AI 给出的访谈结论，怎样判断有没有依据？

有引用，只是开始核查的条件

AI 写出一段流畅的分析，下面还跟着几条用户原话，看起来很容易让人放心。但要分开检查两件事：这些话确实出现在材料里吗？它们真的支持上面的判断吗？

第一件事可以检查原文位置和文字匹配；第二件事需要理解问答背景、适用范围以及相反的材料。引用找得到，结论仍然可能写过头。

下面用一组虚构的访谈片段说明核查方法。所有人物、数字和对话都是教学示例，不是 ScribeFlash 客户数据，也不代表工具准确率。

打开来源，逐字读一次

假设 AI 的结论是“新用户因为价格太高而放弃邀请同事”，配的引文是：“人数加上去，费用就上去了，我暂时没邀请。”

先打开它指向的访谈，找到完整句子。检查有没有漏掉“不”、拼接两个相隔很远的回答，或把研究员的概括放进引号。如果原文其实是“我不觉得费用高，暂时没邀请是因为还没确定名单”，分析的方向就完全变了。

找不到原句，先把这条引用搁置。不要让 AI 再写一句“更自然的用户原话”来补上。需要改写时，把改写清楚标成转述，并保留原文供核查。

对于来自录音的文字稿，关键的数字、专有名词和否定表达最好回听。纯文本导入没有配套录音时，就明确只能核对现有文字，不能声称已经验证了录音内容。

把前面的提问和后面的回答一起看

假设完整问答是：

访谈员：如果以后每加一个人都要多付一倍费用，你会不会犹豫？

P02：那肯定会啊。不过现在这个价格我能接受。

只摘出“那肯定会啊”，就可能被写成“参与者不接受当前价格”。这句回答针对的是一个假设，而且问题本身带有明显引导。

还要看说话人。主持人的追问、同席同事的插话、参与者转述老板的意见，不能都算成参与者本人的需求。文字稿若没有可靠的身份标记，先记录不确定性，别凭语气猜人。

遇到“可以”“还行”“没问题”这种短回答，多读几行通常比多跑一次摘要更有帮助。它是在评价设计、同意继续访谈，还是礼貌回应？只看两个字很难分辨。

问一句：原话究竟证明了哪一部分？

回到最初那条虚构引文：“人数加上去，费用就上去了，我暂时没邀请。”它表明这位参与者把人数和费用联系起来，并暂缓邀请。仅凭这句话，尚不清楚费用是否超出预算、他是否真的放弃使用，或是否还在等待审批。

因此，可以暂记为“P01 在邀请前会考虑新增席位的费用”，并补问具体预算和后续动作。“价格太高导致新用户流失”需要更多材料。

这个检查也适用于建议。就算确认参与者看不懂计费方式，也不意味着降价是唯一答案。价格说明、预算审批和实际价格是不同问题，研究者需要把建议依据写明。

NN/g 对数据、发现与洞察的区分，能帮助团队避免从一句话直接跳到业务决策。原话提供了材料，解释仍需要情境。

五条引用，可能只来自一个人

假设同一位 P01 在访谈里五次提到费用。它说明这个话题对他重要，却不能写成“五位用户都嫌贵”。按参与者去重，再确认每位是否真的谈过同一个问题。

也别把“没有提到”算作“不在乎”。P03 可能根本没被问到价格；P04 只体验了原型，没有看到计费页面。把这两个人放进分母，百分比看着精确，含义却不清楚。

接着主动找不同意见。假设 P05 说“费用能接受，卡住我们的是采购审批”，就把这条放在当前解释旁边。它可能提示你按采购方式区分情境。不要为了让报告整齐，把所有暂停都归成价格问题。

没有看到反例时，可以写“本轮材料中尚未发现反例”，但前提是确实检查过完整材料。它和“所有用户都如此”差得很远。

在 ScribeFlash 中，按这个顺序复核

1. 打开研究项目的结论，选一条会影响决策的判断，展开它关联的支持证据。
2. 沿来源回到访谈原文，核对文字、访谈归属和前后问答。文字导入用来源行检查；录音材料在可用时结合时间位置回听。
3. 检查反例和证据不足的地方。发现结论范围太大，就缩小描述；来源不可靠的引用先修正或移除。
4. 完成人工判断后再确认结论。生成报告时再次检查引用状态；如果后来编辑或删除了来源，关联引用可能需要重新复核。

ScribeFlash 的文字来源校验会检查引文与关联的当前原文范围、访谈归属是否匹配。这有助于发现引用失效，但不判断一句话是否在逻辑上证明了某个结论。报告的引用检查通过，也不能代替上述阅读。

尚未导入材料，可以先按已有文字稿导入指南做一次练习。不要把“AI 自己又检查了一遍”当成独立验证。

复核记录写短一点，但要留下理由

仍用虚构例子，一条够用的记录可以是：

原判断：价格太高导致新用户流失。

核查：P01 的原话存在；只描述暂停邀请，未确认放弃使用。P05 的阻力是审批。

处理：收窄为“部分受访者在邀请前需要确认费用或审批条件”，分开记录两种原因。付费意愿留待补访。

交付前，逐条核对会进入报告的关键引用。资料量大时，抽查可以帮助你发现风险，但应记录抽查范围；不能检查了十条，就宣称整份报告全部验证完成。

复核后如果只剩两条站得住的结论，就保留两条。下一轮要问什么，也是一份研究能够提供的具体结果。

参考资料

• NN/g：Accelerating Research with AI，页面于 2026 年 1 月复核，讨论 AI 分析仍需人工检查。
• NN/g：Data vs. Findings vs. Insights，解释资料、发现与洞察的区别。
• GOV.UK：Analyse a research session，介绍观察记录与研究判断的处理。

封面为访谈情境示意图。整理交付文档时，可继续阅读用户访谈报告怎么写。