简短回答：2026 年研究需求上升，而研究人员编制并未增加。Maze 的《Future of User Research Report 2026》（2026 年 3 月 11 日发布）发现 66% 的团队反映需求增加，高于一年前的 55%，同时 69% 的团队已在至少部分项目中使用 AI。弥合这一缺口的办法是分诊——决定哪些请求由 AI 吸收、哪些采用精简的人工研究、哪些直接拒绝。
\n\n三份独立的 2026 年数据从不同角度描述了同一种挤压。在依据其中任何一份下结论之前，值得先把它们并列摆开。
\n| 发现 | 数值 | 来源与日期 |
|---|---|---|
| 反映研究需求增加的团队 | 66%（2025 年为 55%） | Maze，Future of User Research Report 2026，2026 年 3 月 11 日发布 |
| 在至少部分项目中使用 AI 的研究者 | 69%（上升 19 个百分点） | Maze，2026 |
| 研究对各层级战略均属必要的组织 | 22%（2025 年为 8%） | Maze，2026 |
| 由非研究人员开展研究的组织 | 84.0% | Great Question，UX Research Democratization Report（2025 年 2 月 19 日至 3 月 13 日实施） |
| 为这些人提供专职研究员支持的组织 | 45% | Maze，2026 |
| 完全不提供任何支持资源的组织 | 13% | Maze，2026 |
Maze 的报告基于 2025 年 12 月 23 日至 2026 年 1 月 13 日之间收集的约 500 份回答，通过其自有平台分发——样本偏向本就采购研究工具的团队。应关注数字的方向，而非其小数位。
\n这些数据一致指向的模式是：需求上升、战略预期上升、从事研究的人数上升，而围绕这些人的支持结构原地不动。这就是产能缺口的样子。它不会靠加快速度来弥合。
\n\nAI 确实带来了改变。Maze 的受访者反映周转更快（63%）、团队效率提升（60%）、工作流更优化（56%）。转录、初轮编码、跨访谈记录汇总与翻译，都是实实在在的工时缩减。
\n但同一批受访者划出了一条界线。当被问及什么仍然无可替代地属于人类时，他们指出了解读细微差异（82%）、伦理决策（80%）与提出问题框架（76%）。这些恰是一项研究中最昂贵的部分，而且它们分布在首尾两端——决定问什么，以及决定答案意味着什么。
\n因此，自动化压缩的是研究流程的中段，两端保持不变。一个据此把研究吞吐量翻倍的团队，也把研究员必须做出的框架决策与解读决策翻了一倍。若不加管理，AI 并不能缓解产能缺口，它只是把缺口挪到了最难自动化的环节。
\n这正是为什么 2026 年真正有用的问题不是\"AI 能做哪些部分\"，而是\"哪些请求值得做成一项研究\"。
\n\n这是 Qualitati 原创的研究请求路由框架。在两个维度上为每个请求打分，然后在网格中读出路由。
\n维度一——决策可逆性。如果这项研究所支撑的决策被证明是错的，纠正的代价有多大？调价容易回退；平台迁移、监管承诺或品牌定位重启则不然。
\n维度二——已有证据。组织内是否已有相关证据——过往研究、客服工单、销售通话、分析数据——只是没人看过？
\n| 已有证据 | 无相关证据 | |
|---|---|---|
| 难以逆转 | 先再分析，再延展。先对既有语料运行 AI 分析；只针对语料无法回答的部分委托一项小规模的人工主导研究。 | 完整研究，研究员主导。不要压缩框架设定与解读。AI 仅协助转录与初轮编码。 |
| 容易逆转 | 从知识库中作答。不做新研究。一天之内给出带出处的摘要。 | 自助，但设护栏。由请求方运行模板化的 AI 主持研究或对话式问卷，研究员在上线前审核提纲、在传播前审核结论。 |
有两条规则让这个矩阵真正生效，而不是沦为 wiki 页面上的装饰。
\n在把研究的任何环节交给自动化之前，逐条核对这五项。任何一条为\"否\"，该环节就必须保留人工。
\nQualitati 是面向产品、UX 与客户洞察团队的 AI 用户研究平台。它以文本和语音运行 AI 主持访谈与焦点小组、带 AI 追问的对话式问卷，以及一次覆盖至多 100 份访谈记录的 AI 主题分析，支持 10 种语言。
\n对应到矩阵上：\"从知识库中作答\"与\"先再分析，再延展\"两格是 ThemeLens 发挥最大作用的地方，因为它的 map-reduce 流水线在既有语料上运行，并把每个主题锚定到受访者原话——这正是 AI 吸收检验表中可追溯性那一条能够被满足的原因。\"自助，但设护栏\"一格由模板化的 AI 主持访谈 与 对话式问卷 承担，研究员可在请求方上线前审核访谈提纲。对于\"完整研究，研究员主导\"一格，Active Listener 模式通过实时提示与章节追踪让人类访谈者留在现场，而不是取代他们。
\n定价按 credit 公开列示，新账户无需信用卡即可获得 30 个 credit——这一点在此处之所以相关，主要是因为面对只提供报价的供应商，产能规划根本无从做起。
\n\n人工审核提示：任何受监管、涉及安全或具法律约束力的决策，其可逆性分类应由对该决策负责的人确认，而不能仅由研究团队判定。
\n\n本文适用于研究运营负责人、洞察经理，以及嵌入产品团队、收到的请求多于其产能的独立研究员。对于需求完全在产能之内的团队、请求方与研究者是同一人的一人创业公司，以及节奏固定、没有需求排队的常态化研究，这套方法没有必要。
\n\nMaze 的《Future of User Research Report 2026》于 2026 年 3 月 11 日发布，基于 2025 年 12 月 23 日至 2026 年 1 月 13 日收集的约 500 份回答，发现 66% 的受访者反映需求增加，而上一年为 55%。
\n部分能。Maze 的受访者反映周转更快（63%）、效率提升（60%），但这些都是自报的主观感受。AI 所压缩的环节——转录、初轮编码、汇总——恰好夹在研究者所称无可替代的两个环节之间：提出问题框架（76%）与解读细微差异（82%）。
\n在多数组织里他们已经在做了——根据 Great Question 于 2025 年初实施的民主化调查，这一比例为 84.0%。悬而未决的问题是护栏，而不是许可。模板加上线前的访谈提纲审核，是投入最小而质量回报可观的控制手段。
\n研究需求分诊是指按决策可逆性与已有证据来路由收到的研究请求，使得只有同时满足两项条件的请求才会占用一项完整的研究员主导研究。其余路由分别是知识库作答、对既有数据的 AI 再分析，以及设有护栏的自助研究。
\n可以说比以往更值得，因为它是\"从知识库中作答\"与\"再分析\"两条路由的输入。Maze 发现 49% 的组织维护研究资料库——这意味着有一半的市场根本无法使用矩阵上最省成本的两条路由。
\n\n2026 年的 UX 研究产能缺口是结构性的：需求、战略预期与从事研究的人数，其增长都快于对研究者的支持。AI 压缩的是研究流程的中段，框架设定与解读仍在原处，因此单靠吞吐量无法弥合缺口。对需求入口做分诊、公布规则，并把 AI 省下的工时用在那些难以逆转的决策上。
\n免费开始，赠送 30 个 credit——无需信用卡——或查看透明定价，测算一个季度的研究实际成本。
\n最后更新：2026 年 9 月 6 日。本文是对公开报告的独立编辑性综述；所有数据均标注来源与日期。
","related":[{"slug":"qualitative-data-sharing-gdpr-2026","title":"定性数据共享指南 2026：GDPR、匿名化与存档","description":"2026 年如何在 GDPR 下共享和存档定性访谈数据：再利用的知情同意、假名化、EDPB 新匿名化三项检验，以及可写入数据管理计划的决策矩阵。","category":"研究运营","date":"2026-10-12","readTime":"10 分钟阅读","author":"Qualitati 研究团队"},{"slug":"how-to-write-research-readout-2026","title":"如何撰写一份真正推动决策的研究汇报（readout）","description":"2026 年研究汇报指南：从发现到决策请求的五环证据链、就绪清单、按决策类型选择汇报形式的矩阵，以及 AI 在其中的真实作用边界。","category":"研究运营","date":"2026-09-20","readTime":"10 分钟阅读","author":"Qualitati 研究团队"},{"slug":"screening-fraudulent-participants-ai-interviews-2026","title":"AI 主持访谈中的欺诈识别：工具、信号与知情同意（2026）","description":"AI 主持访谈能识别欺诈受访者吗？2026 年适用的识别工具、低质量回答信号与知情同意规则，以及一套三层欺诈筛查表。","category":"研究运营","date":"2026-09-05","readTime":"8 分钟阅读","author":"Qualitati 研究团队"}]}