Mendesain pengalaman pengguna AI

Dari perspektif pengguna, sistem AI pada dasarnya tidak pasti. Model ini dapat menghasilkan hasil yang tidak konsisten dan sering membuat kesalahan. Antarmuka pengguna menawarkan banyak peluang untuk menyerap, memfilter, dan mengurangi frustrasi yang disebabkan oleh batasan AI. Sebagai developer, Anda memainkan peran penting dalam membentuk pengalaman pengguna AI karena Anda memiliki insight yang lebih mendalam tentang bagaimana dan di mana sistem AI cenderung gagal.

Salah satu pertimbangan desain utama adalah seberapa besar kontrol yang dimiliki pengguna atas AI. Beberapa peluang tidak terlihat oleh pengguna, sementara yang lain memiliki interaksi eksplisit. Eksposur yang lebih besar berarti lebih banyak fleksibilitas, tetapi juga lebih banyak risiko dan kompleksitas yang harus dikelola.

Dalam modul ini, kita akan mempelajari praktik terbaik untuk mendesain pola pengalaman pengguna (UX) untuk tiga jenis eksposur: latar belakang, terbatas, dan terbuka. Untuk setiap jenis, kami menyoroti bagaimana pilihan teknis dan arsitektur memengaruhi pengalaman pengguna sistem AI.

AI Latar Belakang

AI dapat digunakan untuk meningkatkan pengalaman yang ada secara halus tanpa memperkenalkan fitur baru. Hal ini meminimalkan potensi gangguan dan kegagalan. Dalam hal ini, tanggung jawab atas kegunaan, keandalan, dan penurunan kualitas yang baik sepenuhnya berada pada produk. Pengguna tidak perlu mempelajari cara kerja AI, atau bahkan mengetahui bahwa AI terlibat, untuk mendapatkan manfaat darinya.

AI Latar Belakang paling tepat digunakan saat:

• Tugas ini berisiko rendah.
• Kontrol pengguna tidak akan meningkatkan hasil secara signifikan.
• Produk tetap dapat memberikan nilai intinya, meskipun fitur AI gagal atau tidak tersedia.

Ada banyak contoh AI latar belakang di seluruh web, mulai dari filter spam hingga rekomendasi hiburan, atau bahkan contoh yang kompleks, seperti komentar aliran peluru BILIBILI. Beberapa fitur ini bahkan mungkin tidak Anda anggap sebagai "AI".

Contoh: Ringkasan dan poin penting ulasan yang didukung AI

Ingat Example Shoppe? Sejauh ini kami telah membagikan dua cetak biru sistem untuk berbagai fitur AI, termasuk fitur dukungan pelanggan dan penelusuran produk yang ditingkatkan. Sekarang, kami memperkenalkan fitur ketiga: ringkasan ulasan. Lihat blueprint sistem AI.

Halaman produk sering kali berisi ratusan ulasan. Bagi pengguna, mungkin sulit untuk mengevaluasi karakteristik yang sebenarnya penting bagi mereka.

Anda dapat menggunakan AI untuk menawarkan tema berulang dalam penelusuran mereka guna memberikan ringkasan dan poin penting ulasan yang dipersonalisasi. Dalam contoh antarmuka kami, pengguna mencari headphone, sehingga tema kualitas suara dan daya tahan baterai disoroti. Hal ini mengurangi beban kognitif dan dapat menghasilkan keputusan pembelian yang lebih cepat.

Karena ringkasan unik untuk setiap orang, Anda harus memprioritaskan privasi dan kecepatan saat memilih platform Anda. Anda dapat memilih AI bawaan dan Summarizer API, sehingga komputasi terjadi langsung di perangkat pengguna.

Praktik terbaik

Ikuti panduan berikut agar fitur AI Anda berpadu secara lancar dengan pengalaman pengguna yang ada:

• Memberikan transparansi yang ringan: Saat AI mengubah atau menggabungkan konten buatan pengguna, isyarat halus akan menetapkan ekspektasi pengguna Anda. Anda dapat menggunakan label netral seperti "Ringkasan" atau "Insight utama", dan menambahkan pengungkapan progresif, melalui tooltip atau elemen UI lainnya.
• Izinkan penonaktifan: Orang memiliki sikap yang berbeda terhadap AI. Sebagian orang mungkin bereaksi terhadap AI sebagai sesuatu yang mengganggu, membebani, atau menjengkelkan. Berikan jalur yang jelas untuk menonaktifkan fitur ini.
• Perhatikan pilihan kata: Bahasa adalah bagian penting dari pengalaman pengguna, termasuk teks yang dihasilkan AI. Dalam contoh kami, ringkasan harus mencerminkan tren, bukan klaim. Tambahkan aturan ke perintah sistem Anda untuk mengurangi atau menghilangkan bahasa yang terlalu percaya diri dalam ringkasan.
• Merancang penggantian yang lancar: Jika memungkinkan, berikan nilai tanpa AI. Jika ringkasan tidak tersedia karena alasan teknis, seperti model yang tidak tersedia, sistem tetap harus menawarkan ulasan yang tidak diringkas. Setelah model didownload, aplikasi Anda dapat otomatis menampilkan ringkasan baru.
• Minimalkan gangguan selama penyiapan: Download awal model sisi klien dapat menimbulkan masalah. Tunjukkan nilai fitur terlebih dahulu. Anda dapat menambahkan penggantian terbatas di sisi server atau memindahkan download ke akhir perjalanan pengguna, sehingga gangguan dapat diminimalkan. Penentuan waktu dan pembangunan konteks yang tepat akan membantu menyelaraskan produk Anda dengan prioritas pengguna.

AI yang Dibatasi

Meskipun AI latar belakang berjalan secara otomatis, fitur AI terbatas dipicu secara eksplisit oleh pengguna, sering kali dengan link atau tombol. Anda menentukan tugas, maksud, batasan, dan format output dalam perintah sistem. Tidak seperti kursor perintah terbuka, pengguna memiliki sedikit atau tidak ada opsi di luar memulai tugas dan menerima output. Sistem mempertahankan prediktabilitas dengan membatasi secara ketat apa yang boleh dilakukan AI.

Sama seperti AI latar belakang, fitur AI terbatas cocok dengan model sisi klien yang disesuaikan untuk tugas tertentu.

Contoh: Pembuatan judul

Pembuatan judul bisa menjadi tugas yang sangat menantang. BlogBuddy menggunakan AI untuk membantu penulis menawarkan judul yang relevan dan kontekstual dengan sedikit upaya. Tinjau blueprint sistem AI untuk fitur ini.

Pengguna dapat mengklik Tampilkan Judul untuk membuat beberapa draf untuk evaluasi dan penyempurnaan.

Kami telah membahas cara penerapan ini dengan Prompt API di bagian Rekayasa perintah. Buat perintah sistem yang mengodekan tugas, batasan gaya, dan struktur output. Hanya konten postingan blog yang diteruskan secara dinamis dari UI. Dengan penerapan sisi klien, fitur ini dioptimalkan untuk melakukan iterasi tanpa biaya penyiapan.

Praktik terbaik

Sasaran Anda adalah mendorong pengguna untuk menggunakan fitur baru. Untuk melakukannya, tunjukkan nilai dan berikan kontrol atas hasil kepada mereka:

• Sampaikan kejelasan dan keyakinan: Label tindakan yang jelas selalu lebih disukai daripada bahasa umum, seperti "Tanya AI". Pengguna Anda harus dapat memahami apa yang terjadi, di luar bagaimana hal itu terjadi. Jika latensi fitur Anda rendah, tambahkan label yang menyampaikan bahwa hasilnya sudah tersedia. Misalnya, Tampilkan Judul, bukan Buat Judul.
• Selalu memberi tahu pengguna: Tambahkan sedikit gesekan kognitif untuk membuat pengguna tetap waspada. Dengan menawarkan beberapa pilihan, Anda dapat mencegah pengguna merasa terjebak dengan hasil yang mungkin tidak mereka sukai. Pengguna harus dapat menerima atau mengedit hasil secara eksplisit sebelum disimpan.
• Jika memungkinkan, siapkan hasil sebelumnya: Terutama untuk tugas sisi klien, pertimbangkan untuk menghitung hasil sebelumnya, sehingga hasil tersedia dengan segera.
• Mendukung iterasi cepat: Regenerasi harus mudah, dapat dibatalkan, dan murah. Pengguna harus memiliki opsi untuk mengurungkan tindakan mereka. Kumpulkan sinyal masukan ini agar Anda dapat menyempurnakan fitur untuk menjalankan tugas di masa mendatang.
• Jika diperlukan, berikan kontrol yang lebih terperinci: Elemen terstruktur tambahan seperti tag nuansa, pemilih durasi, atau gaya preset dapat digunakan untuk menyempurnakan hasil. Dalam banyak kasus, kebutuhan akan kontrol tambahan muncul seiring waktu, seiring dengan berkembangnya keyakinan dan persyaratan pengguna. Siapkan feedback loop yang memungkinkan Anda melacak perkembangan ini.

Cara memilih antara AI latar belakang dan AI terbatas

Beberapa fitur dapat diimplementasikan sebagai AI latar belakang atau AI terbatas, bergantung pada cara dan waktu Anda menampilkannya. Perbedaan ini dipengaruhi oleh visibilitas, beban kognitif, dan waktu, bukan kemampuan yang tersedia. Misalnya, alih-alih memerlukan klik tombol eksplisit, judul dapat disiapkan secara proaktif di latar belakang, saat pengguna menulis. Saat pengguna memfokuskan kolom judul, Anda dapat menyajikan saran.

Pendekatan ini berfungsi optimal jika:

• Input yang diperlukan oleh fitur tersedia secara default
• Jumlah fitur yang didukung AI sedikit
• Biaya pra-komputasi rendah
• Saran dapat diintegrasikan tanpa mengganggu pengguna dalam menyelesaikan tugasnya

Sebaliknya, AI yang dibatasi lebih disukai dalam produk dengan beberapa fitur atau tindakan AI. Pemicu eksplisit membantu menghindari komputasi yang tidak perlu, dan memberi pengguna rasa maksud dan kontrol yang lebih kuat.

AI dengan jawaban terbuka

AI terbuka memberi pengguna kontrol langsung atas perilaku sistem AI dengan input bentuk bebas. Alih-alih memicu tindakan yang telah ditentukan sebelumnya, pengguna dapat memberikan konteks dalam bahasa alami. Setelah dikirimkan, sistem AI menafsirkan maksud, menambahkan konteks yang hilang, dan menebak tindakan terbaik yang harus dilakukan selanjutnya.

Input sangat individual dan sering kali tidak dapat diprediksi, dan sistem AI Anda harus dapat menangani variabilitas ini. Jenis ini menawarkan fleksibilitas tertinggi, tetapi juga risiko tertinggi terhadap pengalaman pengguna:

• Input pengguna ambigu atau tidak lengkap
• Output yang tidak dapat diprediksi
• Kemungkinan lebih tinggi untuk mendapatkan respons yang salah atau menyesatkan
• Peningkatan risiko terlalu percaya
• Upaya untuk membahayakan sistem, misalnya, dengan membuatnya menghasilkan konten yang tidak pantas

Contoh: Agen dukungan pelanggan yang didukung AI

Untuk Example Shoppe, dukungan pelanggan mencakup berbagai masalah: pelacakan pesanan, pengembalian, pertanyaan produk, masalah pengiriman, dan kasus ekstrem yang tidak sesuai dengan alur kerja yang jelas. Segarkan ingatan Anda tentang cetak biru sistem AI, dari modul Platform.

Setelah menambahkan fitur AI terbatas untuk tindakan yang paling umum, antarmuka Anda mungkin penuh. Sebagai gantinya, agen dukungan AI yang fleksibel dapat memberikan fleksibilitas.

• Selesaikan masalah umum dengan cepat.
• Mengurangi waktu tunggu dan biaya dukungan.
• Memberikan bantuan langsung untuk berbagai topik, tanpa alur dukungan yang rumit.

Nilai agen dukungan terletak pada penanganan variabilitas dalam skala besar. Pada akhirnya, Anda perlu membangun sistem yang dapat menangani input ini secara bertanggung jawab. Meskipun Anda berharap dan mengharapkan pengguna menggunakan penilaian terbaik mereka dan mengalibrasi kepercayaan, Anda mungkin bertanggung jawab atas respons yang salah yang diberikan oleh model.

Pengguna membuka chat dengan agen, bertanya, "Di mana pesanan saya?" atau "Saya ditagih dua kali—dapatkah Anda membantu?" Agen menafsirkan maksud, mengajukan pertanyaan klarifikasi, mengambil informasi yang relevan, dan menyarankan langkah atau tindakan berikutnya.

Sebagian besar sistem AI terbuka mengandalkan model sisi server. Komponen ini dapat digabungkan dengan komponen lain, seperti database, alat eksternal, dan logika bisnis, untuk membentuk sistem AI gabungan. Anda harus menyediakan jalur eskalasi ke agen dukungan manusia.

Praktik terbaik

Fokus pada transparansi, kalibrasi kepercayaan, dan mekanisme kontrol:

• Mengarahkan pengguna untuk menyatakan maksud dengan jelas: Berikan saran perintah ("Saya ingin mengembalikan pesanan") dan saran tindak lanjut untuk mengurangi ambiguitas.
• Tampilkan status dan asumsi sistem: Agen harus mengomunikasikan dengan jelas apa yang dipahaminya ("Sepertinya Anda bertanya tentang pesanan 12345") dan informasi apa yang digunakannya.
• Tanya sebelum bertindak: Sebelum melakukan tindakan sensitif, seperti pengembalian barang, pengembalian dana, perubahan alamat, agen harus meringkas tindakan dan meminta konfirmasi pengguna.
• Desain untuk verifikasi dan koreksi: Pengguna harus dapat mengoreksi kesalahpahaman, mengubah permintaan, atau memutar ulang percakapan, tanpa harus memulai dari awal.
• Gabungkan dengan fitur AI terbatas: Percakapan timbal balik yang terlalu banyak dapat membuat pengguna enggan berinteraksi. Menambahkan elemen terstruktur sebagai pintasan. Misalnya, nomor pesanan yang disimpulkan dapat ditampilkan sebagai elemen yang dapat diklik yang memungkinkan pengguna menelusuri, memilih, atau menggantinya, daripada mengharuskan mereka menyusun ulang permintaan dalam teks.
• Menyampaikan ketidakpastian dan batasan: Agen harus mengakui ketidakpastian, menandakan informasi yang hilang, dan melakukan eskalasi dengan baik kepada manusia saat tingkat keyakinan rendah.

Jenis pengalaman AI ini mengharuskan pengguna Anda mengevaluasi respons secara kritis, dan memahami kapan harus melakukan eskalasi.

Poin-poin penting

Dalam modul ini, kita telah meninjau berbagai jenis pengalaman pengguna AI:

• AI Latar Belakang memungkinkan Anda menambahkan nilai atau kesenangan tambahan ke perjalanan pengguna yang sudah ada.
• Fitur AI terbatas dapat digunakan untuk kasus penggunaan spesifik yang terdefinisi dengan baik dan paling baik dilakukan dengan AI.
• AI terbuka diperlukan untuk domain dengan variabilitas tinggi. Gunakan hanya opsi terbuka jika Anda sangat yakin dengan performa teknis sistem Anda.

Tabel berikut merangkum pola UX yang direkomendasikan untuk setiap jenis AI:

Bacaan lebih lanjut

Untuk terus mempelajari pola UX, kami merekomendasikan referensi berikut:

• Baca Panduan People + AI Google.
• HAX Toolkit Microsoft, khususnya panduan mereka untuk interaksi manusia-AI.
• The Shape of AI oleh Emily Campbell.
• Bab 10 dari The Art of AI Product Development.

Uji pemahaman Anda