2024 年是人工智能取得重大進步的一年,這項技術以驚人的速度融入我們的職業和個人生活。
在家里,我很享受看著我的三個小兒子以他們自己獨特的方式沉浸在人工智能世界里。他們被最新一波的人工智能玩具所吸引,尤其是我們家的新“寵物”機器人Loona。它能用近乎科幻般的對話讓他們著迷——這得益于與2024年5月發布的GPT-4o的集成。Loona激發了孩子們的好奇心,引發了他們富有想象力的人機對話,甚至引發了兄弟姐妹之間關于它如何“思考”的熱烈討論。他們的興奮提醒我們,人工智能已經在塑造下一代人與科技的關系——使其更加個性化、引人入勝,甚至更容易被理解。
這種驚奇感一直延續到2025年,伴隨著NVIDIA在CES上令人嘆為觀止的主題演講拉開帷幕,這場演講展示了人形機器人的進步。NVIDIA首席執行官黃仁勛的演示凸顯了他對機器人和人工智能發展現狀的著迷,以及他對未來幾年快速變革步伐的有力預測。
對于用戶體驗設計師來說,在人工智能快速發展的時代,好奇心與奉獻精神的結合至關重要。擁抱人工智能需要我們重新思考我們的流程,理解該技術的底層系統,并確保人類價值觀和用戶需求始終是我們創作的核心。擁抱人工智能需要我們重新思考我們的流程,了解該技術的底層系統,并確保人類價值觀和用戶需求仍然是我們創造的核心。
隨著人工智能成為數字創新的支柱,我們作為設計師的角色也在不斷演變。我們不僅要塑造界面,更要打造將以人為本的原則與全新的技術交互方式相融合的體驗。這種轉變要求我們像技術人員一樣思考,擁抱數據驅動的系統,并將用戶中心置于人工智能項目之中。
為了引領這一轉變,領先的科技公司和大學為以人為本的人工智能提供了切實可行的戰略。在本文中,我將分享來自 IBM、谷歌、微軟和卡內基梅隆大學的用戶體驗框架,為應對人工智能技術和工具的快速發展提供洞見和資源。
IBM 的AI/人類情境模型是其AI 設計實踐的核心。該模型提供了一個結構化的框架,確保 AI 解決方案能夠與用戶無縫交互,并隨著用戶輸入而不斷演進,同時尊重并增強其運行環境。
IBM 的 AI/人類情境模型旨在指導符合人類需求和價值觀的 AI 系統的開發。該模型將 AI 驅動的體驗分解為幾個關鍵考量因素,每個因素對于創建有目的性、情境感知和以人為本的解決方案都至關重要:
Google 的可解釋性評估標準 (Explainability Rubric)提供了一個清晰的框架,用于創建透明、公平且以用戶為中心的 AI 系統,并重點強調了 22 條需要與用戶分享的關鍵信息。隨著 AI 不斷影響我們的工作方式、與企業的互動方式,甚至成為我們表達自我的工具,確保用戶能夠理解并信任這些系統至關重要。
該評分標準分為三個信息級別:一般級別、特征級別和決策級別。
微軟的HAX 工具包是一個綜合框架,專為開發面向用戶的 AI 產品團隊而設計。它有助于概念化 AI 系統的功能和行為方式,使其成為設計早期階段的實用工具。
HAX 工具包功能多樣,允許團隊根據自身獨特的需求、用例、產品類別和目標,混合搭配其設計工具。HAX 工具包的關鍵組件包括:
AI 頭腦風暴工具包由卡內基梅隆大學人機交互 (HCI) 研究所的研究人員創建,旨在提煉 AI 能力,幫助團隊探索如何利用 AI 構建應用。創新的停滯往往并非源于技術,而是因為團隊選擇了錯誤的項目。AI 頭腦風暴工具包解決了這個問題,提供了一種結構化的方法來設計既技術可行又以用戶為中心的 AI 驅動解決方案。
該套件的結構化方法降低了開發不相關或不必要的AI解決方案的風險。通過關注AI的功能和用戶的需求,該套件使團隊能夠進行周到而有效的創新。該套件將AI功能分為不同的功能,例如:
它概述了 40 個涵蓋醫療保健、教育和交通等不同領域的真實 AI 產品示例。該工具包還包含創意提示、影響力-投入矩陣和績效-專業知識網格等工具,可指導用戶選擇具有高影響力且可行的創意。要使用該工具包,首先要查看 AI 功能和示例,以激發您的團隊靈感。然后,進行結構化的頭腦風暴會議,探索機會、完善概念并評估潛在解決方案。該資源非常適合研討會、組織戰略會議和創新實驗室,確保團隊設計出具有影響力且以用戶為中心的 AI 產品。
《People + AI 指南》由 Google 的多學科團隊People + AI Research (PAIR) 創建,提供了方法、最佳實踐、案例研究和設計模式的全面資源,旨在幫助設計師、開發人員和產品團隊創建有影響力的 AI 驅動解決方案。
該指南介紹了 20 多種設計模式,為 AI 產品設計提供了實用且以行動為導向的指導。這些模式專注于解決產品開發過程中的關鍵挑戰,并圍繞常見問題進行組織,以幫助團隊找到相關的見解。
這五個框架為設計能夠自然融入我們日常生活的人工智能奠定了基礎——無論是好玩的、會對話的機器人玩具,還是讓我們保持井然有序、高效的應用程序。作為用戶體驗設計師,以人為本的框架來處理人工智能意味著要在新技術能力與責任之間取得平衡,審視人工智能是否已準備好并適用于每個用例,并構建具有用戶反饋循環的系統以推動持續改進。