编者按：这篇文章出自 Nurkhon Akhmedov 之手，他基于 Google 的 People + AI Research Patterns 梳理总结了 5 个更为基础的 AI 的设计原则，以下是正文：
进入 2024 年之后，在数字产品中集成 AI，已经从新鲜事物转变为必要的操作。然而，随着这种转变出现，在落地数字产品的时候，我们有责任确保产品具有创新性，而且在集成 AI 功能的同时让用户需求和道德标准也高度一致。Google 的 2024 年人工智能（AI）设计原则，就是为应对这些挑战而出现的，它提供了一个全面的框架，确保 AI 成为增强用户体验的强大支持。本文将会探讨了这些基础原则，为创建有益、透明且以用户为中心的 AI 解决方案，提供足够深入的见解。
1. 搞清楚何时适合用 AI
并非所有工具都适合融合 AI。在往产品当中加入 AI 之前，问问自己它是否真的可以为你的项目，增添了一些特别的东西。AI 非常适合推荐个性化内容和识别图像内容等任务，但有时最简单的规则和手动输入就可以很好地完成工作，相反强行加入 AI 会让事情变得太复杂。
目标： 使用 AI 提供有独特有价值的东西，例如根据个人品味或偏好定制建议，创造曾经不可能实现的体验。
务必记住： 不要仅仅因为 AI 流行就一定要使用它。有时，简单的方法可以带来更好的用户体验。
2. 设定明确的期望
AI 并不总是能给出正确的信息，但这没关系。重要的是让用户知道会发生什么。诚实地告诉你的用户，AI 可以做到什么，以及它可能会在哪里出错。这种诚实不仅可以防止用户感到沮丧，还可以一定程度避免用户失望。随着时间的推移，坦诚地态度会建立起更扎实的信任。
目标： 坦率地传达 AI 的限制，尤其是当存在高风险的时候。最好是少承诺多交付。
务必记住： 过度宣传 AI 的能力，尤其是在关键情况下，可能会削弱信任感并使用户面临有风险的境况。
3. 关注效果，而不是 AI 功能本身
通常，用户最关心的问题，是你的产品是否可以让他们的生活变得更美好，而不是它背后的技术和魔法。在介绍 AI 驱动的服务时，需要强调它给用户的日常体验，可以带来的好处。
目标： 展示这一 AI 工具是如何满足他们需求的，并且在他们需要时这一 AI 工具随时会出现，从而增强他们效果，构建出有效的用户旅程。
务必记住： 过多地呈现 AI 的复杂性，可能会疏远那些对目标和效果更感兴趣的用户，而这个人群可能占多数。
4. 为出错做好充足的准备
任何系统（包括 AI ）都不可避免地会出现错误。从一开始就计划好如何应对错误和问题是至关重要的。考虑潜在的错误，了解它们的影响，以及如何解决它们。你们的产品会提供手动操作的替代方案吗？AI 停摆的时候，直接提供客户支持能实现么？这些都是保持用户满意度的关键因素。
目标： 当事情未按计划进行时，为用户提供解决方案和额外的技术支持，确保用户感到被倾听，被重视。
务必记住： 并非每个问题都可以立即解决，但可以采取措施防止未来发生错误，这样表明产品的态度，并对用户给出持续改进的承诺。
5. 优先选择高质量的数据
任何成功的 AI 项目的基础，都是高品质的数据。数据管理不善可能会导致「数据级联」，即一个问题会引发另一个问题，从而影响最终的用户体验。尽早投资足够强大的数据实践，可以防止后续的这些陷阱和问题。
目标： 深思熟虑地收集多样化的真实数据，并持续地进行数据维护。与专家合作还可以确保你的 AI 建立在坚实的基础上。
务必记住： 好的数据不仅仅在于数量，还在于质量。它关乎相关性、多样性和可靠性。
