 디자인은 끊임없이 진화하고 있지만 현재 인공 지능의 등장은 전체 분야를 완전히 뒤집어 놓았습니다.   새로운 패러다임으로 상호작용의 새로운 시대를 열고 있습니다. 기존 사용자 인터페이스는 사용자가 일부 사용자 작업을 수행하기 위해 컴퓨터에 일련의 명령을 내리는 명령 및 제어 패턴을 기반으로 합니다. 그러나 AI는 사용자가 컴퓨터와 어떻게 해야 하는지가 아니라 원하는 것을 말함으로써 컴퓨터와 보다 자연스럽게 상호 작용할 수 있도록 해줍니다. 사용자 경험 AI는  의도 기반 패러다임으로 알려진 AI와의 상호 작용에 대한 이 새로운 패러다임은 아직 초기 단계이지만, 우리가 컴퓨터와 상호 작용하는 방식에 혁명을 일으킬 가능성이 있습니다. 예를 들어, 컴퓨터에 "파리 행 항공편을 예약하고 싶어요"라고 말하면 컴퓨터가 자동으로 가장 좋은 항공편을 찾아 예약해 준다고 상상해 보세요. 또는 "세금 관련 도움이 필요해요"라고 말하고 컴퓨터가 절차를 단계별로 안내하도록 하는 것을 상상해 보세요. 이는 "궁극적인" UX를 디자인하고 이를 완전히 전체적이고 원활하게 만들 수 있는 완전히 새로운 기회를 많이 열어줍니다.  의도 기반 상호 작용에는 어려움이 따릅니다. LLM으로도 알려진 현대 언어 학습 모델은 이미 자연어를 이해하는 데 매우 능숙합니다. 그러나 UX의 AI 상태는 완벽과는 거리가 멀고, 현재의 채팅 기반 상호 작용 스타일은 사용자가 문제를 산문 텍스트로 작성해야 하므로 인지 부하가 높습니다.  또한 이러한 유형의 상호 작용에 대해 직관적이고 사용하기 쉬운 UI를 디자인하는 것이 어려울 수 있습니다. 그러나 의도 기반 상호 작용의 잠재적 이점은 상당하며 UX 디자이너는 이미 이 새로운 패러다임을 가장 잘 구현하는 방법을 모색하고 있습니다.  이 글에서는 의도 기반 상호 작용의 증가와 그것이 UX 디자인에 미치는 영향을 살펴보겠습니다. 현재 존재하는 AI 기반 제품 유형에 대해 논의하고, 입력 및 출력 패턴을 사용하는 방식과 AI 환경에서 사용자 경험을 향상시키기 위해 어떻게 설계되는지 논의합니다.  콘텐츠 개요  AI가 디자이너의 작업을 어떻게 변화시켰는가  제품의 주요 AI 워크플로우 유형  챗봇  기본(AI 우선)  상황에 맞는  보이지 않는  결론  AI가 디자이너의 작업을 어떻게 변화시켰는가  우리가 이미 파악한 것처럼 AI 제품을 사용하는 디자이너의 새로운 과제는 의도 우선 패러다임 프레이밍으로 디자인하는 것입니다. 기존 소프트웨어와 상호 작용하는 방식을 생각하면 원하는 출력을 얻기 위해 시스템 내부에 일련의 명령을 보내는 것입니다. 입력은 명령이며 버튼, 드롭다운, 양식 등과 같이 화면에서 대화형으로 표시되는 모든 것이 될 수 있습니다.   에서 작업을 조합하면 명령이 형성되어 여정을 단계별로 안내합니다.  GUI  일련의 단계를 거쳐 제품의 정보 아키텍처를 탐색하면 마침내 문제에 대한 솔루션, 즉 시스템 출력을 얻게 됩니다. 예를 들어, 택시를 부르려고 할 때 목적지 지점을 선택하고 승차 매개변수를 설정하는 일련의 명령을 보내고 마지막으로 시스템이 운전자를 선택할 때 운전을 확인하는 명령을 보냅니다.  의도 기반 상호 작용은 입력-처리-출력 시스템으로 범위가 좁혀집니다. 문자 그대로 시스템에 결과(소위 프롬프트)에서 얻고자 하는 내용을 제공하면 시스템이 입력을 처리하고 출력을 제공합니다. 모든 계산 단계가 시스템에 있으므로 필요한 것만 얻을 수 있습니다. 택시의 예로 돌아가면 인텐트 기반 시스템에서는 프롬프트("집까지 택시를 불러주세요")만 제공하면 택시를 탈 수 있습니다.   기계가 실수할 수 있고 인간이 때때로 출력을 수정 및 제어하거나 다른 흐름에서 사용하여 시스템 동작을 목표에 맞게 더 잘 설정하기를 원할 수 있기 때문에 이 패러다임에는 여전히 작업 흐름에 명령이 필요합니다.  제품의 주요 AI 워크플로우 유형  이러한 명명에는 동의하지만 AI를 사용자 흐름에 통합하면 제품 워크플로, 작업, 문제, 기술 기능 및 기타 제한 사항에 따라 다르게 작동할 수 있습니다. 우리의 연구와 분석 과정에서 제품의 특정 패턴이 눈에 띄게 나타납니다. 이를 살펴보겠습니다. 또한 이 제품이나 저 제품이 입출력 패턴을 어떻게 사용하는지, 어떤 UI 솔루션을 사용하는지, AI 제품 표준인 사용성 문제를 어떻게 해결하는지 알려드리겠습니다. 그럼 시작해 보겠습니다.  1. 챗봇  가장 확실한 예에 대해 이야기 해 봅시다. 현재 AI에 대한 과대광고는 주로 챗봇과 그 기능에 관한 것입니다. 이 패턴에서는 LLM을 사용하여 챗봇 인터페이스를 통해 대화를 주고받으며 AI 워크플로우가 발생합니다. 사용자는 챗봇과 대화를 통해 상호 작용하고, 챗봇은 사용자의 질문과 프롬프트에 응답합니다. 일반적으로 이러한 유형의 워크플로는 광범위한 작업 및 솔루션, 가장 광범위한 요청을 완료하고 새로운 주제를 연구하는 데 사용될 수 있습니다.  그러나 현재의 채팅 기반 상호 작용 스타일은 문제를 산문 텍스트로 작성해야 하기 때문에 사용자의 인지 부하가 높습니다. 이 문제를 해결하기 위해 "즉시 엔지니어"라는 새로운 역할이 개발되었습니다. 프롬프트 엔지니어는 적절한 프롬프트를 제공하여 ChatGPT에서 올바른 결과를 도출할 책임이 있습니다. 즉, 챗봇은 사용성 디자인에 많은 관심이 필요합니다.   챗봇 입력  챗봇 제품은 일반적으로 텍스트 프롬프트 입력 패턴을 사용합니다. 이 접근 방식을 사용하면 사용자는 요청을 텍스트 형식으로 입력하여 시스템에 보내고 원하는 내용을 작성할 수 있습니다. 이는 입력 및 출력 결과에 대한 가장 광범위한 가능성을 제공합니다.  사용자 메시지 패턴은 일반적으로 텍스트 필드 UI 요소로 나타납니다. 챗봇에서는 일반적으로 제자리에 고정되어 있습니다.   프롬프트와 함께 미리 작성된 프롬프트도 종종 추가되므로 이 챗봇으로 무엇을 해야 할지에 대한 사용자의 오해와 오해를 줄이고 제안을 제공하며 선택을 단순화합니다.   또한 챗봇은 텍스트 입력 필드를 채우기 위해 음성 입력을 사용하여 키보드 입력 대신 음성을 사용할 것을 제안하는 경우가 많습니다. 이는 사람과 컴퓨터 사이에 거의 유기적인 대화를 생성합니다.   챗봇 처리  시스템의 상태와 사용자의 요청을 어떻게 처리하는지 보여주는 것이 중요합니다. 다양한 애플리케이션은 다양한 접근 방식을 사용합니다. 챗봇의 가장 일반적인 접근 방식은 실시간 텍스트 생성입니다. 알고리즘이 결과를 제공하는 데 시간이 걸릴 수 있으므로 이동 중에 텍스트 생성을 표시하는 것이 좋습니다. 이를 통해 사용자의 주의를 집중시키고 입력과 출력 간의 전환을 보다 원활하게 만들 수 있습니다.   챗봇 출력  챗봇 애플리케이션에서는 출력 유형이 크게 다를 수 있습니다. 이는 텍스트, 이미지(예: 텍스트 입력으로 생성됨) 또는 애플리케이션의 대상 주제와 해당 기능에 따라 달라지는 기타 결과일 수 있습니다. 출력 카피라이팅에는 사용자 입력과 원하는 앱 특성 및 성격(해당하는 경우)이 반영되는 것이 중요합니다.  챗봇을 디자인하려면 다른 앱에서 이미 사용하고 있는 모범 사례를 고려해야 합니다.  다중 출력. 시스템의 결과는 다를 수 있고 때로는 품질이 좋지 않을 수도 있고 시스템이 사용자의 요청을 오해할 수도 있으므로 시스템이 사용자가 원하는 쿼리를 추측할 가능성을 높이기 위해 여러 출력 가능성을 추가하는 것이 좋습니다. 보다.   부정확한 점에 대해 사과드립니다. 시스템 내의 인공 지능은 사용자에게 혼란, 공격적인 콘텐츠 또는 불안감을 초래하는 잘못된 결과를 생성할 수 있습니다. 시스템은 발생할 수 있는 잠재적인 부정확성에 대해 사과드립니다.   저장된 상호작용. 시스템 내에서 사용자의 최근 활동을 기억하여 더 쉽게 다시 참조할 수 있습니다. 최근 목적지, 검색 및 기타 입력 내용을 표시하면 인지 부하를 완화하는 데 도움이 될 수 있습니다.   2. 1차(AI 우선)  이러한 유형의 제품은 언어 학습 모델을 기반으로 하는 챗봇과 매우 유사합니다. 단, 포지셔닝이 특정 사용 사례로 좁혀지고 사진에서 특정 업계의 질문에 대한 복잡한 대화형 답변에 이르기까지 매우 다양한 유형의 결과를 생성할 수 있습니다.  이러한 제품은 전체 화면 상호 작용 및 단계 양식을 통해 AI를 기본 워크플로로 사용합니다.   기본 유형에 대한 입력  이미 언급했듯이 입력은 일반적으로 텍스트 프롬프트 필드처럼 보이는 챗봇 입력 패턴과 유사합니다. 프롬프트 템플릿(사고 과정을 시작하는 데 도움이 됨) 및 음성 입력과 같은 모범 사례도 유사합니다.   또한 때로는 시스템 출력에 적용할 수 있는 일부 매개변수를 사용자가 설정하도록 하는 것이 합리적입니다. 이는 사용자에게 친숙한 기준 슬라이더 및 기타 표준 UI 패턴을 사용하는 것을 의미합니다.   기본 유형 처리  다른 워크플로 유형과 일치하는 처리 패턴에서 가장 좋은 방법은 이동 중에도 간단하게 시스템 출력을 생성하는 것입니다. 그러나 AI 우선 워크플로를 위한 처리를 설계할 때 출력을 부분적으로 표시할 수 있다면 출력에 주의를 기울이십시오. 예를 들어, 이미지가 생성 과정에서 표시될 수 있거나 귀하의 기술을 통해 이미지가 완성된 것으로만 표시할 수 있는 경우입니다.  이 경우 계산 중에 세부적인 진행 메시지를 제공하는 것이 좋습니다.   기본 유형에 대한 출력  AI 우선 워크플로에서 출력 유형은 시스템이 사용자에게 제공하려는 내용과 달성하려는 솔루션에 따라 이미지부터 다양한 UI 구조(또는 동적 UI 요소)까지 다양할 수 있습니다.  이러한 유형의 워크플로를 설계할 때는 여러 출력 결과 사용을 고려하고, 사용자가 원하는 결과를 얻을 수 있도록 출력을 미세 조정하고, 다시 메시지를 표시하고, 시스템 작업에 대한 피드백을 추가할 수 있는 가능성을 제공하십시오.   3. 상황에 맞는  이 유형에서는 트리거 및 상황별 작업을 통해 기존 기본 워크플로 위에 AI 워크플로가 추가됩니다. LLM을 활용하여 다양한 UI 요소를 통해 상황별 작업에 대한 솔루션을 제공합니다.   상황별 워크플로우를 위한 입력  상황별 워크플로의 입력은 작업 유형에 따라 크게 달라질 수 있습니다. 이는 텍스트 입력, 프롬프트 템플릿 또는 텍스트 요약과 같은 특정 작업을 활성화하기 위한 버튼일 수 있습니다.  이 접근 방식을 사용할 때는 사용자가 이러한 프롬프트나 명령을 트리거하는 방식으로 활성화/비활성화 프로세스를 설계하는 것이 좋습니다.   신속한 구축  이 패턴은 사용자가 작성하지 않고도 자세한 프롬프트를 작성하도록 돕고 텍스트 필드, 드롭다운, 라디오 버튼 등과 같은 다양한 UI 입력 요소를 사용하는 안내 마법사로 나타납니다. 이 모든 것이 작업의 맥락에 맞게 조정되고 복잡한 프롬프트를 작은 논리적 부분으로 분할할 수 있는 양식 구조로 결합되어 사용자의 부담을 줄이고 사용자가 형식에 대해 많이 생각할 필요가 없도록 해줍니다. 즉각적인. 이는 동일한 구조로 자주 반복되는 쿼리가 있을 때 특히 유용할 수 있습니다. 그런 다음 사용자가 변경되는 부분만 채우도록 할 수 있으므로 매번 새 프롬프트를 작성하는 데 방해가 되지 않습니다.   상황별 워크플로를 위한 처리  당연히 상황별 시스템에는 처리 설계에 대한 상황별 접근 방식이 필요합니다. 다시 말하지만, 올바른 방법은 소프트웨어가 수행해야 하는 작업 유형에 따라 크게 다르지만 일반적인 관행은 동일하게 유지됩니다. 가능하다면 생성된 결과의 출력을 표시합니다. 그렇지 않은 경우 알고리즘이 현재 작동 중인 단계와 처리에 대한 명시적인 표시기(로딩 아이콘 또는 진행률 표시줄)를 표시합니다.   상황별 워크플로우에 대한 출력  통합 AI 워크플로의 출력을 디자인할 때 사용자가 기본 워크플로에 적용하기 전에 컨텍스트에서 출력을 확인할 수 있도록 합니다. 이를 통해 사용자는 인공지능이 생성한 결과의 정확성을 확인할 수 있으며, 잘못된 결과가 있는 경우 이를 삭제하거나 변경할 수 있습니다.   명령 기반 및 의도 기반 상호 작용 접근 방식의 이점을 결합합니다. 제품 해결 작업에 따라 사용자가 주어진 출력을 수정하고 사용하여 목표를 달성할 수 있도록 하세요. 가능한 한 부드럽고 쉬운 흐름을 제공하십시오.  예를 들어, 본문 텍스트가 많은 상황에서 인지 또는 읽고 쓰는 능력에 문제가 있는 사용자는 전체 텍스트를 읽지 않고도 해당 콘텐츠에 무엇이 포함되어 있는지 알고 싶어합니다. 사용자는 클릭하여 AI가 생성한 텍스트의 짧고 단순화된 버전을 볼 수 있습니다.   필요한 경우 빠르게 돌아올 수 있도록 최근 쿼리를 저장하고 표시하는 것도 좋은 습관입니다.   4. 보이지 않는  보이지 않는 AI 워크플로는 가장 전통적인 워크플로로 간주될 수 있습니다. 이러한 유형은 오랫동안 사용되어 왔으며 최근 언어 모델이 과대광고되기 훨씬 전에 나타났습니다. "보이지 않는" AI는 시스템이 백그라운드 모드에서 사용자 작업을 처리하기 때문에 문자 그대로 보이지 않습니다. 자율적으로 작동하는 머신 러닝 알고리즘은 관련 콘텐츠를 찾고, 프롬프트를 개선하며, 행동을 계산 및 분석합니다. 눈에 보이지 않는 시스템의 터치포인트와 상호작용이 최소화됩니다.   또한 보이지 않는 시스템은 사용자가 다양한 작업을 수행하는 데 도움을 주어 작업 흐름을 방해할 수도 있습니다. 이동 중에 적용되는 제안 및 자동 완성은 이 아이디어를 실제로 구현하는 방법입니다. 한 번에 여러 제안을 제공하는 자동 완성 기능은 실수를 줄이고 AI 시스템이 사용자가 원하는 것이 무엇인지 확신할 수 없는 경우 사용자가 단일 옵션을 제공하는 대신 선택한 라인업에서 선택할 수 있도록 하는 방법이기도 합니다. 하지만 AI 기반의 특정 수정 사항이 타당하더라도 여전히 틀릴 수 있으며 이를 재정의하는 것이 어렵지 않다는 점에 유의하세요. 따라서 AI 제안을 수락, 편집 또는 거부할 수 있도록 설계되었습니다.   눈에 보이지 않는 경험을 만들 때 시스템이 사용자의 현재 활동을 기반으로 관련 정보를 표시하고 개인화된 추천의 우선순위를 지정하는지 확인하세요. 제공된 권장사항을 빠르고 자주 업데이트하세요.  사용자에게 권장 사항을 표시하고, 데이터 소스를 명확하게 명시하고, 특정 결과가 예측되거나 제안된 이유를 설명합니다.   AI 시스템 사용자가 정기적인 상호 작용을 통해 자신의 선호도를 표현할 수 있도록 하십시오. 사용자 피드백을 인정하고 조정이 이루어지면 알려주세요. 단순히 사용자에게 감사하는 대신 피드백이 사용자에게 어떻게 도움이 될지 설명하세요. 이렇게 하면 다시 피드백을 제공할 가능성이 높아집니다. 사용자가 싫어요 버튼을 탭하면 시스템은 즉각적인 피드백을 제공하고 앞으로 그러한 종류의 콘텐츠를 덜 보게 될 것임을 확인해야 합니다.   결론  AI는 우리가 컴퓨터 시스템과 상호 작용하는 방식을 확실히 바꿀 것입니다. 그러나 AI 워크플로를 설계하려면 생성되는 워크플로 유형과 대상 사용자를 신중하게 고려해야 합니다. AI 시스템이 채팅 기반인지, 상황에 맞는지, 눈에 보이지 않는지, 기본인지에 관계없이 다른 유사한 AI 시스템에서 나온 모범 사례를 염두에 두는 것이 중요합니다. 다양한 출력 옵션을 제공하고, 부정확성에 대해 사과하고, 사용자가 자신의 선호도를 표현하도록 허용하는 것은 확립된 모범 사례의 몇 가지 예일 뿐입니다. 또한 워크플로의 입력, 처리 및 출력 단계를 고려하고 이를 사용자가 원활하고 이해하기 쉬운 방식으로 설계하는 것이 중요합니다. 이러한 모범 사례를 따르고 사용자의 고유한 요구 사항을 고려하면 효과적이고 효율적이며 사용자 친화적인 AI 제품을 만들 수 있습니다.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Say "hi" on Linkedin

Read My Stories

이 오디오는 이야기의 원래 언어로 제작되었습니다!

AI 워크플로 및 최신 애플리케이션 디자인 패턴

About Author

코멘트

태그 걸기

이 기사는 다음에서 발표되었습니다.

Related Stories

텔레그램: 크립토 아일랜드에서 본토로 연결되는 다리

독특한 생태계를 강화하는 비트코인 UTXO 모델

포럼에서 피드까지: 소셜 미디어 알고리즘이 디지털 상호작용을 형성하는 방식

보이지 않는 레이어: 사용자 인터뷰가 대체할 수 없는 자산인 이유

텔레그램: 크립토 아일랜드에서 본토로 연결되는 다리

독특한 생태계를 강화하는 비트코인 UTXO 모델

포럼에서 피드까지: 소셜 미디어 알고리즘이 디지털 상호작용을 형성하는 방식

보이지 않는 레이어: 사용자 인터뷰가 대체할 수 없는 자산인 이유

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps