जब मुझे पहली बार वियामो के आईवीआर प्लेटफॉर्म में जनरेटिव एआई को एकीकृत करने का कार्य किया गया था, जो अफ्रीका और एशिया के उभरते बाजारों में लाखों लोगों की सेवा करता था, तो मुझे यह महसूस करने में लंबा समय नहीं लगा कि हम सिर्फ एक चैट इंटरफ़ेस को उस पर लगा सकते थे और इसे एक दिन कॉल नहीं कर सकते थे, जितना कि यह हमारी तकनीकी और विकास की कुछ चुनौतियों को सरल करेगा स्पष्ट रूप से, हम उन लोगों के लिए डिजाइन कर रहे थे जो वॉच इंटरफ़ेस पर भरोसा करते हैं क्योंकि उन्हें स्वास्थ्य देखभाल, कृषि और वित्त के बारे में इस तरह की जानकारी की आवश्यकता होती है, और उनके पास एआई के लिए थोड़ा धैर्य है जो उन्हें विफल करता है या उन्हें गलत जानकारी देता है जब उनके पास सीमित उस परियोजना ने मुझे एआई के लिए डिजाइन करने के बारे में एक सबक सिखाया जिसे मुझे लगता है कि सभी डिजाइनरों को सीखना चाहिए: एजेंटिक एआई के लिए डिजाइन करना इसे चैट-अनुकूल बनाने के बारे में नहीं है, बल्कि स्मार्ट सिस्टम डिजाइन करने के बारे में है जो विश्वसनीय रूप से, पारदर्शी रूप से, और पहले से ही लोगों पर भरोसा करने वाले कार्यों के भीतर काम कर सकते हैं। चैट-प्रथम सोच के घातक दोष इस उद्योग में एक खतरनाक परिदृश्य है जो एआई उत्पादों पर चैट इंटरफ़ेस के साथ अपनाया गया है, और यह है कि हर कोई एक "ChatGPT for Y" बनाने की कोशिश कर रहा है। कोई भी रोक नहीं देता है और कहता है, "ठीक है, वास्तव में, सिर्फ इसलिए कि हम इसे बना सकते हैं और चैट इसका हिस्सा है, जिसका वास्तव में कोई संबंध नहीं है कि क्या चैट बातचीत वास्तव में इस पर हमें क्या चाहिए। यह जरूरी नहीं है. चैट खुले अंत के सर्वेक्षण और रचनात्मक कार्यों के लिए आदर्श है जो यात्राओं को शामिल करते हैं, जैसे कि वे गंतव्य शामिल हैं. लेकिन अधिकांश व्यावसायिक कार्यों को सटीकता, ऑडिशन और पुनरावृत्ति की आवश्यकता होती है. Waypoint Commodities के लिए आपूर्तिकर्ता इंटरफ़ेस को डिजाइन करते समय, एक प्रणाली जो लाखों डॉलर के उर्वरक और रासायनिक व्यापार लेनदेनों को संबोधित करती है, उपयोगकर्ताओं को एक उपयोगकर्ता अनुकूल चैट इंटरफ़ेस की आवश्यकता नहीं थी जो उनके लेनदेन के बारे में खोजी बातचीत को सुविधाजनक बना सकती थी. उन्हें इंटरफ़ेस की आवश्यकता थी जो एआई सिस्टम को त्रुटियों को इंगित करने, इष्टतम मार्गों की पहचान करने चैट केंद्रित एआई के साथ मुख्य समस्या यह है कि यह बातचीत के फेसड्स के तहत निर्णय लेने की अनुमति देती है. उपयोगकर्ता आसानी से जांच नहीं कर सकते हैं कि क्या जानकारी का उपयोग किया गया था, क्या लागू किया गया था, और क्या एक वैकल्पिक विकल्प के रूप में खोजा गया था. बेशक, यह कम स्टॉक पूछताछ के लिए स्वीकार्य है, लेकिन परिणामस्वरूप विकल्पों के लिए विनाशकारी है। मल्टी-एजेंट सिस्टम को मल्टी-मोडल इंटरफ़ेस की आवश्यकता होती है लेकिन फिर, मेरे दिमाग में एक पैराडाइम परिवर्तन हुआ क्योंकि मैंने केवल एक एआई मॉडल के लिए डिजाइन करना बंद कर दिया और पर्यावरणों के लिए डिजाइन करने पर ध्यान केंद्रित किया जो एक प्रणाली के रूप में एक साथ काम करने वाले कई विशेष एआई इकाइयों से बना था। इसका मतलब था कि हमें एक विंडो चैट सिस्टम के पैराडाइम को पूरी तरह से छोड़ना पड़ा। इसके बजाय, हमने एक बहु-विंडो इंटरफ़ेस का निर्माण किया जिसके माध्यम से कई बातचीत विधियों का उपयोग किया जा सकता था। त्वरित तथ्य एआई वॉयस आउटपुट के माध्यम से त्वरित प्रतिक्रियाएं प्राप्त करेंगे। समस्या निवारण में एक मार्गदर्शित बातचीत शामिल होगी जिसके माध्यम से एआई उपयोगकर्ता को एक विशेषज्ञ सिस्टम के लिए निर्देशित करने से पहले प्रारंभिक प्रश्नों का जवाब देगा। इन परिणामों ने साबित किया कि यह रणनीति वैध थी, और हमने 30 प्रतिशत से अधिक प्रतिक्रिया सटीकता में सुधार और उपयोगकर्ता भागीदारी के स्तर में वृद्धि का अनुभव किया। और अधिक महत्वपूर्ण रूप से, उपयोगकर्ता छोड़ने के स्तर 20 प्रतिशत से कम हो गए क्योंकि उपयोगकर्ताओं ने अपेक्षाओं के असहमति के कारण बातचीत छोड़ना बंद कर दिया. चूंकि उपयोगकर्ताओं को एहसास हुआ कि वे मानव विशेषज्ञता की प्रतीक्षा करने की तुलना में ज्ञान की एक निश्चित मात्रा वाले एआई सिस्टम से बात कर रहे थे, इसलिए उन्होंने अपने प्रश्न और धैर्य के स्तर को अनुकूलित किया। सत्यापन के लिए डिजाइन, न केवल ऑटोमेशन एजेंटिक यूएक्स डिजाइन के सबसे महत्वपूर्ण सिद्धांतों में से एक जो मैं समर्थन करता हूं, यह है कि 'विरोधी ऑटोमेशन' सिर्फ 'तकनीकी ऋण एआई के रूप में मास्क करना' है। एक प्रणाली में उपयोग किए जाने वाले प्रत्येक एआई 'एजेंट' के बगल में एक 'विस्फोट हेच' प्रदान किया जाना चाहिए, जिससे 'उपयोगकर्ताओं को इसकी तर्क को सत्यापित करने की अनुमति मिलती है' और 'उसकी निर्णय को उचित समय पर लागू करने की अनुमति मिलती है, 'क्योंकि किसी को एआई 'संभावों' में विश्वास की कमी नहीं है, लेकिन क्योंकि 'उपयोगकर्ताओं के पास अंतिम जिम्मेदारी है' जब 'नियमित वातावरण या उच्च मूल्य के लेनदेन में'। जब मैं वेपॉइंट में नए उपयोगकर्ताओं को इनबोर्ड करने के लिए व्यवस्थापक डैशबोर्ड को डिजाइन करने के लिए जिम्मेदार था, तो हमारे पास एक स्वचालित परियोजना का एक विशिष्ट मामला था, जिस तरह से एआई को इनबोर्ड दस्तावेजों का प्रसंस्करण करने, आवश्यक जानकारी को निष्कर्षित करने और स्वचालित रूप से उपयोगकर्ता प्रोफ़ाइलों को जनरेट करने की अनुमति देगा, जिससे उपयोगकर्ता इनबोर्ड को कुछ घंटों से केवल मिनट में कम हो जाता है। हमारे इंटरफ़ेस में, हमने प्रत्येक क्षेत्र के लिए एआई आत्मविश्वास के स्तर को इंगित करने के लिए निम्नलिखित प्रणाली को लागू किया: उच्च सटीकता के स्तर वाले क्षेत्रों में काले पाठ का रंग और हरे रंग के चिह्न थे; मध्यम सटीकता में एक नारंगी रंग था, और एक तटस्थ प्रतीक का उपयोग किया गया था; जिन क्षेत्रों में कम सटीकता थी या जानकारी की कमी थी, उनमें लाल रंग और चेतावनी प्रतीक था। किसी भी त्रुटि की पहचान करने के लिए कि एआई सिस्टम भूल गए थे, प्रोफ़ाइल प्रति तीस सेकंड प्रबंधकों के लिए पर्याप्त समय था, क्योंकि उन्होंने इस प्रणाली के माध्यम से पर्याप्त संदर्भ प्राप्त किया। लेकिन परिणाम स्पष्ट था: हमने पूरी तरह से मैन्युअल तरीकों से इंबोर्डिंग समय में चालीस प्रतिशत की कमी हासिल की और केवल मानव या एआई दृष्टिकोणों की तुलना में अधिक सटीकता। लेकिन अधिक महत्वपूर्ण रूप से, प्रशासनिक कर्मचारियों ने इस प्रणाली पर भरोसा किया क्योंकि वे वास्तव में इसकी तर्क का पालन कर सकते थे। एजेंट क्षमताओं का प्रगतिशील खुलासा एजेंटिक UX का एक और सूक्ष्म लेकिन आवश्यक क्षेत्र है जिसके साथ अधिकांश डिजाइनर संघर्ष करते हैं, यह उपयोगकर्ताओं को जानकारी प्रदान करता है कि उनके एजेंट इन क्षमताओं की संभावनाओं और संभावित अनुप्रयोगों के साथ उन्हें अवरुद्ध किए बिना क्या कर सकते हैं और नहीं कर सकते हैं। यह विशेष रूप से उन प्रणालियों के लिए सच है जो जनरेटिव एआई लागू करते हैं, और जैसा कि हम FlexiSAF Edusoft में काम में संघर्ष करते थे, जहां मैंने इन प्रणालियों को विकसित किया था, उनके पास अनुप्रयोग हैं जो विभिन्न कार्यों या गतिविधियों में व्यापक हैं लेकिन अप्रत्याशित हैं उपयोगकर्ताओं को, इस मामले में छात्रों और माता-पिता को, अक्सर जटिल प्रवेश प्रक्रियाओं के माध्यम से मार्गदर्शन की आवश्यकता होगी और हमारे कार्यान्वयन में बातचीत के आधार पर क्षमता सुझाव दिए गए थे, जिसका अर्थ है कि जब कोई सिस्टम का उपयोग करता था, तो उन्हें उन सवालों के उदाहरणों के साथ प्रदान किया जाएगा जिन्हें एआई जवाब देने में मजबूत था, उन सवालों के विपरीत जिन्हें संस्थान में मानव संसाधन लोगों द्वारा अधिक उपयुक्त रूप से उत्तर दिया जा सकता था, जिसका अर्थ है कि जब एक उपयोगकर्ता आवेदन समय सीमा के बारे में प्रश्न लिखता था, तो वे ऐसे प्रश्नों के उदाहरण देखेंगे जिन्हें एआई जवाब देने में मजबूत था, जैसे कि "इंजीनियरिंग अनुप्रयोगों के लिए समय सीमा कब है? इसके अलावा, हमने एक प्रतिक्रिया चक्र सक्षम किया जिसके माध्यम से उपयोगकर्ताओं को व्यक्त कर सकते थे कि क्या उनके प्रश्न को एक एआई प्रतिक्रिया द्वारा पूरी तरह से उत्तर दिया गया था या नहीं. यह न केवल मॉडल को बेहतर बनाने के लिए था, बल्कि यह एक यूएक्स सुविधा सक्षम बनाता था जिसके माध्यम से उपयोगकर्ताओं को व्यक्त किया जा सकता था कि वे अपने मुद्दे की वृद्धि की मांग करते हैं और कि उन्हें एआई सिस्टम द्वारा बाधित किया गया था. प्रासंगिक संसाधनों को इस सिस्टम के माध्यम से प्रदान किया जाएगा, और, यदि नहीं, तो वे मानव संसाधनों से भी जुड़े होंगे, जिससे समर्थन टिकट में कमी होगी लेकिन उपयोगकर्ता संतुष्टि को बलिदान किए बिना, क्योंकि लोग महसूस करेंगे कि उन्हें एआई सिस्टम द्वारा बाधित नहीं किया गया था। पारदर्शिता और एक विश्वास निर्माण कारक के रूप में इसकी उपयोगिता आत्मविश्वास, बेशक, बेहतर एआई एल्गोरिथ्मों द्वारा नहीं स्थापित किया जाता है, बल्कि पारदर्शी सिस्टम डिजाइन द्वारा जो उपयोगकर्ता को यह देखने की अनुमति देता है कि सिस्टम क्या जानता है, क्यों यह अपनी निष्कर्ष निकालता है, और इसकी सीमाएं कहां हैं. eHealth Africa, चिकित्सा क्षेत्र में आपूर्ति श्रृंखलाओं के रसद और डेटा भंडारण को शामिल करने वाला हमारा परियोजना, इसे अपने गैर-अनुबंधित में से एक बनाती है: "अगर एआई कंप्यूटर एजेंटों ने टीकाकरण के शिपिंग के समय की भविष्यवाणी की या वितरण के लिए इष्टतम मार्गों को इंगित किया, तो इन तर्कसंगतियों को समझाया जाना चाहिए, क्योंकि मानव निर्णय लेने वाले निर्णय लेंगे कि क्या ग्रामीण क् इस मुद्दे को हल करने के लिए, हमने जो मैं कहता हूं "समझने वाले पैनलों" का निर्माण किया जो एआई सिफारिशों के साथ आउटपुट प्रदान करते हैं. ये तर्क पैनलों ने अपने गणनाओं के मॉडल विवरण नहीं दिखाए, केवल इसकी सिफारिशों तक पहुंचने के बारे में जानकारी, जिसमें सड़क की स्थिति, इस मार्ग के लिए पिछले वितरण समय, मौसम और उपलब्ध परिवहन क्षमता शामिल थी. तर्क पैनलों ने फ़ील्ड ऑपरेटरों को जल्दी से यह सुनिश्चित करने की अनुमति दी कि क्या वे एआई से पुराने सलाह प्राप्त कर रहे थे या यदि उन्होंने एक महत्वपूर्ण, हाल ही में उपलब्ध तथ्य को अनदेखा किया था, जैसे कि एक पुल बंद, और उन्हें अनिवार्य और पारदर्शी बना दिया, न कि अस्पष्ट निर्णय लेने वाले, जैसा ब्लैक बॉक्स पारदर्शिता की आवश्यकता थी, और यह विफलता के लिए सच था, साथ ही सफलता के लिए भी। इस उद्देश्य के लिए, हमने उपयोगी विफलता राज्य बनाए हैं जो बताते हैं कि एआई अपने सिफारिश की पेशकश करने में सक्षम क्यों नहीं था, कुछ सामान्य त्रुटि संदेश पर वापस गिरने के विपरीत. उदाहरण के लिए, यदि यह कनेक्टिविटी जानकारी की कमी के कारण एक इष्टतम मार्ग की पेशकश करने में सक्षम नहीं था, तो यह स्पष्ट रूप से संचारित किया गया था, और उपयोगकर्ता को सूचित किया गया था कि यदि उनके पास अभी भी कोई मार्ग सिफारिश उपलब्ध नहीं थी तो वे क्या कर सकते थे। एजेंटों और इंसानों के बीच Handoffs डिजाइन लेकिन शायद एजेंटिक यूएक्स के सबसे विकसित विषयों में से एक है, या सटीक रूप से कब और कैसे एक एआई एजेंट को एक प्रणाली या बातचीत के नियंत्रण को एक इंसान को पारित करने के लिए माना जाता है, चाहे वह इंसान एक सहयोगी हो या खुद उस प्रणाली या बातचीत का उपयोगकर्ता हो। संदर्भ हस्तांतरण के लिए हमारे प्रोटोकॉल को इस तरह डिज़ाइन किया गया था कि एआई के प्रत्येक बातचीत के बाद, ऑपरेटर के स्क्रीन पर एक संरचित सारांश प्रदर्शित किया गया था इससे पहले कि वे उपयोगकर्ता को नमस्कार कर सकें, और इस सारांश में शामिल था कि उपयोगकर्ता द्वारा पूछा गया था, एआई क्या कहना चाहता था, और क्यों एआई ने इस कॉल को बढ़ाया। उन मामलों में जो ऑपरेटरों को अपने उपयोगकर्ताओं को स्वचालित प्रणाली में वापस संदर्भित करने के लिए कहा गया था, ऑपरेटरों द्वारा उपयोगकर्ता इंटरफ़ेस कार्यक्षमता का प्रभावी ढंग से उपयोग किया गया था कि कुछ कार्यों के आधार पर एआई स्वायत्तता के पर्याप्त अपेक्षाओं को संचारित करने के लिए जो उपयोगकर्ताओं को स्वचालित प्रणाली में वापस संदर्भित करने की अनुमति देगा, अपेक्षित निराशा के साथ ऐसा करने के विपरीत। Agentic UX के व्यावहारिक डिजाइन के सिद्धांत कई वर्षों से एआई सक्षम सिस्टम डिजाइन करने वाले एक चिकित्सक के रूप में, आज मैंने कुछ व्यावहारिक दिशानिर्देश तैयार किए हैं जो मुझे एजेंटिक यूएक्स को प्रभावी ढंग से डिजाइन करने में मदद करते हैं: सबसे पहले, कार्य प्रवाह के लिए डिजाइन, प्रौद्योगिकी के लिए नहीं. उपयोगकर्ताओं को परवाह नहीं है कि उन्हें एआई, नियम, या मानव बुद्धि के माध्यम से मदद की जाती है. वे केवल इस बारे में परवाह करते हैं कि क्या वे अपने कार्यों को प्रभावी ढंग से और सुविधाजनक रूप से पूरा कर सकते हैं. लक्ष्य परिणाम से रिवर्स इंजीनियरिंग से शुरू करें, एआई सक्षम एजेंटों के कारण जोड़ा मूल्य और जोड़ा जटिलता के क्षेत्रों की पहचान करें, और फिर रुकें और इसके अनुरूप आगे बढ़ें. दूसरा, एआई सक्षम एजेंटों के सार्थक सीमाओं को परिभाषित करना. उपयोगकर्ताओं को यह जानने की आवश्यकता है कि वे एक बुद्धि के क्षेत्र को छोड़ रहे हैं और अन्य क्षेत्रों में प्रवेश कर रहे हैं, जैसे कि खोज की बुद्धि, मॉडल बुद्धि, और मानव बुद्धि, और इसके अनुरूप स्थिर दृश्य और बातचीत दिशानिर्देश स्थापित करें, ताकि उन्हें आश्चर्य न हो कि वे किस तरह का जवाब प्राप्त करेंगे और कब उन्हें प्राप्त किया जाएगा। तीसरा, उपयोगकर्ता विशेषज्ञता का सम्मान करते हुए अपने कार्य प्रवाह डिजाइन में सत्यापन का निर्माण करें। आईआई सिस्टम आदर्श रूप से प्रासंगिक जानकारी लाकर निर्णय लेने में मदद करना चाहिए और कार्रवाई के पाठ्यक्रमों का सुझाव देना चाहिए, लेकिन यह अंततः उन मानव उपयोगकर्ताओं द्वारा किया जाना चाहिए जिनके पास एआई सिस्टम के लिए स्वयं के संदर्भ नहीं हैं। उन परियोजनाओं के कारण जो सफलतापूर्वक वित्त पोषण प्राप्त कर चुके हैं, परिभाषित वृद्धिओं द्वारा भागीदारी को बढ़ाते हैं, और हजारों में उपयोगकर्ता आंकड़ों को संसाधित करते हैं, हम सफल नहीं हुए हैं, क्योंकि हमारे पास, या बनाने की कोशिश की गई है, परिष्कृत एआई सिस्टम. यह इसलिए है क्योंकि हमने इन उपयोगकर्ताओं को, हमारे इंटरफ़ेस के माध्यम से, इस एआई सिस्टम के अपने अंत में क्या हो रहा था समझने की क्षमता प्रदान की है और, जिसके माध्यम से, उन्हें समय के साथ अधिक से अधिक जटिल कार्यों को पूरा करने के लिए पर्याप्त भरोसा करने में मदद की है जो उन्हें एजेंटिक UX के सफल उदाहरणों में वास्तव में बना दिया है।