2026 年 UX 研究产能缺口
Qualitati 研究团队 · 2026-09-06 · 9 分钟阅读
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。
2026 年 UX 研究产能缺口的数据
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。
| 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。
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。
为什么"直接用 AI"不是产能策略
AI 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。
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。
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。
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"。
研究需求分诊矩阵
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。
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。
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？
| 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。
- 由请求方以书面形式提供可逆性判断。"如果我们错了会怎样？"是利益相关方能回答、而研究员无法回答的问题。在界定范围之前就要问。
- "从知识库中作答"必须是真正的回答，而不是敷衍。如果交付的只是一堆链接，请求方就会学会彻底绕开分诊。
AI 吸收检验表
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。
- 这里出现错误的输出，会被一位没读过原始数据的审阅者发现吗？（如果不会，错误就会流出去。）
- 输出能否追溯到来源——引语、时间戳、访谈记录 ID——使得任一论断可在一分钟内被核查？
- 输入所用的语言与语体，是否已针对该受访群体验证过工具的表现？
- 是否有一位具名人员对解读负责，而不仅仅是对流水线运行负责？
- 你是否愿意把中间输出拿给产出这些数据的受访者看？
本季度可以做什么
- 统计你拒绝掉的需求。多数团队只统计完成的研究。请统计收到、路由与拒绝的请求数——没有这个分母，"我们已满负荷"只是一种主张，而非证据。
- 在需要之前就公布分诊规则。逐案适用的分诊看起来像偏袒；作为规则公布出来，它看起来才像运营。
- 把省下的工时花在两端，而不是中段。如果 AI 省下八小时编码工作，默认的分配方式应是在重要研究上投入更多框架设定与解读时间——而不是多做两项研究。
- 为那 84% 补上赋能缺口。在多数组织里，非研究人员已经在开展研究。模板加上线前的提纲审核，是成本最低而质量收益最大的干预。
Qualitati 的位置
Qualitati 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。
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。
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。
局限与取舍
- 调查数据是自选样本。Maze 的约 500 名受访者来自其自有平台；Great Question 的 301 名受访者是研究专业人士。两者都不是组织的随机抽样，且都高估了本就投入研究的团队比例。
- 分诊有政治成本。拒绝一位高层利益相关方的请求，正是这一方法的全部难点。矩阵本身并不提供使用它的权限。
- 可逆性由想要做这项研究的人来估计。预期会被夸大。应每季度回顾过往分类与实际结果的对照来校准。
- 吞吐量不等于影响力。2026 年的数据显示，更多研究正在更高战略层级被消费；这抬高了"快而浅的答案"相对于"慢而正确的答案"的代价。
- 效率数字是主观感受。63% 的"周转更快"是自报结果，并非对照测量。
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。
适用人群，以及何时不该用
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。
常见问题
2026 年研究需求增加了多少？
Maze 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%。
AI 真的能减少 UX 研究的工作量吗？
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%）。
非研究人员应该自己开展研究吗？
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。
什么是研究需求分诊？
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。
2026 年还值得维护研究知识库吗？
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。
核心结论
2026 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。
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。
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。