Utenti sintetici nella ricerca UX: cosa mostra lo studio NN/g e quando usarli

Rispondenti generati da un modello al posto di persone reali: la pratica sta entrando nei processi di ricerca, e finora le prove sul suo funzionamento erano poche. Il 16 ottobre 2026 Nielsen Norman Group ha pubblicato un confronto diretto, firmato da Rachel Banawa, tra le risposte di 604 professionisti e quelle di 120 utenti sintetici alla stessa domanda aperta. Il risultato è meno netto di un sì o di un no, e proprio per questo è utile.

Come è stato costruito il confronto

La domanda era già stata usata in un'indagine NN/g sulla terminologia: quale disciplina descrive il lavoro di raccogliere insight sui bisogni delle persone e trasformarli in raccomandazioni di prodotto. Il campione umano contava 604 professionisti del design e del tech, reclutati in parte attraverso i canali di NN/g, tra cui il Practitioner Panel. I 120 rispondenti sintetici sono stati generati a febbraio 2026 con la piattaforma Synthetic Users. Ogni profilo comprendeva età, località, professione, background culturale, tipo di organizzazione, anni di esperienza e tratti di personalità secondo il modello Big Five, con quote per ruolo professionale. La piattaforma ha ricevuto il piano di ricerca con domande e criteri di inclusione ed esclusione.

Cosa è emerso

La conclusione generale coincide: in entrambi i gruppi il termine dominante è "UX". I numeri, però, divergono in modo istruttivo.

• Termini legati alla UX: 84% dei sintetici contro circa il 70% degli umani. La differenza di 14 punti è statisticamente significativa, ma non cambia la conclusione pratica.
• Varietà: gli umani hanno usato più di 50 etichette diverse, i sintetici circa una dozzina, sei legate alla UX e sei no, come "market research" o "product management". Nessun termine raro, per esempio "digital management" o "business analysis".
• Peso del ruolo: tra i sintetici con profilo di customer insights il 45% ha usato "customer", tra quelli di market research il 30% ha usato "market"; nessun professionista UX sintetico ha usato queste parole.
• Product manager: 93% dei sintetici ha usato terminologia UX, contro il 44% degli umani.

Perché i sintetici sono più uniformi

NN/g richiama il concetto di mode collapse: i dati sintetici tendono a riprodurre la risposta più frequente e a perdere la coda lunga di quelle rare. Secondo l'articolo questo può anche attenuare le differenze tra gruppi di ruolo. Gli autori però dichiarano di non poter stabilire con certezza le cause.

I limiti del confronto

Prima di generalizzare conviene guardare i limiti che NN/g elenca. La composizione dei campioni era diversa: il 67% degli umani erano professionisti UX, contro il 20% dei sintetici. Il campione umano, reclutato tramite i canali NN/g, era probabilmente più familiare con la terminologia UX. La piattaforma simula interviste, perciò le risposte sintetiche erano più lunghe, e ha riformulato la domanda; anche piccole variazioni di formulazione possono incidere. Infine, chiedere al modello più varietà non garantisce che la varietà sia rappresentativa, perché servirebbero dati umani per verificarlo. Si tratta di uno studio, su una piattaforma, con una domanda: non basta per dire come si comportino gli utenti sintetici in generale.

Quando usarli, secondo NN/g

Le indicazioni dell'articolo sono due liste brevi. Gli utenti sintetici possono servire per generare ipotesi o verificare pattern generali, e quando basta la risposta più comune. Non vanno usati quando servono risposte poco comuni, terminologia inattesa o temi emergenti, né quando contano le differenze tra sottogruppi, né come sostituto della ricerca con persone. La frase dell'articolo è esplicita: la ricerca con utenti sintetici non è user research, perché non viene studiato nessun utente reale. I risultati sintetici vanno trattati come un punto di partenza, non come prova di ciò che gli utenti pensano, dicono o fanno.

Cosa ne ricavo per il lavoro quotidiano

Questa parte è una mia lettura, non una conclusione di NN/g. Se un tool di utenti sintetici ti restituisce una risposta, è ragionevole usarla per preparare una scaletta di interviste o per scegliere quali domande fare a persone vere, perché è il tipo di lavoro in cui la risposta più comune basta. Diventa rischioso quando il risultato finisce in una decisione di prodotto, un report al cliente o una persona (il profilo-tipo di utente) presentata come dato. In quel caso la parte che manca, le risposte rare e le differenze tra gruppi, è proprio quella che di solito fa cambiare una decisione. Un controllo semplice: prima di condividere un risultato sintetico, indica per iscritto che cosa quel risultato non può dire.

Fonti

1. Nielsen Norman Group, Rachel Banawa, “Synthetic Users vs. Human Respondents: Same Conclusion, Less Variation”, 16 ottobre 2026