NN/g 把同一題開放式問卷題目丟給 120 位 AI 合成受訪者，再和 604 位真人的答案比對：大方向結論一樣，但真人用了 50 多種說法，AI 只收斂到十來個，連不同職務之間的差異都被抹平。這個現象叫「模式崩塌」。給要做網站改版、產品規劃與使用者研究的團隊：AI 受訪者什麼時候好用、什麼時候會騙你。
想像你要辦一場尾牙抽獎，請 AI 幫你「模擬 120 位員工」票選最想要的獎品。結果出爐：第一名是現金，第二名是現金，第三名……還是現金，偶爾有人說想要 iPad。
聽起來很合理，對吧？但真正的員工裡，可能有人想要按摩椅、有人想要一天特休、有人只想要老闆不要上台唱歌。這些「少數意見」，往往才是讓活動辦得有記憶點的關鍵。
10 月 16 日，Nielsen Norman Group（NN/g）的 Rachel Banawa 發表了一份很有意思的實驗，主題就是這件事：AI 生成的假受訪者，可以取代真人嗎？
實驗怎麼做？
越來越多團隊開始用「合成使用者」（synthetic users），也就是用生成式 AI 扮演研究參與者，省下招募真人的時間與費用。NN/g 之前測過合成使用者在訪談中的表現，這次挑了一個範圍更小的任務：回答一題開放式問卷題目。
他們重複使用自己先前一份關於 UX 職稱的調查。當時有 604 位科技與設計從業者回答這題：「有個人蒐集人們的需求與經驗，並把這些洞察轉成產品或服務該如何規劃、打造與改善的建議。你認為哪個專業領域最能描述這份工作？請只說一個。」
2026 年 2 月，研究團隊用 Synthetic Users 這個平台生成了 120 位合成受訪者，設定為全球各地的科技與設計從業者。平台會自動幫每個人產生年齡、地點、職稱、組織類型、年資、文化背景，甚至「五大性格特質」等設定。
有兩件事是研究團隊控制不了的：第一，平台用「模擬訪談」的形式作答，所以 AI 的回答通常比真人問卷長；第二，平台有時會改寫題目，例如把「需求與經驗」說成「需求、行為與經驗」。NN/g 提醒，這種小改寫就可能影響受訪者怎麼理解題目，也就是說，你對題目怎麼被問出去，掌控度有限。
結論一樣，但細節差很多
先講好消息：兩組資料得出同樣的大結論，沒有任何替代名稱取代「UX」成為這類工作的主流稱呼。
但接下來就有意思了：
- 合成受訪者中有 84% 使用 UX 相關詞彙，真人約 70%，差距達統計顯著。
- 真人樣本中有 67% 本身是 UX 從業者；合成樣本則刻意設定職務配額，只有 20% 是 UX 從業者。
換句話說，AI 樣本理論上更「多元」，結果卻比一群本來就熟悉 UX 的真人，更愛說 UX。
模式崩塌：長尾不見了
最關鍵的發現在「說法的多樣性」。
真人總共用了 50 多種不同的說法，像是「消費者行為研究」「數位體驗策略」「旅程管理」「人因工程」，大多數只出現一次或幾次。合成受訪者呢？整體只收斂到大約十二種說法，真人資料中那些比較冷門、專業的答案，例如「數位管理」「商業分析」，一個都沒出現。
有趣的是，AI 的回答明明比較長，有更多機會提到其他詞，卻還是比較單調。
NN/g 借用機器學習的術語，把這叫做「模式崩塌」（mode collapse）：生成模型一直產出少數幾種最常見的結果，而不是它原本學到的完整範圍。放在合成使用者研究裡，意思就是：AI 會重現最常見的答案，卻把真實族群中那條少數意見的長尾整個丟掉。
不同職務的差異，也被抹平了
職務背景在合成資料裡還是有影響。例如合成的「顧客洞察」從業者中有 45% 提到 customer，合成的 UX 從業者則是 0%；合成的市場研究人員有 30% 提到 market。
但整體來說，AI 把不同職務都往同一個主流答案拉。最誇張的例子是產品經理：合成產品經理有 93% 使用 UX 詞彙，真人產品經理只有 44%。
這對想用 AI 比較「不同客群怎麼想」的團隊來說是個警訊：合成資料也許看得出群體之間有差異，卻可能低估差異的大小。
這跟網站和產品團隊有什麼關係？
很多工作室和企業在網站改版、App 規劃時，已經開始讓 AI「扮演目標客群」，看起來省時又便宜。這份研究告訴我們，答案要看你想知道什麼：
AI 受訪者比較適合：
- 在正式研究前，幫忙產生假設、列出可能的需求方向。
- 測試問卷或訪談大綱「讀起來順不順」，找出容易誤解的題目。
- 檢查大方向：例如「大部分人會不會這樣稱呼這個功能」。
一定要找真人的時候：
- 導覽選單與功能命名：真實使用者用什麼字找東西，常常五花八門。如果只問 AI，你可能會漏掉一群人慣用的說法，選單名稱就只對一半的人有意義。
- 搜尋關鍵字與內容規劃：網站的搜尋流量很多來自長尾說法，而長尾正是 AI 最容易丟掉的部分。
- 比較不同客群：B2B 採購和終端使用者、老客戶和新客戶，差異往往比 AI 模擬出來的大。
- 找出意料之外的需求：新服務、新市場的機會，通常藏在那些「只有一個人這樣說」的答案裡。
實務建議：讓 AI 當助理，不當受訪者
- 先用 AI 擬，再用真人驗：用 AI 整理假設清單與訪談題目，接著找真正的客戶或潛在使用者聊，數量不用多，但一定要是真人。
- 把題目寫死：如果使用合成使用者工具，留意平台會不會改寫題目；真人研究也一樣，題目措辭要一致。
- 特別記錄「少數答案」：分析真人資料時，不要只看前三名。那些只出現一次的說法，常是新功能、新關鍵字或新商機的線索。
- 報告裡標清楚資料來源：哪些結論來自真人、哪些只是 AI 模擬，給老闆或客戶看時要分開寫，避免「AI 說的」被當成「客戶說的」。
- 命名與分類用真人卡片分類：選單、商品分類這類決策，請真人做卡片分類或樹狀測試，比問 AI 更可靠。
你可能會問
Q：AI 和真人結論一樣，那不就代表 AI 可以用了？
A：只在「你只需要最常見答案」時勉強成立。NN/g 強調，就算結論剛好一致，也不能證明 AI 能可靠呈現少數觀點、群體差異與自然變化。
Q：叫 AI「回答得多元一點」不就好了？
A：NN/g 指出，硬要求更多變化，不代表那些變化有代表性。AI 必須產出真實的人會給的冷門答案，而且比例也要接近；沒有真人資料比對，很難知道它做得對不對。
Q：小公司預算有限，怎麼做真人研究？
A：從現有客戶開始：客服紀錄、站內搜尋關鍵字、幾通電話訪談，都是真實資料。重點不是規模多大，而是資料來自真人。
Q：這份研究的樣本夠嗎？
A：研究比較的是 120 位合成受訪者和 604 位真人回答同一題開放式題目，屬於範圍明確的單一題目測試。NN/g 自己也說明了平台改寫題目、作答形式不同等限制，解讀時應一併考慮。
結語
這份研究最值得記住的一句話是 NN/g 的結論：合成使用者研究仍然不是使用者研究，因為根本沒有真正的使用者被研究。
AI 很擅長告訴你「大家通常會怎麼說」，但產品的差異化，往往來自那些「不是大家」的人。把 AI 當成整理思緒的助理，把真人當成最後的裁判，你的網站和產品才會真的對到人。
來源：Synthetic Users vs. Human Respondents: Same Conclusion, Less Variation（Rachel Banawa，Nielsen Norman Group，2026/10/16）。
延伸參考：Synthetic Users: If, When, and How to Use AI-Generated "Research"（Nielsen Norman Group）。