时代下用户体验设计师怎么做设计
⇨⇦
本文从笔者多年的设计工作角度出发，分析了用户体验设计师在人工智能时代的新职责与方法。
用启发式方法和应用用例来推进AI驱动的用户体验
如今，我们已经看到人工智能作为一种新时代的核心技术而普及，这对于企业的成功至关重要。大众常将AI视为半自主的智能，它可以使我们的机器世界获得类人的认知。我们也可以将AI视为一个可以学习、适应和自我纠正的机器实体。这些观点确实抓住了AI的一些更广泛的本质，但缺乏更实际的画像。
人工智能是计算机对智能行为的模拟或模仿。
——韦伯斯特（Merriam Webster）
为了简化这个概念，我们可以将AI想象为＂计算机对智能行为的模拟或模仿。＂请注意，AI不一定是人类实体的某种人格化，而可以将其视为智能处理的能力。
作为设计师，您可以设想建立一个可预期客户需求的界面，通过积极的帮助来避免他们的挫败感，并帮助他们进行选择吗。您也设想一个可以预测客户想要支付的功能和价格，而不是搭建一个复杂的定价表。或者更好的是，设想一个可以进行自我组织的仪表板，仅向用户显示他想看到的功能。
这里有一些您可能会遇到的AI辅助体验的示例：
买鞋
选择最便宜的航班
选择适合您需求的订阅计划
为您的投资选择最佳的资金分配
选择要播放的下一个节目
尽可能高效地从A点行驶到B点
这对用户体验有何影响？我们该如何设计？让我们来找出答案吧！
01 人工智能是一种能力
首先，设计人员应将AI视为一种能力。能力可以定义为针对特定操作或用例量身定制的应用程序服务。
例如，＂搜索＂就是一项功能。我们可以对数据表、地图或目录使用相同的＂搜索＂功能。从工程角度来看，我们不需要提供三个独立的＂搜索服务＂，而是可以配置搜索功能以扩展到多个功能。
想象一下，我们的应用程序有一个对话界面：
通常的传统是，客户一开始会问一个问题，然后人工客服会回应并帮助他们。
如果我们为该对话功能添加AI，则可以通过训练语言的模型，让这些模型处理该语言，用算法构建最佳响应并返回该响应，从而为对话功能添加智能化的能力。这涉及到自然语言处理和机器学习，在本文中，我们将其归结为人工智能。（我知道某些人可能并不同意，但是我们在这里只专注于设计！）
以下是一些应用的AI的例子：
分析——风险评估，情绪分析，追溯分析
功能——物联网解决方案，机器人，机械设备
互动——个人助理，聊天机器人，Google Home，Alexa
文字——自然语言处理，文字识别，将语音转化为文字
视觉——计算机视觉，增强现实
这些AI的分支可以帮助我们进行决策，解决复杂问题，执行高级计算，预测未来可能性/事件，以及提高现有或未来结果的准确性。
可以使用以下AI方法：
机器学习——利用模式识别和可训练的算法进行自我教学，并对数据进行推断或预测。
神经网络——处理大量折衷的数据输入，以发现潜在的关系或模式。它可以适应不断变化的输入，并可以模仿人类大脑的方式处理信息。
深度学习——模仿人脑在处理数据和创建模式以影响决策时的工作方式。这可以认为是机器学习和神经网络的组合/子集。
Kapil Tandon
02 以人为中心的AI设计
人工智能的主要目的是服务于人类的利益：帮助我们做出决定，获得见解并扩大/自动化我们的世界。作为设计师，必须保持以人为中心的方法来设计利用AI的体验。这意味着我们在整个过程的每个步骤中都要考虑到人的本质：发现问题，建立模型，迭代方法以及校准经验。
设计AI驱动的用户体验时，您是在与用户建立校准式的信任。人工智能帮助推动体验的规模和准确性，这可以培养用户与产品之间的信任感。这种信任有助于形成习惯化的行为，从而使人们在内部和外部都更有动力。
简而言之，令人愉悦的AI可以预测您想在哪里用餐或何时购买演唱会门票，并提高用户的期望，让他们相信可以依赖AI产品来改善生活。
您应该首先问：如何解决这个突出的用户需求问题？然后问：能否通过利用AI功能更好地解决它？人们常常会掉进对AI能力的学习陷阱中，然后试图开发出一种浮于表面的功能特性。
因此，我们可以将AI驱动的用户体验理解为：
AI驱动的用户体验是通过智能计算来简化和增强以人为中心的用户体验，这是通过促进决策、效率、智能和提升愉悦感来达成的。
03 AI驱动用户体验的启发式方法
为了在数字世界中展现这些能力，很重要的一点是：设计师必须应用一套新的启发式方法以适应AI的优势和局限性。
1. 识别并满足人类的需求
AI驱动的用户体验的主要目的是将用户体验增强和自动化，以解决人类面临的重大问题。当务之急是满足用户需求并提出疑问：我们如何使用AI减轻痛点和摩擦，减少认知符合，并为人们提供更好的结果？
以人为中心的机器学习 — 谷歌
2. 与数据科学团队合作
作为设计师，您与数据科学团队（假设您很幸运有这样的合作伙伴）应该是一种持续的合作关系。在这种合作中，您可以帮助团队开发以用户为中心的数据集和模型。为数据团队提供适当的上下文背景，用户原型和用户目标可以帮助他们创建模型并为您提供有洞察力的数据。
您可以一起训练解决用户问题所需的模型，并以人为中心的用户体验适当地展现这些功能。作为设计师的工作，您应该激发数据科学和工程团队：分享愿景、吸引真正的客户、并建立同理心，用于训练以人为中心的模型。
3.了解用户的专业知识和期望
当AI被用来增强用户体验时，您必须了解用户的专业知识水平、期望、由AI驱动增强的复杂性以及决策/结果的规模。
例如，如果您的应用程序正在帮助心脏病专家诊断心脏病，那么医生将希望知道诊断所用的所有数据和注意事项。
但是，如果目标是购买最便宜的音乐会门票，那么一个错误决策的后果是微不足道的。用户仅仅将损失几美元，而不是他们的生命。
您的用户将期望将任何由AI增强的决策都被适当地限定在有确定性和结果的范围内。反复验证或超出期望都将与用户建立起信任关系。
在此示例中，Grid Dynamics使用预测模型来增强市场营销和销售专业人员的能力，帮助他们利用预测数据做出决策。
Grid Dynamics — 用于销售预报分析的人工智能
4. 透明的反馈
具备一致性的反馈可以创建流畅、引人入胜且响应性强的用户体验，这包括界面的处理状态。
例如，当用户触发一项寻找酒店的行为后，您可以插入一个显示信息：＂我们正在为您计算最佳酒店价格和日期！＂这有助于显示您为帮助客户所做的＂工作＂ ，并建立起信任关系。
换句话说，客户知道您正在为他们做一些特别的事情，而不仅仅是正常的酒店查询，这才是更好的设计选择！
这也意味着反馈应该尽可能地人性化。这意味着什么？让我们以下面的聊天机器人为例。我们可以将虚拟助手拟人化，以便更自然地与客户进行坦诚交流。
24/7 AI Bot— 显示上下文反馈以验证用户输入是否被理解
5. 提供替代方案的路径
AI驱动的决策并不总是正确的，即使是正确的决策，也不一定是用户真正想要的。提供替代路径或替代方案很重要，这样您的用户可以做出自己的决定并偏离建议的路径。
例如，假设您正在使用Google地图，然后选择了目的地。系统会为您提供2条路线：A和B。
建议使用A路线，因为它速度更快，而B路线则慢了几分钟，但是您可以沿着美丽的海岸线行驶。在这种情况下，该应用程序提供的优化是为您节省时间，但也许您今天更想要沿着海岸行驶。因此，为您提供选择路线B的选项，可以根据您的偏好选择更好的路线。
回到刚才的聊天机器人示例，我们可以看到它如何认识到无法帮助客户，因此为客户连接到客服代表。
24/7 AI Bot— 为客户提供需要的人工响应选择
6. 预期，减轻和防止错误响应
如果您的交互产品体验严重依赖于AI驱动，那么必须预测用户可以在哪里收到错误的反馈。
例如，如果我们正在进行一个聊天机器人的体验设计，那么我们应该预期用户会收到不合理或完全异常的响应。如果是这种情况，那么我们可以与数据科学团队合作，传达AI提供正确响应所需的准确度。我们还可以构建一种机制，允许用户对错误的反馈进行否定或拒绝，从而触发替代途径。
在下面的矩阵中，我们希望AI决策针对真赞成或真反对进行优化，但要避免假赞成和假反对。任何假赞成和假反对都会使您的用户感到困惑和失望，从而削弱信任和参与度。
来自Google Design的启发
当然，我们应该始终致力于防止错误的反馈对用户体验产生负面影响并破坏信任。如果我们无法避免，那么我们应该主动或被动地减轻错误。
04 将AI应用于增强体验
现在，让我们看一下设计师如何应用AI功能来增强以人为中心的用户体验。
1. 用于做选择的AI架构
选择体系架构是设计不同的选择方式来呈现给客户，以及这些选择的呈现如何影响客户的决策和行为。
根据希克定律，增加选择数量将增加用户的决策时间。简而言之，您为用户提供的选择越多，他们做出决定所需的时间就越长。相反，通过简化用户必须做出的选择数量，用户可以更快、更自信地做出决策。
作为设计师，您可以利用AI来减少用户需要的选项数量，甚至减少需要作出选择的场景。
例如，您可以使用AI预测购买音乐会门票的最佳时间。AI可以将这些选择范围缩小到与用户最相关的选项，而无需设计成用户在数千个潜在座位中进行选择。
2. 先发制人的AI帮助
是否能够预期客户的挫败感或痛点，决定了客户是否流失的可能性。您可以利用AI来识别某些用户行为，以此预知客户何时将要放弃。
如果应用蔡加尼克效应，那么我们会了解到，与成功完成的任务相比，用户会记住中断或未完成的任务。这意味着，如果您的用户无法完成任务，那么他们将更有可能记住这种挫败感。
无需等待客户发起呼叫，我们可以展示可以向用户提供客户服务支持的主动消息传递。例如，我们可以发表敬酒或短暂的讯息，说＂嘿，贾斯汀，我们是来帮助你的！和我们聊聊吧。＂这种积极主动的提示表明您在乎我，而我无需继续感到挫败感。
3. 实时个性化的AI
作为设计师，我们努力为所有客户提供最佳的体验。但是客户本身可能会有很大的不同，包括技术娴熟度、技术理解力、是否有使用动机、是否熟悉移动设备等。此外，我们的客户用例可能会有很大的不同，尤其是对于更复杂的应用程序。
如果我们可以使用AI来根据每个客户的统计特征和体验偏好，来增加个性化的用户体验会怎么样？
实时个性化 — Uberflip AI
例如，一位使用移动金融应用程序、技术经验丰富的80后可能对高级手势和隐含的信息更为熟悉。但是，经验不足的60后在浏览应用时，在整体的信息架构上应该有更明确的提示。
根据我们对客户的了解以及客户使用该应用程序的方式，我们可以利用AI选择最佳的交互结构。
05 面向设计师的AI工具和资源
这里有一些资源和工具，可以更深入地研究AI驱动的UX。
非技术AI指南——了解AI，机器学习，深度学习等基础知识。
Google People + AI——以人为中心的AI的最佳做法指南。
AI是最新的设计材料——与MoMa高级设计策展人Paola Antonelli进行的问答。
总结
AI驱动的用户体验正成为一种越来越普遍的人员和业务能力。学习如何制定解决人类难题的用户体验将越来越依赖于智能建模来驱动这些过程。
多年以来，人们期望从他们的数字体验中获得更多的增强扩展和自动化。随着人们注意力达到了极限，我们将依赖于令人愉悦的、简单的数字体验进行的工作，并帮助人们做出最佳决策。因此，用户体验设计师的新职责是利用数据科学技术来创造下一代令人愉悦的人类体验。