真人研究 Panel 正在腐爛 — — 但 AI 合成用戶救不了你

NN/g 在 2026 年最熱的合成用戶風口期，安靜地發了一篇講 panel 老化的方法論 — — 這不是巧合，這是一份立場聲明。

做 UI/UX 十幾年，我一直把「研究 panel」這四個字當成大公司的事 — — 以為那是某個你進到一定規模、有專職 ResearchOps 之後才需要煩惱的東西。這個月把 NN/g 這篇〈Why User Panels Fail〉讀完，我才意識到自己想錯了一件事：panel 這個詞聽起來像基礎設施，但它真正的意義是一種立場。是你願不願意花成本，跟「真實的人」維持一條長期的、會老化的、會腐爛的關係。

而 2026 年最諷刺的事情是 — — 這個立場正在被合成用戶（Synthetic Users）市場慢慢吃掉。

先把 NN/g 在說什麼講清楚

NN/g 這篇文章很短，作者 Lola Famulegun 直接點名了三種 panel 必然會壞掉的方式。

第一種叫「靜態資料庫問題」。 Panel 剛建立時所有人都很興奮，前三個月研究都跑得很順。半年後沒人在維護資料、沒人在重新驗證使用者背景、沒人在追蹤回覆率。Panel 還在那裡，但它不再是 panel — — 它變成一張死掉的名單。研究員每次跑研究都要重新 screen，那一開始建 panel 的整個前提就崩了。

第二種叫「樣本偏誤」。 願意加入企業 panel 的人，通常本身就對品牌有好感、對產品熟悉、對你的研究有耐心。久了之後 panel 會變成一個品牌粉絲俱樂部 — — 他們對任何新功能都點頭、對任何問題都溫和。Echo chamber 的回音壁就是這樣長出來的，你以為你在聽使用者，其實你在聽自己。

第三種叫「跟商業現實脫節」。 公司會擴張、會打新市場、會從中小企業客戶轉做企業級客戶 — — 但 panel 不會自己跟著改。三年前建的 panel 反映的是三年前的目標客群。等你發現 panel 裡找不到符合篩選條件的受訪者時，那個 panel 已經死很久了，只是沒人在領死亡證明。

三種腐爛模式都不是技術問題，都是「沒人在養」的問題。

為什麼這篇文章「現在」特別重要

NN/g 不是第一次寫 panel 了。〈Internal User Panels〉那篇 101 文章已經放在站上五六年了。所以問題不是「這篇文章寫了什麼」，而是「為什麼是 2026 年 4 月發的」。

我認為時機不是巧合。

過去十二個月，UX 研究界發生了一場安靜的市場分裂。一邊是傳統的 panel 工具 — — User Interviews、Ethnio、Great Question 都在 2026 年推出 AI 自動排程、AI 自動 screening、AI 訪談紀要的整合。另一邊是合成用戶平台 — — Synthetic Users、Persona AI、各種「一鍵生成五千個 user persona」的服務在過去一年湧現。後者主打的賣點很直接：你不需要找人、不需要付訪談費、不需要等檔期。

如果你是時間壓力極大的產品團隊，這個誘惑很難抗拒。

但 NN/g 自己 2024 年那篇〈Synthetic Users: If, When, and How to Use AI-Generated Research〉裡 Kate Moran 寫過一句很重的話：合成用戶最大的問題是它們會回答任何問題、給出任何看起來合理的答案 — — 但「合理」跟「真實」中間隔了一條鴻溝。LLM 是 token 序列預測器，它把訓練資料裡的英文、WEIRD（Western, Educated, Industrialized, Rich, Democratic）世界觀統計平均成一張看起來像「使用者」的臉。它不會皺眉、不會困惑、不會在你問到一半的時候突然想起昨天客服的爛體驗。

在這個背景下，NN/g 在 2026 年 4 月發一篇講「真人 panel 為什麼會腐爛」的文章，等於在說：對，維護 panel 很麻煩，但麻煩本身就是它的價值。

真實的悖論：會腐爛的東西才是真的

我覺得這篇 NN/g 文章最值得被放大的洞見，是它沒有明說的那一句。

Panel 會腐爛，因為人會變。使用者會換工作、會升職、會結婚生小孩、會對你的產品失去興趣、會被競爭對手挖走。這些變化會反映在 panel 的回覆率下降、招募越來越難、樣本越來越偏。所以 panel 維護的本質不是「資料庫管理」，而是「跟一群會變的真人持續同步」。

合成用戶不會腐爛。它今天回答你的問題，跟一年後回答你的問題，會是同一個統計平均值 — — 除非中間 LLM 模型升級了一次。但那不叫「人變了」，那叫「軟體更新了」。如果你的「使用者」永遠不會老、不會煩、不會搬家、不會抱怨 — — 那它就不是使用者，它是一面鏡子。

真實的東西，會壞。

這個觀點在 2026 年特別有重量，因為很多設計團隊正在做一個很危險的決定：用合成用戶取代 panel，因為「panel 太難維護了」。NN/g 這篇文章在反過來說：panel 難維護不是 bug，那是它能告訴你真相的證據。一個你不需要維護的研究來源，是一個不會更新的研究來源。

三種腐爛模式換到設計接案脈絡，會長什麼樣

NN/g 的觀點是寫給有 ResearchOps 預算的中大型公司看的，但這三種腐爛模式對自由接案設計師、小工作室、甚至內容創作者，全部都成立 — — 只是換一張臉。

「靜態資料庫問題」的 freelance 版本：兩三年前合作很順的客戶名單還躺在你 CRM 裡，你以為那是「現成資源」。但其中三分之一已經換工作了、四分之一已經把預算砍光了、剩下還在崗的可能也升到了不再自己處理外包設計的位置。你以為你有十個 warm lead，實際上能成案的只剩兩三個。

「樣本偏誤」的內容創作者版本：你 Instagram 上互動最多的那批人，是幾年前因為你某一支爆紅的 Reel 而追蹤的 — — 他們對你的期望是繼續做那種風格的內容。如果你把這群人的留言當成「使用者回饋」來決定下一階段要做什麼題目，你會被自己的舊代表作鎖死。新觀眾的聲音永遠進不來，因為他們還沒追蹤你。

「跟商業現實脫節」的個人品牌版本：你三年前做的線上課程目標客群是「想入門的設計新手」。三年後 Figma、AI、各種設計工具的生態完全變了，新進場的設計師遇到的問題早就不是當年那批了。但你還在用過去的學員回饋優化現在的課程 — — 這就是 panel 跟商業現實脫節的個人版。

把 NN/g 的三種失敗放進這個脈絡之後我才明白 — — 它真正在講的不是「panel 管理技術」，而是「對任何使用者來源的健康監測」。

對設計師（包括接案的我們）的具體啟發

不是每個讀這篇文章的設計師都在大公司、都有 ResearchOps 團隊、都在管理千人 panel。我自己也是。但我從這篇文章拉出來三個可以馬上用的原則：

第一，把任何「使用者來源」當成會老化的東西。 你的 IG 私訊裡熟悉的學員、你 Threads 上常常留言的設計同好、Discord 社群裡那十個會給你 honest feedback 的人 — — 他們都是你的迷你 panel。每三個月問自己一次：他們的職涯/生活有沒有變？他們的回饋還能代表你的目標客群嗎？

第二，不要過度依賴單一來源。 NN/g 說的「sampling bias」對接案設計師也成立 — — 如果你的回饋永遠來自三五個熟人，你的設計品味會慢慢往他們的舒適圈漂移。每半年強制找新的人來看你的作品，包括完全不認識你的陌生使用者。

第三，合成用戶當 desk research 用，別當決策依據。 用 ChatGPT 模擬目標客群的反應，可以幫你問出更好的研究問題、想到更多 edge case、寫出更精準的訪談腳本。但最後還是要把方案放到真人面前。Synthetic Users 平台官方的立場其實也是這樣 — — 他們從不主張取代真人研究，是用戶端自己想偷懶。

結尾 — — 麻煩，是設計師的最後競爭優勢

我寫這篇文章的當下，AI 把所有事情變得越來越「plausible but fake」。AI 寫的文案聽起來很合理但沒有立場、AI 生的圖看起來很美但沒有質感、AI 模擬的使用者回應看起來很順但沒有困惑。

在這個一切都被自動化、平均化、合成化的時代，願意花時間維護一份會腐爛、會失敗、會跟商業現實脫節的真人 panel — — 這件事看起來很笨。但它也是少數幾件 AI 還搶不走的事之一。

你維護的不是一張名單，是一條跟真實世界的連線。

Sources 延伸閱讀

• NN/g (Why User Panels Fail)
• NN/g (Synthetic Users: If, When, and How to Use AI-Generated “Research”)
• ACM Interactions (The Synthetic Persona Fallacy: How AI-Generated Research Undermines UX Research)
• NN/g (Internal User Panels)

我是設計師 Riven，專注於 AI 時代的設計實踐與工具策略。

更多 AI × 設計的實作分享都在我們家的設計學院官網 ⬇️

[embed]RAR 設計攻略 設計師 Riven 的設計攻略｜線上課程｜設計方法｜軟體教學rar.design