[84] 用 AI 造测试数据（NN/G）：用假表格和图表把原型走查变真实

• 原始来源：https://www.nngroup.com/articles/ai-data-prototype-testing/
• 对应章节：第 4 章（原型与信息架构）、第 5 章（验证与打磨）、第 6 章（UI 设计）

一句话摘要

原型走查最容易翻车的原因之一，是原型里没有真实数据的复杂度。用 AI 生成贴近真实的表格和图表，能更早暴露信息架构、筛选、空态与异常态的问题。

你应该从这里带走什么

• 真实感的数据能逼出真问题：列太长、字段太多、极端值、缺失值、重复值，会把交互漏洞暴露得很快。
• 数据生成要服务于测试目标：你要测的是信息层级、筛选与理解，不是让数据看起来漂亮。
• 合规与隐私优先：不要把真实用户数据丢进生成流程，先做脱敏或用合成数据。

落地要点（可执行）

• 先写数据需求清单：有哪些字段、有哪些边界情况、哪些值会触发特殊逻辑。
• 再生成数据集：包含正常样本与极端样本，并覆盖空数据、缺失字段、异常格式等情况。
• 把数据作为测试资产：走查、回归与演示都用同一份数据集，减少每次临时编数据的漂移。

常见误用提醒

• 只生成平均值数据：平均值会掩盖大多数交互问题，测试意义不大。
• 把数据当装饰：没有和任务场景绑定的数据集，很快就会被换掉，走查也难复盘。