Synthetic Users
Nábor respondentov trvá týždne, rozhovory treba prepísať a vyhodnotiť. Nástroje so syntetickými používateľmi sľubujú desiatky „respondentov“ za pár minút. Dá sa teda robiť výskum s používateľmi… bez používateľov?
Čo sú synthetic users
Ide o profily vygenerované umelou inteligenciou, ktoré napodobňujú skupinu používateľov a odpovedajú na otázky
z rozhovorov či dotazníkov – bez toho, aby sa skúmal jediný reálny človek. Na rozdiel od persony, ktorá zhŕňa skutočný výskum, je synthetic user štatistický odhad poskladaný z tréningových dát jazykového modelu. Existujú špecializované platformy, mnohé tímy si ich však jednoducho „prompnú“ v ChatGPT či Claude. Lákajú rýchlosťou, cenou a prístupom k ťažko dostupným skupinám.

Kde to škrípe
Chcú sa zapáčiť. Nielsen Norman Group porovnala syntetické rozhovory s tromi reálnymi štúdiami. Syntetickí respondenti tvrdili, že dokončili všetky online kurzy, a nadšene chválili diskusné fóra. Skutoční ľudia kurzy často nedokončili a fóra nepoužívali. AI navyše záleží na všetkom rovnako, čo pri prioritizácii nepomôže.
Strácajú rozmanitosť. V novšom teste NN/g (2026) odpovedalo 120 syntetických respondentov na rovnakú otázku ako 604 ľudí. Hlavný záver sedel, no ľudia použili vyše 50 rôznych pomenovaní, AI len zhruba tucet. Tento jav sa volá mode collapse: model zopakuje najčastejšiu odpoveď a menej bežné názory zmiznú. Práve v nich sa však často skrýva to zaujímavé.
Mýlia sa nepredvídateľne. Pew Research Center nechal AI odpovedať v mene skutočných členov svojho panelu na takmer 300 otázok. Výsledky sa od ľudí líšili v priemere o 12 percentuálnych bodov. Model siahal po stereotypoch (97 % Hispáncov vraj sleduje futbalové MS, v skutočnosti 43 %), preceňoval vedomosti ľudí a možnosť „neviem“ volil asi štyrikrát menej často. Iný model skreslil výsledky zase opačným smerom.

Kedy áno, kedy nie
| Dáva zmysel | Nedáva zmysel |
|---|---|
| Príprava a testovanie scenára rozhovoru | Validácia konceptu pred vývojom |
| Generovanie hypotéz na overenie s ľuďmi | Rozhodnutia o roadmape a prioritách |
| Vyradenie najslabších variantov dizajnu pred A/B testom | Výskum s málo zastúpenými či špecifickými skupinami |
Výskumníci z Microsoftu ich opisujú ako sparing partnera: pomôžu odhaliť diery v otázkach alebo zúžiť desať návrhov na päť. Výstupy treba vždy jasne označiť a nikdy ich nevydávať za reálny výskum.
Záver: entropia, ktorú AI nevyrobí
Jazykový model je stavaný tak, aby dal najpravdepodobnejšiu odpoveď – teda aby neprekvapil. Mike Brzozowski
z Microsoftu preto pripomína, že aj keby syntetickí používatelia trafili 85 % odpovedí, rozhoduje zvyšných 15 %: moment, keď skutočný človek povie niečo nečakané. Synthetic users môžu výskum pripraviť a zrýchliť, nahradiť ho však nedokážu.
Zdroje
- Nielsen Norman Group: Synthetic Users – If, When, and How to Use AI-Generated „Research“ (2024)
- Nielsen Norman Group: Synthetic Users vs. Human Respondents – Same Conclusion, Less Variation (2026)
- Pew Research Center: Can AI Stand In for Human Survey-Takers? Not Really (2026)
- Microsoft Design: Real Enough? Synthetic Users, Synthetic Data, and the Limits of Simulation (2026)