AI maakt het mogelijk om kwalitatief onderzoek op schaal uit te voeren. Interviews, open antwoorden en klantgesprekken kunnen in korte tijd worden verwerkt en in kaart gebracht. Dat brengt grotere datasets en snellere inzichten binnen bereik, maar automatisering en onderzoekskwaliteit vormen geen vanzelfsprekend duo.
▼
AI neemt het zware tillen over
Waar kwalitatief onderzoek vroeger vooral tijd en aandacht vroeg, neemt het gebruik van large language models (LLM’s) een groot deel van dat werk over. Thema’s worden herkend, signalen komen naar boven en de onderzoeker houdt tijd over voor wat écht telt. Een klus van meerdere dagen past nu in een ochtend.
Maar de verandering gaat verder dan snellere verwerking. LLM-gestuurde AI-moderators voeren inmiddels zelfstandig diepte-interviews met echte mensen. Grote aantallen deelnemers kunnen zo in één ronde worden bereikt, zonder dat daar een evenredig aantal onderzoekers voor nodig is.
Dat lost een oud probleem op. Voor veel businessleiders waren kwalitatieve methodes lastig te rechtvaardigen: de kosten lagen hoog, de doorlooptijden waren lang en het aantal mens-tot-mens-gesprekken bleef per definitie beperkt. LLM’s maken die afweging anders.
Waar AI juist méér blootlegt
Een minder voor de hand liggend effect van AI zit niet in snelheid, maar in gedrag. In gevoelige contexten blijken mensen zich vaak opener uit te drukken tegenover een AI-interviewer dan tegenover een mens. Bij onderwerpen zoals gezondheid, onzekerheden of persoonlijke situaties houden deelnemers zich in. Ze wijken uit, zeggen minder of verschijnen simpelweg niet. Dat beperkt de kwaliteit van inzichten.
In een analyse van Harvard Business Review wordt beschreven hoe een aanbieder van gezondheidsdiensten voor mannen hier direct tegenaan liep. Pogingen om mannen met erectieproblemen en hun partners te interviewen liepen vast. Deelnemers zegden af, kwamen niet opdagen of wilden niet in beeld. Toen het onderzoek werd omgezet naar AI-gestuurde interviews, veranderde dat beeld. Deelnemers deelden meer en gaven inzichten die eerder buiten bereik bleven.
Een vergelijkbare ervaring ontstond bij onderzoek onder kinderen. In gesprekken met een AI-interviewer bleken zij opener en minder geremd dan in contact met een onbekende volwassene.
De verklaring is eenvoudig. Mensen voelen minder oordeel, passen hun antwoorden minder aan en spreken vrijer wanneer ze denken niet door een echt persoon beoordeeld te worden. Daar haalt AI meer op dan een mens zou doen.
Waar het naartoe beweegt
De rol van de onderzoeker verandert zichtbaar. Minder tijd gaat naar coderen en structureren, meer naar het sturen van processen waarin AI een steeds grotere rol speelt.
Het blijft niet bij analyse alleen. AI zal ook steeds vaker het veldwerk zelf uitvoeren. Denk aan AI-moderators die gesprekken voeren, doorvragen en interviews aanpassen op basis van eerdere antwoorden.
Deze ontwikkeling zet door wanneer dit wordt gecombineerd met synthetische persona’s of digitale twins. In plaats van alleen echte deelnemers kunnen onderzoekers straks ook simulaties gebruiken om gedrag, reacties en voorkeuren te verkennen. Niet als vervanging, maar als verdieping van kwalitatief onderzoek.
Dat opent nieuwe mogelijkheden. Onderzoek wordt doorlopend, aanpasbaar en minder afhankelijk van één meetmoment. Je test ideeën sneller en vanuit meer invalshoeken.
Rollen vervagen. AI-agents kunnen zich steeds meer gedragen als marketeers die keuzes maken, campagnes bijsturen en doelgroepen aansturen. Andersom moeten marketeers en onderzoekers leren denken als systemen. Ze moeten begrijpen hoe beslissingen tot stand komen en waar je moet bijsturen.