Skapa ett dynamiskt UX: vägledning för generativa AI-program

2024-09-27

Så du föreslog ett användningsfall för din AI-funktion eller ditt program, motiverade det med ett affärsfall och fick godkännande. Bra jobbat! Vad händer nu? Nu är dina intressenter redo att se något.

När du planerar att skapa ett program med generativa AI-baserade funktioner är det viktigt att tänka på de tips och riktlinjer som ges här för att skapa den användarupplevelse (UX) som du vill ha. Genom att förstå de här huvudprinciperna kan du se till att du skapar ett engagerande och effektivt program som bäst stöder användarnas behov.

Följande vägledning vägleder dig genom de överväganden som du bör tänka på när du utvecklar UX för ditt generativa AI-program, med fokus på överväganden för att skapa anpassade copilot-upplevelser.

Den här artikeln är avsedd att hjälpa dig:

Utforska UX-ramverksalternativ och välj den bästa metoden för dina användningsfall.
Lär dig tre grundläggande principer för att utveckla en andrepilot och riktlinjer för interaktion mellan människa och AI.
Upptäck hur du uppnår ett samarbetsgränssnitt med hjälp av stark in- och utdatadesign

Det här området är mycket i förändring och det finns mycket att lära, så vi har tillhandahållit viktiga resurser för djupare dykning. Microsofts ansvarsfulla AI-principer och HAX-verktyget (HumanAI Experience) ger viss bakgrund till forskningen och verkliga erfarenheter bakom den här artikeln.

Rätt fokus för att få jobbet gjort

Det finns tre ramverksvariationer att tänka på för ditt UX:

Fördjupande för en hel kunskapsbas fokus
Assistive in-app focus
Inbäddad för enkel entitetsfokus

Ett skärmbild som visar en helskärmsmärkt som uppslukande, hel app och kunskapsbasfokus.

Nu ska vi utforska vart och ett av dessa ramverk i detalj

Fördjupat fokus för en hel kunskapsbas

Skärmbilder som visar en större version av helskärmsramverket.

En bra regel att följa är ju viktigare uppgiften, desto mer fastigheter krävs.

En uppslukande miljö ger en helt fokuserad upplevelse genom att använda hela arbetsytan för att visa relevant information, vilket ger djupare insikter och minskar distraktioner för användaren. Den här fokusnivån är perfekt för program där du vill visa information som är relaterad till specifika datakällor. Exempel på detta är AI-genererad instrumentpanel som liknar Microsofts Project Sophia, eller hur Microsoft Copilot for Security vägleder användare genom en omfattande process. I ett uppslukande utrymme blir komplexa data eller information enklare för användare att förstå och analysera.

Hjälpmedelsfokus för en upplevelse i appen

Ett skärmbild som visar en större version av sidofältets, hjälpmedelsramverket.

Ge användarna möjlighet att komma åt AI-baserad hjälp inifrån de program som de redan arbetar i – till exempel Microsoft Teams, Power BI eller dina egna appar – genom att integrera copilot som assistent för att utöka befintliga funktioner.

Genom att använda fokus i appen kan användarna undvika att växla mellan verktyg eller gränssnitt. Det här ramverket gör det möjligt för andrepiloten att sömlöst integreras i användarens arbetsflöde, vilket ger relevanta förslag, information och support på begäran utan att störa deras aktuella uppgift. Den här vyn ger kontinuerlig åtkomst till verktyg, information och hjälp utan att hindra huvudinnehållsområdet. Det är särskilt effektivt för program som kräver löpande support eller övervakning.

Inbäddat fokus för en enskild entitet

Ett skärmbild som visar en större version av det inbäddade ramverket för popup-fönster.

Om du bäddar in en enda startpunkt kan du förenkla integreringen av en andrepilot i ditt program, vilket minskar komplexiteten och gör det möjligt för användare att få support för specifika objekt eller åtgärder. Detta hjälper till att skapa en sömlös copilot-upplevelse med sammanhangsmedveten hjälp utan att uppta permanent skärmutrymme.

Det här alternativet kan vara idealiskt för uppgifter som bara kräver tillfällig vägledning eller interaktion, även om det kanske inte är lämpligt för mer komplexa eller detaljerade interaktioner. Den fullständiga inbäddningssampiloten bör överensstämma med vanliga interaktionsmönster, till exempel att markera en del av koden för att anropa copilot för att vidta åtgärder eller göra det möjligt för användare att fördjupa sig i ett diagram på en analysinstrumentpanel.

Infoga ett sekundärt fokus

Förutom att använda något av dessa tre ramverk individuellt kan du skapa en mer robust upplevelse genom att komplettera ditt valda fokus med ytterligare ett ramverksalternativ. Vi tycker att införliva ett inbäddat alternativ med en avancerad eller assistive copilot kan ge ytterligare värde för användare.

Oavsett vilken nivå av fokus du väljer för ditt användningsfall bör ditt slutliga mål vara att ge din användare en copilot-upplevelse är positiv och produktiv. Följande riktlinjer är avsedda att hjälpa dig att maximera framgången för din andrepilot genom effektiv UX-design.

Tre grundläggande principer för copilot UX

AI-drivna upplevelser kan vara imponerande och det är inte ovanligt att människor har ett känslomässigt, förtroendefullt svar på vad som verkar vara konversationsbaserat, ursprungligt innehåll. Men en andrepilot använder helt enkelt den information som den tränades på för att förutsäga ett ord för ord-svar utan någon inneboende förståelse för sanning. Därför är det viktigt att du baserar din andrepilot på följande principer och ställer in lämpliga förväntningar för dina användare.

Princip 1: Människa i kontroll

Alla fantastiska copilot-upplevelser bygger på följande grundläggande begrepp: en andrepilot är helt enkelt ett verktyg för att stödja användaren. Människan är piloten.

För att ställa in denna förväntan placerar du användaren i förarsätet. Det innebär att ge dem den information de behöver samtidigt som de ger insyn i hur andrepiloten fungerar. Förmedla dess förmågor och begränsningar och ge klarhet till de data som utdata baseras på. Paketera den här informationen i meningsfulla mänskliga kontroller så att användarna på ett säkert och iterativt sätt kan vägleda andrepiloten mot sina mål.

När du till exempel introducerar en copilot-funktion ska du inte låsa ordet "copilot" med åtgärdsord i användargränssnittet. I stället för "copilot, summarize", säger "Summarize with copilot". Det här språket påminner användaren om att andrepiloten helt enkelt är en assistent.

Princip 2: Undvik antropomorfiserande andrepilot

Många av de generativa AI-upplevelser som finns i dag kan imitera naturligt mänskligt språk. Eftersom tekniken är så bra på att göra detta finns det potential för användare att utveckla olämpligt höga förväntningar på dess natur och förmågor och därför över förlita sig på copilotens svar.

Det finns några sätt att förhindra att användarna gör dessa antaganden:

Ge copilot sin röst. För att undvika uppfattningen att andrepilot är människoliknande lär du den att använda rätt språk och undvika vissa ord i sina svar. Undvik till exempel ord som "förstå", tänka" eller "känna" i alla sammanhang eftersom de kan förmedla att copilot är människoliknande. Använd i stället ord som relaterar till datorer som "bearbetning" och analys.
Men att tillåta copilot att använda förstapersonssingulära pronomen (jag, jag, min, mig själv) i sina svar fungerar bra eftersom det är mer konversationsbaserat. Och även om det är bra att använda pluralpronomen för första person (vi, oss, våra) för att referera till din användare och din andrepilot tillsammans, använd inte dessa pronomen för att enbart representera ditt företag. Varför? Eftersom det ger copilot licens för att vara din röst, och i vissa fall kan verka tala på uppdrag av ditt företag.
Sätt ljus på personligheten. Tänk på konsekvenserna av det du kallar din andrepilot i användargränssnittet. Hur presenterar du det för dina användare och hur nämner du det i ditt marknadsförings- och supportmaterial? Ju mer karaktär du ger det, desto mer humaniserar du det.

Princip 3: Överväg direkta och indirekta intressenter

Precis som med all teknik har generativa AI-program påverkan som kan nå bortom bara den primära användaren. Under hela designprocessen bör du inte bara överväga den omedelbara användaren utan alla produkten kan påverka, särskilt de mest sårbara direkta och indirekta intressenterna. Gör det till en vana att designa för både primära användare och alla andra som kan se utdata. Det är viktigt att överväga de bredare konsekvenserna, inklusive eventuella oavsiktliga konsekvenser, av dina generativa AI-program.

Dessa överväganden är olika för varje organisation, så diskutera det med ditt team och några potentiella användare och ställ frågor som:

Hur kan dessa utdata användas?
Delar användarna den med någon annan?
Bör andra team eller grupper granska vår generativa AI-strategi?
Vilka är de mest utsatta intressenterna och hur kan vi skydda dem?
Implementerar vi meningsfulla mänskliga kontroller för att ge användare olika förmågor?
Vilka kan bli de oavsiktliga konsekvenserna om tekniken misslyckas eller om den missbrukas?

Utforma upplevelser för programmets livscykel

Välkomstprogram

När användarna först anropar din andrepilot bör de hitta den tillräckligt engagerande för att starta en konversation. De bör känna sig säkra på vad copilot kan och inte kan göra, så se till att visa nya användare de olika sätt på vilka de kan använda AI:n.

Microsoft-studier visar att användarna föredrar en upplevelse som förklarar vad andrepiloten kan göra och ger dem förslag på hur de ska börja. Det finns många sätt att skapa en sådan upplevelse och vi rekommenderar att du provar olika metoder med dina slutanvändare. Följande överväganden kommer från HAX-verktygslådan och har designmönster tillgängliga som erbjuder flera tekniker som du kan blanda och matcha för att ställa in användarnas förväntningar:

Gör klart vad systemet kan göra. Hjälp användaren att förstå vad AI-systemet kan göra.
Gör klart hur bra systemet kan göra vad det kan göra. Hjälp användaren att förstå hur ofta AI-systemet kan göra misstag.

Kom ihåg att alla lär sig i det här utrymmet, och för att lyckas med alla copilot-ansträngningar måste du ha ett öppet sinne och tänka kreativt. Var redo att experimentera, lära dig, upptäcka och till och med utföra din egen forskning.

Andra riktlinjer bör beaktas under programmets livscykel. Några av de mest relevanta visas här med länkar till deras motsvarande mönster. Läs mer om Microsofts andra riktlinjer i HAX-designbiblioteket.

Under interaktion

Matcha relevanta sociala normer. Se till att upplevelsen levereras på ett sätt som användarna kan förvänta sig, med tanke på deras sociala och kulturella sammanhang.
Minimera sociala fördomar. Se till att AI-systemets språk och beteenden inte förstärker oönskade och orättvisa stereotyper och fördomar.

När det är fel

Stöd för effektiv korrigering. Gör det enkelt att redigera, förfina eller återställa när AI-systemet är fel.
Gör det klart varför systemet gjorde vad det gjorde. Gör det möjligt för användaren att komma åt en förklaring av varför AI-systemet betedde sig som det gjorde.

Övertid

Uppmuntra detaljerad feedback. Gör det möjligt för användaren att ge feedback som anger deras inställningar under regelbunden interaktion med AI-systemet.
Ange globala kontroller. Tillåt användaren att globalt anpassa vad AI-systemet övervakar och hur det fungerar.

Samarbets-UX

Copilots kan förbättra befintlig information genom att göra ändringar eller skapa nya exempel utan att behöva extra data. Men den här funktionen innebär också att en andrepilot ibland kan generera felaktiga eller ohjälpsamma svar.

För att minska sannolikheten för fabriceringar är en bra metod att göra det möjligt för användarna att vägleda andrepiloten och flytta den mot sina personliga mål och mål i det som kallas samarbets-UX.

Du kan skapa en samarbetsmiljö för användaren med följande tips för indata- och utdatadesign. Du kanske också tycker att det är bra att följa dessa metodtips för att skapa samarbets-UX med partnerskap mellan människa och AI

Tips för indatadesign

Effektiv indatadesign utgör hörnstenen i samarbetsupplevelsen. Genom att vägleda användarna att göra välstrukturerade indata lägger den grunden för relevanta och korrekta svar.

1: Ge förslag som hjälper användarna att komma igång

Eftersom generativ AI är ny teknik är det svårt för många att veta vad de ska göra eller skriva direkt. Långformstypning av naturligt språk är fortfarande inte en vana för många. För att hjälpa användarna att komma igång erbjuder du tydliga förslag och råd som stora indatarutor och teckenräknare som uppmuntrar dem att bilda bra indata utöver en trevlig onboarding-upplevelse.

För mer specifika behov kan du lägga till funktioner som promptbooks för att ge användaren specifika, korta frågor som interagerar med anpassade data på förutsägbara och repeterbara sätt för att ge användbar information snabbare.

Skärmbild som visar ett exempel på en indataruta med valbara förslag.

2: Uppmuntra detaljer

Ett annat sätt att hjälpa användarna att skapa bra, detaljerade indata är genom att utforma en upplevelse som använder en mängd olika element.

Du kan till exempel separera en allmän fråga i flera indatafält. Ersätt frågan "Vad vill du blogga om?" med fyra indata, till exempel:

Ange en rubrik
Lägg till mer information
Ta med bilder
Beskriv tonen

Skärmbild som visar ett exempel på en dialogruta med utrymme för att ange en länk, en begäran, bilder och en övergripande ton.

3: Tillåt anpassning av indata med hjälp av ton och andra alternativ

På tal om tonen hjälper du användarna att anpassa sina indata genom att tillhandahålla fördefinierade alternativ i början. Kontrollera att toninställningarna är tydliga för användarna och meddela dem att de kan ändra toninställningarna när som helst i en konversation.

Skärmbild som visar alternativ för toninställning och uppmaningar om åtgärder som copilot kan vidta.

4: Förbättra användarinteraktion och engagemang med multimodal design

Om du vill göra det möjligt för användarna att effektivt interagera med en andrepilot genom vilken enhet eller metod de vill, erbjuder du flera metoder i indatagränssnittet. Detta arbete för inkludering kan innebära att lägga till både röst- och textalternativ och utökas till att möjliggöra flerspråkiga indata. Genom att ge användaren flera alternativ för att skapa indata kan de enklare och mer samarbetsinriktat kommunicera.

Tips för utdatadesign

I en samarbetsinriktad UX-metod måste användarna vägleda andrepiloten med en kontinuerlig feedbackloop mellan indata och utdata för att nå sina mål. Utdatadesignen skapar vägar för användaren att forma och påverka andrepilotens svar och köra mot önskade utdata.

1: Visa indata och utdata tillsammans

Detta hjälper dina användare att associera utdatakvalitet med val av indata, vilket ger en nära feedbackloop där användarna kan fortsätta att skapa indata tills modellen genererar de utdata de önskar.

Skärmbild som visar iterationerna av promptens utdata baserat på användaruppdateringar från indata.

2: Behåll en historik över utdata och uppmaningar

Det är viktigt att uppmuntra användarna att prova olika indata för att komma till meningsfulla utdata. Det är dock inte alltid en framåtriktad interaktion med utdata som blir bättre varje gång.

Ibland kan en ny uppmaning leda till sämre utdata. Med en tidslinje eller historik för utdata kan användarna prova nya indata utan att vara rädda för att förlora åtkomst till tidigare utdata som kan vara bättre eller till och med använda delar av flera utdata.

På samma sätt är det mycket värdefullt för den iterativa processen att tillåta användare att använda tidigare uppmaningar.

Skärmbild som visar den senaste chatthistoriken för copilot.

3: Lägg till lämplig friktion (det är bra!)

Vi vill ofta ta bort friktion från produktupplevelser. Men kom ihåg att copilot är ett oprecist ("probabilistiskt") system som sannolikt kommer att göra misstag. På grund av den möjligheten måste du lägga till lämplig friktion för att hjälpa användarna att skapa ett nytt mentalt läge.

Målet här är att göra användarna långsammare och uppmuntra dem att granska utdata genomgående. Lägg till friktion i viktiga ögonblick som att spara, dela, kopiera och klistra in, och gör klart för användaren att de är på väg att bli ägare till innehållet. Därför tar de ansvar för innehåll som de använder för att uppmuntra dem att kontrollera det mer noggrant först.

Här rekommenderar vi att du uppmuntrar användare att redigera innehåll för att ge mer kontext eller lägga till en personlig touch till det. Lägg till AI-meddelanden och ansvarsfriskrivningar med varje utdata som tydligt uttrycker AI-genererat innehåll kan vara felaktigt.

Skärmbild som visar en dialogruta som varnar för att vara noga med att granska innan du infogar, svar kan innehålla felaktigheter.

4: Uppmuntra faktakontroll med citat och direkta citattecken

Ett specifikt sätt att uppmuntra faktakontroll är att låta en andrepilot visa referenser från de data som den refererar till, vilket gör AI:n mer sannolikt att använda svar från befintliga resurser i stället för att fabricera data och information. Dessa referenser påminner också användarna om att ta ansvar för innehållet de använder genom att ta en andra titt på copilots utdata och verifiera det mot dess källor.

Genom att integrera direkta citattecken från källan och dirigera användaren till den specifika platsen för den informationen kan din andrepilot stödja mer noggrann faktakontroll. Dessa citattecken hjälper copilot att hålla sig i linje med träningsdatauppsättningen och skapa lämpligt förtroende och lämplig tillit.

En sista kommentar om faktakontroll: att visa referenser hindrar inte helt en andrepilot från att göra saker. Gå ett steg längre och utforma en upplevelse som saktar ned användaren (se "Lägg till lämplig friktion") och uppmuntrar dem att granska svar.

5: Tillåt att användaren redigerar utdata

En andrepilot kan komma nära en önskad utdata men kanske inte exakt matchar den. Du kanske upptäcker att en viss kontext saknas. Kanske låter svaret för allmänt eller matchar inte din vanliga personliga ton i stället för om du har skapat liknande innehåll själv.

En viktig del av samarbetsgränssnittet är att låta användaren ingripa och ändra utdata. Det visar också att copilot är en hjälp eller assistent med användaren som pilot.

Skärmbild som visar var du klickar i en dialogruta för copilot för att redigera utdata.

6: Undanhålla utdata vid behov

I vissa fall är det bättre för en andrepilot att inte ge något svar i stället för att mata ut något potentiellt olämpligt. Du kanske vill att modellen ska koppla från och uppmana användaren att starta en ny chatt med "Jag kan inte chatta om det här ämnet. Om du vill spara chatten och starta en ny väljer du Ny chatt."

Ibland finns det feltillstånd och olämpliga indata som kräver att du skapar förskrivna svar. För skadliga eller kontroversiella ämnen som självskadebeteende och val rekommenderar Microsoft att andrepiloten inte kopplar från utan i stället använder fördefinierade upplevelser. I fall där du inte vill koppla från användaren helt utan bara vill omdirigera konversationen kan du rekommendera att de "provar ett annat ämne".

Varje ärende skiljer sig åt och det är bäst att skräddarsy dessa svar efter programmets syfte och förväntade användning.

7: Tillåt användare att ge feedback om utdata

Designmekanismer för användare för att utvärdera din andrepilots utdata genom saker som precisionsklassificeringssystem, alternativ för användare att be andrepiloten att korrigera svar, markera svar som användbara eller ohjälpsamma eller lämna kommentarer om mottagna utdata. Du kan också visa hur användarfeedback hjälper till att förbättra deras copilot-utdata och erfarenhet för att förstärka värdet av deras feedback.

Nästa steg

Nu när du vet hur du kan uppnå önskad användarupplevelse, här är Microsofts resurser och verktyg som hjälper dig när du börjar skapa din generativa AI-app.