今天，無論是面向個人的應(yīng)用還是企業(yè)級軟件，人工智能都在其中發(fā)揮了重要作用。而未來更多的產(chǎn)品和服務(wù)也一定是數(shù)據(jù)和人工智能驅(qū)動的。

我始終堅信這樣一個觀點：

“真正能落地，能產(chǎn)生業(yè)務(wù)價值的AI產(chǎn)品和服務(wù)，在其被創(chuàng)造的過程中，除人工智能算法工程師外，其他角色的作用也不能忽視，特別是用戶體驗設(shè)計師?！?/span>

有很多設(shè)計師在公眾號留言：

• “人工智能技術(shù)會給產(chǎn)品體驗帶來哪些變化？”
• “由數(shù)據(jù)和人工智能技術(shù)驅(qū)動的產(chǎn)品，功能設(shè)計會和以前有很大不同嗎？”
• “作為用戶體驗設(shè)計師，應(yīng)該如何理解人工智能技術(shù)，并在此基礎(chǔ)上賦予產(chǎn)品智能感和科技感？”

前幾天，我們的CEO Jerry(算法專家)在朋友圈也分享了他對于算法和設(shè)計的觀點，引起了不小的討論。

那么，站在設(shè)計師的角度，我今天想和大家分享一下我是如何理解AI驅(qū)動的產(chǎn)品及其體驗設(shè)計的。

如何設(shè)計AI產(chǎn)品的用戶體驗？

人工智能帶來的影響是全方位的，數(shù)據(jù)和算法驅(qū)動的產(chǎn)品的功能形態(tài)、表現(xiàn)形式以及設(shè)計理念需要隨之而演變。圍繞這個話題，我們試圖深入到智能化產(chǎn)品的本質(zhì)，去找到那些真正專屬于智能化產(chǎn)品的體驗要素，而不是純粹的外在形式。

形式追隨功能是我們信奉的設(shè)計原則，產(chǎn)品的外在形態(tài)應(yīng)該與其內(nèi)在功能特性相符。

1. 告知用戶算法的能力邊界

這一點好像和大家期待的智能化趨勢背道而馳。從產(chǎn)品使用體驗的角度來看，首先建立正確的用戶期待是至關(guān)重要的。因為對于智能化產(chǎn)品總是存在兩種涇渭分明的態(tài)度：

• 有一類人期待很高，認為它無所不能
• 有一類人會認為現(xiàn)在的AI根本沒什么智能可言，反而是“人工智障”。

這兩種態(tài)度是我們在構(gòu)建產(chǎn)品體驗時需要重點關(guān)注的，特別是對于第一種抱著過高期待的用戶。因為當用戶的高期待遭遇產(chǎn)品能力的局限時，落差會讓用戶感到失望，這種情緒會對用戶體驗造成極大的損害。

有很多關(guān)于智能化產(chǎn)品的設(shè)計指南與資料都將設(shè)置正確的期待作為智能化產(chǎn)品設(shè)計的重要準則，比如Google的People+AI Guidebook?！?/span>

如何通過產(chǎn)品設(shè)計來引導(dǎo)用戶建立正確的期待呢？

在這方面fronty為我們做了很好的示范。下圖展示的是fronty的User Guide，fronty的核心功能是能直接將網(wǎng)站的設(shè)計稿圖片轉(zhuǎn)換成代碼，但是并非所有布局都能還原，因此它提供了一個User Guide來告知用戶哪些類型的布局是模型能處理的，哪些不能。

這樣一個說明能夠幫助用戶對產(chǎn)品的能力邊界有清晰的認識，從而形成合理的期待，當結(jié)果產(chǎn)生偏差時也不至于感到太失望。

2. 在使用過程中向用戶解釋算法的原理

算法對于普通用戶來說就像一個黑盒子，如果我們不做任何解釋就直接將算法產(chǎn)生的結(jié)果呈現(xiàn)給用戶，用戶會很容易產(chǎn)生疑惑，進而無法信任產(chǎn)品。所以向用戶解釋算法的原理，讓用戶理解為什么結(jié)果是這樣，這一點是構(gòu)建智能化產(chǎn)品的體驗時必須要具備的特征。

在微信讀書中每一項被推薦的內(nèi)容都帶有一個簡單的推薦理由。通過這個描述，用戶便能理解產(chǎn)品的工作原理，從而在作出選擇時更自信，也更信賴產(chǎn)品。

在to B產(chǎn)品中，算法的原理可能比較復(fù)雜，此時很難用這樣簡短的描述說清楚背后的原理。這時在設(shè)計上通常會采取的策略是漸進式的解釋(Progressive disclosure)。

這個例子展示了智能工單系統(tǒng)中產(chǎn)品具備的自動分類功能，當用戶輸入問題描述后算法會自動選擇問題類型。

• 系統(tǒng)首先是在問題類型輸入框直接顯示了系統(tǒng)推薦的類型，此時并沒有過多的解釋-Level 1
• 如果用戶存在疑問，此時用戶展開下拉列表會看到在每個問題類型后面都給出了系統(tǒng)的推薦值，告訴用戶為什么最終選擇了這個類型 - Level 2
• 當用戶鼠標移動到“System Recommendation”上時，界面中會展示出用戶輸入的問題描述中的關(guān)鍵詞和類型的關(guān)系 - Level 3

通過這樣層層遞進的方式，既保持界面簡潔，同時又降低用戶的認知負荷，從而促進用戶更好地理解算法原理。當用戶能夠理解產(chǎn)品的工作原理，才有可能愿意使用產(chǎn)品。

當然也不能忽略時間維度。時間維度是體驗設(shè)計中一個非常重要的因素。隨著用戶越來越熟悉產(chǎn)品，他們會從新手變成老手。面向新用戶和老用戶的設(shè)計策略是不同的。特別是在企業(yè)級應(yīng)用這種重效率的產(chǎn)品中。

當用戶通過幾次使用理解了模型背后的邏輯，與產(chǎn)品之間建立了信任，那么原有的解釋信息對用戶而言價值就不大了。這時可以考慮將這些信息弱化或隱藏起來。這樣做有助于減少干擾信息，提高產(chǎn)品閱讀和使用效率。

3. 標識出結(jié)果的可信程度

我們知道機器學(xué)習(xí)是根據(jù)統(tǒng)計學(xué)原理來計算結(jié)果，因此出錯的可能總是存在。除了上面說的要建立合理的期待，讓用戶能理解算法的原理之外，告知用戶結(jié)果的可信程度也是智能化產(chǎn)品使用體驗的一個不可缺少的要素。

這是一個名叫Magi的搜索引擎網(wǎng)站，可以看到每個搜索結(jié)果后面都有一個數(shù)字，表示這個模塊中內(nèi)容的最高可信評分。這樣做的好處是，當無法達到絕對的準確或可信時，能夠給用戶一個直觀的參考，并將最終決定權(quán)交給用戶，避免對用戶產(chǎn)生誤導(dǎo)。

4.展示學(xué)習(xí)和成長的過程

學(xué)習(xí)和成長是智能化產(chǎn)品與傳統(tǒng)產(chǎn)品最根本的差別。

機器學(xué)習(xí)模型是會成長的，它成長的營養(yǎng)來自持續(xù)不斷的數(shù)據(jù)輸入。同樣的模型，輸入不同的數(shù)據(jù)得到的結(jié)果是不同的。這意味著不同用戶使用同一個產(chǎn)品，但看到的內(nèi)容是千人千面的，也意味著不同企業(yè)采購?fù)惶字悄芑a(chǎn)品，由于自身數(shù)據(jù)的差異，產(chǎn)品本身也會形成各自的特點。

為什么要強調(diào)向用戶展示產(chǎn)品學(xué)習(xí)和成長的過程呢？

因為這一點會影響智能化產(chǎn)品的落地效果。讓用戶認識到產(chǎn)品需要成長和正在成長，才能真正讓用戶意識到數(shù)據(jù)對于模型的重要性，并逐步形成與傳統(tǒng)產(chǎn)品不同標準來看待和評價智能化產(chǎn)品。

我們還是來看Magi。當你打開http://magi.com等待一會兒，你會看到界面中動態(tài)展現(xiàn)Magi正在學(xué)習(xí)的內(nèi)容和結(jié)果。

另外，在搜索結(jié)果頁右側(cè)展示了對應(yīng)關(guān)鍵詞的學(xué)習(xí)來源。

通過展示模型成長的過程，用戶能夠感知到模型的變化，也能逐漸意識到輸入的數(shù)據(jù)對模型的影響，從而促進用戶形成新的心智，用新的衡量標準去看待和評價智能化產(chǎn)品。

以上是我們認為智能化產(chǎn)品所應(yīng)具備的比較重要的特征。而所有這些呈現(xiàn)在表面的特征的背后蘊含著一個重要的概念，那就是智能化產(chǎn)品是“活”的，他會學(xué)習(xí)和成長。

在AI時代，正是因為產(chǎn)品是“活”的，所以人機之間不再是簡單的交互關(guān)系，而是協(xié)作關(guān)系。

在過去說人機交互，主要強調(diào)的是人發(fā)出指令，機器做出反應(yīng)，然后人再發(fā)出下一步指令，如此往復(fù)。而今天，人與智能化產(chǎn)品的互動，與其說是交互，不如說是人與機器相互協(xié)作更準確。我認為這種關(guān)系的改變所帶來的深層的影響是我們在創(chuàng)造智能化產(chǎn)品的體驗過程中需要不斷探索的命題。

摹因是如何被設(shè)計的？

摹因是服務(wù)于銷售實踐的溝通對話智能分析平臺，加工的數(shù)據(jù)是銷售和客戶的對話（語音、文本和視頻等），需要用到的人工智能技術(shù)是語音識別和自然語言處理，還有統(tǒng)計分析等。無容置疑，它是典型的AI驅(qū)動的智能產(chǎn)品。那么我們應(yīng)該如何設(shè)計，如何讓它具有這些特征呢，或者哪些特征是與摹因所具有的智能屬性相匹配的呢？

我們以兩個功能點為例：

1. 對話分析

摹因的核心功能之一就是對每次銷售與客戶溝通過程進行解讀和分析。每一次溝通產(chǎn)生的數(shù)據(jù)就是用戶用來喂養(yǎng)模型的養(yǎng)分--語料。

銷售每次溝通都會被記錄到系統(tǒng)中作為模型的輸入。當有新的數(shù)據(jù)產(chǎn)生時模型都會從中學(xué)到新的知識，而在界面上用戶會看到今天模型又學(xué)到了什么。

2. 優(yōu)秀實踐

我們再來看優(yōu)秀實踐這個功能，它通過向每個銷售有針對性地推薦優(yōu)秀溝通實踐片段來幫助銷售提升銷售技能，完善銷售行為。

銷售團隊管理者的職責之一在于幫助團隊提升銷售技能，其中如何指導(dǎo)銷售員提升自身處理各種溝通中遇到的問題的能力，是管理者的一項重要任務(wù)，也是痛點之一。

過去管理者在指導(dǎo)過程中由于很難還原真實的場景，大多數(shù)時候只能給一些方向性的建議，但是往往效果不佳或者低效。

有了摹因之后，我們可以將每次溝通完整記錄下來并且從中挑選出最佳實踐供銷售們回顧和學(xué)習(xí)。算法會結(jié)合每個銷售員的情況有針對性地推薦相關(guān)的優(yōu)秀實踐片段，并且會在每個推薦內(nèi)容上標識出相關(guān)度，并解釋為什么推薦了這些片段。

設(shè)計思維+人工智能

在SAP工作多年，我們一直在用Design Thinking/設(shè)計思維所倡導(dǎo)的設(shè)計理念與方法流程來進行產(chǎn)品研發(fā)。設(shè)計思維最早由IDEO公司提出，經(jīng)過多年發(fā)展已經(jīng)應(yīng)用于很多行業(yè)的產(chǎn)品研發(fā)過程中。

設(shè)計思維是以用戶為中心，強調(diào)快速迭代。機器學(xué)習(xí)是以數(shù)據(jù)為中心，強調(diào)數(shù)據(jù)+模型閉環(huán)驅(qū)動。

如何把設(shè)計思維與人工智能產(chǎn)品相結(jié)合是我們一直在思考的問題，并以此為基礎(chǔ)不斷優(yōu)化升級摹因的智能水平和用戶體驗。

如果你想了解更多關(guān)于智能化產(chǎn)品的設(shè)計與研發(fā)方面的知識和經(jīng)驗，歡迎持續(xù)關(guān)注 摹因智能 公眾號。