UX Caffè
AI e UX Research: come cambia il modo di conoscere gli utenti
Dall’analisi delle interviste ai synthetic users: l’intelligenza artificiale accelera la UX Research, ma capire davvero le persone resta un lavoro umano
L’intelligenza artificiale sta entrando praticamente in ogni fase del lavoro di chi progetta prodotti digitali. Genera testi, immagini, prototipi, codice e interfacce. Era quindi inevitabile che arrivasse anche in uno degli ambiti più delicati della UX: la User Research.
Ed è proprio qui che la questione diventa particolarmente interessante.
Perché un conto è chiedere all’AI di generare dieci alternative per il testo di un pulsante. Un altro è utilizzarla per interpretare ciò che pensano, desiderano o fanno le persone.
La UX Research nasce infatti per ridurre la distanza tra chi progetta un prodotto e chi quel prodotto dovrà realmente utilizzarlo. Interviste, usability test, survey, analisi comportamentali e osservazione servono proprio a evitare di progettare sulla base delle nostre convinzioni.
Ora, però, l’AI promette di velocizzare buona parte di questo processo.
Può trascrivere un’intervista in pochi minuti, riassumere decine di conversazioni, individuare temi ricorrenti, classificare centinaia di feedback, suggerire domande per una ricerca e persino simulare potenziali utenti.
È una trasformazione enorme.
Secondo il Future of User Research Report 2025 di Maze, il 58% dei professionisti intervistati dichiarava già di utilizzare strumenti AI nella ricerca. Tra chi li utilizzava, il 74% ricorreva all’AI per analizzare i dati della ricerca e il 58% per la trascrizione. I vantaggi maggiormente percepiti erano maggiore efficienza, tempi di ricerca più rapidi e workflow ottimizzati.
Nel 2026 il fenomeno è ancora più evidente: una ricerca di Lyssna indica l’analisi e la sintesi assistite dall’AI come il trend più rilevante per la UX Research, selezionato dall’88% dei ricercatori coinvolti.
La domanda, quindi, non è più se l’AI entrerà nella User Research.
È già successo.
La domanda interessante è un’altra: quanto possiamo delegarle senza smettere di conoscere davvero gli utenti?
Dalla trascrizione all’insight: dove l’AI sta già cambiando la UX Research
Una delle applicazioni più immediate riguarda tutto quel lavoro necessario ma estremamente dispendioso che avviene dopo una sessione di ricerca.
Immaginiamo dieci interviste da un’ora.
Tradizionalmente significa ore di registrazioni, trascrizioni, note, evidenziazioni, classificazioni, affinity mapping e confronto tra le risposte dei partecipanti.
Oggi una parte consistente di questo processo può essere accelerata dall’intelligenza artificiale.
Un sistema AI può analizzare le trascrizioni, identificare argomenti ricorrenti, raggruppare osservazioni simili, individuare citazioni rilevanti e creare una prima sintesi dei risultati.
Non significa necessariamente eliminare il ricercatore.
Significa eliminare una parte del lavoro meccanico per permettergli di concentrarsi maggiormente sull’interpretazione.
Ed è probabilmente questo il punto nel quale l’AI offre oggi il valore più concreto.
Nielsen Norman Group sottolinea infatti come l’intelligenza artificiale possa essere particolarmente utile nelle fasi di pianificazione e analisi della ricerca: può aiutare a preparare materiali, strutturare domande, organizzare informazioni e accelerare alcune attività ripetitive.
Il ricercatore passa quindi sempre meno tempo a “spostare informazioni” e sempre più tempo a chiedersi cosa quelle informazioni significhino realmente.
Preparare una ricerca con l’AI
Anche prima di incontrare gli utenti, l’intelligenza artificiale può diventare una sorta di assistente del researcher.
Possiamo utilizzarla per creare una prima bozza di un piano di ricerca, individuare possibili domande per un’intervista, rivedere uno screener, evidenziare domande potenzialmente troppo orientate o suggerire ipotesi da verificare.
Questo può essere particolarmente utile nei piccoli team, dove magari non esiste un UX Researcher dedicato e il designer deve occuparsi anche della ricerca.
Ma c’è una differenza fondamentale tra farsi aiutare a preparare una ricerca e lasciare che l’AI decida autonomamente come condurla.
Un modello generativo può suggerire una domanda perfettamente formulata dal punto di vista linguistico ma metodologicamente sbagliata per quello studio.
Può anche inventare riferimenti, interpretare male il contesto o suggerire una metodologia apparentemente convincente ma inadatta al problema.
L’AI può quindi essere un ottimo sparring partner.
Non dovrebbe però diventare automaticamente il responsabile metodologico della ricerca.
Analizzare centinaia di feedback senza impazzire
C’è poi un ambito nel quale il vantaggio diventa ancora più evidente: la grande quantità di feedback non strutturati.
Recensioni, ticket di assistenza, commenti, survey aperte, conversazioni con il customer care e feedback raccolti direttamente dal prodotto possono diventare una miniera di informazioni.
Il problema è che qualcuno deve leggerli.
Quando diventano centinaia o migliaia, farlo manualmente è difficile.
L’AI può classificare queste informazioni, individuare temi ricorrenti, rilevare problemi emergenti e aiutare il team a identificare rapidamente pattern che altrimenti potrebbero rimanere nascosti.
La vera opportunità non consiste semplicemente nel “fare prima”.
Consiste nel riuscire ad analizzare informazioni che prima, per limiti di tempo e risorse, probabilmente non avremmo analizzato affatto.
Ed è qui che AI e UX Research possono diventare una combinazione davvero interessante.
Ma un riassunto non è automaticamente un insight
Qui arriva però il primo grande rischio.
Quando un’AI restituisce una sintesi estremamente ordinata di venti interviste, è facile percepirla come autorevole.
Cinque temi principali. Tre problemi ricorrenti. Quattro raccomandazioni.
Tutto perfettamente organizzato.
Ma la User Research raramente è così pulita.
Le persone si contraddicono. Dicono una cosa e ne fanno un’altra. Cambiano tono. Esitano. Interpretano male una domanda. Raccontano episodi apparentemente secondari che improvvisamente aprono una prospettiva completamente nuova sul problema.
Una parte importante del lavoro del researcher consiste proprio nel cogliere queste sfumature.
L’AI può trovare pattern nei dati che le forniamo, ma il ricercatore deve continuare a verificare quei pattern, tornare alle evidenze originali e capire se ciò che sembra importante lo sia davvero.
Delegare la sintesi non può significare delegare il giudizio.
Il grande tema del 2026: i synthetic users
Ed eccoci alla parte probabilmente più controversa.
Se possiamo utilizzare l’AI per analizzare gli utenti, perché non utilizzarla anche per simularli?
Nascono così i cosiddetti synthetic users: profili generati dall’intelligenza artificiale progettati per simulare caratteristiche, comportamenti e risposte di determinate tipologie di utenti.
In teoria il vantaggio è enorme.
Nessun reclutamento. Nessuna agenda da coordinare. Nessun incentivo da pagare. Possiamo interrogare cento utenti sintetici in pochi minuti.
Non sorprende quindi che l’argomento stia attirando molta attenzione. Una ricerca di User Interviews pubblicata nel 2026 mostra che i synthetic users vengono già sperimentati per progettare survey e screener, ottenere indicazioni preliminari e svolgere alcune attività esplorative.
Ma gli stessi dati mostrano anche una forte cautela.
Il 47% dei ricercatori intervistati si definisce scettico e vuole maggiori prove prima di fidarsi di questi strumenti; il 24% si dichiara cautamente ottimista. Tra le preoccupazioni principali emergono la qualità e accuratezza degli insight, il rischio che gli stakeholder si fidino eccessivamente dei risultati generati dall’AI e la possibilità di amplificare bias verso gruppi sottorappresentati.
Il problema di fondo è semplice: un utente sintetico non ha vissuto nulla.
Non ha aspettato venti minuti davanti a uno sportello.
Non ha utilizzato un’applicazione mentre teneva un bambino in braccio.
Non ha una disabilità.
Non è frustrato perché deve completare un’attività prima di entrare in una riunione.
Non prova imbarazzo, paura, fretta o stanchezza.
Può simulare linguisticamente queste situazioni sulla base dei dati con cui è stato addestrato, ma non possiede quell’esperienza.
Ed è proprio nelle imperfezioni delle persone reali che spesso troviamo gli insight più importanti.
Synthetic users: inutili quindi? Non necessariamente
Liquidarli completamente sarebbe probabilmente altrettanto sbagliato.
Gli utenti sintetici possono essere utili per attività preliminari e a basso rischio.
Potrebbero aiutarci, per esempio, a stressare un questionario prima di distribuirlo, esplorare rapidamente ipotesi, verificare se abbiamo dimenticato scenari evidenti o preparare meglio una successiva ricerca con persone reali.
In questo senso diventano una sorta di simulatore.
Non sostituiscono il test finale, ma possono aiutarci ad arrivarci meglio preparati.
La distinzione fondamentale è quindi tra generare ipotesi e generare evidenze.
Un synthetic user può aiutarci a formulare una domanda.
Non dovrebbe automaticamente essere considerato la risposta.
Il rischio dei bias diventa ancora più importante
Ogni ricerca contiene potenziali bias.
L’intelligenza artificiale non li elimina.
Può anzi renderli meno visibili.
I modelli generativi lavorano sulla base di enormi quantità di informazioni già esistenti. Questo significa che possono riflettere squilibri, stereotipi e lacune presenti nei dati di partenza.
Il rischio diventa particolarmente delicato quando cerchiamo di utilizzare l’AI per simulare gruppi specifici, minoranze o persone con particolari condizioni sociali, culturali o fisiche.
Un output può sembrare plausibile senza essere rappresentativo.
Ed è proprio questa plausibilità a renderlo pericoloso.
Una risposta evidentemente assurda viene scartata.
Una risposta sbagliata ma estremamente convincente può invece trasformarsi in una decisione di prodotto.
Privacy: stiamo dando all’AI le nostre interviste?
C’è poi una questione meno affascinante, ma fondamentale: i dati.
Una trascrizione di una user interview può contenere nomi, informazioni personali, problemi lavorativi, dati sanitari, comportamenti, opinioni e informazioni aziendali riservate.
Prima di caricare tutto in uno strumento AI bisogna quindi chiedersi dove finiscono quei dati, per quanto tempo vengono conservati, se vengono utilizzati per addestrare modelli e quali accordi sono stati presi con i partecipanti.
La comodità di un pulsante “Summarize” non elimina le responsabilità del researcher.
Anzi, con l’AI la governance della ricerca diventa ancora più importante.
La ricerca di User Interviews sui synthetic users evidenzia un dato significativo: quasi il 63% dei ricercatori coinvolti dichiara che il proprio team non dispone ancora di linee guida sull’utilizzo di questi strumenti.
La tecnologia, in altre parole, sta avanzando più rapidamente delle regole con cui decidiamo come utilizzarla.
Il researcher non scompare: cambia il valore del suo lavoro
Questo porta probabilmente alla trasformazione più interessante.
Se l’AI trascrive, classifica, sintetizza e prepara report, una parte delle attività operative del researcher diminuisce.
Ma aumenta l’importanza di altre competenze.
Capire quale domanda vale la pena porre.
Scegliere il metodo corretto.
Valutare la qualità delle evidenze.
Individuare bias.
Distinguere una correlazione interessante da un insight realmente utile.
Contestualizzare ciò che emerge.
Tradurre la ricerca in decisioni di prodotto.
E soprattutto mantenere un rapporto reale con le persone.
Nielsen Norman Group nel 2026 ha espresso questo concetto in maniera molto chiara: anche se l’AI riuscisse a produrre risultati comparabili a quelli di un researcher, rimarrebbe un valore fondamentale nell’osservazione diretta degli utenti. Il team impara vedendo le persone utilizzare il prodotto, ascoltando le loro difficoltà e confrontandosi direttamente con comportamenti che spesso nessun report riesce a restituire completamente.
Ed è forse questo il punto più importante.
La UX Research non produce soltanto documenti.
Produce conoscenza condivisa dell’utente.
Una possibile regola: AI per accelerare, persone per capire
Possiamo quindi immaginare una UX Research moderna in cui l’AI svolge una funzione molto precisa.
Può aiutare a preparare.
Può trascrivere.
Può organizzare.
Può cercare pattern.
Può suggerire interpretazioni.
Può trasformare grandi quantità di materiale in qualcosa di più gestibile.
Ma quando dobbiamo comprendere perché una persona si comporta in un determinato modo, decidere se un insight è affidabile o prendere una decisione importante sul prodotto, il controllo deve rimanere umano.
Il modello più interessante non è quindi “AI oppure researcher”.
È researcher con AI.
E probabilmente i professionisti che impareranno meglio a gestire questa collaborazione riusciranno a fare più ricerca, più velocemente e con una profondità maggiore rispetto a prima.
Conclusioni
L’intelligenza artificiale sta cambiando profondamente la UX Research, ma probabilmente non nel modo più semplicistico che spesso immaginiamo. Non stiamo assistendo alla nascita di una tecnologia che improvvisamente “conosce gli utenti” al posto nostro. Stiamo piuttosto ottenendo una nuova generazione di strumenti capaci di eliminare una parte consistente del lavoro operativo che da sempre accompagna la ricerca. Trascrivere ore di interviste, classificare centinaia di feedback, individuare temi ricorrenti, organizzare note e preparare una prima sintesi possono diventare attività molto più veloci. Questo significa che un UX Researcher, o un designer che si occupa anche di ricerca, può dedicare più tempo a ciò che conta davvero: formulare le domande corrette, osservare le persone, interpretare comportamenti, mettere in discussione le ipotesi del team e trasformare le evidenze in decisioni migliori.
Il rischio nasce quando confondiamo questa capacità di elaborazione con la capacità di comprendere. Un modello AI può produrre una sintesi eccellente senza avere mai utilizzato il prodotto, può simulare un utente senza aver vissuto nessuna delle sue esperienze e può generare una risposta estremamente plausibile senza che quella risposta rappresenti davvero qualcuno. Per questo l’arrivo dei synthetic users rappresenta contemporaneamente una delle innovazioni più interessanti e uno dei terreni sui quali dovremo essere più prudenti. Utilizzarli per esplorare ipotesi, preparare uno studio o individuare scenari da approfondire può avere senso. Trasformarli in sostituti delle persone reali significa invece rischiare di costruire un sistema nel quale l’AI genera gli utenti, interpreta le loro risposte e suggerisce infine cosa progettare. A quel punto avremmo forse un processo velocissimo, ma avremmo perso proprio ciò che la UX Research dovrebbe proteggere: il contatto con la realtà.
Il futuro più interessante è quindi quello di una ricerca AI-assisted ma human-led. L’intelligenza artificiale può diventare un acceleratore straordinario, mentre il researcher mantiene responsabilità metodologica, pensiero critico, controllo delle fonti, attenzione alla privacy e capacità di leggere il contesto umano. Paradossalmente, più l’AI diventerà brava a elaborare informazioni, più diventerà preziosa la capacità del designer e del researcher di capire quali informazioni meritano davvero di essere ascoltate.
Per chi lavora nella UX questa non dovrebbe essere vista soltanto come una minaccia professionale. È anche una grande opportunità. Liberarsi di una parte delle attività ripetitive può riportare la ricerca verso il suo obiettivo più importante: non produrre report più velocemente, ma conoscere meglio le persone per progettare prodotti migliori.
Segui UX Caffe su instagram
