Jakob Nielsen: практикуйте интервью с AI перед встречей с реальными пользователями
Якоб Нильсен опубликовал очередной дайджест UX-исследований. В выпуске от 2 ноября 2026 года — восемь тем: от тренировки интервью с AI-персонажами до оптимизации инструмента NASA-TLX. Центральная из них — когда использование синтетических пользователей оправдано, а когда нет.
Репетируйте с синтетическими пользователями, исследуйте с реальными
Нильсен разбирает исследование системы Rehearsim, разработанной группой учёных из Университета Иллинойса в Урбана-Шампейн. Система генерирует симулированных участников на основе опубликованных исследований о целевой аудитории, затем проводит интервью по гайду исследователя.
В исследовании участвовали 22 качественных исследователя, которые приносили ранние версии своих гайдов или новые идеи для изучения. После сессий с AI-персонажами 17 из 21 исследователя скорректировали свои протоколы. Изменения затронули три области — контекст исследования, целевую аудиторию и формулировки вопросов. Было добавлено 12 новых вопросов. Одна симулированная подгруппа AI-скептиков убедила исследовательницу, изучавшую избирательное использование AI, включить в выборку и критически настроенных пользователей. Другая участница обнаружила, что её вопрос о доставке еды молчаливо предполагал: пользователь уже знает, что хочет съесть, прежде чем открыть приложение.
Нильсен вводит понятие «практиципантов» (practicipants) — практических участников, в отличие от участников реального исследования. Аналогия — авиационный тренажёр Link Trainer времён Второй мировой войны: 500 000 пилотов освоили приборный полёт на тренажёре, но ни один не брал прогноз погоды у симулятора.
Ограничения Rehearsim тоже задокументированы. AI-персонажи были артикулированы до неестественного предела — они давали полные, развёрнутые ответы, практически не оставляя пространства для уточняющих вопросов. Девять из 21 исследователя сочли, что симуляция делает интервьюирование слишком простым. Персонаж, которому дано задание быть замкнутым, начинал каждый ответ с «эм», строго по скрипту. Кроме того, знание о синтетической природе материала снижало любопытство: один исследователь отмахнулся от неожиданной темы тремя словами — «Это просто AI».
Нильсен предлагает пять правил работы с практиципантами:
- Тренировать новичков на AI, чтобы они не «сжигали» реальных участников в процессе обучения.
- Проверять гайд на разных подгруппах, чтобы выявить скрытые допущения и не упустить неожиданные сегменты аудитории.
- Специально прописывать сложных участников: молчаливых, скептически настроенных, запутанных профессиональным жаргоном.
- Превращать неожиданные ответы AI в вопросы для реальных интервью, сохраняя открытость.
- «Помещать в карантин» темы, выявленные AI, — не превращать их в гипотезы, которые полевая работа будет лишь подтверждать.
Сложность ответов AI: не один параметр, а бюджет
Вторая тема дайджеста — анализ более 84 000 реальных разговоров пользователей с ChatGPT и Gemini по финансовым и медицинским вопросам. Исследование провели Ингкэн Кэрол Ван и коллеги из лондонской консалтинговой компании Stripe Partners.
Разбор, который пересылали снова — повторный вопрос или жалоба «я не понимаю» — использовался как поведенческий сигнал непонимания. Ключевой вывод: ни одна отдельная характеристика ответа — длина, показатель читаемости Флеша, словарный запас или форматирование — не предсказывала затруднение сама по себе. Имело значение сочетание.
Нильсен вводит понятие «нагрузки ответа» (answerload): длина, редкие слова, жирный шрифт, буллиты и заголовки — все они «переходят один и тот же хлипкий мост к пониманию пользователя», у которого есть предел нагрузки.
Конкретные находки:
- Разнообразие словарного запаса снижало повторные вопросы — но лишь в коротких ответах. В длинных этот эффект исчезал.
- Показатель читаемости Флеша не предсказывал ничего. Более простой текст был связан даже с несколько большей вероятностью жалоб на непонимание.
- Markdown работал неоднозначно: каждый дополнительный элемент форматирования на 30 слов повышал вероятность повторных вопросов на 9–12%, хотя в медицинских чатах те же элементы снижали жалобы на 22–24%.
- Задачи на обучение давались пользователям хуже всего. Среди пользователей финансовых сервисов, пытавшихся разобраться в теме, вероятность жалоб «я не понимаю» была в 2,6 раза выше, чем при простом поиске информации.
Практические рекомендации Нильсена: измерять собственный repair rate по логам, настраивать «нагрузку ответа» в зависимости от типа задачи, а в длинных ответах упрощать всё остальное — длина уже потратила большую часть бюджета внимания.
Ввод дат: два разных сценария требуют разных решений
Нильсен разбирает ситуацию с полями для ввода дат. Выбор даты (например, дата доставки на следующей неделе) выигрывает от виджета-календаря, поскольку пользователь нуждается в контексте: дни недели, доступность слотов. Вспоминание даты (например, день рождения) такого контекста не требует — человек знает эту дату с детства.
Тем не менее формы предлагают один и тот же виджет для обоих сценариев. Расчёт Нильсена: пользователь, рождённый в апреле 1962 года, столкнувшийся с помесячным выбором в ноябре 2026 года, должен сделать 768 кликов назад, чтобы добраться до апреля. Плюс ещё 7 — чтобы пройти от ноября до апреля. Итого 775 кликов на ввод данных, которые можно набрать за 3 секунды.
Рекомендация: для известных дат предоставлять текстовое поле с гибким распознаванием форматов или хотя бы выбор с приоритетом года. Виджет-календарь оставить для ближайших дат, где видимость недели действительно помогает.
Сокращённая версия NASA-TLX: три вопроса вместо шести
Мета-анализ 683 задач из материалов конференции CHI показал: четыре из шести субшкал NASA-TLX — «психическая нагрузка», «временнáя нагрузка», «усилие» и «фрустрация» — в значительной степени дублируют друг друга (корреляции 0,73–0,86). Исследование провели Чу Ён Ли и коллеги из KAIST, Georgia Tech, TU Clausthal, HU Berlin и TU Munich.
Нильсен предлагает сокращённый вариант (STLX): психическая нагрузка, физическая нагрузка и показатель выполнения. Для программных интерфейсов он рекомендует заменить физическую нагрузку на фрустрацию. Сокращённый инструмент особенно полезен, когда участников просят оценить несколько условий подряд: типичное исследование на CHI сравнивало 3–4 условия, некоторые — до 36. Шесть субшкал на 36 условий дают 216 оценок; с STLX их 108.
Также стоит учитывать: шкала «производительности» в NASA-TLX инвертирована — высокий балл означает низкую производительность. Нильсен советует явно предупреждать об этом участников.
Другие темы дайджеста
Оставшиеся четыре темы выпуска: ценность вопроса «почему» в пользовательских исследованиях (Нильсен утверждает, что именно «зачем» — настоящий результат работы исследователя, а не «что»); теория деятельности как основа для проектирования под весь рабочий контекст; перегрузка фильтрами в интерфейсах; концепция «командных высот» в экономике AI (кто будет контролировать ключевую инфраструктуру AI-эпохи).
Дайджест выходит на Substack и доступен по подписке.