UX 研究者主导 AI：研究者闭环模型

UX Collective 近期发表的长文提出「研究者闭环」（researcher-in-the-loop）模型，呼吁在 AI 时代由 UX 研究者主导研究系统的设计与治理，而非仅在事后逐案核查机器输出。文章围绕研究民主化、ResearchOps 与原子化研究三条既有线索展开，并结合作者亲历的 B2B 产品案例，论述该框架的落地逻辑。

从「人在闭环」到「研究者在闭环」

文章开篇指出，UX 研究领域近年围绕 AI 的争论——AI 能否取代研究者、能否执行「真正的」研究——已偏离重点。作者认为，AI 实际上已在许多组织中执行研究工作：产品经理把访谈记录粘贴进模型以「归纳主题」，设计师在原型上生成合成反馈，高管向聊天机器人询问用户看法。研究正被民主化，无论研究者是否参与。真正的议题并非「AI 能否做研究」，而是「当人人都能做研究时，谁来保证研究的诚信」。

文章援引斯坦福 HAI 的观点，主张将自动化重新理解为「有选择地纳入人的参与」。传统的人机协同（HITL）模式将人置于「安全网」位置，逐案核查机器输出，但在规模化场景下人工核查本身会过载。基于 Konstantinos Lazaros 等人对 182 篇同行评审研究的综述，以及 Rahwan 提出的「社会在闭环」倡议，文章认为需要超越 HITL，让研究者的角色从核查者转变为系统设计者与治理者。

三条支撑线索

文章将框架建立在三个既有理念之上：

• 研究民主化：Kara Pernice 等 Nielsen Norman Group 学者主张，非研究者可以也应当参与研究，但需配套准则、教育与流程去神秘化，「尽职调查」是前提。
• ResearchOps：Kate Towsey 及社区提出的「研究即基础设施」语言，把研究视为由人、机制与策略共同驱动的体系；作者所说的「治理」，本质上是把 ResearchOps 指向 AI。
• 原子化研究：Daniel Pidcock 的模型与 Tomer Sharon 的「nuggets」将研究拆解为带标签、可追溯证据的小单元；只有建立在原子化、可链接证据之上的系统，才能承载可信的研究助手。

一个 B2B 案例：75% 的失败率

作者分享了亲身经历：曾负责一款面向医疗、法律、保险、合规等高度受监管行业的 AI 辅助旗舰功能研究。研究结果显示，75% 的用户无法完成该功能的核心任务——工作流令人困惑，AI 难以理解与信任，更重要的是与既有用户对 AI 的期待相左。在透明度、保密性、可追溯性是基本职业要求的领域，无法展示推理过程、无法引用依据、无法被核实的 AI 与用户文化根本不兼容。研究团队据此提出暂停发布，并改变了公司后续 AI 投资方向。

文章强调，这一判断并非来自更聪明的模型，而是来自研究者对风险、置信度与真实用户信任建立方式的判断。作者认为，这种判断应当被工程化进工具本身，在每一次研究中自动触发，而非依赖个别研究者的英雄式干预。

治理即系统设计

文章最后提出，在研究者闭环模型中，研究者并非「安全网」，而是设计并治理整个研究系统的人，以便让所有人能够安全、严谨、诚实地开展研究，并将升级机制内置于工具之中。作者称文中对三条线索的「组装」是其唯一属于自己的原创贡献，并预告将围绕「图书馆员」与「UX 研究者」两个原型工具进一步展开论述。