Как использовать AI в JTBD-исследованиях от интервью до анализа и масштабирования инсайтов. За два года появилось несколько материалов на тему использования ИИ в JTBD-исследованиях: 1. Qualz / Jobs-to-Be-Done Interviews: The Research Method That Connects User Motivation to Product Strategy (2026) Статья описывает классический протокол JTBD‑интервью (warm‑up, timeline reconstruction, synthesis) и отдельно разбирает, как AI‑инструменты ускоряют анализ: автоматически кодируют временные линии, помечают first‑thought моменты, passive/active looking, decision point, строят карту четырёх сил и агрегируют паттерны по всем интервью.[qualz]
2. JTBD.one / Building a JTBD Research Practice That Drives Business Growth (2025) Материал даёт фреймворк JTBD‑исследовательской практики и включает блок о использовании AI для обработки больших массивов текстовых данных (ревью, тикеты, звонки) и вытаскивания потенциальных jobs и outcomes.[jtbd]
3. LinkedIn / Jobs to Be Done (JTBD) in the Age of Artificial Intelligence (2025) Автор показывает, как JTBD из чисто качественного метода превращается в «scalable, precise engine for innovation», когда его комбинируют с NLP и ML: AI анализирует отзывы, чаты, обращения, выделяет повторяющиеся jobs, эмоции и outcomes, а затем помогает матчить их с UX‑изменениями и персонализацией.[linkedin]
4. Ideola / Jobs-to-be-Done + AI: Discover the Real Job Your Product Should Serve (≈2025) Пост о том, что AI не заменяет JTBD‑исследования, а демократизирует их: анализ с помощью ИИ помогает автоматически кластеризовать jobs, outcomes и контексты на основе разных источников данных (интервью, пользовательские логи, ревью).[ideola]
5. Jim Kalbach. Accelerating Jobs To Be Done Research with AI (2024 вебинар) Хотя выступление 2024 года, там разбирается пятиступенчатый процесс JTBD (scope, investigate, map, prioritize, synthesize) и показано, как AI помогает в первых трёх шагах: генерация ландшафта jobs, подготовка гайдов, первичный разбор интервью, построение job maps.[youtube]
Как AI используется в JTBD-исследованиях по этим работам 1. Подготовка исследований. AI помогает формировать перечень гипотетических jobs, вопросов для switch‑интервью, сценариев рекрутмента на основе уже имеющихся данных (ревью, тикетов, логов).[youtube][linkedin]
2. Проведение интервью. В описанных источниках указывают на ассистивную функцию ИИ: AI‑ассистент поддерживает модератора (подсказки уточняющих вопросов, фиксация временной линии), но не заменяет живое интервью, чтобы не потерять глубину и доверие.[qualz][youtube]
3. Анализ качественных данных. Это самый подробно описанный блок: -автокодирование транскриптов по фазам switching timeline (first thought, passive looking, active looking, decision);[qualz]
- автоматическое построение Карт прогресса -по каждому интервью и агрегирование паттернов;[qualz] кластеризация jobs и outcomes по большому корпусу текстовых данных (ревью, чаты, саппорт);[ideola]
4. Масштабирование инсайтов. AI даёт возможность применить JTBD‑мышление на уровне тысяч клиентов, а не десятков: классифицирует обращения по jobs, подсвечивает новые сегменты, помогает построить персонализированные фичи/flows под разные jobs.[linkedin]
5. Связка с продуктовой стратегией. В статьях подчёркивается, что AI‑аналитика должна оставаться внутри JTBD‑рамки: выводы формулируются как jobs, outcomes и forces, а не как просто «темы» или «часто встречающиеся слова», иначе теряется стратегическая ценность.[jtbd]
AI уже стал реальной частью JTBD‑исследований, но работает не как «магический исследователь», а как мощный ускоритель для продактов, которые понимают методологию Jobs to Be Done.
А вы уже используете AI для исследований? поделитесь в комментах
