Maze: Следующий навык исследователя — знать, когда доверять ИИ

Авторы статьи — Ноэль Джи (руководитель программы Research Partner) и Йоко Фрайер (Senior Research Partner в Maze). Оба работают непосредственно с командами исследователей, которые интегрируют AI-инструменты в реальные рабочие процессы.

На прошлой неделе Anthropic провёл 81 000 AI-модерированных интервью в 159 странах. Без ни одного живого модератора. С адаптивными уточняющими вопросами, на 70 языках, в открытых диалогах — в масштабе, с которым типичная исследовательская команда физически не справится.

Это впечатляющая веха. Но она ставит новый вопрос: когда ИИ берёт на себя всё больше исследований, как решить, чему доверять и где человеческое суждение по-прежнему важно?

ИИ стал базовым — вопрос в том, где вы включаетесь

Спрос на исследования за прошедший год вырос на 66%. Команды делают больше, при более высоких ставках и меньшем времени. Невозможно присутствовать на каждой сессии и просматривать каждое интервью — особенно когда переключаешься между несколькими исследованиями или прокручиваешь часы видеозаписей в поисках ключевого инсайта.

Решение не в том, чтобы делать всё самому. Оно в том, чтобы знать, где ты нужен больше всего, и уверенно включаться именно там. Для большинства команд именно здесь появляется ИИ.

Для большинства команд ИИ уже вышел из стадии эксперимента и стал необходимостью. Почти 69% исследователей автоматизируют хотя бы часть своих рабочих процессов — от формулировки целей и вопросов до анализа данных. Это на 19% больше, чем в прошлом году. То, что раньше казалось преимуществом, быстро стало нормой.

По мере того как ИИ берёт на себя всё больше задач, роль исследователя становится чётче. Не каждая часть user research требует вашего участия в одинаковой мере.

Будьте намеренны в том, где вы появляетесь. Вы сильнее там, где становится сложно: в отличие от ИИ-инструментов, люди масштабируют смысл — вы интерпретируете нюансы, решаете, что важно, задаёте направление. Вы чувствуете атмосферу в комнате, считываете язык тела и в конечном счёте определяете намерение.

AI-модерация сильна там, где важна последовательность. ИИ масштабирует исследования, автономно проводя сессии, задавая одни и те же вопросы каждый раз и не теряя глубины. Каждый участник получает одинаковое внимание и структуру, основанную на ваших целях.

Наиболее передовые организации используют автоматизацию для повторяющихся исследований и анализа данных, направляя живых исследователей к более неоднозначным или эмоционально сложным аспектам user research.

Не каждое исследование требует вашего присутствия

Настоящий навык — знать, где ваше участие меняет результат. Когда вы находите баланс между участием человека и работой ИИ в разных моментах исследования, вы быстро видите, где ваше влияние максимально.

Некоторые исследования носят поисковый и эмоционально сложный характер: квалифицированный модератор-человек читает атмосферу, корректирует направление в реальном времени и знает, когда отойти от сценария. Другие исследования имеют чёткий стимул, определённую цель и вопросы, которые выигрывают от последовательности и глубины — именно здесь ИИ может вести.

Перед тем как автоматизировать исследование, стоит задать себе три вопроса:

• Структурировано ли исследование и чётко ли определено? Если ваши вопросы ясны, стимул готов, и вы понимаете, что хотите узнать — сложная часть уже позади. Автоматизированная модерация работает лучше всего при чётком направлении с вашей стороны.
• Важнее ли последовательность, чем спонтанность? Валидация концептов, тестирование сообщений и бенчмаркинг зависят от того, чтобы каждый участник имел одинаковый опыт. ИИ не бывает не в духе, не устаёт и случайно не углубится в расспросы одного участника больше, чем другого.
• Жертвуете ли вы глубиной ради времени? Если у вас нет ресурсов модерировать каждую сессию, AI-модерация позволяет проводить больше исследований, не растягивая силы. Вы сохраняете контроль над дизайном и анализом — выполнение не обязательно лежит на вас.

Если большинство ответов утвердительные — перед вами хороший кандидат для передачи ИИ.

Как это выглядит на практике

По мере того как AI-модераторы охватывают всё больше типов рабочих процессов, их ценность становится очевидной в конкретных сценариях.

Пример 1: Продуктовая команда, проверяющая новый концепт перед вложением ресурсов. Исследование структурировано, стимул ясен, цель — понять, как люди воспринимают увиденное. AI-модерация ведёт разговоры: задаёт последовательные вопросы, уточняет детали. Исследователь сосредотачивается на том, что означают паттерны и держится ли направление.

Пример 2: Маркетинговая команда, тестирующая сообщения перед запуском. Вместо того чтобы полагаться на внутренние мнения или ждать данных о результатах, команда слышит, как пользователи осмысляют разные ценностные предложения — что кажется ясным, что расплывчатым, что вызывает доверие. Глубина есть, но без необходимости модерировать каждую сессию.

Пример 3: Команда, изучающая трения в onboarding-процессе. Они уже знают, где пользователи уходят. Им нужен контекст. Со структурированными промптами и демонстрацией экрана участники проходят опыт, получая помощь в ключевые моменты — выявляя растерянность, колебания и несовпадение ожиданий.

Каждый участник получает одинаковый уровень внимания, одинаковую глубину вопросов и одинаковое пространство для объяснений. Именно эта последовательность делает инсайты более надёжными — они изучены с одинаковой тщательностью.

И здесь баланс начинает работать.

Как исследователь, вы по-прежнему определяете цели и направление. Вы решаете, что стоит спрашивать, что важно в данных и какие решения принимать дальше. Мышление остаётся за вами — человеческая проверка и надзор никуда не деваются. Просто исполнение уже не обязательно лежит на вашем столе.

«Наиболее влиятельные системы не заменят человеческое суждение — они расширят его, помогая командам решать более сложные проблемы быстрее, в условиях растущей сложности», — говорит Нетали Якубович, VP Product в Maze.

Новый стандарт достоверных исследований

AI-модерированные исследования уже часть того, как работают современные команды. Качественные исследования сводятся к выбору правильного метода для конкретного вопроса.

Автоматизация отлично подходит для скорости, масштаба и последовательности. Она помогает проводить воспроизводимые исследования и быстро выявлять паттерны на больших группах. Но часть работы по-прежнему требует участия человека — особенно когда важны нюансы, чувствительность или более глубокий контекст.

Не нужно присутствовать на каждом исследовании, чтобы сохранять контроль. Нужно знать, где ваше участие реально меняет результат. Исследователи, которые понимают это, умеют принять такое решение с уверенностью: они выбирают правильный уровень надзора и отстаивают свои выводы. Это и есть новый стандарт.