UX в эпоху AI-агентов

Нам важно работать с доверием

AI-сценарии всё глубже входят в жизнь пользователей. Сценарии меняются, а вопрос доверия остаётся.

Юлия расскажет, как исследователю работать с доверием и учитывать AI-сценарии.

Исследовать то, чего нет: опыт трёх discovery AI-продуктов

Ирина проводила discovery для агента малого бизнеса, AI-помощника в финансах и AI-юриста. Расскажет, как изучать потребности, когда показывать ещё нечего, и искать ценность продукта на фоне бесплатных нейросетей.

О чём будет доклад

• Продукта ещё нет, опыт уже есть. Почему рассказ о том, как люди решают задачу сейчас, может дать больше, чем реакция на концепт.
• Кого звать на интервью. Что дают разные группы по отношению к AI и почему ни отказники, ни активные пользователи не всегда целевая аудитория.
• За что готовы платить. Как показать экономию времени и результат лучше самостоятельного решения задачи — в том числе с бесплатным ChatGPT.
• Три контекста. Как отличаются финансы, юридические вопросы и малый бизнес и где искать границы делегирования.

Практическая польза: как строить discovery до появления продукта, кого приглашать, о чём спрашивать вместо «стали бы вы пользоваться» и каких ошибок избегать.

Когда AI выбирает за нас: как меняется путь потребителя к бренду

От самостоятельного поиска и сравнения брендов — к делегированию этих задач нейросетям. Какие новые сценарии и точки принятия решений возникают на пользовательском пути?

О чём будет доклад

• Как AI меняет пользовательский путь и какие решения люди начинают делегировать нейросетям.
• Какие метрики отражают влияние AI на выбор: видимость брендов, присутствие в consideration set, критерии рекомендаций, репутационный фрейминг и источники информации.
• Как выявлять барьеры и драйверы выбора, находить разрывы между потребностями пользователей и AI-рекомендациями, формировать гипотезы для улучшения продуктов и коммуникаций.

Практическая польза: как применять результаты исследований AI-рекомендаций к продуктовым и коммуникационным задачам.

От промпта к процессу: как проектировать надёжные AI-workflows для UX-исследований

Как делегировать AI-агентам исследовательские задачи — от конкурентного анализа до генерации продуктовых гипотез — и сохранять контроль над качеством и достоверностью результатов?

На примере AI-assisted UX Research Олеся разберёт пять принципов проектирования исследовательских workflows.

Пять принципов — подробнее

• От результата к процессу. Как определять исследовательскую задачу, ожидаемые артефакты и критерии качества до запуска AI.
• Делегирование задач. Что можно автоматизировать, где проходят границы автономности AI и когда необходимо участие человека.
• Архитектура workflow. Как организовать сбор данных, анализ, синтез и генерацию гипотез в единый процесс.
• Доверие и валидация. Как проверять источники и выводы через контрольные точки — validation gates — на каждом этапе.
• Оценка эффективности. Как измерять скорость, достоверность результатов и затраты на ручную проверку.

Практическая польза: модель проектирования AI Research Workflow с распределением задач, критериями качества и системой проверок. Надёжность зависит от архитектуры процесса, границ делегирования и встроенной валидации.