在过去的两年里，如果你在科技行业事情，你的关注点很可能被一个单一的主题所霸占： AI 。
我们的技能演进已经进入了全新的时期--继个人电脑、互联网和智好手机之后， AI 现在已成为谈论的中央点，这样的谈论涌如今公司的会议室和董事会的谈论中，涌如今家庭聚餐、各大报纸的头版头条，乃至政府会议中也会商及。
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 在不同行业的遍及，用户体验从业者比以往任何时候，都更须要设计出具有良好用户体验的 AI 。然而，设计 AI 并不像我们想象的那么大略。对付UX设计而言，AI 是一个不可预测的繁芜变量，对付设计师来说，如何 透过「充分的体验」来打造适宜 AI 的用户体验，是一个巨大的寻衅。
用户体验专家雅各布-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问题，比如输出内容的同等性很差，欠缺充分的映射。类似的谈论你可以在这篇文章、这篇文章和这篇文章中找到，这些文章磋商了 ChatGPT 和 Midjourney 的可用性问题，以及它们繁芜耗时的设置过程，比如用户在利用 Midjourney 之前，必须先注册 Discord。
最近几个月，我抽空设计了几个 AI 运用，并体验了 30 多个最新的设计领域干系的运用。在这个过程中，我创造了一些常见的 UI 设计模式和改进体验的技巧。以是，接下来我们可以深入磋商一下这些缺点，并揭开个中的奥秘。
UI 模式的紧张问题如果你在日常生活中曾用 AI 来搞定过一些问题，那么你会把稳到，UI 模式常日会分为以下 3 类——形态自由式 AI （许可你直接输入提示词，并实行任务）、任务驱动式 AI （帮你实行特界说务）和后台隐形式 AI （在后台事情，帮助你提高事情效率，但不张扬）。
接下来我们逐一看看。
1、形态自由式 AI形态自由式 AI 是如今最常见的 AI 运用办法。UI 常日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，便是范例的形态自由式 AI。
微软的 Copilot 便是形态自由式 AI 的典范
虽然形态自由式 AI 的上风在于用户可以随时访问它，并且可以实行他们希望实现的险些任何任务，但其形态自由的特性每每也会带来很多问题：
❌ 用户不清楚 AI 能做什么：由于 AI 是完备自由的，它在很大程度上依赖于用户的 AI 知识储备，以理解如何高效、有效地利用 AI 。供应如何开始利用的解释可能会有所帮助，但很多时候您须要为用户供应更多辅导，如供应教程、社区范例等，以方便新用户开始利用。
❌ 结果的可预测性低：形态自由式 AI 可能会产生许多不可预见的结果，以及边缘情形，这对付设计师和开拓者来说，在履行过程中处理这些情形，比较具有寻衅性。例如， AI 的相应韶光可能在很大程度上取决于用户所提的需求。如果处理不当，用户可能会对结果产生沮丧的觉得。
Notion AI 问答是形态自由式 AI 的另一个例子
2、任务驱动式 AI任务驱动式 AI 常日用于帮忙用户实行特界说务，如总结内容、翻译文本等。这种类型的 AI 常日只需一个按钮就能激活，让用户无需与任何数据交互，乃至无需输入任何数据，就能完成特界说务。
任务驱动型 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 语法改动功能。
常见问题：
❌ 缺少语境：要让 AI 输出准确的结果，就必须供应足够清晰的高下文语境。然而，任务驱动型 AI 每每缺少供用户输入高下文的功能性 UI 组件，这可能会阻碍用户拿到预期结果。这就须要产品在设计 AI 功能时，添加自动促进用户输入高下文的机制。如果没有足够的语境，用户可能会觉得 AI 的反应不足充分，也会因此感到沮丧。
❌ 缺少反馈链路：研究表明，用户对 AI 的信赖程度不敷以让他们主动、充分地完成任务；相反，用户更乐意对 AI 的输出内容进行核阅，并在可能的情形下，对其进行改进。然而，任务驱动式 AI 的性子本身，有时意味着用户没有机会核阅 AI 的输出结果，并供应反馈。这种差异可能会导致用户期望与 AI 之间脱节。
Miro AI 可以让用户按关键词和感情，对便笺进行一键分组
Arc AI 可以让用户一键整理标签页
3、后台隐形式 AI第三种形式的 AI ，是那些在后台事情、用户看不见的 AI 。这些 AI 与用户没有互动，在后台事情，为用户供应最佳体验。
例如，Netflix 会为你推举得当的连续剧或电影，Facebook 会根据你的习气自动天生推举的内容。
常见问题：
❌ 隐私问题：后台隐形式 AI 操作虽然在大多数情形下，能改进用户体验，但用户每每不知道 AI 正在网络、处理和存储哪类数据。例如，Netflix 跟踪用户的不雅观看习气以进行推举，Goodnotes 可能会剖析手写条记的内容，这些例子都解释了这种做法可能会引发隐私安全的问题。
❌ 缺少可见性： AI 的后台事情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 如何决策缺少理解时。例如，虽然 Facebook 的推举系统旨在帮助用户找到最感兴趣的内容，但用户可能会对 AI 给出的不准确结果感到意外乃至困惑，却没有明确的方法来帮助 AI 理解，或者纠正潜在的问题。
为 AI 设计更好的用户体验的 8 个技巧接下来，我们深入理解一下在产品中为 AI 设计的 8 个紧张技巧。
技巧 #1--为用户供应解释该当为用户供应资源、示例和教程，帮助用户理解如何利用 AI 。常见的做法是供应示例，或展示其他社区成员的结果，以启示用户并让他们理解他们可以从 AI 中得到什么。
《Designing Bots》一书中也强调了这一观点，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主要性。通过从一开始就供应清晰的解释和实用的示例，可以帮助用户理解 AI 的全部能力。这一根本步骤，对付设定预期非常主要，它可以帮助用户有效利用 AI 的潜力。
来自 Copy.AI、Framer 和 Galileo 的一些示例
技巧 #2--供应反馈并掌握预期用户体验的三个紧张原则是 Affordances、Mapping 和 Feedback（日常事物设计）， AI 也不例外，尤其是在供应反馈方面。
设计 AI 功能的最大寻衅之一是结果的不可预测性。在某些情形下，您可能会创建一个针对特界说务的 AI ，帮忙用户完成大略的任务，在这种情形下，可预测性相对较高。然而，在更多情形下，你会创造自己在设计 AI 时，险些不可能预测用户将如何与你的 AI 互动。
在这种情形下，最好的办法之一便是确保在用户实行操作后供应反馈。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谈天类似的实时互换感，保持用户的把稳力，从而有助于坚持参与度。有了打字指示器，用户就更有可能留在你的运用程序中，关注并等待回答 AI 的下一条信息。供应状态更新：如果您的 AI 要实行的任务比较繁芜，例如搜索内容、天生长内容或视频，请确保向用户供应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、进度条或韶光估计。通过查看 AI 的进度，用户可以确信他们的要求正在得到积极处理，从而减少不愿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，究竟在实行什么任务？
在天生结果时会显示可爱的加载动画
在天生 AI 视频时，Veed 会显示完成百分比。
技巧 #3--确保能掌控缺点和各种问题除了供应反馈，还要确保你能掌控 AI 可能产生的常见缺点和边缘情形。
用户可能透过 AI 得到不同的结果，涌现各种缺点，不过用户如何看待这些问题，这取决于开拓者和设计师如何构建初始的提示。确保找到处理和应对这些情形的方法。下面是一些须要处理的常见缺点：
用户利用办法缺点：当创造用户以缺点的办法利用 AI 时，只管即便为用户供应反馈。这种辅导有助于纠正他们的方法，改进他们的体验。做事可用性：如果您正在利用来自 OpenAI、Claude 或其他的任何 AI 的 API，请把稳这些平台的稳定性有时会存在问题。在一个极度的案例中，OpenAI 曾经有过 23% 的 API 端点在 90 天内涌现各种中断的记录。由于这些不可预测的情形，请确保你有办法与用户沟通，解释 AI 须要更永劫光才能做出相应，并供应后续选项。来自 Zapier 和 Figjam 的示例
技巧 #4--许可用户添加默认高下文信息如果可行的话，考试测验加入一项功能，让用户为他们与 AI 的交互设置默认高下文信息。这样，用户就无需为类似的任务重复供应相同的高下文信息。
例如，许可用户为翻译设置首选措辞，为天生的视觉内容设置默认的品牌风格指南，为创造内容设置特定兴趣偏好，或为娱乐推举设置最喜好的类型。通过设置默认高下文信息，用户可以个性化他们的 AI 体验，使其更高效、更符合他们的需求。
来自 ChatGPT 和 Copy.ai 的示例
技巧 #5--用户偏爱赞助驾驶而非自动驾驶人类是
因此，在设计 AI 时，要确保用户对 AI 天生的结果有一定的掌握权，无论是让他们查看和编辑 AI 天生的内容，还是从一系列选项中选择如何连续，或者根据他们的偏好自定义设置。
Butter、Gamma 和 Taskade 许可用户查看 AI 制作的内容
技巧 #6--网络用户的反馈见地由于 AI 的反应具有不可预测性，因此在推出产品时，请确保你添加了网络用户反馈的机制。一种常见的方法是在用户看到结果后，设置一个「点赞」和「踩」按钮，以便快速得到用户的反馈。另一种方法是弹出一个大略的 CSAT（客户满意度）调查，以理解 AI 的表现如何。
这不仅可以帮助你的团队调度提示词（prompt）体系，使其更符合用户的期望，而且如果你幸运的话（在道德上许可的条件下），你还可以网络和识别用户与 AI 交互的紧张模式，以进一步改进体验。
来自 Zapier、Grammar 和 Miro 的示例
技巧 #7--尽可能为 AI 注入个性如果你有幸设计了一个像 GPT、Alexa 或 Siri 这样的完备对话式 AI 助手，一定要为它注入一些个性。这可以包括给它一个头像、一个名字或指定的语音语调。
斯坦福大学的研究表明，用户更方向于屈服具有个性化姓名和声音的 AI 助手的建议。这种个性化，增强了用户感知到的社交存在感，更具亲和力，这利用户更随意马虎接管 AI 的辅导。
Alexa 的个性特色
技巧 #8--隐私和数据政策要透明如果你恰好在一家 B2B 公司事情，或者正在设计可能被大公司利用的 AI ，那么你常常会碰着的寻衅之一，便是数据隐私——网络哪些数据、如何存储数据以及如何利用网络到的数据。
须要确保你在这方面有足够的透明度。
研究表明，用户更乐意参与并虔诚于那些对数据的运用持开放态度的产品。供应透明的隐私政策不仅能避免你和公司陷入法律轇轕，还能帮助你与用户建立信赖，改进用户体验。
来自 Dovetail 的 AI 数据政策
在 TikTok 时期，你可能不会有第二次机会在 TikTok 和短视频时期，我们对日常互动越来越不耐烦。这就意味着，如果你的 AI 设计得不足好，你可能很快就会看到 AI 的利用率大幅低落。
红杉成本（Sequoia）的研究表明， AI 产品的均匀参与度远远低于数字产品的均匀参与度。研究显示，领先的消费类 APP 的日均生动用户率为 63%，月均留存率为 51%，而 AI 产品的日均生动用户率为 14%，月均留存率为 42%。
研究结果表明，大多数用户试用天生式 AI 之后，都未能将其变成一种习气和日常代价的来源。只管这些 APP 在舆论上，备受青睐并被迅速采取，但重复利用率却很低。研究职员认为，天生式 AI 目前面临的最大障碍与其说是用例不敷，火热过一阵子，不如说是留存率太低。
因此，主要的是要投入韶光，为 AI 产品打造精确的用户体验，使其成为用户的习气，并为他们的日常生活供应代价。
紧张常见 APP 与 AI 运用程序的留存率比拟
总结纵览本文，在设计 AI 时，无论是功能还是产品，都要考虑以下几点：
明确你的目标是自由对话式 AI 、任务驱动式 AI ，还是在幕后运行的隐形式 AI 。不要让用户用得心惊肉跳，最好始终为用户供应反馈，并对 AI 能做什么和不能做什么设定适当的期望值。把稳用户期望与 AI 实际功能之间的差距。如果你正在设计一个对话式的 AI 助手，那么请在个中融入一些个性元素。精心设计的角色可以将 AI 体验转变为令人愉悦的沟通，从而培养用户的忠实度和信赖感。请记住，用户须要的是副驾驶，而不是完备的自动驾驶。在自动化和用户掌握之间取得完美平衡，打造以用户为中央的无缝体验。遵照这些做法，你可以设计出兼具功能性，且具有吸引力和用户友好型的 AI 产品，从而提高用户的整体体验和满意度。