Skip to content
Новость Awkward Silences окт. 2026 г.

Awkward Silences #193: ИИ не сделает вас лучшим UX-исследователем, если вы не сделаете это сами

Обложка эпизода подкаста Awkward Silences об использовании ИИ в UX-исследованиях

Примечание от редакции: После восьми лет разговоров, инсайтов и настоящих неловких пауз подкаст Awkward Silences завершает работу — последним выйдет 194-й эпизод, запланированный на 27 октября: круглый стол о синтетических пользователях. Мы бесконечно благодарны гостям, слушателям и ведущим, которые прошли этот путь вместе с нами. Разговоры не обязаны заканчиваться: приглашаем обратиться к подкасту Insights Unlocked от Auros, где исследуются люди, идеи и открытия, формирующие будущее ИИ, исследований, цифровых продуктов и клиентского опыта. Insights Unlocked доступен на всех основных подкаст-платформах. От всех участников Awkward Silences — прошлых и настоящих — спасибо, что слушали, учились и задавали вопросы вместе с нами.

В этом эпизоде Awkward Silences Лия Хоган из Auros беседует с Сэлом Крисчоне, старшим UX-исследователем и руководителем в области исследований, о том, как он использует ИИ для развития навыков количественного исследования — через практику, симулированные сценарии и непрерывное обучение.

Сэл рассказывает, как превратил ИИ в интерактивный тренажёр: тот генерирует реалистичные сценарии UX-исследований и наборы данных, ставит задачу выбрать подходящие статистические методы и даёт обратную связь по проведённому анализу. Разграничив обучение и практику, он выработал воспроизводимый подход к освоению количественного исследования и сделал этот процесс вовлекающим.

В разговоре также рассматриваются риски избыточного доверия к ИИ: галлюцинации, ошибки в вычислениях и склонность соглашаться с пользователем вместо того, чтобы ставить под сомнение его суждения. Сэл объясняет, почему надёжные первоисточники, независимая проверка и критическое мышление по-прежнему необходимы — и как объяснение материала другим помогает обнаружить пробелы в собственном понимании.

Что вы узнаете

  • Как использовать ИИ для развития навыков количественного UX-исследования через практику
  • Почему разграничение обучения и практики способствует более глубокому пониманию
  • Как создавать AI-сценарии и наборы данных для практики статистического анализа
  • Способы распознавать предвзятость ИИ, ставить под сомнение его ответы и верифицировать результаты
  • Почему надёжные источники и независимые расчёты необходимы при обучении с помощью ИИ
  • Как объяснение материала другим укрепляет экспертизу и выявляет пробелы в знаниях

Ресурсы и ссылки