编者按：如今 AI 工具已经相当多了，但是它们从用户感受的角度来说却存在诸多成绩，这篇文章出自资深产品计划师 Ben ，他研究了 Miro、Figma、Copy.AI、Grammarly、Notion、Taskade、Gamma 等公司是如何解决 AI 的，梳理了当下最多见的成绩，以及解决这些成绩的 8 个核心原则或者说技能，以下是正文：
在过去的两年里，如果你在科技行业工作，你的关注点很能够被一个单一的主题所占据： AI 。
我们的技术演进已经进入了全新的时代–继个人电脑、互联网和智能手机之后， AI 现在已成为讨论的中心点，这样的讨论出现在公司的会议室和董事会的讨论中，出现在家庭聚餐、各大报纸的头版头条，甚至政府会议中也会谈及。
AI 初创企业的数量已从 2018 年的 4000 家增至 2024 年的 70000 家。随着 AI 在不同行业的普及，用户感受从业者比以往任何时候，都更需要计划出具有良好用户感受的 AI 。然而，计划 AI 并不像我们想象的那么简单。对于UX计划而言，AI 是一个不可预测的复杂变量，对于计划师来说，如何 透过「充分的感受」来打造适合 AI 的用户感受，是一个巨大的挑战。
用户感受专家雅各布-尼尔森（Jakob Nielsen）几个月前写过一篇文章，称 AI 产品存在基本的可用性成绩，比如输出实质的一致性很差，欠缺充分的映射。类似的讨论你可以在这篇文章、这篇文章和这篇文章中找到，这些文章探讨了 ChatGPT 和 Midjourney 的可用性成绩，以及它们复杂耗时的设置过程，比如用户在应用 Midjourney 之前，必须先注册 Discord。
最近几个月，我抽空计划了几个 AI 应用，并感受了 30 多个最新的计划领域相关的应用。在这个过程中，我发现了一些多见的 UI 计划模式和改善感受的技能。所以，接下来我们可以深入探讨一下这些差错，并揭开其中的奥秘。
UI 模式的主要成绩
如果你在日常生活中曾用 AI 来搞定过一些成绩，那么你会注意到，UI 模式通常会分为以下 3 类——形状自由式 AI （允许你直接输入提示词，并实行义务）、义务启动式 AI （帮你实行特定义务）和后盾隐形式 AI （在后盾工作，资助你提高工作效率，但不声张）。
接下来我们逐一看看。
1、形状自由式 AI
形状自由式 AI 是如今最多见的 AI 应用方式。UI 通常以侧边栏或嵌入式弹出窗口的形式呈现，用户可以随时调用这些 AI。
微软 Copilot、Notion Q&A 和 Taskade AI 等工具，就是典型的形状自由式 AI。
微软的 Copilot 就是形状自由式 AI 的典范
虽然形状自由式 AI 的优势在于用户可以随时访问它，并且可以实行他们希望实现的几乎任何义务，但其形状自由的特性往往也会带来很多成绩：
❌ 用户不清楚 AI 能做什么：由于 AI 是完全自由的，它在很大程度上依赖于用户的 AI 知识储备，以了解如何高效、有效地应用 AI 。供给如何开始应用的说明能够会有所资助，但很多时候您需要为用户供给更多指导，如供给教程、社区范例等，以方便新用户开始应用。
❌ 结果的可预测性低：形状自由式 AI 能够会产生许多不可预见的结果，以及边缘环境，这对于计划师和开发者来说，在实施过程中解决这些环境，比较具有挑战性。例如， AI 的响应时间能够在很大程度上取决于用户所提的需求。如果解决不当，用户能够会对结果产生沮丧的感觉。
Notion AI 问答是形状自由式 AI 的另一个例子
2、义务启动式 AI
义务启动式 AI 通常用于协助用户实行特定义务，如总结实质、翻译文本等。这种类型的 AI 通常只需一个按钮就能激活，让用户无需与任何数据交互，甚至无需输入任何数据，就能完成特定义务。
义务启动型 AI 的案例包括 Miro 的 AI 聚类功能、Arc 的整理标签功能和 Grammarly 的 AI 语法修正功能。
多见成绩：
❌ 缺乏语境：要让 AI 输出准确的结果，就必须供给足够清晰的上下文语境。然而，义务启动型 AI 往往缺乏供用户输入上下文的功能性 UI 组件，这能够会阻碍用户拿到预期结果。这就需要产品在计划 AI 功能时，添加自动促进用户输入上下文的机制。如果没有足够的语境，用户能够会感觉 AI 的反应不够充分，也会因此感到沮丧。
❌ 缺乏反应链路：研究表明，用户对 AI 的信任程度不足以让他们主动、充分地完成义务；相反，用户更愿意对 AI 的输出实质进行审视，并在能够的环境下，对其进行改进。然而，义务启动式 AI 的性质本身，有时意味着用户没有机会审视 AI 的输出结果，并供给反应。这种差异能够会导致用户期望与 AI 之间脱节。
Miro AI 可以让用户按关键词和情绪，对便笺进行一键分组
Arc AI 可以让用户一键整理标签页
3、后盾隐形式 AI
第三种形式的 AI ，是那些在后盾工作、用户看不见的 AI 。这些 AI 与用户没有互动，在后盾工作，为用户供给最佳感受。
例如，Netflix 会为你推荐合适的连续剧或电影，Facebook 会根据你的习惯自动生成推荐的实质。
多见成绩：
❌ 隐私成绩：后盾隐形式 AI 操作虽然在大多数环境下，能改善用户感受，但用户往往不知道 AI 正在收集、解决和存储哪类数据。例如，Netflix 跟踪用户的观看习惯以进行推荐，Goodnotes 能够会分析手写笔记的实质，这些例子都说明了这种做法能够会引发隐私安全的成绩。
❌ 缺乏可见性： AI 的后盾工作有时会让用户感到沮丧，尤其是当结果与预期不符，或者用户对 AI 如何决策缺乏了解时。例如，虽然 Facebook 的推荐系统旨在资助用户找到最感兴趣的实质，但用户能够会对 AI 给出的不准确结果感到意外甚至困惑，却没有明确的方法来资助 AI 理解，或者纠正潜在的成绩。
为 AI 计划更好的用户感受的 8 个技能
接下来，我们深入了解一下在产品中为 AI 计划的 8 个主要技能。
🚀技能 #1–为用户供给说明
应该为用户供给资源、示例和教程，资助用户了解如何应用 AI 。多见的做法是供给示例，或展示其他社区成员的结果，以启发用户并让他们了解他们可以从 AI 中得到什么。
《Designing Bots》一书中也强调了这一概念，书中强调了 AI 助理在最初和用户交互过程中声明其目的的重要性。通过从一开始就供给清晰的说明和实用的示例，可以资助用户了解 AI 的全部能力。这一基础步骤，对于设定预期非常重要，它可以资助用户有效利用 AI 的潜力。
来自 Copy.AI、Framer 和 Galileo 的一些示例
🚀技能 #2–供给反应并控制预期
用户感受的三个主要原则是 Affordances、Mapping 和 Feedback（日常事物计划）， AI 也不例外，尤其是在供给反应方面。
计划 AI 功能的最大挑战之一是结果的不可预测性。在某些环境下，您能够会创建一个针对特定义务的 AI ，协助用户完成简单的义务，在这种环境下，可预测性相对较高。然而，在更多环境下，你会发现自己在计划 AI 时，几乎不能够预测用户将如何与你的 AI 互动。
在这种环境下，最好的办法之一就是保证在用户实行操作后供给反应。下面是几个例子：
加入打字指示器：研究表明，打字指示器可以营造出一种与人际聊天类似的实时交流感，保持用户的注意力，从而有助于维持参与度。有了打字指示器，用户就更有能够留在你的应用程序中，关注并等待回复 AI 的下一条信息。
供给状态更新：如果您的 AI 要实行的义务比较复杂，例如搜索实质、生成长实质或视频，请保证向用户供给任何形式的状态更新。这可以是一行显示 AI 当前阶段的信息、进度条或时间估计。通过查看 AI 的进度，用户可以确信他们的请求正在得到积极解决，从而减少不确定性和潜在的挫败感（也可查看 Labor Illusion）。
令人困惑的是，在用户等待期间，究竟在实行什么义务？
在生成结果时会显示可爱的加载动画
在生成 AI 视频时，Veed 会显示完成百分比。
🚀技能 #3–保证能掌控差错和各种成绩
除了供给反应，还要保证你能掌控 AI 能够产生的多见差错和边缘环境。
用户能够透过 AI 得到不同的结果，出现各种差错，不过用户如何看待这些成绩，这取决于开发者和计划师如何构建初始的提示。保证找到解决和应对这些环境的方法。下面是一些需要解决的多见差错：
用户应用方式差错：当发现用户以差错的方式应用 AI 时，尽量为用户供给反应。这种指导有助于纠正他们的方法，改善他们的感受。
服务可用性：如果您正在应用来自 OpenAI、Claude 或其他的任何 AI 的 API，请注意这些平台的稳定性有时会存在成绩。在一个极端的案例中，OpenAI 曾经有过 23% 的 API 端点在 90 天内出现各种中断的记录。由于这些不可预测的环境，请保证你有办法与用户沟通，说明 AI 需要更长时间才能做出响应，并供给后续选项。
来自 Zapier 和 Figjam 的示例