Kort antwoord: Vanaf 11 oktober 2026 komt de stand van AI-gebruikersonderzoek neer op één bevinding: synthetische respondenten benaderen het gemiddelde, maar missen het individu en de verandering. Nieuwe studies laten zien dat LLM-persona's populatiegemiddelden reproduceren, maar de variatie tussen personen verliezen en verkeerd inschatten hoe meningen verschuiven. Persona's baseren op echte eerdere antwoorden helpt, maar vervangt geen controle met echte deelnemers.
Laatst bijgewerkt: 11 oktober 2026
\n\nDit is ons maandelijkse overzicht van de stand van AI-gebruikersonderzoek: wat nieuwe studies, tools en zoekwijzigingen betekenen voor onderzoekers die AI-gemodereerde interviews, conversationele enquêtes, synthetische panels en AI-ondersteunde kwalitatieve analyse uitvoeren. In de editie van september 2026 was het thema dat AI-output juist kan lijken zonder goed te redeneren. Het onderzoek dat sinds 13 september is gepubliceerd, maakt dat punt scherper voor één gebied in het bijzonder: synthetische respondenten en digital twins.
\n\nAcademische onderzoekers, promovendi, onderzoeksgroepen en marktonderzoeksbureaus die synthetische respondenten, digital twins of AI-interviewers gebruiken of daartoe worden aangespoord, en moeten bepalen wat dat bewijs kan onderbouwen in een artikel, een ethische aanvraag of een klantrapport.
\n\nAI-gebruikersonderzoek is het gebruik van AI om onderzoeksdata te verzamelen of te analyseren: AI-gemodereerde interviews, conversationele enquêtes met adaptieve vervolgvragen, synthetische deelnemers, en door LLM ondersteunde codering en thematische analyse. Het bewijs van oktober laat een eenvoudig patroon zien. Een populatiegemiddelde nabootsen is makkelijk voor een taalmodel. De manier waarop individuen verschillen en veranderen nabootsen is moeilijk, en de kloof is onzichtbaar als je alleen geaggregeerde metrieken rapporteert.
\nDat sluit aan bij twee studies die we deze maand uitgebreid hebben besproken. Ahn, Mao en Lee vonden dat LLM-surrogaten slechts 3,05% verklaren van hoe individuele respondenten afwijken van het gemiddelde van een item (onze samenvatting), en Netzer en Sambandam lieten zien dat de gerapporteerde nauwkeurigheid van twins vooral varieert omdat studies verschillende dingen meten (onze samenvatting).
\n\nKhashayar Pourtaheri en Ahmad Zareei gebruikten een paneel van twee golven met 845 Amerikaanse volwassenen die metingen van 14 gedragsbiases invulden, zoals risico- en tijdvoorkeuren, overmoed en redeneren. Ze gaven synthetische persona's steeds rijkere informatie: niets, demografie, persoonlijkheidskenmerken, cognitieve scores, en uiteindelijk de eerdere enquêteantwoorden van de respondent, waarbij elk item de doelbias verborg (arXiv:2610.03998).
\nOp populatieniveau zagen alle condities er goed uit: 7,1–8,1 biases per synthetische respondent tegenover 7,1 voor mensen. Onder de oppervlakte bereikten op beschrijvingen gebaseerde persona's slechts 7–12% van de informatiewaarde van een mens die de enquête opnieuw invulde. Het toevoegen van gedragsgeschiedenis verhoogde dat naar 28%, en was de beste conditie in alle 17 demografische groepen. Synthetische antwoorden toonden ook sterkere verschillen gerelateerd aan opleiding en inkomen dan echte antwoorden.
\nOnze interpretatie: demografie en persoonlijkheidsomschrijvingen geven het model vooral een stereotype om na te spelen. Echte eerdere antwoorden geven het iets dichter bij de persoon. Zelfs dan is 28% van de test-hertestinformatiewaarde van mensen ver verwijderd van een vervangende respondent.
\n\nGrandee Lee en Wang Yue conditioneerden persona's op de letterlijke antwoorden van echte respondenten op één psychometrisch instrument en toetsten ze op een tweede, over een raster van 139 paren getoetst aan een panel van 2.058 personen. Gesimuleerde correlaties tussen instrumenten volgden de menselijke correlaties met r = 0,70–0,73 in elke modelfamilie, vooral doordat de richting klopte in plaats van de grootte (arXiv:2609.32638).
\nOnze interpretatie: dit is bemoedigend voor groepen die om privacyredenen lokale open-weight modellen nodig hebben. De waarschuwing is de praktischere bevinding: een nieuwere modelrelease was niet beter. Een validatie die je op het model van vorig jaar hebt uitgevoerd, geldt niet vanzelf voor dat van dit jaar.
\n\nAhmed Wali en Hassaan Tayyab bouwden een deliberatieve-pollingdiagnose op basis van data uit America in One Room. Elk model faalde, elk op een eigen manier. GPT-5.1-persona's werden na evenwichtige informatie vijandiger tegenover de andere partij, terwijl mensen minder vijandig werden (80% omkering bij outgroup-vragen tegenover 26% bij beleidsvragen). Gemini 2.0 Flash, Claude Sonnet 4.5 en Llama 3.3 70B schoven in de juiste richting op 5–7 keer de menselijke omvang; DeepSeek V3 bewoog nauwelijks (arXiv:2609.15849). De auteurs noemen dit „zelfsycofantie”: conformering aan het stereotype van het model over de persona.
\nOnze interpretatie: elke studie die een boodschap, concept of interventie test op synthetische respondenten stelt een dynamische vraag. Statische nauwkeurigheid zegt daar niets over. Dit sluit aan bij de eerste-klik-studie die we op 7 oktober behandelden, waar persona's synthetische data geloofwaardiger maakten, niet nauwkeuriger.
\n\nDeze ladder is een origineel planningsinstrument van Qualitati. Elke trede is een sterkere claim over synthetische data. Rapporteer de hoogste trede die je daadwerkelijk hebt getest, en beperk je conclusies daartoe.
\n| Trede | Claim die het ondersteunt | Bewijs van oktober | Minimale test voordat je erop vertrouwt |
|---|---|---|---|
| 1. Geaggregeerde fit | „Het populatiegemiddelde ziet er zo uit” | Makkelijk te bereiken, zelfs met weinig persoonlijke data | Vergelijk gemiddelden en verdelingen met een echte referentie-enquête |
| 2. Variantiefit | „Mensen verschillen zoveel” | Beschrijvingen herstellen 53–67% van de echte variatie | Vergelijk standaarddeviaties en spreiding per segment, niet alleen gemiddelden |
| 3. Structurele fit | „Deze opvattingen hangen samen” | r = 0,70–0,73 op correlaties tussen instrumenten; afhankelijk van de release | Herhaal bij elke modelrelease die je inzet |
| 4. Individuele fit | „Deze twin antwoordt zoals deze persoon” | 7–12% van de test-hertestinformatiewaarde op basis van beschrijvingen; 28% met eerdere antwoorden | Houd per respondent echte antwoorden achter; toets vragen op beantwoordbaarheid |
| 5. Dynamische fit | „Mensen zouden zo op deze boodschap reageren” | Alle vijf frontier-modellen faalden bij een deliberatietest | Voer een pre/post-diagnose uit tegen echte menselijke verschuivingen; claim het anders niet |
Opmerking voor menselijke review: de grenzen tussen de treden zijn een praktijksynthese van de geciteerde preprints, geen gevalideerde meetnorm. Laat een methodoloog elke claim boven trede 2 beoordelen voordat je publiceert.
\n\nGoogles spam-update van september 2026 begon op 24 september en duurde 13 dagen en 16 uur, volgens het Search Status Dashboard. Tussen de core-update van mei 2026 en het moment van schrijven stond er geen core-update vermeld. Voor onderzoeksgroepen die methodecontent publiceren geldt nog steeds dezelfde praktijk: gedateerde claims, gelinkte primaire bronnen, en korte definitiezinnen die AI-antwoordmachines zonder vervorming kunnen citeren.
\n\nQualitati is een Europees, budgetvriendelijk platform voor kwalitatief onderzoek voor universiteiten en onderzoeksbureaus, met gegevensbescherming en AVG als kernprioriteiten. Het biedt AI-gemodereerde interviews in tekst en spraak, een Active Listener-modus die menselijke interviewers realtime prompts en sectievoortgang bijhouden geeft, AI-gemodereerde en synthetische focusgroepen, en conversationele enquêtes met AI-vervolgvragen. ThemeLens koppelt codes aan onderzoeksvragen over maximaal 100 transcripten met deelnemersgebonden citaten, en de QDA Workspace ondersteunt inductieve en deductieve codering.
\nIn het licht van het bewijs van deze maand raden we aan synthetische focusgroepen te gebruiken voor verkenning en vraagontwerp, en daarna echte deelnemers te laten doorlopen via AI-gemodereerde interviews of conversationele enquêtes voordat je conclusies trekt. Je kunt transparante prijzen bekijken of opties vergelijken in onze gids synthetische gebruikers versus echte deelnemers.
\n\nAI-interviewen en AI-ondersteunde analyse worden routinematig gebruikt. De nieuwe onderzoeksfocus is synthetische respondenten: ze benaderen populatiegemiddelden, maar verliezen individuele verschillen en interpreteren verschuivingen in meningen verkeerd.
\nBeschrijvingen helpen weinig. In een studie van 2 oktober 2026 herstelden demografie, persoonlijkheid en cognitieve scores 53–67% van de echte variatie, terwijl het toevoegen van eerdere antwoorden van respondenten die bijna op menselijk niveau bracht.
\nNiet betrouwbaar. Een studie van 26 september 2026 vond dat de nieuwste van drie geteste Llama-releases op twee van de drie hoofdmetrieken het slechtst presteerde. Valideer elke release die je gebruikt.
\nHet huidige bewijs zegt nee. Een diagnose van 14 september 2026 vond dat alle vijf geteste frontier-modellen misrepresenteerden hoe mensen hun overtuigingen bijstellen na evenwichtige informatie, door om te draaien, door te ver door te schieten of helemaal niet te bewegen.
\nBenoem de hoogste fidelity-trede die je hebt getest, zoals geaggregeerde, variantie-, structurele, individuele of dynamische fit, en beperk conclusies tot dat niveau. Rapporteer de modelversie en de validatiebenchmark.
\n\nDe stand van AI-gebruikersonderzoek in oktober 2026 is duidelijk over synthetische data: gemiddelde fit is goedkoop, individuele en dynamische fit niet. Baseer persona's op echt gedrag, valideer elke modelrelease opnieuw en houd echte deelnemers erbij voor elke claim over hoe mensen verschillen of veranderen. Start gratis met 30 credits om een AI-gemodereerd interview, conversationele enquête of ThemeLens-analyse met echte deelnemers uit te voeren.
\n\nDit artikel is een onafhankelijke redactionele samenvatting van openbaar beschikbaar onderzoek. Laatst bijgewerkt: 11 oktober 2026.
\n","related":[]}