Nielsen Norman Group提出Research-in-the-Loop框架以适配AI驱动的开发速度

在AI编码代理大幅降低软件开发和试错成本的背景下，传统的前置式用户研究难以跟上产品发布的节奏。Nielsen Norman Group提出“Research-in-the-Loop”（循环中的研究）框架，旨在将UX研究深度整合进AI辅助的软件开发生命周期中。该框架的核心逻辑在于利用AI同样能低成本构建研究工具的特性，使研究仪表化机制能与产品功能同步开发、同步上线，从而在高速迭代的闭环中持续获取用户行为数据并指导后续决策。

这一方法改变了研究与工程的协作模式。过去，研究人员需要等待工程团队排期来部署拦截调查、事件日志或反馈按钮；现在，这些需求可以作为规范的一部分，由AI编码代理随功能代码一并生成。具体实践中，团队需在产品需求文档中增加专门的“研究章节”，明确预期结果、成功信号、潜在问题信号、需追踪的数据指标以及何时需要进行定性访谈的触发条件。例如，在一个工单直接转派功能的案例中，研究章节不仅定义了如何监控转派效率，还规定了当某部门退回率异常时自动触发情境调查。这种设计确保了用户行为数据与业务结果在系统层面被预先关联，而非事后拼凑。

尽管量化仪表化能高效回答“发生了什么”和“是否达到预期”，但它无法完全替代定性研究对“为什么”和“未知需求”的探索。因此，该框架强调定量与定性研究的互补：通过常规节奏的测试、依据数据信号的深入调查以及在关键不可逆决策前的原型验证，保持对用户深层动机和新需求的敏感度。实施这一转变要求研究人员掌握新的技能组合，包括编写机器可读的Markdown规范、指挥AI代理构建工具、理解分析仪表化基础以及数据管道管理。然而，提问能力、偏见规避、综合判断及伦理把控等核心研究素养依然至关重要，因为AI只能执行构建，无法定义正确的研究问题。目前，关于如何平衡不同研究形式、确保证据有效性以及避免过度监测带来的隐私风险等问题，仍有待进一步实践验证。