本文從筆者多年的設計工作角度出發，分析了用戶體驗設計師在人工智能時代的新職責與方法。
用啟發式方法和應用用例來推進AI驅動的用戶體驗
如今，我們已經看到人工智能作為一種新時代的核心技術而普及，這對於企業的成功至關重要。大眾常將AI視為半自主的智能，它可以使我們的機器世界獲得類人的認知。我們也可以將AI視為一個可以學習、適應和自我糾正的機器實體。這些觀點確實抓住了AI的一些更廣泛的本質，但缺乏更實際的畫像。
人工智能是計算機對智能行為的模擬或模仿。
——韋伯斯特（Merriam Webster）
為了簡化這個概念，我們可以將AI想象為“計算機對智能行為的模擬或模仿。”請注意，AI不一定是人類實體的某種人格化，而可以將其視為智能處理的能力。
作為設計師，您可以設想建立一個可預期客戶需求的界面，通過積極的幫助來避免他們的挫敗感，並幫助他們進行選擇嗎。您也設想一個可以預測客戶想要支付的功能和價格，而不是搭建一個複雜的定價表。或者更好的是，設想一個可以進行自我組織的儀表板，僅向用戶顯示他想看到的功能。
這裡有一些您可能會遇到的AI輔助體驗的示例：
- 買鞋
- 選擇最便宜的航班
- 選擇適合您需求的訂閱計劃
- 為您的投資選擇最佳的資金分配
- 選擇要播放的下一個節目
- 儘可能高效地從A點行駛到B點
這對用戶體驗有何影響？我們該如何設計？讓我們來找出答案吧！
01 人工智能是一種能力
首先，設計人員應將AI視為一種能力。能力可以定義為針對特定操作或用例量身定製的應用程序服務。
例如，“搜索”就是一項功能。我們可以對數據表、地圖或目錄使用相同的“搜索”功能。從工程角度來看，我們不需要提供三個獨立的“搜索服務”，而是可以配置搜索功能以擴展到多個功能。
想象一下，我們的應用程序有一個對話界面：
通常的傳統是，客戶一開始會問一個問題，然後人工客服會回應並幫助他們。
如果我們為該對話功能添加AI，則可以通過訓練語言的模型，讓這些模型處理該語言，用算法構建最佳響應並返回該響應，從而為對話功能添加智能化的能力。這涉及到自然語言處理和機器學習，在本文中，我們將其歸結為人工智能。（我知道某些人可能並不同意，但是我們在這裡只專注於設計！）
以下是一些應用的AI的例子：
- 分析——風險評估，情緒分析，追溯分析
- 功能——物聯網解決方案，機器人，機械設備
- 互動——個人助理，聊天機器人，Google Home，Alexa
- 文字——自然語言處理，文字識別，將語音轉化為文字
- 視覺——計算機視覺，增強現實
這些AI的分支可以幫助我們進行決策，解決複雜問題，執行高級計算，預測未來可能性/事件，以及提高現有或未來結果的準確性。
可以使用以下AI方法：
- 機器學習——利用模式識別和可訓練的算法進行自我教學，並對數據進行推斷或預測。
- 神經網絡——處理大量折衷的數據輸入，以發現潛在的關係或模式。它可以適應不斷變化的輸入，並可以模仿人類大腦的方式處理信息。
- 深度學習——模仿人腦在處理數據和創建模式以影響決策時的工作方式。這可以認為是機器學習和神經網絡的組合/子集。
Kapil Tandon
02 以人為中心的AI設計
人工智能的主要目的是服務於人類的利益：幫助我們做出決定，獲得見解並擴大/自動化我們的世界。作為設計師，必須保持以人為中心的方法來設計利用AI的體驗。這意味著我們在整個過程的每個步驟中都要考慮到人的本質：發現問題，建立模型，迭代方法以及校準經驗。
設計AI驅動的用戶體驗時，您是在與用戶建立校準式的信任。人工智能幫助推動體驗的規模和準確性，這可以培養用戶與產品之間的信任感。這種信任有助於形成習慣化的行為，從而使人們在內部和外部都更有動力。
簡而言之，令人愉悅的AI可以預測您想在哪裡用餐或何時購買演唱會門票，並提高用戶的期望，讓他們相信可以依賴AI產品來改善生活。
您應該首先問：如何解決這個突出的用戶需求問題？然後問：能否通過利用AI功能更好地解決它？人們常常會掉進對AI能力的學習陷阱中，然後試圖開發出一種浮於表面的功能特性。
因此，我們可以將AI驅動的用戶體驗理解為：
AI驅動的用戶體驗是通過智能計算來簡化和增強以人為中心的用戶體驗，這是通過促進決策、效率、智能和提升愉悅感來達成的。
03 AI驅動用戶體驗的啟發式方法
為了在數字世界中展現這些能力，很重要的一點是：設計師必須應用一套新的啟發式方法以適應AI的優勢和侷限性。
1. 識別並滿足人類的需求
AI驅動的用戶體驗的主要目的是將用戶體驗增強和自動化，以解決人類面臨的重大問題。當務之急是滿足用戶需求並提出疑問：我們如何使用AI減輕痛點和摩擦，減少認知符合，併為人們提供更好的結果？
以人為中心的機器學習 — 谷歌
2. 與數據科學團隊合作
作為設計師，您與數據科學團隊（假設您很幸運有這樣的合作伙伴）應該是一種持續的合作關係。在這種合作中，您可以幫助團隊開發以用戶為中心的數據集和模型。為數據團隊提供適當的上下文背景，用戶原型和用戶目標可以幫助他們創建模型併為您提供有洞察力的數據。
您可以一起訓練解決用戶問題所需的模型，並以人為中心的用戶體驗適當地展現這些功能。作為設計師的工作，您應該激發數據科學和工程團隊：分享願景、吸引真正的客戶、並建立同理心，用於訓練以人為中心的模型。
3.瞭解用戶的專業知識和期望
當AI被用來增強用戶體驗時，您必須瞭解用戶的專業知識水平、期望、由AI驅動增強的複雜性以及決策/結果的規模。
例如，如果您的應用程序正在幫助心臟病專家診斷心臟病，那麼醫生將希望知道診斷所用的所有數據和注意事項。
但是，如果目標是購買最便宜的音樂會門票，那麼一個錯誤決策的後果是微不足道的。用戶僅僅將損失幾美元，而不是他們的生命。
您的用戶將期望將任何由AI增強的決策都被適當地限定在有確定性和結果的範圍內。反覆驗證或超出期望都將與用戶建立起信任關係。
在此示例中，Grid Dynamics使用預測模型來增強市場營銷和銷售專業人員的能力，幫助他們利用預測數據做出決策。
Grid Dynamics — 用於銷售預報分析的人工智能
4. 透明的反饋
具備一致性的反饋可以創建流暢、引人入勝且響應性強的用戶體驗，這包括界面的處理狀態。
例如，當用戶觸發一項尋找酒店的行為後，您可以插入一個顯示信息：“我們正在為您計算最佳酒店價格和日期！”這有助於顯示您為幫助客戶所做的“工作” ，並建立起信任關係。
換句話說，客戶知道您正在為他們做一些特別的事情，而不僅僅是正常的酒店查詢，這才是更好的設計選擇！
這也意味著反饋應該儘可能地人性化。這意味著什麼？讓我們以下面的聊天機器人為例。我們可以將虛擬助手擬人化，以便更自然地與客戶進行坦誠交流。
24/7 AI Bot— 顯示上下文反饋以驗證用戶輸入是否被理解
5. 提供替代方案的路徑
AI驅動的決策並不總是正確的，即使是正確的決策，也不一定是用戶真正想要的。提供替代路徑或替代方案很重要，這樣您的用戶可以做出自己的決定並偏離建議的路徑。
例如，假設您正在使用Google地圖，然後選擇了目的地。系統會為您提供2條路線：A和B。
建議使用A路線，因為它速度更快，而B路線則慢了幾分鐘，但是您可以沿著美麗的海岸線行駛。在這種情況下，該應用程序提供的優化是為您節省時間，但也許您今天更想要沿著海岸行駛。因此，為您提供選擇路線B的選項，可以根據您的偏好選擇更好的路線。
回到剛才的聊天機器人示例，我們可以看到它如何認識到無法幫助客戶，因此為客戶連接到客服代表。
24/7 AI Bot— 為客戶提供需要的人工響應選擇
6. 預期，減輕和防止錯誤響應
如果您的交互產品體驗嚴重依賴於AI驅動，那麼必須預測用戶可以在哪裡收到錯誤的反饋。
例如，如果我們正在進行一個聊天機器人的體驗設計，那麼我們應該預期用戶會收到不合理或完全異常的響應。如果是這種情況，那麼我們可以與數據科學團隊合作，傳達AI提供正確響應所需的準確度。我們還可以構建一種機制，允許用戶對錯誤的反饋進行否定或拒絕，從而觸發替代途徑。
在下面的矩陣中，我們希望AI決策針對真贊成或真反對進行優化，但要避免假贊成和假反對。任何假贊成和假反對都會使您的用戶感到困惑和失望，從而削弱信任和參與度。
來自Google Design的啟發
當然，我們應該始終致力於防止錯誤的反饋對用戶體驗產生負面影響並破壞信任。如果我們無法避免，那麼我們應該主動或被動地減輕錯誤。
04 將AI應用於增強體驗
現在，讓我們看一下設計師如何應用AI功能來增強以人為中心的用戶體驗。
1. 用於做選擇的AI架構
選擇體系架構是設計不同的選擇方式來呈現給客戶，以及這些選擇的呈現如何影響客戶的決策和行為。
根據希克定律，增加選擇數量將增加用戶的決策時間。簡而言之，您為用戶提供的選擇越多，他們做出決定所需的時間就越長。相反，通過簡化用戶必須做出的選擇數量，用戶可以更快、更自信地做出決策。
作為設計師，您可以利用AI來減少用戶需要的選項數量，甚至減少需要作出選擇的場景。
例如，您可以使用AI預測購買音樂會門票的最佳時間。AI可以將這些選擇範圍縮小到與用戶最相關的選項，而無需設計成用戶在數千個潛在座位中進行選擇。
2. 先發制人的AI幫助
是否能夠預期客戶的挫敗感或痛點，決定了客戶是否流失的可能性。您可以利用AI來識別某些用戶行為，以此預知客戶何時將要放棄。
如果應用蔡加尼克效應，那麼我們會了解到，與成功完成的任務相比，用戶會記住中斷或未完成的任務。這意味著，如果您的用戶無法完成任務，那麼他們將更有可能記住這種挫敗感。
無需等待客戶發起呼叫，我們可以展示可以向用戶提供客戶服務支持的主動消息傳遞。例如，我們可以發表敬酒或短暫的訊息，說“嘿，賈斯汀，我們是來幫助你的！和我們聊聊吧。”這種積極主動的提示表明您在乎我，而我無需繼續感到挫敗感。
3. 實時個性化的AI
作為設計師，我們努力為所有客戶提供最佳的體驗。但是客戶本身可能會有很大的不同，包括技術嫻熟度、技術理解力、是否有使用動機、是否熟悉移動設備等。此外，我們的客戶用例可能會有很大的不同，尤其是對於更復雜的應用程序。
如果我們可以使用AI來根據每個客戶的統計特徵和體驗偏好，來增加個性化的用戶體驗會怎麼樣？
實時個性化 — Uberflip AI
例如，一位使用移動金融應用程序、技術經驗豐富的80後可能對高級手勢和隱含的信息更為熟悉。但是，經驗不足的60後在瀏覽應用時，在整體的信息架構上應該有更明確的提示。
根據我們對客戶的瞭解以及客戶使用該應用程序的方式，我們可以利用AI選擇最佳的交互結構。
05 面向設計師的AI工具和資源
這裡有一些資源和工具，可以更深入地研究AI驅動的UX。
- 非技術AI指南——瞭解AI，機器學習，深度學習等基礎知識。
- Google People + AI——以人為中心的AI的最佳做法指南。
- AI是最新的設計材料——與MoMa高級設計策展人Paola Antonelli進行的問答。
總結
AI驅動的用戶體驗正成為一種越來越普遍的人員和業務能力。學習如何制定解決人類難題的用戶體驗將越來越依賴於智能建模來驅動這些過程。
多年以來，人們期望從他們的數字體驗中獲得更多的增強擴展和自動化。隨著人們注意力達到了極限，我們將依賴於令人愉悅的、簡單的數字體驗進行的工作，並幫助人們做出最佳決策。因此，
用戶體驗設計師的新職責是利用數據科學技術來創造下一代令人愉悅的人類體驗。原文標題：The Designer’s Guide to AI-Driven UX
本文由 @海外設計內參 翻譯發佈於人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基於CC0協議
閱讀更多 人人都是產品經理 的文章
