最大的不同：用户想象不出 AI
传统产品访谈，用户对「更快的打车软件」「更便宜的外卖」有概念，你问他能答。AI 产品不行——绝大多数用户对大模型的能力边界没有体感，你问「你希望 AI 帮你做什么」，得到的答案要么是科幻（「帮我上班」），要么是客气（「挺好的，暂时没啥需要」）。所以 AI 产品的访谈不能空对空，必须带东西去：一个可交互的原型、一段真实输出的录屏。让用户看到具体能力之后，访谈才真正开始。看完原型，用户的反应分两种——「这东西能帮我干 XX 吗」是金矿，顺着挖到底；「挺好的」然后没下文，基本可以判定没打中。
先校准预期，再谈需求
用户对 AI 的预期是两极的。一波人被短视频洗脑，觉得 AI 无所不能，提的全是现阶段做不到的需求；另一波人用过某次翻车的产品，认定「AI 都是智障」，什么都不信。访谈开头我通常先花五分钟让对方讲讲他现在的工作流，顺手判断他站在哪个极端。对神化派，拿原型里的真实错误案例把他的预期拉回地面，不然整场访谈都在聊科幻；对不信派，别辩论，直接让他上手试，让输出质量自己说话。预期不校准，后面所有回答都是失真的。
别问观点，问行为
这条传统访谈也讲，但 AI 场景里更容易踩坑。不要问「你会用这个功能吗」「准确率多少你能接受」，这种假设性问题得到的都是礼貌性回答。要问过去时的事实：「上次做这件事是什么时候？花了多久？哪一步最烦？」「你现在用什么办法解决？这个办法一个月吃掉多少时间？」用户现有的 workaround 是最硬的需求证据——一个人愿意每周花三小时手动整理数据，「AI 自动整理」对他就值真金白银；一个说「很需要」但从没为这件事花过一分钟的人，多半不需要。
信任是必答题，不是附加题
传统产品访谈很少谈信任，AI 产品必须谈。我会专门设计几个问题：「如果它给出的结果里有一成是错的，你的工作流会变成什么样？」「出错的最坏后果是什么，谁来担？」「你需要看到什么，才敢把它交给新人直接用？」这些答案直接决定产品形态——全自动，还是「AI 起草、人工确认」，还是必须带引用溯源。还要观察一个细节：用户看到 AI 出错时的第一反应，是「果然不行」还是「我换个问法再试试」。前者是工具型用户，后者是早期种子用户，产品的冷启动就靠后者。
观察实操胜过千言万语
条件允许就把访谈变成半个可用性测试：给一个真实任务，让用户拿原型现场完成，你在旁边看，少说话。他卡在哪一步、提示词怎么写、拿到输出后改了多少——这些行为信息比他说的任何话都值钱。很多人嘴上说「输出挺好的」，手上却重写了大半，那这个「挺好」就要打骨折听。