两年前对AI影响用户研究的预测，哪些应验了，哪些被打脸

两年前关于AI如何改变用户研究的预言，如今哪些成真，哪些被现实打脸？回头来看，这个故事既有预料之中的演进，也有意料之外的波折。

距离那篇《ChatGPT 将如何影响用户研究工作》的文章，已经过去了将近两年。站在2025年的末尾，回看2023年4月那个“百模大战”刚刚拉开序幕的时刻，我们正处在Amara定律的哪个阶段？——我们往往高估技术的短期影响，而低估其长期影响。

年尾，重新审视当年的预测：如果你问AI的能力变强了吗？答案是肯定的。但如果你问“用研的工作方式彻底变了吗？”答案却比两年前想象的要复杂得多。

现实世界存在巨大的摩擦力。当年高估了“组织的进化速度”，低估了“旧习惯的顽固程度”。这次复盘，就是一次“去滤镜”的审视：看看当年基于“创新扩散曲线”推演的逻辑，哪些精准命中了靶心，哪些又被打脸。

我们往往高估技术的短期影响，而低估其长期影响。 — Roy Amara

一、哪些被“预言”证实了？（底层逻辑的胜利）

回头看，虽然落地的具体形态有偏差，但当年基于创新扩散理论和技术能力边界所做的核心推演，在今天看来依然站得住脚。

1. 核心方法论的胜利：创新扩散路径完全命中

“遵循个人 -> 团队 -> 公司的渗透顺序……先是尝鲜者辅助个人工作，再是团队形成最佳实践。”

这正是过去两年发生的真实剧本。回顾这700多天，AI严格沿着这条路径演进：

• 2023年：
  属于“个人英雄主义”，谁会用ChatGPT谁就是部门里的“大神”。

• 2024年：
  变成了“团队标配”，飞书/钉钉接入AI，团队开始采购企业版账号，共用Prompt库。

• 2025年：
  公司层面的“中台化”开始显现，企业内部的知识库（RAG）开始成型。

现在看，创新扩散模型，依然适用于大模型技术的发展。

2. 对“能力边界”的精准界定：数据处理能力的降维打击

“GPT擅长生成Excel公式，生成SQL代码……擅长逻辑且结构化的输出。”

这一预测被100%验证，甚至成了用研转型的救命稻草。现在是用研行业“技术门槛”最低的时代，也是“技术上限”最高的时代。

• 以前用研想做定量分析，得去求数据分析师跑数，或者自己啃SQL教程。
• 现在？直接把需求告诉AI，它写的SQL比你有逻辑，写的Python爬虫比你更稳。

AI并没有把用研变成“废人”，而是把用研变成了“全栈研究员”。当年预测的“辅助能力”，让不懂代码的文科生也能玩转大数据，这点毫无争议。

3. “听写与总结”彻底自动化

“未来访谈记录与总结的流程，可能会变成这样：现场录音——>（声音转文字）出访谈记录——>用GPT出访谈小结。”

这是最彻底的胜利，已经成为行业基础设施。现在没有任何一个理性的用研会再手动整理逐字稿。飞书妙记、腾讯会议AI、千问等工具，不仅能转录，还能自动总结。

二、哪些被“打脸”了？（现实比预测更复杂）

这是复盘最核心的部分。当年的文章犯了一个典型错误：把“技术具备了能力”等同于“组织具备了落地能力”。

1. Prompt并没有成为通用的“新肢体语言”

“Prompts越来越成为与机器交互的新肢体语言……像给员工交代工作一样，是未来的基本功。”

Prompt并没有像Office软件那样，迅速成为职场通识。现实情况呈现出极端的两极分化：

• 极少数人（2%）：
  真正掌握了结构化提示词、思维链（CoT）等技巧，工作效率十倍速提升，成为了“超级个体”。

• 绝大多数人（98%）：
  把DeepSeek当作百度用，搜一下，问一句，得到一个平庸的答案，然后抱怨“AI也就那样”。

Prompt还没成为“基本功”，它目前更像是一种“秘密武器”。企业并没有系统性地培训员工使用AI，导致“会用的人”和“不会用的人”产出差距拉大，但这种差距是隐性的。大家并没有在“交流Prompt”，大家只是在闷头用（或者不用）。

2. 初级岗位并没有被“替代”

“ChatGPT擅长总结……初级分析工作将被替代。”

初级岗位依然存在，且企业并没有因为AI而大规模重构岗位。为什么大模型具备了写基础报告的能力，却没有替代初级员工？原因在于“信任成本”和“组织惯性”：

• 不敢用：
  老板不信任AI的幻觉，依然需要真人（哪怕是初级员工）来“背锅”和核对。

• 流程没变：
  企业的SOP依然是旧的，并没有把AI嵌入考核。

• 影子AI（Shadow AI）：
  真实的情况是，初级员工偷偷在用AI干活，然后假装是自己写的，交给老板。

发生的不是“替代”，而是“伪装”。生产力工具的提升，暂时被组织管理的滞后性给抵消了。技术上的“平权”发生了，但组织结构上的“平权”远未到来。

3. 关于“微调（Fine-tune）”的技术路径误判

“乙方公司会训练一个调研GPT……对中间过程文档的格式要求会变高。”

乙方咨询公司并没有走Fine-tune路线，而是选择了基于通用大模型的上层应用。微调的技术含量，对于一些乙方公司来说也还是太高了。而乙方公司有非常多的方法论、案例以及适用场景，做AI应用显然更划算。

4. GUI（图形界面）没有消失，而是进化了

“ChatGPT最大的改变就是不需要图形界面了……当前的所有App都值得重做一遍。”

纯对话交互（Chatbot）在处理复杂任务时效率极低。现在的趋势是。体验类用研并没有消亡，只是增加了测试“人机协作体验”的新课题。

三、当初忽略的新变量：合成用户

2023年的文章中，主要关注的是AI如何辅助研究者（Researcher）。但忽略了一个在2025年正在发生的、更具碘伏性的趋势：

国内以Atypica.ai为典型。你甚至自己就可以在coze创建一个虚拟用户。这是目前争议最大的领域。“如果你想测试这个文案对25岁一线城市女性的吸引力，不需要真的去找100个人填问卷，直接跑一遍合成用户测试。”

这极大地降低了调研成本，但也带来了巨大的伦理和信度危机：我们是在研究真实的人，还是在研究大模型的概率分布？

四、人的价值：回旋镖飞回了原点

复盘到最后，可以发现我们正处于一个“混乱的磨合期”。工具已经很强了，但大家还没想好怎么在合规、安全、可信的前提下把它真正塞进KPI里。在这个阶段，

当所有人都能用AI生成一份80分的“完美平庸”报告时，那些AI无法触达的角落——用户在操作失误时那一瞬间的微表情、在田野调查中闻到的房间气味、在访谈跑题时聊出的意外惊喜——这些“一手体感”成了用户研究员最后的护城河。

但人是复杂的、非理性的、充满矛盾的。去理解这种非理性的矛盾，依然是人类在这个AI时代不可替代的使命。

两年过去了，虽然部分预测被现实修正，但“研究人”这颗初心，希望未曾改变。