AI for UX: как Outset учит AI наблюдать, а не только слушать
Интервью-демо на канале AI for UX (Джон Уан, Brilliant Experience): Аарон Кэннон, CEO и co-founder Outset, рассказывает, как платформа эволюционировала за два года, и в режиме реального времени показывает новый рабочий процесс создания исследования. Центральная тема — visual intelligence: способность AI-модератора не только слышать участника, но и видеть его экран или видеозапись и реагировать на происходящее непосредственно в ходе интервью.
Для кого это видео
Видео будет полезно UX-исследователям и CX-аналитикам, которые уже знакомы с AI-модерированными интервью и хотят понять, что именно изменилось в Outset за последние два года. Также подойдёт командам, которые оценивают платформы для масштабирования qual-исследований внутри больших организаций и хотят увидеть, как выглядит реальный рабочий процесс, а не только описание возможностей.
Ключевые идеи
-
AI-агенты, работающие параллельно при создании исследования. Outset использует подход agent swarm: один агент строит план исследования, затем несколько агентов параллельно прописывают вопросы, опираясь на встроенную библиотеку best practices. Это снижает время создания discussion guide с часов до минут. Исследователь остаётся редактором и стратегом — агенты берут на себя черновую работу по структурированию и формулировкам.
-
Visual intelligence — AI наблюдает, не только слушает. Новая модальность позволяет участнику поделиться экраном или загрузить видео, а AI-модератор видит происходящее и задаёт вопросы в контексте конкретного действия. Это переводит usability-тестирование в режим AI-модерирования: модератор реагирует на реальное поведение, а не только на слова.
-
Toolkit для не-исследователей (POWDER). Кэннон описывает модель, при которой research-команды создают шаблоны и guard rails, а специалисты из бизнес-подразделений самостоятельно запускают исследования в рамках заданных ограничений. Поддерживаются approval flows: если сотрудник без исследовательского бэкграунда нажимает «Опубликовать», исследование уходит на согласование в research-команду.
-
Разнообразие типов вопросов. За два года платформа расширилась с чистого conversational-формата до поддержки forced choice, матричных вопросов, concept-тестирования с рандомизированной выборкой концептов, участника-загрузки изображений и видео. Это позволяет сочетать глубинное зондирование с количественными элементами в одном исследовании.
-
AI-модерированное vs. немодерированное. Кэннон формулирует позицию Outset напрямую: AI-модерированное исследование — это всё то, что было в немодерированном, плюс. Он считает, что у немодерированного формата больше нет преимуществ перед AI-модерированным, поскольку живой модератор больше не нужен для обеспечения глубины.
Стоит смотреть, если…
Вы оцениваете платформы для AI-модерированных интервью или уже используете Outset и хотите понять, что изменилось в новом релизе. Видео также полезно тем, кто хочет понять, как организовать research-операции для нон-исследователей внутри компании, — Кэннон показывает этот сценарий на конкретном демо.