Lyssna: ChatGPT в UX-исследованиях
ChatGPT в UX-исследованиях ставит очевидный вопрос: пригоден ли универсальный чат-бот для исследовательской работы, или это просто способ быстро срезать углы? На практике всё зависит от того, как именно его использовать. UX-исследователь может набросать скринер за несколько минут; продакт-менеджер — разобраться в сотне открытых ответов на опрос, на которые ни у кого нет времени. В обоих случаях привлекательность одна: быстро, привычно, без специальной настройки.
Именно эта доступность и объясняет, почему к нему стоит подходить осторожно. ChatGPT создавался не для исследований, поэтому он не знает ваших участников, не может проверить то, что сообщает, и будет одинаково уверенно отвечать независимо от того, прав он или нет. Это не делает его бесполезным — просто ценность определяется пониманием того, для каких задач он реально подходит, а где нужен человеческий контроль.
Ключевые выводы
- ChatGPT ускоряет черновую работу, суммирование и предварительный анализ, но не сам процесс сбора данных.
- Уверенно звучащие ответы ИИ всё равно нужно проверять по реальным данным от участников.
- Признаки AI-сгенерированных ответов в опросах: расплывчатые формулировки, дублирующиеся ответы, необычно быстрое прохождение.
- MCP-сервер Lyssna подключается напрямую к ChatGPT, позволяя проводить AI-анализ на основе реальных данных участников.
Что такое ChatGPT и почему его используют UX-исследователи
ChatGPT — универсальный чат-бот OpenAI, созданный для ведения диалога, написания текстов и решения задач по запросу, а не для проведения исследований или управления данными участников. Именно эта универсальность и привлекает исследователей: не нужно специального обучения, отдельного бюджета или одобрения IT-отдела, чтобы открыть браузер и начать вставлять транскрипты.
ИИ уже меняет UX-исследования, и исследователи потянулись к ChatGPT задолго до того, как AI-ассистенты обзавелись специализированными функциями для исследований. В Research Synthesis Report 2025 от Lyssna 300 исследователей в открытом вопросе рассказывали, какие инструменты используют для синтеза данных, — ChatGPT всплывал по имени, без наводящих вопросов. Небольшое количество упоминаний, но показательное, учитывая, что никто его специально не спрашивал. И это не исключение: по данным UX Research Trends 2026 от Lyssna (100 UX-исследователей), только 5% сказали, что вообще не используют ИИ в своей работе.
При этом ChatGPT в UX-исследованиях — не то же самое, что ChatGPT для исследований вообще. Попросить его поискать в интернете и обобщить информацию о рынке или конкуренте — значит работать с публичными данными. Загрузить свои интервью, транскрипты или данные опросов — значит делать нечто ближе к тому, чем занимается специализированная исследовательская платформа, только без интерфейса, выстроенного вокруг исследовательских задач.
Что ChatGPT реально умеет в UX-исследованиях
Сильные стороны ChatGPT совпадают с самыми времязатратными частями работы, а не с проведением самого исследования.
| Задача | Чем помогает ChatGPT | На что обратить внимание |
|---|---|---|
| Составление вопросов и гайда для дискуссии | Превращает цель исследования в черновой скринер, гайд или список вопросов | Относитесь к черновикам как к отправной точке — редактируйте перед отправкой участникам |
| Суммирование уже собранных данных | Выделяет темы и составляет резюме из вставленных транскриптов или данных, подключённых через MCP | Проверяйте каждую цитату по исходному транскрипту перед включением в отчёт |
| Автоматизация рекрутинга и административных задач | Составляет письма для самостоятельного рекрутинга, follow-up сообщения и простую логику скрининга | Следите за тоном — обезличенные корпоративные формулировки бросаются в глаза |
| Знакомство с незнакомой темой | Даёт быструю ориентацию в незнакомой области или терминологии перед написанием вопросов | Проверяйте всё специфическое по реальным источникам, прежде чем полагаться на это |
Составление вопросов и гайдов для дискуссии
ChatGPT способен подготовить достойный черновик скринера, гайда для дискуссии или набора исследовательских вопросов — достаточно описать цели исследования и целевую аудиторию. Он особенно полезен, когда перед вами чистый лист: опишите, что хотите узнать, и он предложит формулировки, дополнительные вопросы или примерную структуру, от которой можно оттолкнуться. Воспринимайте результат как заготовку, которую нужно доработать по своим стандартам, — а не готовый материал для отправки участникам.
Суммирование и организация уже собранных данных
Вставьте пакет транскриптов или открытых ответов на опрос, и ChatGPT сможет выделить повторяющиеся темы, составить резюме или переформатировать результаты для конкретной аудитории — короткую версию для стейкхолдеров или более развёрнутую для дизайн-команды.
При этом не обязательно вставлять всё вручную: подключите ChatGPT к реальным данным исследования через Model Context Protocol (MCP), и он сможет работать с вашими фактическими результатами, а не только с тем, что вы успели скопировать в текущий сеанс. Это один из самых распространённых способов применения ChatGPT, и именно здесь специализированные инструменты для синтеза и хранения данных начинают давать больше — они поддерживают согласованную разметку и структуру на протяжении нескольких исследований, а не начинают с нуля при каждом новом чате.
Автоматизация рекрутинга и административных задач
Помимо анализа, ChatGPT полезен для административной стороны исследования: составление письма для самостоятельного рекрутинга, написание персонализированного follow-up после получения отклика или набросок простого скринингового воркфлоу. Здесь не нужен специализированный AI — это те же навыки написания и суммирования, только применённые к административным задачам, а не к данным.
Знакомство с незнакомой темой
Прежде чем написать первый исследовательский вопрос, ChatGPT поможет сориентироваться в незнакомой области, отрасли или терминологии — чтобы на встречах со стейкхолдерами и в интервью задавать более точные вопросы. Раньше такая подготовка занимала целые дни; целенаправленный разговор может покрыть большую часть за час, хотя всё специфическое для отрасли стоит проверять по реальным источникам.
Главное ограничение ChatGPT в исследованиях в том, что ошибочные ответы выглядят так же уверенно и аккуратно, как правильные. Джулиан Делла Маттиа, Senior User Insights Manager в DuckDuckGo, столкнулся с этим напрямую при использовании ИИ в работе над книгой: «ИИ заполнял пробелы… мне пришлось научиться его ограничивать». Его решение — давать чёткие рамки, загружать собственный материал и инструкции, не давая ИИ импровизировать. Та же дисциплина нужна исследовательским командам при работе с ChatGPT на собственных данных.
По словам Делла Маттиа: «Нужно уметь отличить хорошее от плохого, потому что если не знаешь, как выглядит хороший research или хороший результат, тебя легко обмануть. ИИ всегда даст ответ». В этом и состоит настоящий риск: он не умеет сигнализировать, когда угадывает, и не может проверить ответ по реальным данным исследования, если только вы не передали ему эти данные напрямую.
Отдельно стоит вопрос конфиденциальности данных. Если вы вставляете реальные данные участников — особенно личные, медицинские или коммерчески чувствительные — в ChatGPT, сначала изучите политику обработки данных вашей организации, как вы бы сделали перед отправкой этих данных любому стороннему инструменту.
ChatGPT и реальные данные участников решают разные задачи. Панель Lyssna насчитывает 690 000 участников в 124 странах с более чем 395 демографическими и психографическими параметрами таргетинга, что позволяет проводить настоящие опросы или тесты юзабилити, а не работать только с уже имеющимися данными в окне чата.
Кроме того, у Lyssna есть собственный MCP-сервер на базе открытого стандарта, который позволяет ChatGPT запрашивать ваши реальные данные исследования напрямую, а не полагаться на то, что вы вставили вручную. Функция Synthesize в Lyssna применяет AI-синтез непосредственно к реальным ответам участников — так можно получить скорость ChatGPT-синтеза без отрыва от фактических данных исследования.