自由形式AI是如今公司将AI整合到其产品中的最常见方式。UI通常呈现为侧边栏或嵌入式弹出窗口，允许用户随时访问。

一些自由形式AI的例子包括Microsoft Co-pilot、Notion Q&A和Taskade AI。

虽然自由形式AI的优势在于用户可以随时访问它，并且可以执行他们希望实现的任何任务，但其自由形式的特性通常会伴随一些问题：

❌ AI能做什么不清楚 - 由于完全是自由形式的，它在很大程度上依赖用户对AI的了解，以便有效地使用AI。提供如何入门的说明可能有所帮助，但很多时候你需要更多地引导用户，比如提供教程、社区示例等，以帮助新用户入门。

❌ 结果的可预测性低 - 自由形式AI可能会产生许多意想不到的结果或对设计师或开发人员在实施过程中处理具有挑战性的边缘情况。例如，AI的响应时间可能高度取决于用户的请求。如果管理不当，用户可能会对结果感到沮丧。

任务驱动AI通常用于帮助用户执行特定任务 - 例如总结内容、翻译文本等。这种类型的AI通常通过单个按钮激活，允许用户完成特定任务而无需与AI进行交互或输入任何数据。

任务驱动AI的例子包括Miro的AI聚类功能、Arc的整洁标签功能和Grammarly的AI语法校正功能。

常见问题:

❌ 缺乏上下文：为了使AI产生准确的结果，提供足够的上下文是必要的。然而，任务驱动AI通常缺乏用户输入上下文的界面，可能会阻止用户实现他们期望的结果。产品构建者需要整合机制，自动促进在AI功能内部包含上下文。缺乏足够的上下文，用户可能会发现AI的响应不足或令人沮丧。

❌ 缺乏反馈循环：研究表明，用户不够信任AI完全自主地处理任务；相反，他们更倾向于审查并可能调整AI的输出。然而，任务驱动AI的性质有时意味着用户没有机会审查并提供反馈AI的输出。这种差异可能导致用户期望与AI的自主行为之间存在脱节。

第三种形式的AI是那些在后台工作且对用户不可见的AI。这些AI与用户没有交互，工作在后台以提供最佳用户体验。

这种形式的例子包括Netflix，它为您推荐合适的系列或电影，或者Facebook，它根据您的习惯自动生成推荐。

常见问题:

❌ 隐私问题：AI的隐形操作虽然大多时候提高了用户体验，但往往让用户对正在收集、处理和存储的数据类型一无所知。 例如，Netflix跟踪观看习惯以进行推荐，Goodnotes可能分析手写笔记的内容，这些做法可能引发隐私问题。

❌ 缺乏可见性：AI的幕后工作有时会导致用户沮丧，特别是当结果不符合期望或对决策过程缺乏理解时。例如，尽管Facebook的推荐系统旨在帮助您找到最感兴趣的内容，用户可能会对AI的不准确或意外解释感到困惑，而没有明确的方式来理解或纠正潜在的过程。

始终提供资源、示例或教程，帮助用户了解如何使用您的AI。 一个常见的做法是提供示例提示，或其他社区成员的结果，以激发用户并让他们了解他们可以从AI中期待什么。

UX的三个主要原则是显现、映射和反馈（《日常物品的设计》），人工智能也不例外 - 特别是在提供反馈方面。

设计AI功能中最大的挑战之一是结果的不可预测性。在某些情况下，您可能正在创建一个专门用于协助用户完成简单任务的任务特定AI，其中可预测性可能相对较高。然而，更常见的情况是，您会发现自己设计AI，其中预测用户如何与您的AI进行交互几乎是不可能的。

在这些情况下，最好的做法之一是确保用户执行操作后提供反馈。以下是一些示例：- 包含打字指示器：研究表明，打字指示器可以通过创造一种类似于面对面聊天的实时沟通感来帮助保持用户的参与度，保持用户的注意力。有了打字指示器，用户更有可能留在您的应用程序中，专心等待回应 AI 的下一条消息。

• 提供状态更新：如果您的 AI 旨在执行更复杂的任务，比如搜索内容，生成长内容或视频，请务必向用户提供任何类型的状态更新。这可以是一行信息，显示 AI 的当前阶段，一个进度条，或时间估计。通过看到 AI 的进展，用户可以放心地知道他们的请求正在被积极处理，减少不确定性和潜在的沮丧（还请参考 劳动幻觉）。

除了提供反馈外，确保处理 AI 可能产生的任何常见错误和边缘情况。

根据工程师如何构建初始提示，用户可能会获得不同的结果和错误。请确保找到一种处理和测试这些情况的方法。以下是一些常见错误要处理的情况：

• 用户错误使用：确保在检测到用户错误使用您的 AI 时提供反馈。这种指导有助于纠正他们的方法并改善他们的体验。

• 服务可用性：如果您使用来自 OpenAI、Claude 或其他方的任何 API，请注意这些平台的稳定性有时可能存在问题。在极端情况下，OpenAI 曾经有过记录，90 天内 23% 的 API 端点出现故障。由于这些不可预测的情况，请确保您有一种方法与用户沟通，告知他们 AI 正在花费更长时间来回应，并提供后续选项。

如果可能的话，尝试加入一个功能，让用户为他们与 AI 的互动设置一个默认上下文。这可以消除用户为类似任务重复提供相同上下文的需求。

例如，允许用户为翻译设置首选语言，为生成内容设置品牌风格指南，为内容发现设置特定兴趣，或为娱乐推荐设置喜爱的流派。通过设置默认上下文，用户可以个性化他们的 AI 体验，使其更高效和与他们需求相关。

人类很懒 - 在数字世界中，这意味着我们不喜欢打字。这就是为什么 AI 在帮助我们减少手动工作方面有巨大潜力。另一方面，研究也发现，人类不够信任 AI，不希望一切都被自动化。

因此，在设计您的 AI 时，确保用户对 AI 生成的结果有一定控制权 - 无论是允许他们查看和编辑 AI 生成的内容，从一组选项中选择如何继续，还是自定义设置以符合他们的偏好。

由于 AI 响应的不可预测性，确保在推出产品时实施一种机制来从用户那里收集反馈。一种常见的方法是在用户看到结果后提供一个赞和踩按钮，以便快速提供反馈。另一种方法是弹出一个简单的 CSAT（客户满意度）调查，以了解 AI 的表现如何。

这不仅可以帮助您的团队调整提示以更好地符合用户的期望，而且如果您很幸运（并且在道德上允许），还可以收集和识别用户与 AI 互动的主要模式，以进一步改善体验。

如果您有幸设计一个完全对话式的 AI 助手，比如 GPT、Alexa 或 Siri，请确保为其注入一些个性。这可能涉及为其提供一个头像、一个名字或一个指定的语调。

斯坦福大学的研究表明，用户更倾向于听从具有个性化名称和声音的 AI 助手的建议和指导。这种个性化增强了感知的社交存在感和融洽感，使用户更愿意接受 AI 的指导。

如果您正在一家 B2B 公司工作或设计可能被大公司使用的 AI，您经常会遇到一个挑战，那就是数据隐私 - 收集了哪些数据，数据将如何存储，以及如何使用正在收集的数据。

确保您对此保持透明。

研究表明，用户更有可能与并保持忠诚于对其数据实践坦诚的产品。提供关于您政策的透明度不仅可以防止您陷入法律麻烦，还可以帮助您建立与用户的信任，并改善用户体验。