随着AI技术的快速发展，作为设计师、开发者和创造者，我们面临着一些重大问题，比如未来的应用会是什么样子，人们又会如何与数字体验互动。
生成式AI已经让我们可以做很多以前无法做到的事，比如写文章、生成市场推广材料、构建教学助手、总结大量信息、生成洞察等。
考虑到这个领域的飞速进展，不难想象未来的某天，用户不再需要切换各种应用，而是通过一个中央的大型语言模型操作系统来管理所有事情。这种体验将更加短暂、个性化和贴近情境。Mercury OS的概念展示了这种可能的未来。
此外，多模态体验的兴起也是可以预见的，比如语音、手势界面甚至全息技术，这些都将让技术更深地融入我们的生活。HumaneAI的Imran Chaudhri最近展示了一种可能的无屏幕未来，人们通过自然语言与计算机互动。
未来，人们与AI和技术互动的方式充满了无穷的可能性，令人激动。
但回到现实，当前大部分企业仍在摸索如何利用AI为客户提供价值，探索初次整合AI的可能。
我看到很多产品只是简单地在应用中加入了一个AI聊天界面，希望用户在需要时调用这个助手，提出问题并得到满意的回答。但问题在于，这仍然要求用户去切换上下文，构思出一个好的问题，并弄清楚如何使用生成的回答（如果有用的话）。
其实，还有很多未开发的领域，AI可以真正有意义地帮助用户。我们需要更深入地了解用户的痛点，理解他们想完成的任务，并对AI的当前能力和局限性有清晰的认识。
作为一个设计了许多机器学习体验的人，我积累了一些策略和最佳实践，能够帮助我们将AI更有效地融入用户的工作流程中。我希望这些策略对设计师和产品团队有帮助，帮助他们用AI更好地提升用户的工作效率。
1. 找准合适的用例和用户价值
在做AI项目之前，重要的一点是，不是每个项目都需要AI，而且AI并不是你向用户提供价值的唯一途径。AI只是帮助你增强产品价值的一种工具，通过它，你可以让产品做到以下几点：
1. 缩短完成任务的时间
2. 让任务变得更简单
3. 个性化体验
同样重要的是要弄清楚，用户在使用你的产品时，真正想做的是什么？理想的用户体验是什么样的？当前的体验障碍是什么？然后你可以找出AI在哪些方面能够增强这个体验。例如，在业务仪表盘上设置自动化警报，自动将电子邮件分类，或者自动检测家里的安防摄像头是否有异常活动，这些都是AI能带来帮助的好例子。
2. 提供情境化的帮助
如今的AI模型可以理解语言、上下文和用户模式，我们可以利用它为用户提供更加贴近他们需求的建议和指导。
例如，Grammarly Go在用户选择一段文本时，会提供一些相关的操作建议，如“简化它”“找出缺漏”等。这个功能就是提供情境化帮助的一个很好的例子。
不过，我们还可以做得更好。比如，用户发送邮件给领导时，和给同事写邮件时，他们需要考虑的点肯定不一样。如果用户在写一篇研究论文，或者为《纽约时报》写一篇文章，AI可以给出什么样的个性化建议？
像Notion和Coda这些应用在用户的工作流程中利用AI推荐常见的操作，而不需要用户完全切换到不同的界面或模式。这样与AI的互动就显得更加自然，并且不会打断用户的工作流程。
Github Co-pilot也是一个好例子，它让代码写作中的AI助手自然地融入到工作流程中，用户无需切换窗口或应用来得到帮助。
尽管如此，我们仍然需要认识到，并不是所有的体验都必须完全情境化。例如，Khan Academy为学生开发的AI助手Khanmigo就是一个简单的聊天机器人，它在学生遇到困难时提供帮助，但不会打断他们的学习流程。
设计情境化体验时，需要注意AI只有在了解用户当前的工作状态和背景时，才能提供有用的建议，否则很难给出有意义的帮助。
3. 优化用户的创造力和控制感
在设计涉及创作体验的AI工具时，考虑到用户的创造力和对任务控制的需求是非常重要的。比如，Midjourney和DALL-E这些工具给用户带来了巨大的创造力空间，但在编辑生成的内容上却有些限制。
因此，当AI帮助用户创作时，除了提供一个良好的起点外，也要确保给用户足够的工具来进行修改。例如，当用户通过自然语言生成可视化图表时，默认生成的图表应该是有用的，但用户也应该可以轻松地进行编辑和调整。
像Adobe Firefly这样的工具就向着这个方向迈出了很好的一步，它允许用户在图像生成后对其进行调整和操作。
4. 帮助用户构建良好的提示
用户常常难以编写出有效的提示，来获得AI模型有用的回复。因此，如何帮助用户编写更好的提示也是一个重要课题。
我们可以通过展示一些示例来帮助用户入门，比如Adobe Firefly在用户进入工具时展示了很多生成的图像和提示，鼓励他们探索不同的可能性。
Notion也会给用户提示，告诉他们如何利用AI助手完成任务，这样的建议能激发用户的创造力。
5. 专注于生成高质量的结果
AI模型只有在为用户提供有意义的结果时，才是真正有用的。为了实现这一点，必须在与用户实际工作流程接近的数据集上训练模型。此外，训练数据应该涵盖各种现实中的用例，而不仅仅是一些理想场景。
设计师可以帮助产品团队设计出AI的原型，也可以参与到数据讨论中，帮助识别并收集合适的训练数据。
6. 明确AI的用途和局限
大型语言模型生成的结果看起来往往很可信，但它们并不总是准确的。因此，我们需要建立机制来提醒用户这些AI模型的局限性，特别是在这些结果可能影响用户重要决策时。
总之，AI将在未来的技术互动中扮演重要角色。但在企业纷纷将AI整合到产品中的过程中，重要的是要考虑如何将AI无缝融入用户的工作流程，而不是让它成为一个独立的、孤立的存在。
虽然过去只有少数设计师和产品人员有机会设计AI，但现在越来越多的团队开始将AI整合到他们的产品中。这让我们必须更多地讨论如何负责任地设计AI产品。
这个领域还在快速发展，我们也会继续发现更多有意义地利用AI的策略和指南。我也很想知道你们对此的想法，以及你们觉得还有哪些可以补充的例子或建议。
如果你对这个话题感兴趣，可以参考以下一些资料：
• 《如何不将AI添加到你的产品中》—— 一家初创公司尝试将AI整合到在线表单构建器中的经验。
• 《解码未来：智能界面的演变》—— 一篇关于AI如何改变数字体验的文章。
• 《创建AI产品的必备指南》—— 一篇从规划到实现全面介绍如何创建AI产品的文章。
• 《语言模型素描本，或为什么我讨厌聊天机器人》—— 一个关于如何使用LLM的精彩观点合集。
• 《AI设计师的角色》—— 一篇关于设计师如何在AI设计中发挥作用的文章。
