用户体验研究产生了大量原材料：采访录音、笔记、调查答案、支持票和可用性会议。将其转化为发现的过程很慢，而这正是人工智能最有帮助的地方。
如今的常见用途包括自动转录、各个会议的摘要、将笔记和开放调查答案聚类为主题，以及同时搜索许多研究。人工智能对于准备工作也很有用：起草访谈指南、筛选问题和调查措辞供研究人员审查。
危险的用途是替换参与者。一些工具提供“综合用户”，即回答研究问题的人工智能角色。他们可以帮助您做好准备，但他们会重复训练数据中的常见内容，并且无法告诉您特定用户的实际行为。将它们视为头脑风暴的辅助工具，而不是证据。
摘要也可能是错误的。人工智能可能会夸大一个主题，错过一个罕见但重要的问题，或者发明一个引言。好的做法是将每个发现都链接到真实的引文或剪辑，并自己阅读原始数据的样本。
隐私也很重要。在将录音或文字记录发送到人工智能服务之前删除个人详细信息，并检查是否同意涵盖这些信息。如果使用得当，人工智能可以让研究人员有更多的时间与用户相处，这是最重要的部分。