Nástroje pro výzkum zákazníků dnes nabízejí „rozhovory“ s uměle vytvořenými respondenty: zadá se cílová skupina a cíl studie a nástroj vytvoří profily i přepisy rozhovorů. Pro malou firmu je to lákavé, protože skutečný výzkum stojí čas a peníze. Otázka zní, co z takových rozhovorů lze brát vážně.

Odpověď dávají čtyři zdroje: dva články Nielsen Norman Group (NN/g) z června 2024 a října 2026, studie z časopisu Political Analysis z roku 2024 a přehled dvanácti recenzovaných studií od MeasuringU z dubna 2026. Společný vzorec je tento: syntetičtí respondenti často dobře napodobí průměrnou odpověď, ale mají menší rozptyl než lidé a bývají příznivější. Z toho plyne, k čemu je lze použít a k čemu ne.

Stav informací k 20. 11. 2026. Testy se týkají konkrétních nástrojů a modelů, například platformy Synthetic Users a ChatGPT. Ze zdrojů, které jsme otevřeli, žádný nepopisuje test na českých zákaznících a modely se rychle mění, takže výsledky mohou zastarat.

Co jsou syntetičtí uživatelé a čím se liší od klasické persony?

Syntetický uživatel je podle NN/g profil vytvořený umělou inteligencí, který napodobuje skupinu uživatelů a vytváří simulované myšlenky, potřeby a zkušenosti, aniž by se zkoumali skuteční lidé. Stojí na velkých jazykových modelech (LLM) a vzniká buď obecným chatbotem, například ChatGPT, nebo specializovanou platformou. Na rozdíl od statické persony se ho lze doptávat.

Modelový příklad (nejde o skutečnou firmu): majitel e-shopu s dětskou obuví zadá cílovou skupinu „rodiče předškoláků“ a dostane desítky úhledně popsaných odpovědí. Výstup vypadá jako výzkum, ale žádný skutečný rodič nic neřekl. Právě v tomto pokušení je hlavní riziko.

Proč jsou odpovědi syntetických uživatelů často příliš příznivé?

Chatboti mají sklon vyhovět, a proto hodnotí nápady příznivěji, než by hodnotili skuteční lidé. NN/g v článku z 21. 6. 2024 porovnala syntetické rozhovory se třemi vlastními studiemi se skutečnými lidmi. Šlo o kvalitativní srovnání přepisů na konkrétních příkladech; článek neuvádí počty účastníků ani číselné ukazatele.

Popis pracovního dne obchodního zástupce ve zdravotnictví se skutečným velmi podobal, takže pro orientaci v neznámém oboru se hodí. Jinde byly odpovědi idealizované. Skutečný účastník studie o online kurzech přiznal, že všechny kurzy nedokončil, syntetický uživatel tvrdil, že dokončil všechny, které zmínil. Diskuzní fóra většina skutečných účastníků nepoužívala, protože je považovala za nepřirozená a málo užitečná, syntetičtí je hodnotili kladně.

Na dotaz, zda by byla užitečná aplikace pro dodávku vzorků dronem, odpověděl syntetický uživatel vytvořený v ChatGPT, že by byla velmi užitečná, ušetřila by čas a při dobré implementaci by mohla být zásadním zlepšením. Autoři označují ověřování nápadů umělou inteligencí za velmi riskantní, protože modely mají sklon souhlasit. Jako další slabiny uvádějí jednorozměrné chování, dlouhý výčet potřeb bez pořadí důležitosti a slabé výsledky u úzce specializovaných skupin.

Proč je menší rozptyl odpovědí problém, i když průměr vychází správně?

Průměrná odpověď vychází často dobře, ale řídké odpovědi mizí. NN/g to v článku z 16. 10. 2026 ukázala na jedné otázce: respondenti měli podle popisu práce vybrat jedinou disciplínu, která ji nejlépe vystihuje. Odpovědi dodala platforma Synthetic Users v únoru 2026; 120 syntetických respondentů se porovnalo se 604 lidmi z dřívějšího průzkumu NN/g o názvosloví UX.

Hlavní závěr vyšel v obou souborech stejně: žádný jiný název nevytlačil označení UX. Syntetičtí respondenti ale používali výrazy související s UX častěji, 84 % z nich proti zhruba 70 % lidí. Autoři rozdíl označují za statisticky významný, praktický závěr se podle nich ale nemění. Lidé použili více než 50 různých označení, syntetičtí se soustředili na zhruba tucet, a chyběly jim řídké a specializované výrazy, například „digital management“ nebo „business analysis“.

Modelový příklad (nejde o skutečnou firmu): firma se ptá, jak zákazníci nazývají její službu. AI vrátí několik nejběžnějších názvů, ale slovo, které používá menší část zákazníků a které by se hodilo do textu webu nebo do reklamy, mezi nimi nebude. Je to test jedné otázky a jedné platformy. NN/g sama upozorňuje, že platforma otázku někdy přeformulovala, což mohlo odpovědi ovlivnit.

Vzorky se také lišily složením: UX profesionálů bylo mezi lidmi 67 %, mezi syntetickými respondenty 20 %, podle autorů záměrně kvůli kvótám na profese. Lidský vzorek se navíc částečně získával přes kanály NN/g, takže mohl UX nadhodnotit. Autoři přesto shrnují, že výzkum se syntetickými uživateli stále není výzkumem uživatelů.

Podobně dopadla studie z Political Analysis (Bisbee a kol., 2024) s modelem ChatGPT 3.5 Turbo, která porovnala syntetické hodnocení politických skupin (sympatie na škále 0 až 100) s americkým průzkumem ANES. Průměry těsně odpovídaly, ale odpovědi vykazovaly menší variabilitu než u lidí a 48 % regresních koeficientů se od odhadů z ANES významně lišilo. Rozdělení odpovědí na týž pokyn se navíc změnilo mezi prvním během v dubnu 2023 a opakováním v červenci 2023. Autoři to přičítají tomu, že se model v čase měnil, přesnou příčinu ale určit nelze, protože OpenAI změny nezveřejňuje. Nejde o marketing, ale nález je podobný.

Přehled dvanácti recenzovaných studií od MeasuringU z 14. 4. 2026 dospívá k smíšenému obrazu: syntetické odhady jsou podle autorů často nepřesné a mezi studiemi nekonzistentní. U rozptylu našli tři nepříznivé výsledky a žádný příznivý. Spoléhat se na syntetické respondenty u kritických rozhodnutí podle nich zatím není na místě; MeasuringU přitom poskytuje UX výzkum, takže jde o názor odborníků z oboru.

K čemu syntetické respondenty použít a co musí ověřit skuteční lidé?

Syntetické respondenty lze použít jako přípravu a start, nikdy jako důkaz. Přehled použití podle zdrojů a toho, co musí ověřit lidé:

  • Příprava rozhovorů: syntetický respondent může odhalit témata a zkoušet scénář rozhovoru (NN/g 2024). Ověřit: scénář na prvních skutečných rozhovorech.
  • Hypotézy o skupině, například předběžné persony: NN/g je doporučuje jako výchozí bod k upřesnění skutečným výzkumem. Ověřit: každou hypotézu rozhovory nebo daty z vlastního prodeje.
  • Orientace v neznámém oboru: popis typického dne nebo jazyk oboru (NN/g 2024). Ověřit: u úzce specializovaných skupin výsledky podle NN/g slábnou.
  • Nejběžnější odpověď nebo obecný vzorec (NN/g 2026). Ověřit: řídké odpovědi, nečekaná témata a rozdíly mezi skupinami.
  • Dotazování již shromážděných stabilních dat: podle přehledu MeasuringU nejslibnější použití. Ověřit: nečekat, že model odhalí něco, co dosud není známo.

Jak s nástrojem pracovat a co si ověřit před jeho koupí?

Bezpečné použití stojí na tom, že výstup AI se nikdy nepodá jako názor zákazníků. NN/g uvádí, že vydávat syntetická zjištění za výzkum se skutečnými uživateli je neetické a může dlouhodobě poškodit vnímání uživatelského výzkumu v organizaci. Rozhodnutí o nabídce nebo výzkum zákazníků proto nemají stát jen na AI. Postup před zavedením nástroje:

  1. Označte každý výstup jako hypotézu a v poznámkách pište „AI persona uvádí“, ne „zákazníci říkají“.
  2. U každé hypotézy určete, kdo a jak ji ověří: rozhovor, krátký dotazník, nebo data z e-shopu či poptávek.
  3. Zapište si nástroj, model a datum spuštění, protože výsledky stejného pokynu se mohou v čase změnit, jak ukázala studie Bisbee a kol.
  4. Před koupí platformy se zeptejte dodavatele na nezávislé ověření: autoři přehledu MeasuringU z dubna 2026 uvádějí, že neviděli recenzovanou publikaci, která by použila komerční platformy jako Qualtrics nebo Aaru.
  5. Ve zprávě pro vedení uveďte zvlášť, co řekli skuteční lidé a co jen napověděla AI.

Od výstupu AI k rozhodnutí podloženému lidmi

Zadejte skupinu a otázku
Nástroj nebo chatbot vytvoří profily; výstup je zatím jen nápad k prověření.
Vytáhněte hypotézy
Vyberte tvrzení a témata, která stojí za ověření; nic z výstupu nepředávejte jako zjištění.
Připravte scénář rozhovoru
Otázky vyzkoušejte na syntetickém respondentovi a upravte, co je nejasné nebo sugestivní.
Ověřte u skutečných lidí
Rozhovory, dotazník nebo data z prodeje; všímejte si hlavně odpovědí, které AI nečekala.
Rozhodněte podle skutečných dat
Do rozhodnutí a zprávy patří jen to, co potvrdili lidé; výstup AI označte jako podklad.
Doporučený postup práce se syntetickými respondenty, sestavený z doporučení NN/g.

Zdroje a stav informací

Stav informací k 20. 11. 2026. Údaje jsou ověřené u těchto zdrojů:

Jak články vznikají a ověřují: redakční zásady blogu.

ZKUSTE TO V PRAXI

Výstup AI persony berte jako seznam hypotéz a otázek do rozhovoru, ne jako názor zákazníků. Každé rozhodnutí o nabídce, textu nebo cílení ověřte skutečnými rozhovory nebo daty z vlastního prodeje a vedení nikdy nepředávejte výstup AI jako výzkum.

Nejasný pojem?Nahlédněte do slovníku ↗