12. oktober 2026Bonnie Groth Frølund, Strategy Director
Hvad er syntetisk research overhovedet?
Syntetisk research er research, hvor AI simulerer mennesker, deres meninger, perspektiver og adfærd. Så i stedet for at interviewe en kunde eller potentiel kunde, kan du skabe en syntetisk version af din målgruppe og stille spørgsmål til den.
Det kan være en indkøbschef i en produktionsvirksomhed, der bliver bedt om at forholde sig til et nyt produkt. En kunde, der fortæller om en mulig købsproces og de behov og indvendinger, der kunne opstå undervejs. Eller flere forskellige brugertyper, der bliver præsenteret for det samme koncept, så du kan undersøge, hvordan deres perspektiver kunne være forskellige.
Interviews er kun én af mulighederne
Du kan blandt andet bruge syntetisk research til at:
- Skabe og arbejde med interaktive personas
- Udforske mulige behov, spørgsmål og indvendinger
- Udfordre budskaber, koncepter og produkter
- Arbejde med branding og rebranding
- Udfordre dele af en brugeroplevelse eller et UX-flow
- Preteste spørgsmål til interviews og surveys
- Generere hypoteser, som efterfølgende kan undersøges med rigtige mennesker
Fælles for metoderne er, at AI forsøger at give dig noget, der ligner input fra et menneske, uden at mennesket nødvendigvis har været involveret.
Det gør research både nemmere og hurtigere at komme i gang med. Men du skal være opmærksom på, at noget, der ligner brugerinput, ikke nødvendigvis er det samme som hvad en virkelig bruger reelt svarer.
Her peger forskningen på et potentiale
En forskningsartikel i tidsskriftet “Psychology & Marketing” har gennemgået studier, hvor AI-genererede respondenter er blevet sammenlignet med mennesker. Hvor godt det virker, afhænger i høj grad af, hvad AI bliver brugt til.
Forskerne peger især på potentialet tidligt i research-processen, eksempelvis til kvalitative pretests og pilotstudier, hvor AI kan bruges til at udforske et område og kvalificere den research, der følger efter.
Et studie fra 2026 med forskere fra blandt andet University of Bath peger i samme retning. Her sammenlignede forskerne svar fra syntetiske deltagere med svar fra rigtige mennesker. AI kunne komme med plausible og fyldestgørende svar på åbne spørgsmål, mens forskellene blev større ved mere strukturerede spørgsmål, hvor svarene kunne sammenlignes direkte med menneskenes.
Forskerne peger derfor på syntetiske deltagere som et muligt supplement til den tidlige, kvalitative research, men ikke som en erstatning for rigtige mennesker.
Bliv klogere på, hvad du bør spørge målgruppen om
Måske skal du forstå indkøbsprocessen i en branche, du ikke kender særlig godt. Eller måske kender du kunderne godt, men du er blevet i tvivl, om opfattelsen kan have rykket sig.
Forskellige syntetiske personas kan give dig bud på behov, spørgsmål, barrierer og situationer, du måske ikke selv havde på blokken.
Og her er svarene ikke nødvendigvis det mest interessante. Det kan være de spørgsmål, de giver anledning til.
Hvis tre forskellige syntetiske kunder peger på en bekymring, du ikke havde tænkt på, har du ikke bevist, at bekymringen findes hos dine kunder. Men du har fået noget konkret at tage med til næste interview, survey eller samtale med salg.
Udfordr idéen, før du forelsker dig helt i den
Syntetiske målgrupper kan også bruges, når noget stadig er på idestadiet.
Det kan være et produkt, en service, en kampagne, et nyt website eller et koncept, som du gerne vil se fra flere sider, inden du bruger mere tid på den.
Lad forskellige syntetiske målgrupper møde den samme idé. Hvad forstår de med det samme? Hvilke spørgsmål opstår? Hvor kunne der være barrierer eller misforståelser?
Måske finder en syntetisk kunde ti mulige problemer med dit koncept. Så har du ikke nødvendigvis ti problemer. Du har ti hypoteser, du kan tage med videre.
Brug det som modspil i branding og rebranding
Syntetisk research kan også være interessant i arbejdet med branding og rebranding.
Hvis ambitionen er at flytte brandet fra en position til en anden, kan du eksempelvis lade forskellige syntetiske målgrupper reagere på positionering, value propositions, tone of voice eller forskellige kreative retninger.
Hvilke associationer kunne de få? Hvad får virksomheden til at fremstå erfaren, innovativ, jordnær eller noget helt fjerde? Er der noget i den nye fortælling, der kunne blive læst anderledes, end du selv havde tænkt det?
Det kan være et godt sæt friske øjne, når du selv har kigget på de samme slides og formuleringer længe nok til, at de næsten ikke kan læses på andre måder.
Men vil du vide, hvordan markedet faktisk opfatter dit brand, eller om en rebranding har flyttet de associationer, du gerne ville flytte, skal du undersøge det blandt virkelige mennesker.
AI bliver bedre, når den har noget at arbejde ud fra
Der er også stor forskel på at sætte AI til at opfinde en kunde fra bunden eller at give den viden at arbejde med. Det er klart, at den kan komme med mere brugbar indsigt, hvis du fodrer den med tidligere interviews, kundedata, research, anmeldelser, salgsinput eller anden dokumenteret viden om målgruppen.
Du kan også være konkret om konteksten. Hvad køber personen? Hvilken rolle har hun i beslutningen? Hvilke hensyn er relevante? Hvad ved du allerede, og hvad vil du gerne udforske?
Jo mere du ved på forhånd, desto mindre behøver AI selv at finde på.
Det ændrer ikke den syntetiske bruger til et rigtigt menneske. Men det giver et bedre udgangspunkt for den opgave, du faktisk vil bruge den til.
100 syntetiske respondenter er stadig ikke 100 mennesker
Det er vigtigt stadigt at holde tungen lige i munden, hvis du begynder at skrue op for antallet af syntetiske respondenter.
Beder du for eksempel AI om at skabe 100 kunder og spørger dem, hvilken af tre løsninger de foretrækker, kan resultatet hurtigt begynde at ligne en ganske almindelig undersøgelse.
Måske foretrækker 62 løsning A, 27 løsning B og 11 løsning C. Tallene ser konkrete ud, men du skal huske, at du stadig ikke har spurgt 100 mennesker.
Du har fået en model til at simulere dem. Derfor kan du ikke uden videre bruge fordelingen som et udtryk for, hvordan din målgruppe faktisk reagerer.
Der er også en anden udfordring. Et studie fra 2026 i det videnskabelige tidsskrift “Artificial Intelligence Review” undersøgte, hvordan to store sprogmodeller genererede i alt 40.000 syntetiske personas på engelsk, tysk, spansk og portugisisk. Forskerne fandt systematiske skævheder i blandt andet alder, køn og profession – og en tendens til, at de syntetiske personer blev beskrevet mere positivt og idealiseret end mennesker i virkeligheden.
Læs studiet i Artificial Intelligence Review
En syntetisk “indkøbschef” er altså ikke bare en neutral digital udgave af en indkøbschef. Det er også modellens forestilling om en indkøbschef.
Og det skal du holde dig for øje, når svarene lyder så menneskelige, gennemtænkte og overbevisende, at du næsten glemmer, hvor de kommer fra
AI kan også bruges på research, der allerede findes
Der er samtidig en vigtig forskel på at bruge AI til at skabe syntetisk kundeindsigt og bruge AI til at arbejde med rigtig kundeindsigt.
Har du allerede interviews, åbne surveybesvarelser, anmeldelser, supporthenvendelser eller andre kilder til faktisk kundeinput, kan AI hjælpe med at strukturere materialet, sammenligne svar, finde tilbagevendende mønstre og gøre et stort materiale nemmere at arbejde med.
Her kommer indsigten stadig fra mennesker. AI hjælper med at få hold på den.
Det gør det også mere interessant at tænke AI ind flere steder i researcharbejdet end kun som en mulig erstatning for mennesker.
Den kan hjælpe dig med at udforske et område og udfordre interviewguiden, før du går i gang. Når de rigtige mennesker kommer til, får du de erfaringer, handlinger og overraskelser, som ikke kan simuleres med sikkerhed. Og bagefter kan AI hjælpe dig med at få struktur på det, du har lært.
Er du nysgerrig på, hvordan AI kan gøre jer klogere på kunderne?
Syntetisk research åbner for nye måder at udfordre antagelser og undersøge idéer på. Men hvor giver det egentlig mening i jeres forretning? Lad os tage en snak om mulighederne.
Vi elsker at dele vores viden
