看不见的用户：用AI模拟重塑UX设计迭代速度

Alex Liss提出，用AI模拟“看不见的用户”，让设计从堆砌聊天机器人回归真正的用户需求发现。通过智能用户分身（intelligent twins）参与设计流程，团队可以在更快、更大规模下发现痛点，修复AI时代的信任危机。

AI信任危机：问题不在模型，而在体验

为什么UX设计必须被重新审视？Alex Liss在开场就抛出一个刺痛行业的数据：Edelman 2024年12月的研究显示，只有32%的美国成年人信任AI，全球范围内也只有44%的成年人对企业使用AI的方式感到安心。这个“信任缺口”并非来自AI能力不足，而是来自糟糕的用户体验。

他用一个极具画面感的词来形容当下的现象——“AI slop”。当用户在网站上看到明显错误的生成结果，比如搜索结果告诉你“每天应该吃石头”，或者电商页面显示“一美元买车”，用户并不会觉得这是偶发故障，而是会迅速降低对整个产品、甚至品牌的信任。

在Alex看来，问题的根源并不是生成式AI本身，而是企业急于把聊天机器人塞进每一个界面，把“能对话”误当成“好体验”。他引用Cassie Kosakov的观点指出，GenAI真正的魔力是一场UX革命——“用户第一次可以用自然语言与机器学习模型交流”。但如果忽略UX基本原则，这种能力反而会放大失误，直接伤害信任。

从“看得见的界面”到“看不见的设计”

这一切该如何被修正？Alex把答案拉回到UX的经典思想。他提到Don Norman在《The Design of Everyday Things》中反复强调的原则：简单与效率；以及在《The Invisible Computer》中提出的“无形界面”——当软件足够自然，用户几乎忘记自己在使用它。

Alex明确表示，未来的机会不在于制造“看起来很聪明的界面”，而在于用AI加速“需求发现”（need finding）。他说了一句很关键的话：“真正的魔法，不是把聊天机器人塞进网站，而是更快地理解用户真正需要什么。”

他也坦率地给自己加了一个脚注：自己不是设计师，而是数据科学家。这场演讲不会展示具体的UI设计稿，而是提出一种新的流程设想——如何让AI在设计生命周期早期就发挥作用，把原本静态的数据资料，变成可以互动、可以提问、可以反复试验的“参与者”。这种视角的转变，构成了他整套方法论的起点。

智能用户分身：让数据“活”起来

为什么传统设计流程跟不上今天的复杂度？Alex用“驾驶舱里的飞行员”做比喻：信息密度越来越高，人类无法仅靠直觉应对，而飞行员的解决方案是——大量模拟训练。

在AI模拟时代，设计流程的核心变化，是引入“智能用户分身”（intelligent twins）。在Huge公司内部，他们有一个名为Live的数据平台，整合了人口统计、心理特征和情境数据，用来代表真实世界中的用户群体。基于这些数据，团队会进行意图映射（intent mapping），把用户的目标、动机和行为模式转化为可运行的模拟体。

这些智能分身不只是画像，而是设计流程中的“主动参与者”。设计团队可以给它们布置任务，让它们像真实用户一样去评估界面、完成操作、暴露摩擦点。Alex强调，这一步的关键意义在于：过去的数据只是参考材料，而现在的数据可以直接“参与讨论”。

案例：用AI模拟做一次全球体育网站审计

为了验证这种方法的价值，Alex展示了一个具体示例：对全球体育网站进行体验审计。设想一个希望与不同国家体育联盟合作的企业，如何快速理解跨文化、跨市场的用户体验差异？

在这个项目中，他定义了两个受众：休闲球迷和超级球迷，并选取了三个体育网站。智能用户分身被要求完成一系列任务，涵盖导航、信息架构和球迷互动等类别。AI模拟的优势在这里被放大：速度和规模。

结果非常有启发性。在高层汇总视角下，导航体验整体表现不错；但当用户开始深入浏览内容时，信息架构和互动路径的表现明显下滑。Alex将这一发现与AI信任缺口直接联系起来——当系统在关键时刻制造摩擦，用户就会迅速失去耐心。这种方法的价值不在于“证明AI有多聪明”，而在于精准定位哪些体验正在消耗用户信任。

未来：标准化AI模拟，而不是迷信自动化

在演讲的最后，Alex把目光投向2025年上半年。他提到Anthropic推出的MCP协议，已经展示了从Figma到代码的潜在整合能力，这意味着设计与实现之间的距离正在缩短，团队可以更多关注“为什么做”，而不是“怎么做”。

但他也反复强调，这套方法仍是实验性的，存在明显限制。可复现性是关键挑战，因此必须标准化参数：包括任务简报方式、模拟受众维度、审计运行次数，并通过测试组与对照组来隔离变量。

他并没有把AI描绘成取代设计师的工具，而是强调“human in the loop”——人类观察、判断和创造力仍然不可替代。AI模拟的角色，是把设计师从低效、重复的验证中解放出来，让他们集中精力解决真正重要的体验问题。

总结

Alex Liss的核心观点很清晰：修复AI信任缺口，不需要更多失败的GenAI聊天机器人，而需要更好的产品体验。通过AI模拟和智能用户分身，设计团队可以在更早阶段、更大规模地发现真实痛点。这不是一条捷径，而是一种更尊重UX基本原则的进化路径，对任何正在探索AI应用的产品团队都具有现实启发。

关键词： AI模拟， 用户体验设计， 智能用户分身， 生成式AI， AI信任危机

事实核查备注： Alex Liss，Huge公司数据科学与AI副总裁；Edelman 2024年12月研究：32%美国成年人信任AI，44%全球成年人对企业使用AI感到安心；概念：AI slop、Invisible Interfaces、intelligent twins、intent mapping；案例：全球体育网站审计，受众为休闲球迷与超级球迷；技术与公司：ChatGPT、Anthropic、MCP协议、Figma