译者序：AI已经渗透到我们生活的方方面面，从生产力工具到设计软件，编码到内容创作。科技公司纷纷推出AI功能，但引入AI应该是为了真正解决用户的痛点和需求，而不是营销噱头。本文作者Ben总结了8个在产品中成功集成AI的最佳实践技巧，帮助设计师们为用户提供卓越的AI体验，而非盲目追踪科技热潮。我们有责任审慎地引入AI，优先考虑用户需求，而非技术本身。
我们不要为了AI而添加AI。让我们优先考虑用户需求，而不是技术。
在过去的两年里，如果你在科技行业工作，你的关注点可能一直集中在一个主题上：人工智能。
我们已经进入了一个技术进化的新时代——继计算机、互联网和智能手机之后，人工智能现在已经成为讨论的中心，不仅在董事会和团队会议上，而且在家庭晚餐上，在主要报纸的头版上，以及在政府大厅里。
AI创业公司的数量从2018年的4000家增加到2024年的70000家。随着人工智能在行业中的普及，对于UX从业者来说，设计具有良好用户体验的人工智能比以往任何时候都更重要。然而，设计AI并不像我们想象的那么简单。这是一个不可预测的UX领域，对于设计师来说，“ 体验足够的体验 ”来打造一流的用户体验具有挑战性。
UX大师Jakob Nielsen几个月前写了一篇文章，他声称AI产品存在基本可用性错误的问题，例如输出不一致和映射不充分。类似的讨论也有很多，这些文章讨论了ChatGPT和Midjourney的糟糕可用性，以及它复杂和耗时的设置，因为用户必须在加入Midjourney之前注册Discord。
最近几个月，我有机会设计了几个AI应用程序，并审查了行业内的30多个应用程序。在这个过程中，我确定了一些常见的UI模式和技巧来改善用户体验。让我们深入研究这些错误并揭开其中的秘密。
主要的UI模式和问题
如果您碰巧在日常生活中使用任何形式的AI执行任务，UI模式通常属于这三类之一——自由形式AI，它允许您通过输入和执行任何任务直接交互，任务驱动AI，帮助您执行特定任务，或隐形AI，在后台工作，以帮助您更有效地工作。
让我们更详细地探讨这些类别：
1. 自由形式的AI
自由形式AI是目前很多公司在其产品中实施AI的最常见方式。UI通常以侧边面板或嵌入式弹出框的形式呈现，用户可以随时访问它。
自由形式AI的一些例子有微软的Co-pilot、Notion Q&A和Taskade AI等工具
微软的 Co-pilot是自由形式AI的一个很好的例子
虽然自由形式AI的优点是用户可以随时访问它，并可以执行他们想要实现的任何任务，但它的自由形式通常与以下几个问题相关：
❌ 不清楚AI可以做什么 —— 因为它是完全自由的，它在很大程度上依赖于用户的AI知识来理解如何有效地使用人工智能。提供关于如何开始的说明可能会有所帮助，但通常你需要更多地指导用户，例如提供教程、来自社区的示例等，以方便新用户开始使用。
❌ 结果的低可预测性 —— 自由形式的AI可以产生许多不可预见的结果或边缘情况，这些对设计师或开发人员在实现过程中处理具有挑战性。例如，AI的响应时间可能高度依赖于用户的请求。如果管理不好，用户可能会对结果感到沮丧。
Notion AI问答是自由形式AI的另一个例子
2. 任务驱动AI
任务驱动的人工智能通常用于帮助用户执行特定的任务，如总结内容、翻译文本等。这种类型的人工智能通常由一个按钮激活，允许用户完成特定的任务，而不需要与之交互或输入任何数据。
任务驱动AI的例子包括Miro的AI聚类功能，Arc的整洁标签功能，以及Grammarly的AI语法纠正功能。
常见问题:
❌ 缺乏上下文: 为了让AI产生准确的结果，必须提供足够的上下文。然而，任务驱动的人工智能通常缺乏用户输入上下文的界面，可能妨碍用户实现他们想要的结果。它落在产品构建者的肩上，以集成自动促进AI功能中包含上下文的机制。如果没有足够的背景，用户可能会发现AI的反应不充分或令人沮丧。
❌ 缺乏反馈循环：研究表明，用户对人工智能不够信任，不能完全自主地处理任务；相反，他们更喜欢审查并可能完善AI的输出。然而，任务驱动型人工智能的性质有时意味着用户没有机会审查人工智能的输出并提供反馈。这种差异可能导致用户期望和人工智能的自主行动之间的脱节。
Miro AI允许用户按关键字或情感一键聚合成便签
Arc AI允许用户通过点击来组织选项卡
3. 隐形的AI
人工智能的第三种形式是那些在后台工作，用户看不见的AI。这些AI与用户没有交互，在后台工作，以提供最佳的用户体验。
这方面的例子包括Netflix，它会为你推荐合适的电视剧或电影，或者Facebook，它会根据你的习惯自动生成推荐。
常见问题:
❌ 隐私问题：人工智能的隐形操作，虽然在大多数时候改善了用户体验，但往往让用户不知道正在收集、处理和存储什么类型的数据。例如，Netflix可以跟踪观看习惯并提出建议，Goodnotes可以潜在地分析手写笔记的内容，这说明了这种做法可能会引发隐私问题。
❌ 缺乏可见性：人工智能的幕后工作有时会导致用户沮丧，特别是当结果不符合预期或缺乏对如何做出决策的理解时。例如，尽管Facebook的推荐系统旨在帮助你找到你最感兴趣的内容，但用户可能会发现自己对人工智能的不准确或意外解释感到困惑，没有明确的方法来理解或纠正潜在的过程。
为AI设计更好的UX的8个技巧
现在让我们深入研究在你的产品中设计AI的主要技巧。
技巧1 —— 为用户提供说明
始终提供资源，示例或教程，以帮助您的用户了解如何使用您的AI。一个常见的做法是提供示例提示或其他社区成员的结果，以激励您的用户，并让他们了解他们可以从AI中期待什么。
在《设计机器人》一书中也强调了这一概念，该书强调了机器人在初始用户交互期间声明其目的的重要性。通过从一开始就提供明确的说明和实际示例，您可以帮助用户了解AI的全部功能。这一基础步骤对于设置期望和确保用户可以有效利用人工智能的潜力非常重要。
一些来自Copy.AI、Framer和Galileo的例子。
技巧2 —— 提供反馈和评估
UX的三个主要原则是可视性、映射和反馈(日常事物的设计)，AI也不例外——特别是在提供反馈方面。
设计AI功能的最大挑战之一是结果的不可预测性。在某些情况下，您可能会创建一个特定于任务的AI，以帮助用户完成简单的任务，其可预测性可能相对较高。然而，通常情况下，你会发现自己在设计AI时，几乎不可能预测用户将如何与你的AI互动。
在这些情况下，最好的操作之一是确保在用户执行操作后提供反馈。下面是一些例子。
包括输入指标：研究表明，输入指标可以通过创建一种类似于面对面聊天的实时交流感觉来帮助保持参与度，保持用户的注意力。有了输入指示器，用户更有可能留在你的应用程序中，关注并等待响应来自AI的下一条消息。 提供状态更新：如果您的AI打算执行更复杂的任务，例如搜索内容，或生成长内容或视频，请确保为用户提供任何类型的状态更新。这可以是显示AI当前阶段的单行信息、进度条或时间估计。通过查看人工智能的进展，用户可以放心，他们的请求正在积极处理，减少不确定性和潜在的挫折(也请检查劳动错觉)。
Perplexity向用户展示了当用户等待时正在执行的任务
Butter在生成结果时显示了一个可爱的加载动画
Veed在生成AI视频时显示完成百分比
技巧 3 —— 确保你处理了错误
除了提供反馈之外，请确保您处理AI可能产生的任何常见错误和边缘情况。
取决于你的工程师如何组织初始提示，你的用户可能会得到不同的结果和错误。确保你找到了一种方法来处理和测试这些情况。下面是一些需要处理的常见错误：
用户以错误的方式使用它：当你发现用户以错误的方式使用你的AI时，请确保提供反馈。这种指导有助于纠正他们的方法并改善他们的体验。 -
服务可用性: 如果您正在使用OpenAI、Claude或其他方的任何api，请注意这些平台的稳定性有时可能会出现问题。在一个极端的情况下，OpenAI曾经有过这样的记录：23%的API端点经历了超过90天的中断。由于这些不可预测的情况，请确保您有一种方法与用户沟通，即人工智能正在花费更长时间进行响应并提供后续选项。
Zapier和Figjam的例子
技巧4 —— 如果可能的话，允许用户添加默认上下文
如果可行，尝试合并一个功能，让用户设置与AI交互的默认上下文。这可以消除用户为类似任务重复提供相同上下文的需要。
例如，允许用户为翻译设置首选语言，为生成内容设置品牌风格指南，为内容发现设置特定兴趣，或为娱乐推荐设置最喜欢的类型。通过设置默认的上下文，用户可以个性化他们的AI体验，使其更有效，更符合他们的需求。
来自ChatGPT和Copy.ai的例子
技巧5 —— 用户更喜欢副驾驶，而不是自动驾驶
人类是懒惰的 —— 在数字世界中，这意味着我们不喜欢打字。这就是为什么人工智能在帮助我们减少人工工作方面具有巨大的潜力。另一方面，研究也发现，人类对AI的信任还不够，不足以让一切实现自动化。
因此，在设计你的AI时，请确保用户对AI生成的结果有一定的控制 —— 无论是允许他们审查和编辑AI生成的内容，是从一组选项中选择如何进行，还是自定义设置以符合他们的偏好。
Butter、Gamma和Taskade如何允许用户审查AI产生的内容的例子
技巧6 —— 收集用户的反馈
由于AI响应的不可预测性，请确保你在推出产品时实现一种收集用户反馈的机制。一种常见的方法是在用户看到结果后设置一个大拇指向上和大拇指向下的按钮，以便快速提供反馈。另一种方法是弹出一个简单的CSAT（客户满意度）调查，以了解AI的表现如何。
这不仅可以帮助你的团队调整提示以更好地匹配用户的期望，而且如果你幸运(并在道德上允许)，你还可以收集和识别用户如何与AI互动的主要模式，以进一步改善体验。
来自Zapier、Grammar和Miro的例子
技巧7 —— 如果可能的话，将个性融入到你的AI产品中
如果你足够幸运地设计了一个完全对话的AI助手，如GPT，Alexa或Siri，请确保给它注入一些个性。这可能包括给它一个化身，一个名字，或一个指定的声音。
斯坦福大学的研究显示，用户更倾向于听从具有个性化名字和声音的人工智能助手的建议和指示。这种个性化放大了感知到的社会存在感和共识，使用户更容易接受人工智能的指导。
Alexa的个性化处理
技巧8 —— 对你的隐私和数据政策保持透明
如果你碰巧在一家B2B公司工作，或者设计可能被更大的公司使用的AI，你将经常遇到的一个挑战是数据隐私 —— 收集了什么数据，如何存储数据，以及如何使用收集的数据。
确保这件事你是透明的。
研究表明，用户更有可能参与并保持对产品的忠诚，这些产品对他们的数据实践是坦诚的。为你的策略提供透明度不仅可以防止你陷入法律麻烦，还可以帮助你与用户建立信任并改善用户体验。
来自Dovetail的AI数据政策(来源)
在短视频时代，你可能没有第二次机会
在抖音和短视频盛行的时代，我们对日常互动越来越不耐烦。这意味着如果你的AI设计得不够好，你可能很快就会看到AI的使用出现重大变化。
风投公司红杉（Sequoia）的研究表明，人工智能产品的平均参与度远低于普通数字产品的平均参与度。研究表明，领先的消费级应用的平均日活跃用户率为63%，平均月留存率为51%，而AI产品的日活跃用户率为14%，月留存率为42%。
研究结果表明，大多数尝试生成式AI应用的人都未能使它们成为一种习惯和日常价值的来源。这些应用程序的重复使用率很低，尽管它们非常令人兴奋，并且被迅速采用。研究人员表示，目前生成式AI最大的障碍不是用例或最初的喧嚣，而是留存率。
因此，投入时间为你的AI产品打造正确的用户体验是很重要的，使它们成为用户的习惯，并在他们的日常生活中为他们提供价值。
领先消费者APP留存率 vs AI App留存率
总结
总结一下这篇文章，在设计你的AI时，无论它是一个功能还是一个产品，请考虑以下几点：
明确你的目标是自由对话型AI，任务驱动型AI，还是幕后运行的隐形AI。 不要让你的用户犹豫不决——总是提供反馈，并对你的AI能做什么和不能做什么设定适当的期望。 注意用户期望和你的AI实际能够提供的差距。 如果您正在设计一个完全对话的AI助手，请将一些个性融入其中。精心设计的人物角色可以将机器人体验转变为令人愉快的体验，从而培养用户的忠诚度和信任。 记住，用户想要的是副驾驶，而不是自动驾驶。在自动化和用户控制之间取得完美的平衡，以获得无缝的、以用户为中心的体验。
你在过去经历过特别糟糕或特别好的AI体验吗？在评论中分享你的经验！
该文章已获得原作者授权
