去年，我帶領台灣設計研究院的研發團隊，前往日本第二大廣告公司博報堂進行交流。我們合作運用 AI 來建構對未來消費者的理解與預測。博報堂強調「生活人」的概念，主張從整體生活脈絡中理解消費者。而當我們試圖模擬未來生活情境時，所面對的「未來生活人」，則需要全新的研究方法來探索那些尚未出現的人群。
當受訪者消失之後：AI 正在挑戰市場研究的基本假設
長期以來，市場研究仰賴真人受訪者——透過訪談、問卷、焦點團體等方式，形塑我們對「消費者」的認知。然而，生成式 AI 的快速發展，正動搖這項根本前提：我們是否仍說的想像，而是研究領域當下必須面對的現實。
哥倫比亞商學院（Columbia Business School）近期推出的 Digital Twins Initiative 是其中最具代表性的案例。他們透過四輪、共超過 500 題的心理與行為量表，建立了 2,000 多位受試者的「數位分身」，並進行重測比對。結果顯示，在某些領域，AI 分身（AI Twins）與真實個體的回答一致性高達 88%（Ajao et al., 2024），令人驚訝——部分人類行為竟可高度模擬。
（延伸閱讀｜行銷人做競品分析，別再花 2 天讀年報！用 AI 爬蟲幾分鐘帶你掌握市場輿情與消費者心聲）
然而，當研究人員要求 AI 重現 17 項經典的行為經濟學實驗時，僅有一半能成功模擬（Ajao et al., 2024）。這與 Pentland（2014）在 MIT Human Dynamics Lab 的發現相符：人類行為深受情境（context）影響，而這正是 AI 目前仍難以掌握的層面。
AI 能模仿「被量化的人性」，卻難以模仿「活生生的人」。
複製一個消費者：合成人物如何成為新的市場研究語言
Synthetic Personas（合成人物） 的興起，象徵著市場研究語言的一次全面翻新。過去，我們需要依據資料與想像，逐步構建出 persona；而現在，只需輸入幾行描述，AI 就能立刻生成一位具備完整語言風格、人格特質與消費偏好的「虛擬人」。
更關鍵的是，我們不再只能建立單一 persona，而是能創造出一整個「族群」——即所謂的 silicon sample（矽基樣本）。根據《哈佛商業評論》的研究者 Zalmanson、Wilson 與 Adamczyk（2024）指出，這些 AI 模擬族群在產品概念測試、價格敏感度分析與文案回饋等場景中，表現已逐漸逼近傳統研究方法的成果。
然而，儘管如此，AI 所生成的行為仍只是「平均化」的人性版本。它擅長重現可量化的模式，卻難以捕捉人類決策中的矛盾、突發與文化深度。如 Kahneman（2011）所言，人類的思考是情境、記憶與直覺的交織，而非可線性推導的計算公式。
看似聰明，其實偏誤更深：AI 的答案有多準確，就可能有多危險
哥倫比亞團隊進一步指出，AI 的回答存在系統性偏誤。AI Twins 傾向給出更「社會期許」的回應，例如認為人類普遍更可信、更公平，且更支持演算法決策與 AI 應用（Ajao et al., 2024）。換句話說，AI 模擬出的消費者，更像是「被演算法塑造的人性」，而非真實、矛盾且多元的人類。
（延伸閱讀｜AI 時代的品牌記憶戰！當 AI 能模擬消費者，精準行銷之餘，如何留下「被記得」的溫度？）
這類偏誤一旦被企業誤認為真實洞察，便可能誤導產品設計與品牌溝通策略。近年的研究（Bender et al., 2021）亦指出，大型語言模型會重現其訓練資料中的文化偏差，使某些族群的觀點被放大，而另一些則完全缺席。
AI 的風險不在「不夠準確」，而在「過度一致」。 在現實中消費行為極為多元，過度一致往往意味著排除與忽略。
模擬不是答案，而是啟動問題的鑰匙：洞察來自 AI 無法模仿的部分
AI 並非為了取代消費者，而是協助我們辨識：哪些行為可以被模擬，哪些不能。它讓我們能夠以極低成本大量產出「可預期的行為」，進而將更多研究資源投注在探索「不可預期的行為」上。
真正的洞察，往往來自 AI 無法觸及的深層面向。赫茲（Herz, 2023）的研究指出，驅動品牌與產品選擇的真正動力，來自深層動機、情緒記憶、社會身份與文化符號——這些正是當前 AI 尚無法理解的部分。
換句話說，AI 可以幫助研究者更有效率地「找到答案」，但理解這些答案的「意義」，仍是人類的任務。
台灣本土的機會與風險：語境錯置只會放大誤解
對台灣而言，AI 市場研究是一把雙面刃。一方面，中小企業終於有機會以低成本獲取消費者洞察；另一方面，由於台灣缺乏大規模、結構化的在地語料，若直接使用西方訓練的模型，等同於用非本地文化的資料來建構台灣人的「數位分身」。
語境錯置（context misalignment）是市場研究中最嚴重的誤差來源之一（Heine, 2016）。一旦語境不符，模型即便產出高度一致的結果，也可能完全錯誤。
因此，台灣不能只追求新工具，而應積極建立屬於自己的「在地洞察基礎建設」——涵蓋語言語料、族群差異、文化脈絡、價值觀資料庫與生活風格研究。許多國家已朝此方向發展，例如日本的 NTT 研究團隊、韓國 KAIST 的文化語料庫，與中國的在地語義模型等。
建構台灣的文化語言模型，不只是技術議題，更攸關文化主體性的建立。
未來的研究者，將由 AI 重新定義：理解人性，仍是人類的最後優勢
AI 雖然快速進化，卻永遠無法親身經歷生活、體會文化或感受人際關係中的張力。未來的市場研究者不會被 AI 淘汰，但勢必要轉型——從執行問卷的技術人員，轉變為洞察文化、解讀語境、掌握系統動態的分析者。
正如 Sherry Turkle（2011）所言，人類與科技的真正關係，不在於取代彼此，而在於「重新構築我們理解彼此的方式」。
AI 提供了一面嶄新的鏡子；但理解鏡子之外的世界，依然是人類的責任。
只要台灣能把握這波契機——建立在地語料、提升研究素養、強化 AI 應用的倫理思維——我們不僅能趕上世界，甚至有機會以小而靈活之姿，重新定義亞洲市場研究的典範。
（延伸閱讀｜生圖界的中文怪物 Nano Banana Pro！實測 6 種提示詞：繁中、注音文、6 格漫畫全都能搞定！）
