为 AI 应用设计用户体验

(点击上方图片查看本课视频)

用户体验是构建应用程序非常重要的一个方面。用户需要能够高效地使用你的应用来完成任务。高效是其一，但你还需要设计能被所有人使用的应用，使其具有_可访问性_。本章将重点关注这一领域，希望你最终设计出的应用既能被人们使用，也受到欢迎。

介绍

用户体验指的是用户如何与特定产品或服务（无论是系统、工具还是设计）进行交互和使用。在开发 AI 应用时，开发者不仅关注用户体验的有效性，还关注其伦理性。本课将介绍如何构建满足用户需求的人工智能（AI）应用。

本课将涵盖以下内容：

• 用户体验简介与理解用户需求
• 为信任与透明度设计 AI 应用
• 为协作与反馈设计 AI 应用

学习目标

完成本课后，你将能够：

• 理解如何构建满足用户需求的 AI 应用。
• 设计促进信任与协作的 AI 应用。

先决条件

花些时间阅读更多有关用户体验与设计思维的内容。

用户体验简介与理解用户需求

在我们虚构的教育初创公司中，有两类主要用户，老师和学生。每类用户都有其独特需求。以用户为中心的设计优先考虑用户，确保产品对其目标用户相关且有用。

应用应具备实用、可靠、可访问且让人愉悦的特性，以提供良好的用户体验。

易用性

实用意味着应用的功能符合其预期用途，比如自动评分或生成复习闪卡。自动评分应用应能根据预设标准准确高效地评分。类似地，生成复习闪卡的应用应能基于数据生成相关且多样化的问题。

可靠性

可靠意味着应用能持续且无误地执行任务。但 AI 和人类一样不完美，可能出错。应用可能遇到错误或意外情况，需要人工干预或纠正。你如何处理错误？本课最后部分将讲述如何设计 AI 系统与应用以支持协作与反馈。

可访问性

可访问性意味着将用户体验扩展到各种能力层面的用户，包括残疾人士，确保没有人被排除。遵循可访问性准则和原则，使 AI 解决方案更具包容性、易用且对所有用户有益。

愉悦感

愉悦感意味着应用使用起来令人愉快。吸引人的用户体验可积极影响用户，鼓励他们再次使用应用，提升业务收入。

不是所有挑战都能用 AI 解决。AI 用于增强你的用户体验，比如自动化手动任务或个性化用户体验。

为信任与透明度设计 AI 应用

构建信任是设计 AI 应用的关键。信任确保用户相信应用能完成任务，持续提供所需结果。风险在于不信任或过度信任。不信任指用户对 AI 系统几乎没有信任，导致拒绝使用应用；过度信任指用户高估 AI 系统能力，过于依赖它。例如，过度信任自动评分系统可能使教师不检查部分试卷，导致学生成绩不公或错过反馈与改进机会。

确保信任成为设计核心的两种方法是可解释性和控制。

可解释性

当 AI 帮助做出决策，如向未来一代传授知识时，教师和家长理解 AI 如何做出决策至关重要。这即是可解释性——理解 AI 应用如何决定。设计可解释性包括增加细节，突出 AI 如何得出结果。受众应知道输出是由 AI 生成而非人工。例如，不说“现在开始与导师聊天”，而说“使用适应你需求并帮助你按节奏学习的 AI 导师。”

另一个示例是 AI 如何使用用户及个人数据。例如，学生角色的用户可能受限于其角色。AI 不一定能直接透露答案，但可引导用户思考解题方法。

可解释性的最后一个关键部分是简化解释。学生和教师可能不是 AI 专家，因此应用的能力或限制解释应简单易懂。

控制

生成式 AI 创建了 AI 与用户间的协作，例如用户可修改提示以获得不同结果。此外，生成输出后，用户应能修改结果，从而感受到控制权。例如，使用 Microsoft Copilot（前身 Bing Chat）时，可根据格式、语气和长度定制提示。还可以对输出做出更改和调整，如下所示：

Microsoft Copilot 的另一项用户控制功能是允许选择是否让 AI 使用其数据。对于学校应用，学生可能想使用自己的笔记和老师的资源作为复习材料。

设计 AI 应用时，意图性是关键，确保用户不会对 AI 抱有过高期望。一个方法是在提示和结果之间制造摩擦，提醒用户这是 AI，而非真人。

为协作与反馈设计 AI 应用

如前所述，生成式 AI 创造了用户与 AI 之间的协作。多数互动是用户输入提示，AI 生成输出。如果输出错误，应用如何处理错误？AI 会责怪用户吗？还是会解释错误原因？

AI 应用应内置接收和提供反馈的机制。这不仅帮助 AI 系统改进，还能建立用户信任。设计中应包含反馈循环，例如对输出的简单点赞或踩。

另一种处理方式是清晰传达系统能力及限制。当用户请求超出 AI 能力范围时，应有相应处理方法，如下所示。

系统错误在应用中常见，用户可能需要 AI 范围外的帮助，或应用对生成摘要的问题/主题有数量限制。例如，训练数据仅包含历史和数学的 AI 应用可能无法回答地理问题。为缓解此问题，AI 系统可以响应：“抱歉，我们产品仅训练了以下学科的数据……，无法回答您提出的问题。”

AI 应用并不完美，因此不可避免会出错。设计应用时，应确保留有用户反馈和错误处理的空间，且方式简单易懂。

练习任务

以你迄今构建的任何 AI 应用为例，考虑在应用中实施以下步骤：

• 愉悦感： 考虑如何让你的应用更愉悦。你是否在到处添加解释？是否鼓励用户探索？错误信息如何表述？

• 易用性： 构建网页应用。确保应用可用鼠标和键盘导航。

• 信任与透明度： 不要完全信任 AI 及其输出，考虑如何加入人工流程验证输出。还要考虑并实施实现信任与透明度的其他方法。

• 控制： 让用户控制他们提供给应用的数据。实现用户可选择加入或退出 AI 应用中的数据收集的机制。

继续学习！

完成本课后，查看我们的生成式 AI 学习合集，继续提升你的生成式 AI 知识！

前往第 13 课，我们将探讨如何保障 AI 应用安全！

---

免责声明： 本文件由 AI 翻译服务 Co-op Translator 翻译完成。尽管我们力求准确，但请注意，自动翻译可能包含错误或不准确之处。原始语言版文件应视为权威来源。对于重要信息，建议使用专业人工翻译。我们对因使用本翻译而产生的任何误解或误释不承担责任。