Content Benefit

Content Strategy | UX Writing | Content Design | Globalization | Communications

L’AI non è un utente

L’AI non è un utente

Utenti sintetici nella ricerca UX: cosa sono e perché se ne discute

Gli utenti sintetici sono partecipanti simulati da un modello linguistico. Si descrive un profilo, per esempio una responsabile acquisti di 45 anni che lavora a Torino, e l’AI risponde alle domande di un’intervista o di un questionario come farebbe, in teoria, quella persona. Non c’è nessuno da reclutare, nessuna agenda da incastrare e nessun compenso da pagare: un’intera tornata di interviste si chiude in un pomeriggio. Per i team con budget ridotti e scadenze strette la promessa è allettante, tanto che una delle startup del settore, Synthetic Users, ha scelto come slogan “User research. Without the users.”

Il dibattito si è riacceso a inizio ottobre con un articolo su UX Collective firmato da Arin Bhowmick, Chief Design Officer di SAP. Il titolo chiede se gli utenti sintetici siano davvero il futuro della ricerca UX, e la risposta dell’autore è un secco no. Su questo sono d’accordo con lui, e provo a spiegare perché partendo dai dati.

Ricercatori e AI: la usano in tanti, i partecipanti simulati in pochissimi

A maggio 2026 User Interviews ha intervistato 150 professionisti della ricerca per il report The State of Synthetic Users. L’81% usa regolarmente strumenti di intelligenza artificiale nel proprio lavoro, ma solo l’8% ricorre ai partecipanti simulati. Il 47% si dichiara scettico e chiede più prove prima di fidarsi, il 17% è contrario, gli entusiasti si fermano al 3,3%. Il 21% sostiene che non esista alcun contesto in cui abbia senso usarli.

Le preoccupazioni sono molto condivise: l’88% teme per la qualità degli insight e il 79% per due rischi distinti, cioè che gli stakeholder si fidino troppo dei risultati generati e che i bias verso i gruppi sottorappresentati vengano amplificati. Gli impieghi giudicati legittimi restano marginali, come la preparazione di questionari e screener (46%) o i test di usabilità per raccogliere segnali di massima (34%).

Cosa ha scoperto NN/g confrontando persone simulate e reali

Nielsen Norman Group ha fatto la verifica più semplice e convincente: ha ripetuto con Synthetic Users e ChatGPT tre studi già condotti con partecipanti reali e ha confrontato le risposte. Sulla descrizione di una giornata tipo di un informatore medico in Colombia, l’AI se l’è cavata bene, con un racconto molto vicino a quello raccolto sul campo. Appena le domande si sono spostate sui comportamenti, le cose sono cambiate.

In uno studio sulla formazione online, le persone vere ammettevano di aver lasciato i corsi a metà: una partecipante ne aveva completati tre su sette perché un nuovo lavoro le aveva tolto tempo. I partecipanti sintetici dichiaravano invece di averli finiti tutti. Lo stesso valeva per i forum di discussione: chi li aveva provati davvero li trovava artificiosi e li evitava, mentre gli utenti simulati raccontavano di partecipare con entusiasmo e di apprezzare il senso di comunità. Kate Moran e Maria Rosala lo riassumono così: le persone reali danno più importanza ad alcune cose che ad altre, agli utenti sintetici sembra importare tutto.

Il test di SAP: più una ricerca su internet che un’intervista

Nell’articolo di Bhowmick c’è anche un esperimento interno. Eric Mahlstedt, VP User Research & Insights di SAP, ha rifatto con utenti sintetici alcuni studi già svolti in azienda e ha ottenuto risposte generiche, plausibili, simili ad aneddoti già in circolazione online. A suo dire sembrava meno una ricerca e più una sofisticata ricerca su internet, presentata in modo da creare un’illusione di empatia.

Quell’illusione la conosco bene. Quando un amico mi ha consigliato Grok come confidente, ne sono uscita a disagio: era tutto troppo sintetico e veloce perché ci fosse un vero scambio. Ne ho parlato in Solitudine, l’AI ci guadagna, e ritrovo la stessa sensazione in questi verbali di interviste mai avvenute.

Troppo bravi e troppo gentili: compiacenza e iper-accuratezza

Il primo difetto è la compiacenza, che in letteratura si chiama sycophancy: i modelli linguistici tendono a dare ragione a chi li interroga, e uno studio di Anthropic del 2023 la descrive come un comportamento diffuso nei principali assistenti AI. Bhowmick cita una ricerca del 2025 in cui otto designer hanno lavorato con una persona AI chiamata “Alice”: approvava le proposte senza spirito critico e non discuteva mai costi né fattibilità. I designer più esperti hanno definito quelle conversazioni a senso unico e autoreferenziali. NN/g ha osservato la stessa cosa: un’app di consegna con droni, sottoposta a un informatore sintetico, diventava subito “molto utile”, quasi rivoluzionaria.

Il secondo difetto è l’eccesso di bravura. MeasuringU ha messo ChatGPT davanti a un tree test sulla navigazione del sito del fisco statunitense: in ogni esecuzione ha trovato il percorso giusto in almeno nove compiti su dieci, mentre i partecipanti umani si sono fermati a circa il 51% di successi. Uno strumento che si orienta meglio di quasi tutti gli utenti non rivela nulla sulle difficoltà degli utenti. Già nel 2023 Aher, Arriaga e Kalai avevano chiamato questo fenomeno hyper-accuracy distortion, osservandolo nei modelli più recenti quando simulavano esperimenti classici di psicologia.

Tutti uguali: quando le differenze tra le persone spariscono

C’è poi un problema più sottile, e per me è il più grave. Nel 2024 un gruppo di politologi guidato da James Bisbee ha chiesto a ChatGPT di rispondere come migliaia di elettori americani, confrontando i risultati con un’indagine di riferimento, l’American National Election Studies. Le medie coincidevano in modo sorprendente, ma le risposte erano molto meno variabili di quelle umane, le relazioni tra le variabili spesso non corrispondevano e lo stesso prompt dava esiti diversi a distanza di tre mesi.

Uno studio di Angelina Wang e colleghi, pubblicato su Nature Machine Intelligence, va oltre. Quando impersonano un gruppo demografico, i modelli tendono a ritrarlo come lo immagina chi ne sta fuori, con gli stereotipi del caso, e ad appiattirne la varietà interna. Per la ricerca UX vuol dire che le minoranze, chi usa le tecnologie in modi imprevisti e chi ha esigenze di accessibilità, cioè proprio le persone che un buon studio dovrebbe far emergere, vengono cancellate senza che nessuno se ne accorga. Una media non protesta mai.

Perché una persona non è un calcolo di probabilità

Qui arrivo alla mia convinzione. Le persone non ragionano seguendo pattern statistici, somiglianze e probabilità, mentre un modello linguistico funziona esattamente così: produce la risposta più verosimile sulla base di ciò che ha già letto. La ricerca con gli utenti serve a scoprire quello che verosimile non è: la partecipante che abbandona i corsi perché ha cambiato lavoro, il cliente che dice una cosa e ne fa un’altra, la contraddizione che smonta un’ipotesi data per certa.

Per questo ho sempre sostenuto che le interfacce restano governabili se si progetta per persona, come ho scritto in Personalizzare stanca, a patto che quelle persona nascano da individui in carne e ossa e non da una media. Un profilo inventato dall’AI e poi interrogato dalla stessa AI è un circolo chiuso, che conferma quello che già si sapeva. Il fascino del metodo rapido somiglia a quello del buon senso, e anche lì serve cautela: il buon senso non è un metodo. Quindi no, l’AI non è un utente.

Dove gli utenti sintetici possono comunque servire

Questo non significa buttare via tutto. Sia NN/g sia Bhowmick riconoscono alcuni impieghi sensati: fare desk research su un settore sconosciuto prima delle interviste, provare una traccia di domande per scovare quelle ambigue, formulare ipotesi e bozze di persona da verificare poi sul campo. Il limite è chiaro: le risposte simulate non vanno presentate come risultati raccolti da persone vere, cosa che per NN/g è scorretta, e vanno evitate con popolazioni di nicchia, poco rappresentate nei dati di addestramento.

Il rischio maggiore riguarda le organizzazioni. Dove la cultura della ricerca è fragile, un report sintetico può diventare l’alibi per non parlare mai con i clienti, e la decisione finisce in mano a chi ha più fretta. È un tema che si intreccia con quello di chi decide nel design, affrontato in Il designer e l’AI: chi decide.

Il tempo dirà se ho ragione

I modelli miglioreranno e qualcuno sosterrà che la distanza dalle persone reali si sta riducendo. Può darsi. Resto però convinta che il valore della ricerca stia proprio nell’imprevedibile, e che nessuna statistica, per quanto raffinata, sappia restituire l’esitazione di chi cerca un pulsante senza trovarlo. Progettiamo prodotti per esseri umani, e per capirli bisogna ascoltarli. Il tempo dirà se ho ragione.

Risorse correlate

Chiara Bonifazi