестандартных сценариев. Джонсон приводит пример:
«Некоторые из B2B-сценариев наиболее ценны именно потому, что там сложнее всего найти обратную связь. Если вы, например, медицинская компания или производитель медицинского оборудования, и вы работаете над чем-то цифровым, а ваш клиент — не средний потребитель, а онколог — мы умеем находить таких людей и создавать механизмы для получения их обратной связи».
AI расширяет доступность
Помимо нового спроса на услуги компании, AI стал значимым катализатором их доступности для более широкого круга сотрудников внутри организаций — за счёт автоматизации многих процессов, которые раньше требовали участия UX-специалиста. Джонсон объясняет:
«Теперь мы даём таким специалистам, как продуктовые менеджеры и дизайнеры, возможность зайти в чат и задать вопросы, по которым им нужна помощь. Наш опыт трансформируется в нашу платформу: агент заходит туда, проектирует нужный тест, находит правильную аудиторию и возвращается с инсайтом. Специалист, который раньше шёл бы к исследователю, получает инсайт самостоятельно — что, очевидно, значительно эффективнее».
Недавний запуск MCP-сервера означает, что клиент теперь может инициировать процесс интервью и сбора обратной связи прямо из агента — ChatGPT, Claude, Gemini или Figma Make — просто задав нужные вопросы, не выходя из AI-workflow. Эти и другие агенты также размывают традиционные границы между специализированными ролями: дизайнеры продуктов и маркетинговые команды всё чаще хотят получать обратную связь самостоятельно.
Ещё один фактор, стимулирующий спрос, — агенты ускоряют жизненный цикл разработки программного обеспечения и расширяют варианты пользовательского опыта, что порождает значительно больше элементов, требующих тестирования. Когда AI-автоматизация снижает ограничения на создание продуктов, компании вынуждены выбирать между несколькими вариантами. Джонсон объясняет:
«Иногда человек взаимодействует с агентом. Иногда — с динамическим UI. Иногда — со статическим. Если подумать обо всех точках, где нужна обратная связь, потребность в ней выросла экспоненциально. Когда я пришёл сюда два года назад, мы были нишевой компанией на усложняющемся рынке — но затем широкая аудитория строителей резко выросла, скорость их работы стала значительно выше, и главной проблемой стало “что строить?”. Именно на этот вопрос мы помогаем отвечать, потому что мы — лучшая в мире компания по поиску нужных людей для получения правильной информации».
Сейчас компания готовит новый сервис для оценки AI-взаимодействий, который выходит за рамки точности, эффективности и безопасности и тестирует человеческие отношенческие элементы — доверие и аффинитет. Новый бенчмарк AI Relationship Quality (ARQ) будет представлен на следующей неделе.
Зрелая методология
Под поверхностью в работу вступает весь накопленный компанией опыт в составлении вопросов, подборе состава респондентов и обобщении результатов. Джонсон объясняет:
«У нас много методологий и вариантов получения обратной связи, что приводит к значительно более высокому её качеству. Когда люди используют прямые, более “партизанские” методы, обратная связь может быть статистически незначимой, вопросы сформулированы неправильно, что-то упущено. Когда они используют весь наш функционал, они получают преимущество всего нашего опыта. Мы помогаем клиентам делать это лучше».
Возможность анализировать видеоинтервью — а не просто смотреть на результаты A/B-тестирования — также даёт ценные инсайты. Он продолжает:
«Большая часть того, что мир делал исторически: создаётся несколько версий опыта, люди их проходят, а потом смотрят на сырые данные о том, что произошло. Но они не знают, почему. Когда вы видите клиента, выполняющего задание на видео, и слышите, как он думает вслух, — вы понимаете “почему”. Иногда, даже если один из трёх вариантов явно лучше, вы не знаете почему и не знаете, как его улучшить. Но когда вы наблюдаете, как они объясняют свои действия, это наводит вас на следующую идею — и вы создаёте ещё лучшую итерацию».