随着人工智能 (AI) 越来越深入地融入产品,设计师必须了解这些系统真正能做什么。本文介绍了一个围绕感知、推理、记忆和代理四大核心能力构建的实用框架,旨在帮助用户体验 (UX) 专业人士设计更智能、更值得信赖的 AI 体验。本书包含真实案例和实用技巧,对于任何致力于塑造 AI 界面未来的人士来说,都是必读之作。
想象一下一个蚁群。在一个典型的蚁群中,有不同专长的蚂蚁:工蚁、兵蚁、雄蚁、蚁后等等。蚁群中的每只蚂蚁都有不同的工作——它们独立运作,但又像一个紧密结合的整体。你可以“雇佣”一只蚂蚁(代理)为你做一些简单的半自主工作,这本身就很酷。然而,试想一下,你可以雇佣整个蚁丘去做一些更复杂或更有趣的事情:找出你的系统出了什么问题,预订你的行程,或者……做几乎所有人类在电脑前能做的事情。每只蚂蚁本身并不非常聪明——它们高度专业化,专注于完成特定的工作。然而,不同专长的蚂蚁组合在一起,呈现出一种我们将其与高级动物联系起来的“集体智慧”。我们在博客中一直使用的“人工智能”(AI)与人工智能代理之间最显著的区别在于自主性。您不需要向 AI 代理提供精确的指令或等待同步输出 - 与一组 AI 代理的整个交互更加流畅和灵活,就像蚁丘解决问题一样。
代理型人工智能 (Agentic AI) 的工作方式多种多样——这是一个内容丰富的主题,值得专门写一本书来探讨(或许一两年后)。在本文中,我们将以系统故障排除为例,阐述一个涉及主管代理(也称为“推理代理”)和多个工作代理的复杂流程。该流程始于人类操作员收到问题警报。他们启动调查,然后由主管代理领导的半自主 AI 代理团队帮助他们找到根本原因,并提出解决问题的建议。让我们用步骤图来分解与 AI 代理交互的过程:
自主性:虽然目前,人机交互似乎是代理工作流程的常态,但代理展现出非凡的能力,能够提出假设、收集证据,并根据需要迭代假设,直至解决问题。它们不会感到疲倦,也不会穷尽所有选项而放弃。AI 代理还展现出能够有效地“编写代码……让工具自行构建工具”的能力,从而探索解决问题的新方法——这很新颖。这种交互本质上需要“积极主动”的 AI,例如,这些代理接受了最大召回率的训练,愿意尝试所有可能性,以确保获得最真实的积极结果(请参阅我们在此处的价值矩阵讨论)。这意味着,有时代理会“只是为了尝试”而采取行动,而不会“考虑”假阳性或假阴性结果的成本。例如,一个积极主动的 AI 代理“医生”可能会开出侵入性脑癌活检手术,而不会先考虑风险较低的替代方案,甚至不会停下来征求患者的同意!所有这些都需要更深层次的人机分析,以及针对激进的人工智能“探索想法”的多个新的审批流程,这些想法可能会导致人类伤害,或者只是导致超出预算的成本膨胀。
编写 AI 提示来创建用户体验人物角色和旅程地图的方法有很多。只需在 Google 上搜索“如何使用 AI 创建用户体验人物角色?”,你就能找到大量资源(其中一些我曾经使用过,并在文末引用过)。既然已经有很多资源了,我为什么还要写这篇文章呢?经过一年的研究和实验,尝试了多种变体,我发现了一种成功的方法:混合使用各种提示,并赋予它们独特的细微差别,而这些细微差别似乎在我读过的任何文献中都没有涉及。因此,我想分享我的发现,希望它们也能帮助其他用户体验研究人员。随着我们领域的不断发展,分享我们的发现并促进合作对于充分释放 AI 在用户体验中的潜力至关重要。因此,如果您尝试过这些提示中的任何一个或其他方法并取得了良好的效果,我诚邀您在评论区分享您的经验。
不同的工具允许您上传不同的文件格式。目前,您可以在 ChatGPT Plus 或 Team 中上传 PDF、TXT、JPEG、PNG、DOCX、CSV 和 XLS 文件格式。
数据隐私:您上传到 ChatGPT Plus 的任何文件“都会无限期地保留在服务中,OpenAI 也可能使用这些文件来训练其模型,因此最好不要上传包含任何重要个人信息的文件……”。如果您需要更安全的选项,例如不使用聊天记录进行训练且数据已加密,则需要使用 ChatGPT Team 帐户或投资安全的用户体验研究分析工具,例如 HeyMarvin 或 Dovetail。我还想指出,ChatGPT Team 目前存在一个安全问题,即无法限制团队成员邀请新成员加入工作区,因此您必须定期检查工作区的“成员”页面。ChatGPT Enterprise 没有此安全漏洞。在将任何 GenAI 工具用于处理客户和/或公司数据之前,请咨询您的 IT 团队,以确保您遵守他们的数据安全规定。
1. 个人目标: a. 你的人物角色的短期和长期个人目标是什么? b. 是什么促使你的人物角色实现这些目标?
2. 职业抱负: a. 你的人物角色的职业抱负和野心是什么? b. 是什么驱使你的人物角色在职业生涯中取得成功?
3. 激励和奖励: a. 什么类型的激励或奖励对你的 人物角色最有吸引力(例如
这个后续提示应该会产生更丰富的结果。您可以选择在初始 GenAI 提示中提供行为提示,但我注意到,如果我逐步提供数据并进行迭代改进,结果会更好。在一个提示中提出太多要求会使模型混乱。《面向用户体验设计师和产品经理的 AI 助手》一书的作者 Patrick Neeman建议在提示中加入用户研究问题,以“确保其准确反映真实用户”。他建议在提示中添加“生成能够验证此用户角色是否正确的用户研究问题”。
提示:正如 Bill Bulman 在他的文章《利用 AI 增强研究构建人物角色(分步指南)》中提到的,你也可以编写一个提示,为你的人物角色获取“日常生活叙述”。Bill 提供了一个示例提示:“请以以下用户访谈数据为基准,为我提供一个人物角色的日常生活叙述。”使用以下用户访谈数据作为基准,为我提供人物日常生活的故事。”
随着我们不断将 GenAI 融入用户体验设计流程,在充分利用其计算能力与保持人性化体验之间找到平衡至关重要,这对于创建真实且富有影响力的用户画像和旅程地图至关重要。通过将 AI 的效率与我们的专业知识和创造力相结合,我们可以改进工作流程,从而交付与用户实际需求和体验紧密相关的交付成果。我鼓励我的用户体验专业人士同仁们尝试这些工具,分享他们的经验,并继续在这个激动人心的科技与设计交汇的领域中,共同突破所能取得的成就。
如果您有兴趣了解更多信息,欢迎加入Patrick Neeman 创建的AI for UX Slack 小组。我们会深入探讨如何将 AI 用于用户体验,以便更好地理解如何正确利用它来推动行业发展。期待与您相见!