AI普及但使用不均，角色差异显著
AI工具在UX领域已近乎普及，99%的从业者拥有工作权限，但实际使用情况因组织类型和岗位角色而异。 startups中高达85%的从业者使用代理型AI，而政府与非营利机构仅约40%。产品与运营人员更倾向于采用AI代理工具，因其工作涉及跨系统协调，而研究人员与内容设计师则更多依赖通用AI对话工具，以完成高质量成果。
这一差异背后，既有组织审批流程、技术资源和成本的现实制约，也反映出不同岗位对AI适配性的天然差异。技术背景较强的岗位更容易上手复杂工具，而对输出精度要求极高的角色则更警惕AI的不可靠性。
效率提升背后：质量与伦理的双重挑战
尽管AI在代码生成、文献调研等任务中明显节省了时间，但其输出质量不稳成为最大障碍，54%的受访者将其列为关键阻碍。大量评论指出，AI生成内容常需大量人工校对与修正，甚至产生‘垃圾输出’，反而增加工作负担。
此外，34%的从业者担忧AI的伦理与环境影响，包括数据训练中的版权问题、碳排放及对就业市场的冲击。部分人坦言，被迫使用自己道德上反对的技术，带来强烈认知失调，反映出技术应用与个人价值观之间的深层冲突。
用户互动环节AI应用最少，真实体验受限
AI在涉及真实用户的任务中渗透率最低：61%的受访者从不使用AI进行用户访谈，51%未用其测试设计。这并非因技术无法支持，而是用户交互的本质难以被AI替代——访谈设计与评估仍需深度理解人类动机与情境。
即便在辅助工作如撰写访谈提纲或测试计划中，AI仅能提供基础支持，无法缩短核心会话时间。目前仅有11%使用AI访谈员或合成用户，说明AI在真实用户体验环节仍处于辅助地位。
组织文化决定AI价值：从加速工具到压力来源
受访者对AI的平均情感评分仅为3.57，略高于中立，但69%的开放评论表达负面情绪。核心矛盾在于：领导层普遍强调AI提速，却未提供培训与流程支持，导致从业者陷入‘用得越多，改得越多’的恶性循环。
许多设计师被迫在完成自己工作的同时，还要修复他人因盲目使用AI而产生的低质原型与流程，形成‘双重劳动’。这种压力不仅未提升效率，反而加剧了职业倦怠与价值感流失。
要点速览
- AI显著提升代码与文档类任务效率，但在用户交互环节作用有限。
- 输出质量不稳定与数据安全是阻碍AI落地的核心因素。
- 组织强制使用AI易引发‘表演式采纳’，反增工作负担。
- 研究与设计岗位对AI的负面情绪更强烈，反映职业价值担忧。
- AI应用需配套培训与流程支持，否则可能加剧工作压力。
