İlk olarak generatif AI'yi Viamo'nun IVR platformuna entegre etmekle görevlendirildim ve Afrika ve Asya'nın gelişmekte olan pazarlarındaki milyonlarca kişiye hizmet verdiğimde, sadece bir sohbet arayüzünü bağlayamadığımızı ve bir gün arayabildiğimizi fark etmemeye karar verdim, çünkü bu teknik ve geliştirme zorluklarımızdan bazılarını basitleştirir. Bu proje bana, tüm tasarımcıların öğrenmesi gerektiğini düşündüğüm bir ders öğretti: Ajanslı AI için tasarım, sohbet için uygun hale getirmekle ilgili değil, insanların zaten güvendiği işlerde güvenilir, şeffaf ve öngörülebilir şekilde çalışabilen akıllı sistemler tasarlamakla ilgili. Ürünler tasarımı, fintech, lojistik ve yazılım platformlarını kapsayan yedi yıl boyunca, AI'yi uygulamanın en etkili yolunun insan yargısını değiştirmekle değil, insanların güvenebileceği ve nihayetinde güvenebileceği yollarla büyütmekle ilgili olduğunu fark ettim. Chat-First Düşünmenin Ölümcül Hataları Bu endüstride AI ürünlerinde sohbet arayüzleri ile ilgili obsesyonu nedeniyle köklenen tehlikeli bir paradigma var ve bu, herkesin “ChatGPT for Y” oluşturmaya çalıştığıdır. “Evet, aslında, sadece bunu oluşturabileceğimiz ve sohbetin bir parçası olduğu için, sohbet etkileşiminin gerçekten ihtiyacımız olan şey olup olmadığıyla ilgili bir şey yok.” Bu kesinlikle doğru değildir. Chat, hedefler dahil olmak üzere seyahat etmeyi içeren açık araştırma ve yaratıcı görevler için mükemmel. Ama çoğu iş görevi doğruluk, denetleme ve tekrarlanabilirlik gerektirir. Waypoint Ürünleri için tedarikçi arayüzünü tasarlarken, milyonlarca dolarlık gübre ve kimyasal ticaret işlemleri ile uğraşan bir sistemde, kullanıcılar işlemleri hakkında araştırmacı konuşmaları kolaylaştırabilecek kullanıcı dostu bir sohbet arayüzüne ihtiyaç duymadı. AI sistemlerinin hataları belirlemesini, optimum rotaları belirlemesini ve uyumluluk endişelerini belirlemesini sağlayan arayüzlere ihtiyaç duydular. kritik işlemleri herhangi bir belirsizlik veya belirsizlikle karıştırmadan. Chat merkezli AI ile ilgili ana sorun, konuşma fasadesi altında karar vermeyi sağladığıdır. Kullanıcılar ne tür bilgiler kullandığını, neyi uyguladığını ve alternatif bir seçenek olarak neyi keşfettiğini kolayca kontrol edemezler. Tabii ki, bu, düşük bahis soruları için kabul edilebilir, ancak sonuçsal seçimler için yıkıcıdır. Siparişlerin tamamlanmasını izleyen nakliye izleme sistemimizi tasarlarken, Waypoint projemiz, kullanıcıların potansiyel gecikmeler veya piyasa dalgalanmaları hakkında AI iletilerinin fiktif gözlemlere değil, kendisi tarafından keşfedilen ve doğrulanmış gerçek gerçeklere dayanması gerektiği bir meydan okuma ile karşı karşıya kaldı. Multi-Agent Sistemleri Multi-Modal Araçlar Gerektirir Ama sonra, düşüncemde bir paradigma değişikliği meydana geldi, çünkü sadece bir AI modeli için tasarım yapmayı bıraktım ve bir sistem olarak birlikte çalışan çok sayıda uzmanlaşmış AI entitesinden oluşan ortamlar için tasarım üzerinde yoğunlaştım. Bu, tek pencere sohbet sisteminin paradigmasını tamamen bırakmamız gerektiğini ifade etti. Bunun yerine, birden fazla etkileşim yöntemlerinin aynı anda kullanılabileceği bir çok pencere arayüzü inşa ettik. Hızlı gerçekler, AI ses çıkışı aracılığıyla anında yanıtlar alabilir. Sorun giderme, AI'nin kullanıcının uzman bir sistemine yönlendirilmeden önce ön soruları cevaplayacağı yönlendirilmiş etkileşim içerecek. Hükümet tesisleri hakkında bilgi aramak isteyen kullanıcılar, kaynaklara göre cevaplar biçimlendirecektir. Tüm bu etkileşim yöntemleri, kullanıcı beklentilerini buna göre oluşturacak farklı görsel ve ses sinyalleri içerecek. Bu sonuçlar, bu stratejinin geçerli olduğunu kanıtladı ve% 30'dan fazla yanıt doğruluğunda ve kullanıcı katılım seviyelerinde artış yaşadık. Daha da önemlisi, kullanıcı terk etme seviyeleri, beklentilerin çelişkileri nedeniyle konuşmaları bırakmayı bıraktıkları için% 20 azaldı. kullanıcılar, insan uzmanlığı beklemeye kıyasla belirli bir bilgiye sahip bir AI sistemi ile konuşacaklarını anladıklarında, soru ve sabır seviyelerini buna göre ayarladılar. Sadece otomatikleştirme değil, doğrulama için tasarım Benim desteklediğim ajanik UX tasarımının en önemli ilkelerinden biri, “verifikasyon olmadan otomasyon” sadece “teknik borçlar AI olarak gizlenir.” Sistemde kullanılan her AI “agensinin” yanında, “kullanıcıların düşüncelerini doğrulamasını” ve “gerekli olduğunda kararını aşmasını” sağlayan bir “çıkış hatçası” olmalı, “birinin AI “yeteneklerine” güven eksikliği nedeniyle değil, “sürdürülebilir ortamlarda veya yüksek değerli işlemlerde” “kullanıcıların nihai sorumluluğu” olduğu gerçeğine saygı duyması nedeniyle.” Waypoint'te yeni kullanıcıların yüklenmesi için yönetici panosunu tasarladığımda, bir otomasyon projesinin tipik bir örneği vardı, bu tür bir şey, AI'nin entegre belgelerinin işlenmesine, temel bilgileri özetlemeye ve kullanıcı profilleri otomatik olarak popülize etmesine izin verecek ve böylece kullanıcı yüklenmesini birkaç saatten sadece dakikaya düşürdüğünü anladık. Tabii ki, yanlışlıkların bir şirketi uyuşmazlık durumuna sokabileceğini ya da daha da kötüsü, sahte kullanıcı profilleri oluşturabileceğini anladık. Çevrimiçi arayüzümüzde, çıkarılan her alan için AI güven düzeylerini göstermek için aşağıdaki sistemi uyguladık: Yüksek hassasiyet seviyesine sahip alanlar siyah metin rengi ve yeşil tick işaretleri vardı; Ortalama hassasiyet oranlı bir renk ve tarafsız bir sembol kullanılmıştır; Düşük doğruluk veya eksik bilgi alanları kırmızı renkte ve bir uyarı sembolü vardı. AI sistemlerinin kaçırdığı herhangi bir hata tespit etmek için, bu sistem aracılığıyla yeterli bağlam elde ettikleri için, yöneticiler için profil başına otuz saniye yeterli zaman vardı. Ancak sonuç açık: Tamamen manuel yöntemler ve insan ya da AI yaklaşımlarından daha yüksek hassasiyetle onboarding süresini yüzde kırk oranında azaltdık.Ama daha önemli olan, yönetici personeli bu sistemi güveniyordu çünkü aslında mantığı takip edebiliyorlardı. eğer AI tarafında bir hata varsa, bu doğrulama sayfasında oldukça kolayca belirtildi ve bu, daha sonra diğer AI işlevlerini başarılı bir şekilde kullanabilmemize olanak tanıyan çok önemli bir güven oluşturmaya yardımcı oldu. Agent Kapasitelerinin Gelişen Açıklaması Çoğu tasarımcıların uğraşması gereken ajanik UX'in başka bir ince ama önemli alanı, kullanıcılara, bu yeteneklerin olasılıkları ve potansiyel uygulamalarıyla onları aşılamadan yapabilecekleri ve yapamayacakları bilgileri sunmaktır. Bu, özellikle generatif AI uygulayan sistemler için geçerlidir ve FlexiSAF Edusoft'ta çalıştığımızda, bu sistemleri geliştirdiğimde, geniş kapsamlı ama farklı görevler veya faaliyetler üzerinde öngörülemez uygulamalar vardır. Kullanıcılar, bu durumda öğrenciler ve ebeveynler, sık sık karmaşık giriş prosedürleri aracılığıyla yönlendirmeye ihtiyaç duyarlar ve öte yandan, AI tarafından sağlanabilecek yanıtlar ve insan etkileşimi gerektirenler hakkında bilgilendirilmelidir. Uygulamamız etkileşime dayalı yetenek ipuçları sağladı, yani bir sistem kullanıldığında, kurumdaki insan kaynakları tarafından daha uygun bir şekilde cevaplanabilecek sorulara karşı AI'nin yanıt vermede güçlü olduğu soruların örneklerini vereceklerdi, yani bir kullanıcı başvuru süresi ile ilgili soruları yazdığında, "Mühendislik uygulamaları için son tarih ne zaman?" gibi AI'nin yanıt vermede güçlü olduğu soruların örneklerini görebilirlerdi, örneğin, "Başvuru ücretlerinin ödemesinden muaf tutulabilir miyim?" gibi sorulara daha etkili bir şekilde cevap verebilirlerdi. Buna ek olarak, kullanıcıların sorularının bir AI yanıtıyla tam olarak yanıtlanmadığını ifade edebilecekleri bir geri bildirim döngüsü sağladık.Bu sadece modeli geliştirmek için değil, kullanıcıların sorunlarının artması gerektiğini ve bir AI sistemi tarafından sıkışmış olduklarını ifade edebilecekleri bir UX özelliği sağladı.Önemli kaynaklar bu sistemi aracılığıyla sağlanacak ve aksi takdirde insan kaynakları ile de bağlantılı olacaklardı, böylece destek bileti azalmış olurdu ancak kullanıcı memnuniyetini feda etmeden, insanlar dinlendiğini ve bir AI sistemi aracılığıyla sıkışmamış olduklarını hissettiklerinde. Şeffaflık ve güven oluşturma faktörü olarak kullanışlılığı Güven, tabii ki, geliştirilmiş AI algoritmaları ile değil, kullanıcının sistemin ne bildiğini, neden sonuçlarını aldığını ve sınırlamalarının nerede olduğunu görmesini sağlayan şeffaf bir sistem tasarımıyla kurulmuştur. eHealth Africa, tıbbi sektörde tedarik zincirlerinin lojistik ve veri depolaması ile ilgili projemiz, bunu müzakere edilemez hale getirdi: “Eğer AI bilgisayar ajanları aşı gönderimlerinin zamanını tahmin ediyor ya da teslimat için optimum yolları gösteriyorlarsa, bu hakaretler açıklanabilir olmalıydı, çünkü insan karar vericileri, kırsal kliniklerin hayat kurtarıcı maddeleri zamanında aldığını belirleyeceklerdi.” Bu konuyu ele almak için, AI önerileri ile birlikte çıkış sağlayan “düşünce panelleri” olarak adlandırdığım şeyleri inşa ettik.Bu düşünce panelleri hesaplamalarının model ayrıntılarını göstermiyordu, sadece yol koşulları, bu rota için önceki teslim süresi, hava durumu ve ulaşım kapasitesi dahil olmak üzere önerilerine neden ulaştığı hakkında bilgi verdi.Düşünce panelleri, alanda çalışanların AI’dan eski tavsiyeler aldığını veya köprü kapatılması gibi daha yeni mevcut bir gerçeği ihmal ettiklerini ve siyah kutular gibi belirsiz karar vericilerden ziyade vazgeçilmez ve şeffaf hale getirdiklerini hızlı bir şekilde tespit etmelerini sağladı. Şeffaflık gerekliydi ve bu başarısızlık ve başarı için de geçerliydi. Bu amaçla, AI'nın genel bir hata mesajına geri dönmek yerine önerisini neden sunamadığını açıklayan yararlı başarısızlık durumlarını oluşturduk. Örneğin, bağlantı bilgileri eksik olduğu için optimum bir rota sunamıyorsa, bu açıkça iletildi ve kullanıcı hala yol önerisi yoksa ne yapabileceklerini biliyorlardı. Ajanlar ve İnsanlar Arasındaki Handoffs Tasarımı Ancak belki de en gelişmemiş ajan UX temalarından biri, bir AI ajanının bir sistemin veya etkileşimin kontrolünü bir insana aktarması gerektiği zaman ve tam olarak nasıl olduğu, ya da bu insan bir meslektaş olsun ya da o sistemin ya da etkileşimin kullanıcısı olmasın.Bu, tam olarak güven kaybının çoğunluğunun çok ajan sistemlerinde meydana geldiği yerdir ve aslında bu, bu sorunu açıkça ele alan ilk projelerden biri idi, Viamo için Bridge Call Block, kullanıcıları IVR etkileşimlerinden insan müşteri hizmetine transfer eden bir sistemdi. Konteyner transfer protokolümüz, her AI etkileşimi sonrasında operatörün ekranında kullanıcıyı selamlayabilmeden önce yapısal bir özet görüntülendi ve bu özet, kullanıcı tarafından istenenleri, AI'nin ne demek istediğini ve neden AI'nin bu çağrıyı aştığını içeriyordu. kullanıcıların istediklerini tekrar etmelerini istemeye gerek yoktu ve tüm etkileşim bağlamları operatörler için kullanılabilirdi ve etkileşim tasarımının bu küçük ayrıntıları, kullanıcıların saygı duyduklarını ve zamanlarının boşa gitmediğini hissettikleri için ortalama işlem süresini ve kullanıcı memnuniyetini büyük ölçüde iyileştirdi. Operatörlerin kullanıcılarını otomatik sistemlere geri yönlendirmek için çağrıldıkları durumlarda, kullanıcı arayüzü işlevselliği, operatörlerin, kullanıcıların otomatik sistemlere geri yönlendirilmesine izin verecek belirli görevlere dayanan yeterli AI bağımsızlığı beklentilerini iletmek için etkin bir şekilde kullanılmıştır. beklenmedik hayal kırıklığı ile değil. Pragmatik Tasarım Prensipleri Agentic UX Bir çok yıldır AI desteklenen sistemleri tasarlayan bir uygulayıcı olarak, bugün etkili bir şekilde ajans UX tasarımı yapmanıza yardımcı olacak birkaç pragmatik kılavuz hazırladım: İlk olarak, iş akışı için tasarlayın, teknoloji için değil. Kullanıcılar AI, kurallar veya insan zekası aracılığıyla yardımcı olup olmadığını önemsemezler. Sadece görevlerini etkili ve rahat bir şekilde yerine getirebileceklerini önemserler. Hedef sonuçlarından geri mühendislik yaparak başlayın, AI desteklenen ajanlardan kaynaklanan katma değer ve katma karmaşıklık alanlarını tanımlayın ve ardından durun ve buna göre devam edin. Kullanıcıların bir zeka alanını terk ettikleri ve arama zekası, model zekası ve insan zekası gibi diğer alanlara girdikleri zaman farkında olmaları ve buna göre tutarlı görsel ve etkileşim kuralları oluşturmaları gerekir, böylece ne tür bir cevap alacaklarını ve ne zaman alacaklarını merak etmezler. Üçüncü olarak, kullanıcı uzmanlığına saygı duyarak iş akışınızın tasarımındaki doğrulamayı oluşturun. AI sistemleri, ideal olarak ilgili bilgileri ortaya koyarak ve eylem yollarını önererek karar vermeyi hızlandırmak için yardımcı olmalıdır, ancak bunlar nihayetinde AI sistemlerinin kendileri için kullanılamayan bağlamlara sahip insan kullanıcıları tarafından yapılmalıdır. Başarılı bir şekilde finansman sağlayan projeler, belirli artışlarla katılımın arttığı ve binlerce kullanıcı sayısını işleyen projeler nedeniyle başarısız olduk, çünkü sahip olduğumuz ya da geliştirmeye çalıştığımız sofistike AI sistemleri var. Bu, kullanıcılarımıza arayüzümüz aracılığıyla bu AI sisteminin sonunda neler olup bittiğini anlama yeteneğini sağladığımız için ve bu sayede zamanla giderek daha karmaşık görevleri yerine getirmek için yeterince güvenmelerine yardımcı olduk.