近年來，AI技術的發展吸引越來越多人的目光，AI+營銷、AI+安防等等有 AI 概念的事件頻頻出現在人們的視野中。那麼，在智能化的領域中，作為設計師，有什麼設計機會是可以探索和發力的呢？以下內容是筆者通過已有的實踐經驗以及桌面調研、觀察、分析後總結的在智能化時代下，關於設計機會的觀點概述，包括以下內容：
- 弱智能化下，設計在產品中應該做些什麼？
- 結合AI能力，設計在產品中應該做些什麼？
- 對技術的瞭解
一、弱智能環境下，為用戶樹立正確的期望
智能不是萬能的，現在的智能技術還達不到完全智能化，不能做到完全無人工參與就能獲得滿意結果的情況，甚至在人為參與的過程中，還會與人的互動發生錯誤。這是弱智能環境下，數據量及模型還不成熟的反應。特斯拉自動駕駛汽車在三月份發生了一場車禍（如圖所示），自動駕駛看起來非常智能，但其實功能並不是完全自動的，自動駕駛模塊只處理部分驅動功能。
△ 特斯拉自動駕駛汽車發生車禍（圖片來源：CNNtech）
在 Chatbot 的上下文對話中，也總是會存在語義理解出現錯誤的狀況，其智能程度也是在逐步提升的過程中。設計師需要讓用戶能注意到產品的智能化程度，設定合理的預期，減少用戶體驗的落差，並在同時能夠展現產品的優勢特色以吸引、留住用戶。
1. 告訴用戶我能做什麼
智能算法能力提升後，達到某個階段，可以定期的告知用戶自己可以做什麼。或者在用戶進入新產品的某個垂直能力下，告訴用戶自己能夠做到什麼程度。例如小冰機器人，會在新功能發佈後，主動向用戶推送信息，告知用戶自己現在擁有的新能力，如圖所示。
2. 還不能做什麼，做錯了應該怎麼反應
當用戶想做什麼但是做不了時，需要告知用戶功能的侷限性，在不同的場景下，可以有不同的應對方案。如在一般輕鬆的會話過程中，可以模擬機器人的年齡較小，還處在學習中，降低用戶的預期並獲得理解，引導用戶體驗現有的功能。如果在較為嚴謹、緊急的會話過程中，則可以通過升級人工的方式來解決問題，或定時告知用戶對會話內容的跟進及處理情況。
二、弱智能環境下，增強智能特徵使產品顯得更智能
筆者從智能的概念出發去探討智能化特徵，以及智能化特徵對用戶的感受，由此去挖掘產品中的設計機會點。
1. 從「智能」到產品「智能化」
從「智能」的定義出發去推演智能化特徵，智能是指具有「智慧」與「能力」，智慧是能夠觸感、記憶內容，能夠具備思維能力，並通過語言與行為展現出來。「智能化」則是指非智慧的對象通過技術能力具備智能的表象化能力及特徵，智能化則能夠感知內容，對內容具有記憶，能夠產生類似思維的能力，自我學習、主動適應的能力，並通過觸點表現行為。相對應的，產品具有「智能化」特徵，是能夠進行智能感知，進行實時分析並自主決策，並能夠通過執行表現出來。
△ 「智能」的定義分析（圖片來源：筆者自繪）
2. 從產品「智能化」特徵到用戶的「智能化」感受特徵
智能化是產品的表象，相對應的，用戶對智能化的特徵感受是多方面的，與用戶的調研中我們能抽取到一些對智能化感受的關鍵話術——「它是能快速理解的」、「能主動提供幫助的」、「知道我的，懂我的」、「能夠及時，適時的通知、幫助我」、「背後邏輯好像很複雜很厲害」但是「需要我做的很輕便」，「讓我看起來很簡單」、「對我很親切」，將其與智能化特徵相對應進行歸納，總結智能化特徵下用戶感受特徵。
在智能感知的環節，產品給到用戶的感受應該是「快速」、「主動」的。「快速」在於用戶的信息能夠被快速獲取，或者產品能夠自動得獲取信息，然後主動地為用戶提供幫助。
在實時分析、決策的環節，產品給到用戶的感受應該是「能記憶」、「能預測或推薦」，記憶用戶的行為偏好、關注內容等作為數據標籤，為用戶提供其個性化的信息及操作路徑，滿足用戶的預期。在產品中監控用戶操作路徑預測行為給予輔助，或是對數據信息進行分析，給出推薦信息，幫助用戶進行判斷操作。
在執行及其表現上，能夠進行「化繁為簡」的處理，從流程環節或是單界面互動上減少用戶低價值的操作，使其能夠清晰認知、簡便操作。感官上，一方面體現化繁為簡的技術感，另一方面則從與人的距離感上拉進關係，表現擬人化的親近。
這些智能化特徵在前後臺產品中可以發散運用。在後臺產品中，筆者主要以自動化、記憶、實時監測等手段來增強產品的智能感。詳見文章《如何讓產品像人工智能一樣懂你？我總結了這些方法！》
△ 「智能」的用戶感受分析（圖片來源：筆者自繪）
三、告知用戶AI所產生的內容
1. 在產品中透出算法智能的能力，增強用戶對AI能力的信心
算法智能在產品中很多時候都是隱形的發揮作用，像 NLP技術中對語義理解分析、匹配、預測等都是黑盒狀態，設計上可以更多的透出算法智能為用戶帶來的便利，使用戶認知到算法智能的能力，提升對產品智能能力的信任感。
舉個例子，在智能定位模型訓練的過程中，對一批相似的訓練數據進行聚類再呈現給用戶，在設計上可以提示用戶 AI 能力為其所做的事情。如圖所示，告知用戶產品已經為其智能聚合了相似的類，提升其操作效率。
△ 智能聚類（圖片來源：店小蜜問答訓練已上線）
在 AI數據處理的過程中，會對數據進行打標使結果更加準確。可以通過分析對象的搜索、點擊、點擊停留、收藏、轉發等交互行為，或個性化特徵則如性別、年齡、收入等，甚至一些外界自然因素如時間、天氣等來作為特徵進行打標。在推薦結果中可以透出特徵信息，若結果是正向的，將提升增加用戶對智能的信任。
舉個例子，如圖所示，當用戶在查找某個知識內容時，當向用戶推薦解決方案時，同時透出智能化推薦的原因。如該例子中採用了用戶使用的特徵，大部分人看過後還有使用的特徵標籤更能獲取用戶的信任，輔助用戶判斷，提升內容的點擊轉化率。
△ 知識智能推薦（圖片來源：筆者設計稿）
2. 明確是AI能力所提供的輔助決策
另外一方面，在弱智能環境下，由於數據量的不足，AI 所產生的結果（預測或推薦等）可能存在錯誤的情況。這時候，需要明確告知用戶哪部分是 AI 所產生的結果，讓用戶自己決定是否信任內容而去進一步採納。在現階段，AI 與人工之間是相輔相成的關係，特別是在後臺產品中，為了保證任務結果的準確性，用戶還是會參與到過程中，人工輔助下，AI 能獲得更精準的結果。同時，AI 產生的結果在一定程度上還是在輔助用戶進行便捷的操作。
舉個智能預測推薦的例子，在為對象打上數據類型的標籤時，通過對內容的文本分析、整體內容的打標偏向，預判用戶會為該對象打上什麼類型的標籤。如圖所示，預測用戶將會打的標籤並進行操作提醒，但由用戶自己決定是否採用。
△ 數據類型智能推薦（圖片來源：筆者設計稿）
四、解釋機器是怎麼思考的
現在算法智能在產品上的體現是隱形的，並且在弱智能環境下，算法能力還不能完全做到針對用戶個性化、特定場景下的自主學習能力，這需要大量的數據來源進行訓練。由於算法模型能力有限，並且會影響到產品形態及邏輯，因此與用戶實際的理解會有差距，從而導致用戶在使用過程中達不到想要的結果。設計在這裡發揮的作用既是在以目標為導向下，引導用戶如何正確的利用智能能力以獲得正確的結果，達到期望。
解釋機器是怎麼思考的有解釋的程度之分，從智能化前臺產品到後臺產品，解釋的程度及成本從低到高。
1. 初級階段：解釋怎麼用
在初期階段，主要引導用戶如何使用產品，解釋其如何開始運作。以 chatbot 產品為例，在面向消費者時，在會話起始需要引導用戶開啟意圖，開啟某個意圖的方式是命中與意圖相關的話術。引導用戶明確自己的意圖，在該意圖下應該發出怎樣的話術才能觸發。舉個例子，在會話過程中進行購物，需要明確發出「買某某」的意圖，引導其意識到要有「買」的關鍵詞才能進入到購買的流程中。
對於 chatbot 的後臺產品來說，首先需要認知後臺和前臺會話的關聯性，如何產生前臺的效果，相對應的功能分別產生怎麼樣的作用。舉個例子，如圖所示，在進行後臺配置時，告知用戶該功能是對應前臺所展現的效果。
△ 前後臺對應展現（圖片來源：AlimeBot Plantform）
2. 進階階段：解釋需要做什麼能更好的獲得結果
在後臺產品的配置中，會有一些算法配置方式，會使前臺產品表現得更加智能。但是算法配置的方式，更多的是從算法角度出發，反推到業務中去解決問題，設計上需要建立兩者之間的關係，使用戶理解如何做能更好的獲得前臺展現效果。舉個例子，在面向 chatbot 的知識後臺產品中，為了使用戶話術能更好的命中知識語料，將引導用戶對命中話術的關鍵詞進行標註，增加句子的識別度。如圖所示，在輸入話術之後，提升用戶進行話術的關鍵詞標註。
△ 關鍵詞標註（圖片來源：筆者設計稿）
3. 高級階段：理解算法模型背後的知識（適用於後臺產品）
針對知識型的後臺，在大量知識的情況下，為了更好的維護及查看知識，將會對知識進行結構化的設定，結構化的規範來自於算法邏輯，需要用戶對規範有一定的瞭解才能進行合理的配置及使用。另外還會對用戶在業務上的梳理能力提出挑戰。在這個階段，初期在線下進行培訓會比較便捷，後期可以考慮在產品上進行課程的培訓。另一方面，對於業務的梳理，產品設計上要儘量靠近用戶現實的梳理思路及梳理現實情況。舉個例子，業務小二通常使用 xmind 工具進行業務知識結構的梳理，在梳理的過程中有反覆增刪改、定位查看、全局查看的操作，對業務的梳理概況要有個整體性的掌控感。因此在工具優勢的基礎上進行設計，在產品中完成整體鏈路的編輯。
△ 知識結構化梳理（圖片來源：筆者設計稿）
五、對結果提供反饋的入口，以便進一步訓練智能模型
對算法所展現的結果，給到反饋的入口，可以是一個點贊、點踩，也可以是一個留言入口。為智能化的過程形成一個閉環流程，使訓練的智能模型能夠更準確。設計師需要判斷應該是怎樣的反饋形式，如何吸引用戶完成反饋。
1. 鼓勵用戶對數據的內容進行反饋
當用戶與產品進行互動時，給到用戶的反饋不一定準確，可能存在未定位到，定位不準及定位錯誤的情況，在給到用戶的解決方案不能滿足用戶時，最好追加一步詢問，使用戶對內容進行反饋。
通常在未定位到內容時，智能能力沒有解決用戶的問題，一般情況下需引導其到其他途徑中去解決問題。在定位不準時，可能需要引導用戶換一種說法去定位內容。若定位多次仍不準確，或定位錯誤的情況下，對給出的結果進行評價，針對給出的評價能夠進入到對應的遞進途徑中去解決問題，目前為了保證用戶完好的體驗，都需要有人工服務來兜底解決。對於智能能力來說，引導用戶對數據內容進行評價反饋，可以使得智能模型維護人員進行更有針對性的調整，使智能能力更加精準。
六、瞭解技術的邊界
為什麼談設計機會還要聊「要了解技術的邊界」？技術是實現的基礎，特別是在新興領域中，對技術的理解是實現設計的基石。筆者認為設計師瞭解技術邊界有以下兩個方面的優勢：
1. 更好得洞察設計機會
在智能化的新領域中，對技術的理解可以幫助設計師更好的理解產品背後運行的邏輯，你可能會在技術基礎上對技術傳遞和用戶接收之間產生一些判斷：是否要將技術能力透出給用戶感知？如果透出，如何讓用戶進行理解及信任？
2. 更深的參與討論，提供設計決策，幫助算法、開發明確優化內容的方向
能夠和算法、產品針對設想的方案進行有技術理解的討論，可以明確哪些體驗點能夠實現，哪些存在困難，困難點在哪裡，明確體驗點的優先級，為算法、開發明確在體驗層面上技術可以發揮的精益作用。
閱讀更多 河北華信智原 的文章
