Yapay Zeka İş Akışları ve Modern Uygulama Tasarım Modelleri

Kullanıcı deneyimi tasarımı sürekli gelişiyor ancak yapay zekanın mevcut yükselişi tüm alanı tamamen altüst etti. Yapay zeka, yeni bir paradigmayla yeni bir etkileşim çağını başlatıyor. Geleneksel kullanıcı arayüzleri, kullanıcıların bazı kullanıcı görevlerini gerçekleştirmek için bilgisayara bir dizi komut söylediği bir komut ve kontrol düzenine dayanır. Ancak yapay zeka, kullanıcıların bilgisayarlarla daha doğal bir şekilde etkileşime geçmesini, onlara nasıl yapacaklarını değil ne istediklerini söyleyerek mümkün kılıyor.

Niyet temelli paradigma olarak bilinen yapay zeka ile etkileşimin bu yeni paradigması hâlâ başlangıç aşamasındadır ancak bilgisayarlarla etkileşim şeklimizde devrim yaratma potansiyeline sahiptir. Örneğin, bilgisayarınıza "Paris'e uçuş rezervasyonu yaptırmak istiyorum" diyebildiğinizi ve onun otomatik olarak en iyi uçuşları bulup sizin için rezervasyon yaptırdığını hayal edin. Veya "Vergiler konusunda yardıma ihtiyacım var" diyebildiğinizi ve bilgisayarınızın bu süreçte size adım adım yol göstermesini sağladığını hayal edin. "Üst düzey" kullanıcı deneyimi tasarlamak ve onu tamamen bütünsel ve kusursuz hale getirmek için pek çok yeni fırsat sunuyor.

Niyet temelli etkileşimin zorlukları da vardır. Yüksek Lisans olarak da bilinen modern dil öğrenme modelleri, doğal dili anlamada zaten çok iyidir. Bununla birlikte, UX'teki yapay zekanın durumu mükemmel olmaktan çok uzaktır; mevcut sohbet tabanlı etkileşim tarzı, kullanıcıların sorunlarını düz metin olarak yazmalarını gerektirme konusunda sıkıntılıdır, bu nedenle yüksek bir bilişsel yük oluşturur.

Ayrıca bu tür etkileşimler için sezgisel ve kullanımı kolay kullanıcı arayüzleri tasarlamak zor olabilir. Ancak amaca dayalı etkileşimin potansiyel faydaları önemlidir ve UX tasarımcıları bu yeni paradigmayı en iyi şekilde nasıl uygulayacaklarını zaten araştırıyorlar.

Bu makalede amaca dayalı etkileşimin yükselişini ve bunun UX tasarımına etkilerini inceleyeceğiz. Şu anda mevcut yapay zeka odaklı ürün türlerini, giriş ve çıkış modellerini hangi şekilde kullandıklarını ve yapay zeka ortamında kullanıcı deneyimini daha iyi hale getirmek için nasıl tasarlandıklarını tartışacağız.

İçeriğe Genel Bakış

• Yapay zeka tasarımcının çalışmasını nasıl değiştirdi?
• Ürünlerdeki ana yapay zeka iş akışı türleri
  • Sohbet robotları
  • Birincil (önce AI)
  • Bağlamsal
  • Görünmez
• Çözüm

Yapay zeka tasarımcının çalışmasını nasıl değiştirdi?

Daha önce de anladığımız gibi, yapay zeka ürünleriyle çalışan tasarımcıların önündeki yeni zorluk, amaç odaklı paradigma çerçevesinde tasarım yapmaktır. Geleneksel yazılımı düşündüğünüzde, onunla etkileşime geçme şekliniz, istenen çıktıyı elde etmek için sistemin içine bir komut zinciri göndermenizdir. Girişiniz bir komuttur ve ekranınızdaki düğmeler, açılır menüler, formlar vb. gibi etkileşimli herhangi bir şey olabilir. GUI'nizdeki eylemlerinizin kombinasyonları, yolculuğunuz boyunca sizi adım adım yönlendiren bir komut oluşturur.

Bir üründeki bilgi mimarisinde gezinmek gibi bir dizi adımdan sonra, sonunda sorununuza bir çözüm, yani sistemin çıktısını elde edersiniz. Örneğin, bir taksi sipariş etmeye çalıştığınızda, bir varış noktası seçmek, yolculuk parametrelerini ayarlamak ve son olarak sistem sizin için bir sürücü seçtiğinde sürüşü onaylamak için bir komut göndermek için bir dizi komut gönderiyorsunuz.

Niyet temelli etkileşim girdi-işleme-çıktı sistemine kadar daraltılmıştır. Kelimenin tam anlamıyla bir sisteme sonuçta elde etmek istediğiniz şeyi verirsiniz (sözde istem olarak adlandırılır), sistem girdinizi işler ve size bir çıktı verir. Hesaplamanın tüm adımları sistem üzerindedir, yalnızca ihtiyacınız kadarını alırsınız. Taksiyle ilgili örneğimize dönecek olursak, niyete dayalı sistemde, yalnızca isteminizi vermeniz yeterlidir ("Eve gitmek için bir taksi sipariş edin") ve sizi arayacaktır.

Bu paradigma hala iş akışlarında komutlar gerektirecektir çünkü makineler yanılabilir ve insanlar bazen sistemin davranışını hedeflerine göre daha iyi ayarlamak için bir çıktıyı değiştirmek ve kontrol etmek veya onu farklı akışlarda kullanmak isteyebilir.

Ürünlerdeki ana yapay zeka iş akışı türleri

Bu adlandırmalarda hemfikir olalım ancak yapay zekayı kullanıcı akışına entegre ettiğimizde ürün iş akışlarına, görevlere, sorunlara, teknik özelliklere ve diğer sınırlamalara bağlı olarak farklı şekilde çalışabilir. Araştırma ve analizlerimiz sırasında ürünlerde belli desenler görünüyor, onlara bir göz atalım. Ayrıca size şu veya bu ürünün girdi-işleme-çıktı modelini nasıl kullandığını, hangi kullanıcı arayüzü çözümlerini kullandığını ve yapay zeka ürünleri için standart olan kullanılabilirlik sorunlarını nasıl çözdüğünü anlatacağız. O halde hadi başlayalım.

1. Sohbet robotları

En bariz örnekten bahsedelim. Yapay zekayla ilgili mevcut heyecan çoğunlukla sohbet robotları ve onların yetenekleriyle ilgili. Bu modelde, LLM kullanıldığında yapay zeka iş akışı, bir sohbet robotu arayüzü aracılığıyla diyaloğun ileri ve geri gitmesi yoluyla gerçekleşir. Kullanıcı, chatbot ile konuşarak etkileşime girer ve chatbot, kullanıcının sorularına ve istemlerine yanıt verir. Genellikle bu tür iş akışı, çok çeşitli görevleri ve çözümleri tamamlamak, en geniş talepleri tamamlamak, yeni konuları incelemek vb. için kullanılabilir.

Ancak mevcut sohbete dayalı etkileşim tarzı, kullanıcıların sorunlarını düz yazı olarak yazmalarını gerektirdiğinden kullanıcılar için yüksek bir bilişsel yük oluşturmaktadır. Bu sorunu çözmek için yeni bir rol geliştirildi: "hızlı mühendis". İstem mühendisleri, uygun istemleri sağlayarak ChatGPT'den doğru sonuçları elde etmekten sorumludur. Başka bir deyişle, chatbotların kullanılabilirlik tasarımlarına çok fazla dikkat edilmesi gerekiyor.

Sohbet robotu girişleri

Chatbot ürünleri genellikle metin yönlendirmeli giriş kalıplarını kullanır. Bu yaklaşım, kullanıcıların metin halindeki herhangi bir isteği yazıp sisteme göndermesine ve istediklerini yazmasına olanak tanır. Giriş ve çıkış sonuçları için en geniş olasılığı sağlar.

Kullanıcı yönlendirme modeli genellikle bir metin alanı kullanıcı arayüzü öğesi olarak görünür. Sohbet robotlarında genellikle yerinde sabit kalır.

Uyarılarla birlikte, önceden yazılmış istemler de sıklıkla eklenir, böylece kullanıcının bu sohbet robotuyla ne yapılacağına dair yanlış anlamaları ve kavram yanılgıları azaltılır, öneriler sunulur ve seçenekler basitleştirilir.

Ayrıca, sohbet robotları sıklıkla metin giriş alanını doldurmak için ses girişinin kullanılmasını öneriyor ve klavyeyle yazmak yerine sesinizi kullanmanıza izin veriyor. Bir kişi ile bilgisayar arasında neredeyse organik bir diyalog oluşturur.

Sohbet robotu işleme

Sistemin hangi durumda olduğunu ve kullanıcının isteğini nasıl işlediğini göstermek önemlidir. Farklı uygulamalar farklı yaklaşımlar kullanır. Chatbotlarda en yaygın yaklaşım gerçek zamanlı metin oluşturmaktır. Algoritmanın bir sonuç vermesi biraz zaman alabileceğinden, hareket halindeyken metin oluşturmayı göstermek iyi bir uygulamadır; bu, kullanıcının dikkatini odaklamanıza ve giriş ile çıkış arasındaki geçişi daha kusursuz hale getirmenize olanak tanır.

Sohbet robotu çıkışı

Chatbot uygulamalarında çıktı türleri büyük ölçüde farklılık gösterebilir. Bu metin, resimler (örneğin metin girişiyle oluşturulan) veya uygulamanın hedef konusuna ve işlevlerine bağlı diğer sonuçlar olabilir. Çıktı metin yazımının kullanıcı girdisini ve uygulamanın istenen karakterini ve kişiliğini (eğer ilgiliyse) yansıtması önemlidir.

Bir chatbot tasarlayacaksanız diğer uygulamaların zaten kullandığı en iyi uygulamaları göz önünde bulundurmalısınız.

1. Çoklu çıktılar. Sistemin sonuçları farklı olabileceğinden ve bazen yüksek kalitede olamayabileceğinden veya sistem kullanıcının isteğini yanlış anlayabileceğinden, sistemin kullanıcının istediği sorguyu tahmin etme şansını artırmak için birden fazla çıktı olasılığını eklemek iyi bir uygulamadır. Görmek.

   
   

2. Yanlışlık için özür dileriz. Sistemdeki yapay zeka, kullanıcıda kafa karışıklığına, rahatsız edici içeriğe veya rahatsızlık hissine yol açacak yanlış sonuçlar üretebiliyor. Sistem, ortaya çıkabilecek olası yanlışlıklar için özür diler.

   
   

3. Kaydedilen etkileşimler. Kullanıcıların sistem içindeki son eylemlerini hatırlayarak onlara daha kolay geri dönmemizi sağlar. Son varış noktalarını, aramaları ve diğer girdileri göstermek, bilişsel yükü hafifletmek için yararlı bir dürtü olabilir.

2. Birincil (önce AI)

Bu tür ürünler, konumlarının belirli kullanım durumlarına göre daraltılması dışında, dil öğrenme modelleriyle desteklenen sohbet robotlarına çok benzemektedir ve resimlerden belirli bir sektördeki sorulara karmaşık etkileşimli yanıtlara kadar çok farklı türde sonuçlar üretebilmektedirler.

Bu ürünler, tam ekran etkileşimler ve adım formları aracılığıyla birincil iş akışı olarak yapay zekayı kullanır.

Birincil tür girişi

Daha önce de belirttiğimiz gibi, giriş, genellikle metin için bilgi istemi alanına benzeyen chatbot giriş modellerine benzer. Bilgi istemi şablonları (düşünce sürecinizi başlatmanıza yardımcı olmak için) ve ses girişi gibi en iyi uygulamalar da benzer şekilde bırakılmıştır.

Ayrıca bazen sistemin çıktısına uygulanabilecek bazı parametreleri kullanıcının ayarlamasına izin vermek mantıklı olabilir. Bu, kullanıcının aşina olduğu ölçüt kaydırıcılarının ve diğer standart kullanıcı arayüzü modellerinin kullanılması anlamına gelir.

Birincil tür için işleme

Diğer iş akışı türleriyle tutarlı işleme kalıpları; buradaki en iyi uygulama, sistem çıktısını hareket halindeyken kolayca oluşturmaktır. Ancak yapay zeka öncelikli iş akışları için işlemeyi tasarlarken parça parça göstermek mümkünse çıktıya dikkat edin. Örneğin, bir görüntü oluşturma sürecinde gösterilebiliyorsa veya teknolojiniz yalnızca tamamlanmış halini göstermenize izin veriyorsa.

Durum böyleyse, hesaplamalar sırasında ayrıntılı ilerleme mesajları sağlamayı düşünün.

Birincil tip için çıktı

Yapay zeka öncelikli iş akışlarında çıktı türleri, sistemin kullanıcısına ne vermeye çalıştığına ve hangi çözümü elde etmeye çalıştığına bağlı olarak görüntülerden farklı kullanıcı arayüzü yapılarına (hatta dinamik kullanıcı arayüzü öğelerine) kadar değişiklik gösterebilir.

Bu tür bir iş akışını tasarlarken, birden fazla çıktı sonucu kullanmayı düşünün, kullanıcının istenen sonuca ulaşmasını sağlamak için bir çıktının ince ayarına izin verin, yeniden yönlendirmeye izin verin ve sistemin çalışması hakkında geri bildirim ekleme olanağı sağlayın.

3. Bağlamsal

Bu türde yapay zeka iş akışı, tetikleyiciler ve bağlamsal eylemler aracılığıyla mevcut birincil iş akışının üzerine eklenir. LLM'yi kullanarak çeşitli kullanıcı arayüzü öğeleri aracılığıyla bağlamsal görevlere çözümler sunar.

Bağlamsal iş akışları için giriş

Bağlamsal iş akışlarındaki girdiler, görev türlerine bağlıdır ve büyük ölçüde farklılık gösterebilir. Metin özetleme gibi belirli görevleri etkinleştirmek için bir metin girişi, bilgi istemi şablonları veya düğmeler olabilir.

Bu yaklaşımı kullanırken, kullanıcının bu istemleri veya komutları hangi yolla tetikleyeceğini etkinleştirme/devre dışı bırakma sürecini tasarlamayı düşünün.

Hızlı inşaat

Bu model, kullanıcıların ayrıntılı bilgi istemlerini yazmadan oluşturmalarına yardımcı olan rehberli sihirbazlar olarak görünür ve metin alanları, açılır menüler, radyo düğmeleri ve diğerleri gibi farklı kullanıcı arayüzü giriş öğelerini kullanır. Tüm bunlar, görevin bağlamına uyum sağlayan ve karmaşık bir istemin küçük mantıksal parçalara bölünmesine olanak tanıyan form yapılarında bir araya gelerek kullanıcının yükünü azaltır ve onu, görevin formatı hakkında çok fazla düşünme ihtiyacından kurtarır. çabuk. Bu, özellikle aynı yapıya sahip, sık sık tekrarlanan bir sorgunuz olduğunda yararlı olabilir; her seferinde yeni bir bilgi istemi yazma zahmetine girmemek için kullanıcının yalnızca değişen kısımları doldurmasına izin verebilirsiniz.

Bağlamsal iş akışları için işleme

Bağlamsal sistemlerin işlem tasarımına bağlamsal bir yaklaşım gerektirmesi şaşırtıcı değildir. Yine, doğru yol büyük ölçüde yazılımın gerçekleştirmesi gereken görev türlerine bağlıdır, ancak genel uygulamalar aynı kalır. Mümkünse, sonuçların çıktısını oluşturulduğu şekilde gösterin. Değilse, algoritmanın şu anda çalıştığı adımı ve işlemin açık bir göstergesini (yükleme simgesi veya ilerleme çubuğu) gösterin.

Bağlamsal iş akışları için çıktı

Entegre yapay zeka iş akışları için çıktı tasarlarken, kullanıcının çıktıyı birincil iş akışına uygulamadan önce bağlamda kontrol etmesine izin verin. Bu, kullanıcının yapay zeka tarafından oluşturulan sonucun doğruluğunu doğrulamasına ve yanlış sonuç olması durumunda bu sonucu silmesine veya değiştirmesine olanak tanıyacaktır.

Hem komut tabanlı hem de amaç tabanlı etkileşim yaklaşımlarının faydalarını birleştirin. Ürününüzün çözdüğü göreve bağlı olarak, kullanıcıların hedeflerine ulaşmak için verilen çıktıyı değiştirmesine ve kullanmasına izin verin. Mümkün olduğunca düzgün ve kolay akış sağlayın.

Örneğin, çok fazla gövde metninin olduğu durumlarda, bilişsel veya okuryazarlık sorunları olan kullanıcılar, metnin tamamını okumak zorunda kalmadan bu içerikte nelerin yer aldığını bilmek isterler. Kullanıcı, yapay zeka tarafından oluşturulan metnin kısaltılmış ve basitleştirilmiş bir versiyonunu görüntülemek için tıklayabilir.

Gerektiğinde hızlı bir şekilde geri dönebilmenizi sağlamak için son sorguları depolamak ve görüntülemek de iyi bir uygulamadır.

4. Görünmez

Görünmez yapay zeka iş akışları en geleneksel olanlar olarak kabul edilebilir. Bu türler uzun zamandır ortalıktalar ve dil modellerinin son zamanlardaki heyecanından çok önce ortaya çıkmışlardı. "Görünmez" yapay zeka kelimenin tam anlamıyla görünmezdir çünkü sistem kullanıcı eylemlerini arka plan modunda işler. Otonom olarak çalışan makine öğrenimi algoritmaları, ilgili içeriği bulmaya, istemleri iyileştirmeye ve davranışı hesaplayıp analiz etmeye çalışır. Görünmez sistemlerdeki temas noktaları ve etkileşimler en aza indirilir

Görünmez sistemler ayrıca kullanıcıların çeşitli görevleri yerine getirmesine yardımcı olarak iş akışlarını kesintiye uğratabilir. Hareket halindeyken uyarlanan öneriler ve otomatik tamamlama, bu fikri uygulamaya geçirmenin yollarıdır. Aynı anda birden fazla öneri sunan otomatik tamamlama özellikleri de hataları azaltmanın bir yoludur ve yapay zeka sistemi kullanıcının ne istediğinden emin olmadığında kullanıcıya tek bir seçenek sunmak yerine seçilen bir diziliş arasından seçim yapmasına olanak tanır. Yine de dikkatli olun, bazı yapay zeka destekli düzeltmeler mantıklı olsa bile bunlar yine de yanlış olabilir ve bunları geçersiz kılmak zor olmamalıdır. Yapay zeka önerilerinin kabul edilmesine, düzenlenmesine veya reddedilmesine izin verecek şekilde tasarlanmıştır.

Görünmez deneyimi oluştururken sistemin, kullanıcının mevcut etkinliklerine göre ilgili bilgileri görüntülediğinden ve kişiselleştirilmiş önerilere öncelik verdiğinden emin olun. Sağlanan önerileri hızlı ve sık sık güncelleyin.

Kullanıcıya öneriler göstererek, veri kaynağını açıkça belirtin ve belirli bir sonucun neden tahmin edildiğini veya önerildiğini açıklayın.

Yapay zeka sistemi kullanıcılarının düzenli etkileşimler yoluyla tercihlerini ifade etmelerini mümkün kılın. Kullanıcı geri bildirimlerini dikkate alın ve ayarlamalar yapılacağı zaman onları bilgilendirin. Kullanıcılara basitçe teşekkür etmek yerine geri bildirimlerinin onlara nasıl fayda sağlayacağını açıklayın. Bu onların tekrar geri bildirim sağlama olasılıklarını artıracaktır. Bir kullanıcı beğenmeme düğmesine dokunduğunda sistem anında geri bildirim sağlamalı ve gelecekte bu tür içerikleri daha az göreceğini onaylamalıdır.

Çözüm

Yapay zeka, bilgisayar sistemleriyle etkileşim şeklimizi kesinlikle değiştirecek. Ancak yapay zeka iş akışlarının tasarlanması, oluşturulan iş akışı türünün ve hedef kullanıcının dikkatli bir şekilde değerlendirilmesini gerektirir. Yapay zeka sisteminiz ister sohbet tabanlı, ister bağlamsal, görünmez veya birincil olsun, diğer benzer yapay zeka sistemlerinden ortaya çıkan en iyi uygulamaları akılda tutmak çok önemlidir. Çoklu çıktı seçenekleri sunmak, yanlışlıklar için özür dilemek ve kullanıcıların tercihlerini ifade etmelerine izin vermek, belirlenmiş en iyi uygulamalardan sadece birkaçıdır. Ayrıca iş akışının girdi, işlem ve çıktı aşamalarının dikkate alınması ve bunların kesintisiz ve kullanıcının anlayabileceği şekilde tasarlanması önemlidir. Bu en iyi uygulamaları takip ederek ve kullanıcılarınızın benzersiz ihtiyaçlarını dikkate alarak etkili, verimli ve kullanıcı dostu yapay zeka ürünleri oluşturabilirsiniz.