我们往往高估技术的短期影响，而低估其长期影响。— Roy Amara
距离我写那篇《ChatGPT 将如何影响用户研究工作》已经过去差不多两年了。
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，当下的我们正处于 Amara 定律的哪个阶段？
年尾，我重新审视了当年的预测。如果你问我 AI 的能力变强了吗？答案是肯定的。但如果你问我“用研的工作方式彻底变了吗？”答案却比我两年前想象的要复杂得多。
现实世界存在巨大的摩擦力。当年我高估了“组织的进化速度”，低估了“旧习惯的顽固程度”。
今天这篇文章，我想做一次“去滤镜”的复盘：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，而哪些又被现实狠狠“打脸”。
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，但我当年基于创新扩散理论和技术能力边界所做的核心推演，在今天看来依然没有问题。
1. 核心方法论的胜利：创新扩散路径完全命中
当年的预测： “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。”
现在的现实： 这正是过去两年发生的真实剧本。
回顾这 700 多天，AI 正是严格沿着这条路径演进的：
• 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
当年的预测： “GPT 擅长生成 Excel 公式，生成 SQL 代码……擅长逻辑且结构化的输出。”
现在的现实： 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？正如我当年所说，直接把需求告诉 AI，它写的 SQL 比我有逻辑，写的 Python 爬虫比我更稳。
结论： 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。当然前提是你得用，后边也会讲到，大模型的能力达到了，但每个人的应用也存在差异。
3. “听写与总结”彻底自动化
当年的预测： “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。”
现在的现实： 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了。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）
这是本次复盘最核心的部分。当年的文章犯了一个典型的错误：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”
当年的预测： “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。”
被打脸的现实： 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”。
修正后的认知： 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”
当年的预测： “ChatGPT 擅长总结……初级分析工作将被替代。”
被打脸的现实： 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。
修正后的认知： 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
当年的预测： “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。”
被打脸的现实： 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 应用显然划算的多。
4. GUI（图形界面）没有消失，而是进化了
当年的预测： “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。”
被打脸的现实： 纯对话交互（Chatbot）在处理复杂任务时效率极低。现在的趋势是 GUI + AI。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
在 2023 年的文章中，我主要关注的是 AI 如何辅助研究者（Researcher）。但我忽略了一个在 2025 年正在发生的、更具颠覆性的趋势：AI 正在扮演用户。
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，我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，人的价值反而因为“真实性”的稀缺而回升了。
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。
AI 甚至可以让调研变得“没有耐心”，因为它太讲逻辑了。 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，希望我们都未曾改变。
