編者按：如今 AI 工具已經相當多了，但是它們從用戶體驗的角度來說卻存在諸多問題，這篇文章出自資深產品設計師 Ben ，他研究了 Miro、Figma、Copy.AI、Grammarly、Notion、Taskade、Gamma 等公司是如何處理 AI 的，梳理了當下最常見的問題，以及解決這些問題的 8 個核心原則或者說技巧，以下是正文：

在過去的兩年里，如果你在科技行業工作，你的關注點很可能被一個單一的主題所占據： AI 。

我們的技術演進已經進入了全新的時代--繼個人電腦、互聯網和智能手機之后， AI 現在已成為討論的中心點，這樣的討論出現在公司的會議室和董事會的討論中，出現在家庭聚餐、各大報紙的頭版頭條，甚至政府會議中也會談及。

AI 初創企業的數量已從 2018 年的 4000 家增至 2024 年的 70000 家。隨著 AI 在不同行業的普及，用戶體驗從業者比以往任何時候，都更需要設計出具有良好用戶體驗的 AI 。然而，設計 AI 并不像我們想象的那么簡單。對于UX設計而言，AI 是一個不可預測的復雜變量，對于設計師來說，如何 透過「充分的體驗」來打造適合 AI 的用戶體驗，是一個巨大的挑戰。

用戶體驗專家雅各布-尼爾森（Jakob Nielsen）幾個月前寫過一篇文章，稱 AI 產品存在基本的可用性問題，比如輸出內容的一致性很差，欠缺充分的映射。類似的討論你可以在這篇文章、這篇文章和這篇文章中找到，這些文章探討了 ChatGPT 和 Midjourney 的可用性問題，以及它們復雜耗時的設置過程，比如用戶在使用 Midjourney 之前，必須先注冊 Discord。

最近幾個月，我抽空設計了幾個 AI 應用，并體驗了 30 多個最新的設計領域相關的應用。在這個過程中，我發現了一些常見的 UI 設計模式和改善體驗的技巧。所以，接下來我們可以深入探討一下這些錯誤，并揭開其中的奧秘。

UI 模式的主要問題

如果你在日常生活中曾用 AI 來搞定過一些問題，那么你會注意到，UI 模式通常會分為以下 3 類——形態自由式 AI （允許你直接輸入提示詞，并執行任務）、任務驅動式 AI （幫你執行特定任務）和后臺隱形式 AI （在后臺工作，幫助你提高工作效率，但不聲張）。

接下來我們逐一看看。

1、形態自由式 AI

形態自由式 AI 是如今最常見的 AI 應用方式。UI 通常以側邊欄或嵌入式彈出窗口的形式呈現，用戶可以隨時調用這些 AI。

微軟 Copilot、Notion Q&A 和 Taskade AI 等工具，就是典型的形態自由式 AI。

微軟的 Copilot 就是形態自由式 AI 的典范

雖然形態自由式 AI 的優勢在于用戶可以隨時訪問它，并且可以執行他們希望實現的幾乎任何任務，但其形態自由的特性往往也會帶來很多問題：

? 用戶不清楚 AI 能做什么：由于 AI 是完全自由的，它在很大程度上依賴于用戶的 AI 知識儲備，以了解如何高效、有效地使用 AI 。提供如何開始使用的說明可能會有所幫助，但很多時候您需要為用戶提供更多指導，如提供教程、社區范例等，以方便新用戶開始使用。

? 結果的可預測性低：形態自由式 AI 可能會產生許多不可預見的結果，以及邊緣情況，這對于設計師和開發者來說，在實施過程中處理這些情況，比較具有挑戰性。例如， AI 的響應時間可能在很大程度上取決于用戶所提的需求。如果處理不當，用戶可能會對結果產生沮喪的感覺。

Notion AI 問答是形態自由式 AI 的另一個例子

2、任務驅動式 AI

任務驅動式 AI 通常用于協助用戶執行特定任務，如總結內容、翻譯文本等。這種類型的 AI 通常只需一個按鈕就能激活，讓用戶無需與任何數據交互，甚至無需輸入任何數據，就能完成特定任務。

任務驅動型 AI 的案例包括 Miro 的 AI 聚類功能、Arc 的整理標簽功能和 Grammarly 的 AI 語法修正功能。

常見問題：

? 缺乏語境：要讓 AI 輸出準確的結果，就必須提供足夠清晰的上下文語境。然而，任務驅動型 AI 往往缺乏供用戶輸入上下文的功能性 UI 組件，這可能會阻礙用戶拿到預期結果。這就需要產品在設計 AI 功能時，添加自動促進用戶輸入上下文的機制。如果沒有足夠的語境，用戶可能會感覺 AI 的反應不夠充分，也會因此感到沮喪。

? 缺乏反饋鏈路：研究表明，用戶對 AI 的信任程度不足以讓他們主動、充分地完成任務；相反，用戶更愿意對 AI 的輸出內容進行審視，并在可能的情況下，對其進行改進。然而，任務驅動式 AI 的性質本身，有時意味著用戶沒有機會審視 AI 的輸出結果，并提供反饋。這種差異可能會導致用戶期望與 AI 之間脫節。

Miro AI 可以讓用戶按關鍵詞和情緒，對便箋進行一鍵分組

Arc AI 可以讓用戶一鍵整理標簽頁

3、后臺隱形式 AI

第三種形式的 AI ，是那些在后臺工作、用戶看不見的 AI 。這些 AI 與用戶沒有互動，在后臺工作，為用戶提供最佳體驗。

例如，Netflix 會為你推薦合適的連續劇或電影，Facebook 會根據你的習慣自動生成推薦的內容。

常見問題：

? 隱私問題：后臺隱形式 AI 操作雖然在大多數情況下，能改善用戶體驗，但用戶往往不知道 AI 正在收集、處理和存儲哪類數據。例如，Netflix 跟蹤用戶的觀看習慣以進行推薦，Goodnotes 可能會分析手寫筆記的內容，這些例子都說明了這種做法可能會引發隱私安全的問題。

? 缺乏可見性： AI 的后臺工作有時會讓用戶感到沮喪，尤其是當結果與預期不符，或者用戶對 AI 如何決策缺乏了解時。例如，雖然 Facebook 的推薦系統旨在幫助用戶找到最感興趣的內容，但用戶可能會對 AI 給出的不準確結果感到意外甚至困惑，卻沒有明確的方法來幫助 AI 理解，或者糾正潛在的問題。

為 AI 設計更好的用戶體驗的 8 個技巧

接下來，我們深入了解一下在產品中為 AI 設計的 8 個主要技巧。

??技巧 #1--為用戶提供說明

應該為用戶提供資源、示例和教程，幫助用戶了解如何使用 AI 。常見的做法是提供示例，或展示其他社區成員的結果，以啟發用戶并讓他們了解他們可以從 AI 中得到什么。

《Designing Bots》一書中也強調了這一概念，書中強調了 AI 助理在最初和用戶交互過程中聲明其目的的重要性。通過從一開始就提供清晰的說明和實用的示例，可以幫助用戶了解 AI 的全部能力。這一基礎步驟，對于設定預期非常重要，它可以幫助用戶有效利用 AI 的潛力。

來自 Copy.AI、Framer 和 Galileo 的一些示例

??技巧 #2--提供反饋并控制預期

用戶體驗的三個主要原則是 Affordances、Mapping 和 Feedback（日常事物設計）， AI 也不例外，尤其是在提供反饋方面。

設計 AI 功能的最大挑戰之一是結果的不可預測性。在某些情況下，您可能會創建一個針對特定任務的 AI ，協助用戶完成簡單的任務，在這種情況下，可預測性相對較高。然而，在更多情況下，你會發現自己在設計 AI 時，幾乎不可能預測用戶將如何與你的 AI 互動。

在這種情況下，最好的辦法之一就是確保在用戶執行操作后提供反饋。下面是幾個例子：

• 加入打字指示器：研究表明，打字指示器可以營造出一種與人際聊天類似的實時交流感，保持用戶的注意力，從而有助于維持參與度。有了打字指示器，用戶就更有可能留在你的應用程序中，關注并等待回復 AI 的下一條信息。
• 提供狀態更新：如果您的 AI 要執行的任務比較復雜，例如搜索內容、生成長內容或視頻，請確保向用戶提供任何形式的狀態更新。這可以是一行顯示 AI 當前階段的信息、進度條或時間估計。通過查看 AI 的進度，用戶可以確信他們的請求正在得到積極處理，從而減少不確定性和潛在的挫敗感（也可查看 Labor Illusion）。

令人困惑的是，在用戶等待期間，究竟在執行什么任務？

在生成結果時會顯示可愛的加載動畫

在生成 AI 視頻時，Veed 會顯示完成百分比。

??技巧 #3--確保能掌控錯誤和各種問題

除了提供反饋，還要確保你能掌控 AI 可能產生的常見錯誤和邊緣情況。

用戶可能透過 AI 得到不同的結果，出現各種錯誤，不過用戶如何看待這些問題，這取決于開發者和設計師如何構建初始的提示。確保找到處理和應對這些情況的方法。下面是一些需要處理的常見錯誤：

• 用戶使用方式錯誤：當發現用戶以錯誤的方式使用 AI 時，盡量為用戶提供反饋。這種指導有助于糾正他們的方法，改善他們的體驗。
• 服務可用性：如果您正在使用來自 OpenAI、Claude 或其他的任何 AI 的 API，請注意這些平臺的穩定性有時會存在問題。在一個極端的案例中，OpenAI 曾經有過 23% 的 API 端點在 90 天內出現各種中斷的記錄。由于這些不可預測的情況，請確保你有辦法與用戶溝通，說明 AI 需要更長時間才能做出響應，并提供后續選項。

來自 Zapier 和 Figjam 的示例

??技巧 #4--允許用戶添加默認上下文信息

如果可行的話，嘗試加入一項功能，讓用戶為他們與 AI 的交互設置默認上下文信息。這樣，用戶就無需為類似的任務重復提供相同的上下文信息。

例如，允許用戶為翻譯設置首選語言，為生成的視覺內容設置默認的品牌風格指南，為發現內容設置特定興趣偏好，或為娛樂推薦設置最喜歡的類型。通過設置默認上下文信息，用戶可以個性化他們的 AI 體驗，使其更高效、更符合他們的需求。

來自 ChatGPT 和 Copy.ai 的示例

??技巧 #5--用戶偏愛輔助駕駛而非自動駕駛

人類是懶惰的，在數字世界里，這意味著我們不喜歡打字。這就是為什么 AI 在幫助我們減少手工作業方面潛力巨大。另一方面，研究也發現，人類對 AI 的信任還不足以讓一切都實現自動化。

因此，在設計 AI 時，要確保用戶對 AI 生成的結果有一定的控制權，無論是讓他們查看和編輯 AI 生成的內容，還是從一系列選項中選擇如何繼續，或者根據他們的偏好自定義設置。

Butter、Gamma 和 Taskade 允許用戶查看 AI 制作的內容

??技巧 #6--收集用戶的反饋意見

由于 AI 的反應具有不可預測性，因此在推出產品時，請確保你添加了收集用戶反饋的機制。一種常見的方法是在用戶看到結果后，設置一個「點贊」和「踩」按鈕，以便快速獲得用戶的反饋。另一種方法是彈出一個簡單的 CSAT（客戶滿意度）調查，以了解 AI 的表現如何。

這不僅可以幫助你的團隊調整提示詞（prompt）體系，使其更符合用戶的期望，而且如果你幸運的話（在道德上允許的前提下），你還可以收集和識別用戶與 AI 交互的主要模式，以進一步改善體驗。

來自 Zapier、Grammar 和 Miro 的示例

??技巧 #7--盡可能為 AI 注入個性

如果你有幸設計了一個像 GPT、Alexa 或 Siri 這樣的完全對話式 AI 助手，一定要為它注入一些個性。這可以包括給它一個頭像、一個名字或指定的語音語調。

斯坦福大學的研究表明，用戶更傾向于聽從具有個性化姓名和聲音的 AI 助手的建議。這種個性化，增強了用戶感知到的社交存在感，更具親和力，這使用戶更容易接受 AI 的指導。

Alexa 的個性特征

??技巧 #8--隱私和數據政策要透明

如果你恰好在一家 B2B 公司工作，或者正在設計可能被大公司使用的 AI ，那么你經常會遇到的挑戰之一，就是數據隱私——收集哪些數據、如何存儲數據以及如何使用收集到的數據。

需要確保你在這方面有足夠的透明度。

研究表明，用戶更愿意參與并忠實于那些對數據的應用持開放態度的產品。提供透明的隱私政策不僅能避免你和公司陷入法律糾紛，還能幫助你與用戶建立信任，改善用戶體驗。

來自 Dovetail 的 AI 數據政策

在 TikTok 時代，你可能不會有第二次機會

在 TikTok 和短視頻時代，我們對日常互動越來越不耐煩。這就意味著，如果你的 AI 設計得不夠好，你可能很快就會看到 AI 的使用率大幅下降。

紅杉資本（Sequoia）的研究表明， AI 產品的平均參與度遠遠低于數字產品的平均參與度。研究顯示，領先的消費類 APP 的日均活躍用戶率為 63%，月均留存率為 51%，而 AI 產品的日均活躍用戶率為 14%，月均留存率為 42%。

研究結果表明，大多數用戶試用生成式 AI 之后，都未能將其變成一種習慣和日常價值的來源。盡管這些 APP 在輿論上，備受青睞并被迅速采用，但重復使用率卻很低。研究人員認為，生成式 AI 目前面臨的最大障礙與其說是用例不足，火熱過一陣子，不如說是留存率太低。

因此，重要的是要投入時間，為 AI 產品打造正確的用戶體驗，使其成為用戶的習慣，并為他們的日常生活提供價值。

主要常見 APP 與 AI 應用程序的留存率對比

總結

縱覽本文，在設計 AI 時，無論是功能還是產品，都要考慮以下幾點：

• 明確你的目標是自由對話式 AI 、任務驅動式 AI ，還是在幕后運行的隱形式 AI 。
• 不要讓用戶用得提心吊膽，最好始終為用戶提供反饋，并對 AI 能做什么和不能做什么設定適當的期望值。
• 注意用戶期望與 AI 實際功能之間的差距。
• 如果你正在設計一個對話式的 AI 助手，那么請在其中融入一些個性元素。精心設計的角色可以將 AI 體驗轉變為令人愉悅的溝通，從而培養用戶的忠誠度和信任感。
• 請記住，用戶需要的是副駕駛，而不是完全的自動駕駛。在自動化和用戶控制之間取得完美平衡，打造以用戶為中心的無縫體驗。

遵循這些做法，你可以設計出兼具功能性，且具有吸引力和用戶友好型的 AI 產品，從而提高用戶的整體體驗和滿意度。