Ինքնավար գործակալների համար նախագծումը յուրահատուկ հիասթափություն է առաջացնում: Մենք բարդ առաջադրանք ենք հանձնում AI-ին, այն անհետանում է 30 վայրկյան (կամ 30 րոպե), այնուհետև այն վերադառնում է արդյունքով: Մենք նայում ենք էկրանին: Արդյո՞ք դա աշխատեց: Հալյուցինացվե՞ց: Այն ստուգե՞լ է համապատասխանության տվյալների բազան, թե՞ բաց թողել այդ քայլը: Մենք սովորաբար արձագանքում ենք այս անհանգստությանը երկու ծայրահեղություններից մեկով: Մենք կա՛մ համակարգը պահում ենք որպես «Սև արկղ»՝ թաքցնելով ամեն ինչ՝ պարզությունը պահպանելու համար, կա՛մ խուճապի ենք մատնվում և տրամադրում «Տվյալների աղբարկղ»՝ փոխանցելով յուրաքանչյուր գրանցման գիծ և API զանգ օգտվողին: Երկու մոտեցումներն էլ ուղղակիորեն չեն անդրադառնում օգտատերերին թափանցիկության իդեալական մակարդակ ապահովելու համար անհրաժեշտ նրբերանգներին: «Սև արկղը» օգտատերերին անզորության զգացում է տալիս: Data Dump-ը ստեղծում է ծանուցման կուրություն՝ ոչնչացնելով այն արդյունավետությունը, որը գործակալը խոստացել էր տրամադրել: Օգտատերերը անտեսում են տեղեկատվության մշտական հոսքը, մինչև ինչ-որ բան կոտրվի, այդ պահին նրանք չունեն այն շտկելու համատեքստը: Մեզ պետք է կազմակերպված միջոց հավասարակշռությունը գտնելու համար։ Իմ նախորդ հոդվածում՝ «Գործակալական AI-ի նախագծում», մենք դիտարկել ենք ինտերֆեյսի տարրերը, որոնք վստահություն են ստեղծում, օրինակ՝ նախապես ցույց տալով AI-ի նախատեսվող գործողությունները (Intent Previews) և օգտատերերին վերահսկելու հնարավորություն տալով, թե որքան է AI-ն ինքնուրույն անում (Autonomy Dials): Բայց իմանալը, թե որ տարրերն օգտագործել, միայն մարտահրավերի մի մասն է: Դիզայներների համար ավելի դժվար հարցը իմանալն է, թե երբ դրանք օգտագործել: Ինչպե՞ս գիտեք, թե 30 վայրկյան աշխատանքային հոսքի կոնկրետ որ պահն է պահանջում Intent Preview, և որը կարող է կարգավորվել մատյանում պարզ մուտքագրման միջոցով: Այս հոդվածը տալիս է այս հարցին պատասխանելու մեթոդ: Մենք կանցնենք Որոշման հանգույցի աուդիտի միջոցով: Այս գործընթացը դիզայներներին և ինժեներներին բերում է նույն սենյակում, որպեսզի օգտագործողի ինտերֆեյսի հետ կապված տրամաբանությունը քարտեզագրեն: Դուք կսովորեք, թե ինչպես ճիշտ նշել այն պահերը, երբ օգտատերը թարմացման կարիք ունի այն մասին, թե ինչ է անում AI-ն: Մենք նաև կանդրադառնանք Ազդեցություն/Ռիսկի մատրիցին, որը կօգնի առաջնահերթություն տալ, թե որ որոշման հանգույցները պետք է ցուցադրվեն, և ցանկացած հարակից դիզայնի օրինակ՝ զուգակցվելու այդ որոշման հետ: Թափանցիկության պահեր. դեպքի ուսումնասիրության օրինակ Դիտարկենք Meridian-ը (ոչ իրական անունը), ապահովագրական ընկերություն, որն օգտագործում է գործակալական AI՝ նախնական դժբախտ պատահարների պահանջները մշակելու համար: Օգտատերը վերբեռնում է ավտոմեքենայի վնասման լուսանկարները և ոստիկանության հաշվետվությունը: Գործակալն այնուհետև անհետանում է մեկ րոպեով, նախքան վերադառնալը ռիսկի գնահատմամբ և վճարման առաջարկվող միջակայքով: Սկզբում Meridian-ի ինտերֆեյսը պարզապես ցույց էր տալիս Calculating Claim Status-ը: Օգտատերերը հիասթափվեցին: Նրանք ներկայացրել էին մի քանի մանրամասն փաստաթղթեր և անորոշ էին զգում, թե արդյոք ԱԻ-ն անգամ վերանայել է ոստիկանության զեկույցը, որը պարունակում էր մեղմացուցիչ հանգամանքներ։ «Սև արկղը» անվստահություն առաջացրեց. Դա շտկելու համար նախագծային թիմն իրականացրել է Որոշման հանգույցի աուդիտ: Նրանք պարզել են, որ AI-ն կատարել է երեք հստակ, հավանականության վրա հիմնված քայլեր՝ ներկառուցված բազմաթիվ փոքր քայլերով.
Պատկերների վերլուծություն Գործակալը համեմատեց վնասի լուսանկարները տիպիկ ավտովթարի սցենարների տվյալների բազայի հետ՝ վերանորոգման արժեքը գնահատելու համար: Սա ներառում էր վստահության միավոր: Տեքստային վերանայում Այն սկանավորել է ոստիկանության հաշվետվությունը՝ գտնելու այն հիմնաբառեր, որոնք ազդում են պատասխանատվության վրա (օրինակ՝ մեղք, եղանակային պայմաններ, սթափություն): Սա ներառում էր իրավական կարգավիճակի հավանականության գնահատում: Policy Cross Reference Այն համընկնում է հայցի մանրամասների հետ օգտատիրոջ հատուկ քաղաքականության պայմանների հետ՝ փնտրելով բացառություններ կամ ծածկույթի սահմանափակումներ: Սա նաև ներառում էր հավանականական համընկնում:
Թիմն այս քայլերը վերածեց թափանցիկության պահերի։ Ինտերֆեյսի հաջորդականությունը թարմացվել է հետևյալ կերպ.
Վնասի լուսանկարների գնահատում. 500 մեքենայի ազդեցության պրոֆիլների համեմատություն: Ոստիկանության հաշվետվության վերանայում. պատասխանատվության հիմնաբառերի և իրավական նախադեպի վերլուծություն: Քաղաքականության ծածկույթի ստուգում. ձեր պլանում որոշակի բացառությունների ստուգում:
Համակարգը դեռևս նույնքան ժամանակ էր պահանջում, բայց գործակալի ներքին աշխատանքի մասին բացահայտ հաղորդակցությունը վերականգնեց օգտատերերի վստահությունը: Օգտատերերը հասկանում էին, որ արհեստական ինտելեկտը կատարում էր այն բարդ առաջադրանքը, որի համար նախատեսված էր, և նրանք հստակ գիտեին, թե որտեղ պետք է կենտրոնացնեն իրենց ուշադրությունը, եթե վերջնական գնահատականը սխալ թվա: Դիզայնի այս ընտրությունը անհանգստության պահը վերածեց օգտագործողի հետ կապի պահի: Ազդեցություն/Ռիսկի մատրիցայի կիրառում. այն, ինչ մենք ընտրեցինք թաքցնել AI փորձառությունների մեծ մասը իրադարձությունների և որոշումների հանգույցների պակաս չունեն, որոնք կարող են ցուցադրվել մշակման ընթացքում: Աուդիտի ամենակարևոր արդյունքներից մեկը որոշելն էր, թե ինչն անտեսանելի պահել: Meridian-ի օրինակում հետևի տեղեկամատյանները ստեղծեցին 50+ իրադարձություն յուրաքանչյուր պահանջի համար: Մենք կարող էինք կանխադրված կերպով ցուցադրել յուրաքանչյուր իրադարձություն, քանի որ դրանք մշակվում էին որպես UI-ի մաս: Փոխարենը, մենք կիրառեցինք ռիսկի մատրիցը՝ դրանք կտրելու համար.
Մատյան Իրադարձություն. Pinging սերվերWest-2 ավելորդության ստուգման համար: Զտել դատավճիռը. Թաքցնել: (Ցածր խաղադրույքներ, բարձր տեխնիկա):
Մատյան իրադարձություն. վերանորոգման գնահատականի համեմատում BlueBook արժեքի հետ: Զտել դատավճիռը. Ցույց տալ: (Բարձր խաղադրույքներ, ազդում է օգտագործողի վճարումների վրա):
Ավելորդ մանրամասները կտրելով՝ կարևոր տեղեկատվությունը, օրինակ՝ ծածկույթի ստուգումը, ավելի ազդեցիկ էր: Մենք ստեղծեցինք բաց ինտերֆեյս և նախագծեցինք բաց փորձ: Այս մոտեցումը օգտագործում է այն գաղափարը, որ մարդիկ ավելի լավ են զգում ծառայության նկատմամբ, երբ տեսնում են կատարված աշխատանքը: Ցույց տալով կոնկրետ քայլերը (գնահատում, վերանայում, հաստատում)՝ մենք փոխեցինք 30 վայրկյան սպասումը անհանգստության պահից («Խնդրվե՞լ է») մի ժամանակի, թե ինչ-որ արժեքավոր բան է ստեղծվում («Մտածում է»): Հիմա եկեք ավելի սերտ նայենք, թե ինչպես կարող ենք վերանայել մեր արտադրանքի որոշումների կայացման գործընթացը՝ պարզելու հստակ տեղեկատվություն պահանջող հիմնական պահերը: Որոշման հանգույցի աուդիտ Թափանցիկությունը ձախողվում է, երբ մենք այն վերաբերվում ենք որպես ոճի ընտրություն, այլ ոչ թե ֆունկցիոնալ պահանջ: Մենք միտում ունենք հարցնելու՝ «Ինչպիսի՞ն պետք է լինի UI-ն»: նախքան մենք հարցնենք՝ «Ի՞նչ է իրականում որոշում գործակալը»: Որոշումների հանգույցի աուդիտը AI համակարգերն ավելի հասկանալի դարձնելու պարզ միջոց է: Այն աշխատում է՝ ուշադիր քարտեզագրելով համակարգի ներքին գործընթացը: Հիմնական նպատակն է գտնել և հստակ սահմանել այն ճշգրիտ պահերը, երբ համակարգը դադարում է հետևել իր սահմանված կանոններին և փոխարենը ընտրություն է կատարում պատահականության կամ գնահատականի հիման վրա: Այս կառուցվածքը քարտեզագրելով՝ ստեղծողները կարող են ցույց տալ այս անորոշության կետերը անմիջապես համակարգն օգտագործող մարդկանց: Սա փոխում է համակարգի թարմացումները՝ անորոշ հայտարարություններից մինչև կոնկրետ, վստահելի զեկույցներ այն մասին, թե ինչպես է AI-ն հասել իր եզրակացությանը: Ի լրումն վերը նշված ապահովագրական դեպքի ուսումնասիրության, ես վերջերս աշխատել եմ գնումների գործակալ ստեղծող թիմի հետ: Համակարգը վերանայել է մատակարարների պայմանագրերը և նշել ռիսկերը: Ի սկզբանե էկրանին ցուցադրվում էր առաջընթացի պարզ տող՝ «Պայմանագրերի վերանայում»: Օգտատերերն ատում էին դա։ Մեր հետազոտությունը ցույց տվեց, որ նրանք անհանգստացած էին բացակայող կետի իրավական հետևանքներից: Մենք դա շտկեցինք՝ կատարելով Որոշման հանգույցի աուդիտ: Այս հոդվածի վերջում ես ներառել եմ քայլ առ քայլ ստուգաթերթ այս աուդիտի անցկացման համար: Մենք նիստ անցկացրեցինք ինժեներների հետ և ուրվագծեցինք, թե ինչպես է աշխատում համակարգը: Մենք հայտնաբերեցինք «Որոշման կետերը»՝ պահեր, երբ AI-ն պետք է ընտրեր երկու լավ տարբերակների միջև: Ստանդարտ համակարգչային ծրագրերում գործընթացը պարզ է. եթե A-ն տեղի ունենա, ապա B-ն միշտ տեղի կունենա: AI համակարգերում գործընթացը հաճախ հիմնված է պատահականության վրա: AI-ն կարծում է, որ A-ն, հավանաբար, լավագույն ընտրությունն է, բայց դա կարող է լինել միայն 65% վստահ: Պայմանագրային համակարգում մենք գտանք մի պահ, երբ AI-ն ստուգեց պատասխանատվության պայմանները մեր ընկերության կանոններին համապատասխան: Դա հազվադեպ էր կատարյալ համընկնում: Արհեստական ինտելեկտը պետք է որոշեր, թե արդյոք 90% համընկնումը բավարար է: Սա որոշման առանցքային կետն էր:
Երբ մենք հայտնաբերեցինք այս հանգույցը, մենք այն ցուցադրեցինք օգտագործողին: «Պայմանագրերի վերանայման» փոխարեն ինտերֆեյսը թարմացվել է՝ «Պատասխանատվության դրույթը տարբերվում է ստանդարտ ձևանմուշից: Ռիսկի մակարդակի վերլուծություն»: Այս հատուկ թարմացումը օգտատերերին վստահություն տվեց: Նրանք գիտեին, որ գործակալը ստուգել է պատասխանատվության դրույթը: Նրանք հասկացան ուշացման պատճառը և վստահություն ձեռք բերեցին, որ ցանկալի գործողությունը տեղի է ունենում հետնամասում: Նրանք նաև գիտեին, թե որտեղ պետք է ավելի խորանալ, երբ գործակալը ստեղծեց պայմանագիրը: Ստուգելու համար, թե ինչպես է AI-ն որոշումներ կայացնում, դուք պետք է սերտորեն աշխատեք ձեր ինժեներների, արտադրանքի մենեջերների, բիզնես վերլուծաբանների և հիմնական մարդկանց հետ, ովքեր ընտրություն են կատարում (հաճախ թաքնված), որոնք ազդում են AI գործիքի աշխատանքի վրա: Նկարեք այն քայլերը, որոնք կատարում է գործիքը: Նշեք յուրաքանչյուր կետ, որտեղ գործընթացը փոխում է ուղղությունը, քանի որ հավանականությունը բավարարված է: Սրանք այն վայրերն են, որտեղ դուք պետք է կենտրոնանաք ավելի թափանցիկ լինելու վրա: Ինչպես ցույց է տրված ստորև նկար 2-ում, Որոշման հանգույցի աուդիտը ներառում է հետևյալ քայլերը.
Հավաքեք թիմին. Ներեք արտադրանքի սեփականատերերին, բիզնես վերլուծաբաններին, դիզայներներին, հիմնական որոշումներ կայացնողներին և ինժեներներին, ովքեր ստեղծել են արհեստական ինտելեկտը: Օրինակ՝ Մտածեք արտադրանքի թիմի մասին, որը կառուցում է AI գործիք, որը նախատեսված է խայտառակ իրավական պայմանագրերը վերանայելու համար: Թիմը ներառում է UX դիզայներ, արտադրանքի մենեջեր, UX հետազոտող, պրակտիկ իրավաբան, ով հանդես է գալիս որպես առարկայի փորձագետ և հետին պլանի ինժեներ, ով գրել է տեքստի վերլուծության կոդը:
Նկարեք ամբողջ գործընթացը. Փաստագրեք AI-ի կատարած յուրաքանչյուր քայլը՝ սկսած օգտատիրոջ առաջին գործողությունից մինչև վերջնական արդյունք: Թիմը կանգնած է գրատախտակի մոտ և ուրվագծում է հիմնական աշխատանքային հոսքի ամբողջ հաջորդականությունը, որը ներառում է AI-ի որոնումը բարդ պայմանագրում պատասխանատվության դրույթ: Փաստաբանը վերբեռնում էհիսուն էջանոց PDF → Համակարգը փաստաթուղթը վերածում է ընթեռնելի տեքստի: → AI-ն սկանավորում է էջերը պատասխանատվության դրույթների համար: → Օգտագործողը սպասում է: → Վայրկյաններ կամ րոպեներ անց գործիքը օգտատիրոջ միջերեսում ընդգծում է հայտնաբերված պարբերությունները դեղին գույնով: Նրանք դա անում են բազմաթիվ այլ աշխատանքային հոսքերի համար, որոնք նույնպես տեղավորվում են գործիքը:
Գտեք, թե որտեղ են անհասկանալի բաները. նայեք գործընթացի քարտեզին ցանկացած կետի համար, որտեղ AI-ն համեմատում է տարբերակները կամ մուտքերը, որոնք չունեն մեկ կատարյալ համընկնում: Թիմը նայում է գրատախտակին՝ ոչ միանշանակ քայլերը նկատելու համար: Պատկերը տեքստի վերածելը հետևում է խիստ կանոններին: Հատուկ պարտավորության դրույթ գտնելը ներառում է գուշակություններ: Յուրաքանչյուր ընկերություն տարբեր կերպ է գրում այս կետերը, ուստի AI-ն պետք է կշռի մի քանի տարբերակներ և կանխատեսումներ անի՝ բառի ճշգրիտ համընկնում գտնելու փոխարեն:
Բացահայտեք «լավագույն գուշակության» քայլերը. Յուրաքանչյուր անհասկանալի կետի համար ստուգեք՝ արդյոք համակարգը օգտագործում է վստահության միավոր (օրինակ՝ 85%-ով վստահ է՞): Սրանք այն կետերն են, որտեղ AI-ն վերջնական ընտրություն է կատարում: Համակարգը պետք է կռահի (հավանականություն տա), որը պարբերություն(ներ)ն է նման ստանդարտ պարտավորության դրույթին: Այն վստահության միավոր է տալիս իր լավագույն գուշակությանը: Այդ ենթադրությունը որոշման հանգույց է: Ինտերֆեյսը պետք է իրավաբանին տեղեկացնի, որ ընդգծում է հնարավոր համընկնում, այլ ոչ թե նշում, որ գտել է վերջնական դրույթը:
Քննեք ընտրությունը. յուրաքանչյուր ընտրության կետի համար պարզեք կատարվող հատուկ ներքին մաթեմատիկան կամ համեմատությունը (օրինակ՝ պայմանագրի մի մասը համապատասխանեցնել քաղաքականությանը կամ համեմատել կոտրված մեքենայի նկարը վնասված մեքենայի լուսանկարների գրադարանի հետ): Ինժեները բացատրում է, որ համակարգը համեմատում է տարբեր պարբերությունները նախկին ֆիրմային գործերի ստանդարտ պարտավորությունների դրույթների տվյալների բազայի հետ: Այն հաշվարկում է տեքստի նմանության միավորը՝ հավանականությունների հիման վրա համընկնումը որոշելու համար:
Գրեք հստակ բացատրություններ. օգտատիրոջ համար հաղորդագրություններ ստեղծեք, որոնք հստակ նկարագրում են կոնկրետ ներքին գործողությունները, որոնք տեղի են ունենում, երբ AI-ն ընտրություն է կատարում: Կոնտենտ դիզայները կոնկրետ հաղորդագրություն է գրում հենց այս պահի համար: Տեքստում ասվում է. Փաստաթղթի տեքստի համեմատություն ստանդարտ ընկերությունների դրույթների հետ՝ բացահայտելու հնարավոր պարտավորությունների ռիսկերը:
Թարմացրեք էկրանը. Տեղադրեք այս նոր, հստակ բացատրությունները օգտատիրոջ միջերեսում՝ փոխարինելով անորոշ հաղորդագրությունները, ինչպիսիք են «Պայմանագրերի վերանայում»: Դիզայներական թիմը հեռացնում է ընդհանուր Processing PDF բեռնման մանողը: Նրանք տեղադրում են նոր բացատրությունը կարգավիճակի գծի մեջ, որը գտնվում է փաստաթղթերի դիտողի անմիջապես վերևում, մինչ AI-ն մտածում է:
Ստուգեք վստահությունը. Համոզվեք, որ էկրանի նոր հաղորդագրությունները օգտատերերին պարզ պատճառ են տալիս ցանկացած սպասման ժամանակի կամ արդյունքի համար, ինչը նրանց ավելի վստահ և վստահելի կզգա:
Ազդեցություն/Ռիսկի մատրիցա Երբ ուշադիր նայեք AI-ի գործընթացին, հավանաբար կգտնեք շատ կետեր, որտեղ այն ընտրություն է կատարում: AI-ն կարող է տասնյակ փոքր ընտրություններ կատարել մեկ բարդ առաջադրանքի համար: Նրանց բոլորի ցուցադրումը չափազանց շատ անհարկի տեղեկատվություն է ստեղծում: Դուք պետք է խմբավորեք այս ընտրությունները: Դուք կարող եք օգտագործել Ազդեցություն/Ռիսկի մատրիցա՝ այս ընտրությունները տեսակավորելու համար՝ հիմնվելով AI-ի կողմից իրականացվող գործողությունների տեսակների վրա: Ահա ազդեցության/ռիսկի մատրիցների օրինակներ. Նախ, փնտրեք ցածր ցցերի և ցածր ազդեցություն ունեցող որոշումներ: Ցածր խաղադրույքներ / ցածր ազդեցություն
Օրինակ՝ ֆայլի կառուցվածքի կազմակերպում կամ փաստաթղթի անվանափոխում: Թափանցիկության կարիքը՝ նվազագույն: Բավական է նուրբ կենաց ծանուցում կամ գրանցամատյան: Օգտագործողները կարող են հեշտությամբ հետարկել այս գործողությունները:
Այնուհետև նշեք բարձր ցցերի և մեծ ազդեցություն ունեցող որոշումները: Բարձր խաղադրույքներ / Բարձր ազդեցություն
Օրինակ՝ վարկի հայտի մերժում կամ բաժնետոմսերի առուվաճառքի իրականացում: Թափանցիկության կարիք. բարձր: Այս գործողությունները պահանջում են Աշխատանքի ապացույց: Համակարգը պետք է ցույց տա հիմնավորումը նախքան կամ անմիջապես գործելիս:
Հաշվի առեք ֆինանսական առևտրային բոտը, որը նույն կերպ է վերաբերվում բոլոր առքուվաճառքի պատվերներին: Այն իրականացնում է $5 առևտուր նույն անթափանցիկությամբ, ինչ $50,000 առևտուրը: Օգտագործողները կարող են կասկածել, թե արդյոք գործիքը ճանաչում է թափանցիկության պոտենցիալ ազդեցությունը դոլարային մեծ գումարով առևտրի վրա: Նրանց պետք է, որ համակարգը դադարեցնի և ցույց տա իր աշխատանքը բարձր խաղադրույքների համար: Լուծումը վերանայման տրամաբանական վիճակի ներդրումն է ցանկացած գործարքի համար, որը գերազանցում է որոշակի դոլարի գումարը, որը թույլ է տալիս օգտվողին տեսնել այն գործոնները, որոնք որոշում են կայացումը կատարելուց առաջ: Հանգույցների քարտեզագրում նախշերին. դիզայնի ձևանմուշների ընտրության ռուբրիկա Երբ դուք բացահայտեք ձեր փորձի հիմնական որոշումների հանգույցները, դուք պետք է որոշեք, թե որ միջերեսի օրինակը կկիրառվի ձեր ցուցադրած յուրաքանչյուրի համար: Նախագծման համար Agentic AI-ում մենք ներկայացրեցինք օրինաչափություններ, ինչպիսիք են Intent Preview-ը (բարձր ցցերի վերահսկման համար) և Action Audit-ը (հետադարձ անվտանգության համար): Նրանց միջեւ ընտրության որոշիչ գործոնը շրջելիությունն է։ Մենք զտում ենք յուրաքանչյուրըՈրոշման հանգույցը ազդեցության մատրիցով ճիշտ օրինակ նշանակելու համար. Բարձր խաղադրույքներ և անշրջելի. այս հանգույցները պահանջում են մտադրության նախադիտում: Քանի որ օգտատերը չի կարող հեշտությամբ հետարկել գործողությունը (օրինակ՝ տվյալների բազան ընդմիշտ ջնջելը), թափանցիկության պահը պետք է տեղի ունենա մինչ կատարումը: Համակարգը պետք է դադարեցնի, բացատրի իր մտադրությունը և պահանջի հաստատում: Բարձր խաղադրույքներ և հետադարձելի. այս հանգույցները կարող են հիմնվել Action Audit & Undo օրինակին: Եթե AI-ով աշխատող վաճառքի գործակալը տանող կողմը տեղափոխի այլ խողովակաշար, այն կարող է դա անել ինքնուրույն, քանի դեռ ծանուցում է օգտատիրոջը և առաջարկում է անհապաղ Հետարկել կոճակը: Այս կերպ հանգույցները խստորեն դասակարգելով՝ մենք խուսափում ենք «զգոն հոգնածությունից»: Մենք վերապահում ենք բարձր շփման մտադրության նախադիտումը միայն իսկապես անշրջելի պահերի համար, մինչդեռ ապավինում ենք Գործողությունների աուդիտին՝ մնացած ամեն ինչի համար արագությունը պահպանելու համար:
Հետադարձելի Անշրջելի Ցածր ազդեցություն Տեսակ՝ Auto-ExecuteUI. Passive Toast / LogEx. Ֆայլի անվանափոխում Տեսակ՝ Հաստատել UI. Պարզ հետարկել տարբերակ. Օրինակ՝ էլփոստի արխիվացում Բարձր ազդեցություն Տեսակ՝ ReviewUI. Ծանուցում + վերանայում TrailEx. Սևագիր ուղարկել հաճախորդին Տեսակ. Intent previewUI: Մոդալ / Բացահայտ թույլտվությունEx. սերվերի ջնջում
Աղյուսակ 1. Ազդեցության և շրջելիության մատրիցը կարող է օգտագործվել թափանցիկության ձեր պահերը նախագծման օրինաչափությունների վրա քարտեզագրելու համար: Որակական վավերացում. «Սպասեք, ինչո՞ւ»: Փորձարկում Դուք կարող եք հայտնաբերել պոտենցիալ հանգույցները գրատախտակի վրա, բայց դուք պետք է վավերացնեք դրանք մարդկային վարքագծով: Դուք պետք է ստուգեք՝ արդյոք ձեր քարտեզը համապատասխանում է օգտատիրոջ մտավոր մոդելին: Ես օգտագործում եմ արձանագրություն, որը կոչվում է «Սպասիր, ինչու՞»: Փորձարկում. Խնդրեք օգտվողին դիտել, թե ինչպես է գործակալը կատարում առաջադրանքը: Հանձնարարեք նրանց բարձրաձայն խոսել: Երբ նրանք հարց են տալիս՝ «Սպասիր, ինչո՞ւ դա արեց»: կամ «Խցանվա՞ծ է»: կամ «Լսե՞լ է ինձ»: - դուք նշում եք ժամանակի դրոշմակնիք: Այս հարցերն ազդարարում են օգտվողների շփոթության մասին: Օգտագործողը զգում է, որ իր վերահսկողությունը սահում է: Օրինակ՝ առողջապահական պլանավորման օգնականի համար կատարած ուսումնասիրության ժամանակ օգտատերերը դիտել են, թե ինչպես է գործակալը հանդիպում պատվիրում: Էկրանը կանգ առավ չորս վայրկյան: Մասնակիցները անընդհատ հարցնում էին. «Սա ստուգո՞ւմ է իմ օրացույցը, թե՞ բժշկի»:
Այդ հարցը բացահայտեց բացակայող թափանցիկության պահը: Համակարգը պետք է բաժաներ այդ չորս վայրկյան սպասելը երկու հստակ քայլերի. Այս փոքր փոփոխությունը նվազեցրեց օգտվողների անհանգստության արտահայտված մակարդակը: Թափանցիկությունը ձախողվում է, երբ նկարագրում է միայն համակարգի գործողությունը: Ինտերֆեյսը պետք է միացնի տեխնիկական գործընթացը օգտագործողի հատուկ նպատակին: «Ստուգում ենք ձեր հասանելիությունը» ցուցադրվող էկրանը ընկնում է, քանի որ այն չունի համատեքստ: Օգտատերը հասկանում է, որ AI-ն նայում է օրացույցին, բայց չգիտի, թե ինչու: Մենք պետք է զուգակցենք գործողությունը արդյունքի հետ: Համակարգը պետք է բաժանի այդ չորս վայրկյան սպասելը երկու հստակ քայլերի: Նախ, ինտերֆեյսը ցուցադրում է «Ստուգեք ձեր օրացույցը բաց ժամերը գտնելու համար»: Այնուհետև այն թարմացվում է «Համաժամացում մատակարարի ժամանակացույցի հետ՝ ձեր հանդիպումը ապահովելու համար»: Սա հիմնավորում է տեխնիկական գործընթացը օգտագործողի իրական կյանքում: Հաշվի առեք տեղական սրճարանի համար AI կառավարող գույքագրումը: Համակարգը բախվում է մատակարարման պակասի։ «Կապ վաճառողի հետ» կամ «վերանայելու տարբերակները» ընթերցող ինտերֆեյսը անհանգստություն է առաջացնում: Կառավարիչը հետաքրքրվում է, թե արդյոք համակարգը չեղարկում է պատվերը կամ գնում է թանկարժեք այլընտրանք: Ավելի լավ մոտեցում է նախատեսվող արդյունքի բացատրությունը. «Այլընտրանքային մատակարարների գնահատումը՝ ուրբաթ օրվա առաքման ժամանակացույցը պահպանելու համար»: Սա օգտատիրոջը հստակ ասում է, թե ինչի է փորձում հասնել AI-ն: Աուդիտի գործառնականացում Դուք ավարտել եք Որոշման հանգույցի աուդիտը և զտել ձեր ցուցակը ազդեցության և ռիսկի մատրիցով: Այժմ դուք ունեք թափանցիկ լինելու կարևոր պահերի ցանկ: Հաջորդը, դուք պետք է ստեղծեք դրանք UI-ում: Այս քայլը պահանջում է թիմային աշխատանք տարբեր բաժիններում: Դուք չեք կարող ինքնուրույն ձևավորել թափանցիկություն՝ օգտագործելով դիզայնի գործիք: Դուք պետք է հասկանաք, թե ինչպես է համակարգը աշխատում կուլիսներում: Սկսեք տրամաբանական վերանայումից: Հանդիպեք ձեր առաջատար համակարգի դիզայների հետ: Բերե՛ք ձեր որոշման հանգույցների քարտեզը: Դուք պետք է հաստատեք, որ համակարգը իրականում կարող է կիսել այս վիճակները: Ես հաճախ եմ գտնում, որ տեխնիկական համակարգը չի բացահայտում այն ճշգրիտ վիճակը, որը ես ուզում եմ ցույց տալ: Ինժեները կարող է ասել, որ համակարգը պարզապես վերադարձնում է ընդհանուր «աշխատանքային» կարգավիճակ: Դուք պետք է մղեք մանրամասն թարմացման համար: Համակարգին անհրաժեշտ է հատուկ ծանուցում ուղարկելու համարերբ տեքստը կարդալուց անցնում է կանոնների ստուգման: Առանց այդ տեխնիկական կապի, ձեր դիզայնն անհնար է կառուցել: Հաջորդը, ներգրավեք Բովանդակության դիզայնի թիմը: Դուք ունեք արհեստական ինտելեկտի գործողության տեխնիկական պատճառ, բայց ձեզ պետք է հստակ, մարդամոտ բացատրություն: Ինժեներներն ապահովում են հիմքում ընկած գործընթացը, բայց բովանդակության դիզայներներն ապահովում են դրա հաղորդակցման եղանակը: Մի գրեք այս հաղորդագրությունները միայնակ: Մշակողը կարող է գրել «Կատարում է գործառույթը 402», որը տեխնիկապես ճիշտ է, բայց անիմաստ է օգտագործողի համար: Դիզայները կարող է գրել «Մտածում», որը ընկերական է, բայց չափազանց անորոշ: Բովանդակության ստրատեգը գտնում է ճիշտ միջին ճանապարհը: Նրանք ստեղծում են հատուկ արտահայտություններ, ինչպիսիք են «Պատասխանատվության ռիսկերի սկանավորում», որոնք ցույց են տալիս, որ AI-ն աշխատում է առանց օգտատիրոջը շփոթեցնելու: Վերջապես, ստուգեք ձեր հաղորդագրությունների թափանցիկությունը: Մի սպասեք մինչև վերջնական արտադրանքը ստեղծվի՝ տեսնելու, թե արդյոք տեքստն աշխատում է: Ես համեմատական թեստեր եմ անցկացնում պարզ նախատիպերի վրա, որտեղ միակ բանը, որ փոխվում է, կարգավիճակի հաղորդագրությունն է: Օրինակ, ես մի խմբին (A խումբ) ցույց եմ տալիս հաղորդագրություն, որն ասում է «Ինքնությունը հաստատող», իսկ մյուս խմբին (B խումբ) հաղորդագրություն, որտեղ ասվում է «Ստուգում ենք կառավարության տվյալների բազաները» (սրանք հորինված օրինակներ են, բայց դուք հասկանում եք կետը): Հետո ես նրանց հարցնում եմ, թե որ AI-ն իրեն ավելի ապահով է զգում: Դուք հաճախ կբացահայտեք, որ որոշ բառեր անհանգստություն են առաջացնում, մինչդեռ մյուսները վստահություն են ստեղծում: Դուք պետք է վերաբերվեք ձևակերպմանը որպես մի բանի, որը պետք է փորձարկեք և ապացուցեք արդյունավետ: Ինչպես է սա փոխում նախագծման գործընթացը Այս աուդիտների անցկացումը հնարավորություն ունի ամրապնդելու, թե ինչպես է թիմը աշխատում միասին: Մենք դադարում ենք հղկված դիզայնի ֆայլերի հանձնումը: Մենք սկսում ենք օգտագործել խառնաշփոթ նախատիպեր և ընդհանուր աղյուսակներ: Հիմնական գործիքը դառնում է թափանցիկության մատրիցա: Ինժեներները և բովանդակության դիզայներները միասին խմբագրում են այս աղյուսակը: Նրանք ճշգրիտ տեխնիկական կոդերը քարտեզագրում են այն բառերի հետ, որոնք օգտատերը կկարդա: Տրամաբանական վերանայման ընթացքում թիմերը շփման մեջ կզգան: Պատկերացրեք, որ դիզայները ինժեներին հարցնում է, թե ինչպես է AI-ն որոշում մերժել ծախսերի հաշվետվության մեջ ներկայացված գործարքը: Ինժեները կարող է ասել, որ backend-ը թողարկում է միայն ընդհանուր կարգավիճակի կոդ, ինչպիսին է «Սխալ. բացակայող տվյալներ»: Դիզայները նշում է, որ սա էկրանի վրա գործող տեղեկատվություն չէ: Դիզայները բանակցում է ինժեների հետ կոնկրետ տեխնիկական կեռիկ ստեղծելու համար: Ինժեները գրում է նոր կանոն, որպեսզի համակարգը հստակ զեկուցի, թե ինչն է բացակայում, օրինակ՝ բացակայող անդորրագրի պատկերը: Այս փուլում բովանդակության դիզայներները հանդես են գալիս որպես թարգմանիչներ: Մշակողը կարող է գրել տեխնիկապես ճշգրիտ տող, ինչպիսին է «Վստահության շեմի հաշվարկը վաճառողի համապատասխանության համար»: Բովանդակության դիզայները այդ տողը թարգմանում է արտահայտության, որը վստահություն է ստեղծում կոնկրետ արդյունքի համար: Ռազմավարը վերաշարադրում է այն որպես «Համեմատելով տեղական վաճառողների գները՝ ձեր ուրբաթ առաքումն ապահովելու համար»: Օգտագործողը հասկանում է գործողությունը և արդյունքը: Ամբողջ բազմաֆունկցիոնալ թիմը մասնակցում է օգտատերերի թեստավորման նիստերին: Նրանք դիտում են, թե ինչպես է իրական մարդը արձագանքում տարբեր կարգավիճակի հաղորդագրություններին: Տեսնելով օգտատերերի խուճապը, քանի որ էկրանին գրված է «Առևտրի իրականացում» թիմին ստիպում է վերանայել իրենց մոտեցումը: Ինժեներներն ու դիզայներները համընկնում են ավելի լավ ձևակերպումների վրա: Նրանք փոխում են տեքստը «Բավարար միջոցների ստուգում» նախքան բաժնետոմսերը գնելը: Միասին փորձարկումը երաշխավորում է, որ վերջնական ինտերֆեյսը ծառայում է ինչպես համակարգի տրամաբանությանը, այնպես էլ օգտագործողի մտքի խաղաղությանը: Այդ լրացուցիչ գործողությունները թիմի օրացույցում ներառելու համար ժամանակ է պահանջվում: Այնուամենայնիվ, վերջնական արդյունքը պետք է լինի թիմը, որն ավելի բաց է շփվում, և օգտվողները, ովքեր ավելի լավ են հասկանում, թե ինչ են անում իրենց AI-ով աշխատող գործիքները իրենց անունից (և ինչու): Այս ինտեգրված մոտեցումը իսկապես վստահելի AI փորձառությունների նախագծման անկյունաքարն է: Վստահությունը դիզայնի ընտրություն է Մենք հաճախ վստահությունը դիտում ենք որպես օգտագործողի լավ փորձի էմոցիոնալ կողմնակի արդյունք: Ավելի հեշտ է վստահությունը դիտարկել որպես կանխատեսելի հաղորդակցության մեխանիկական արդյունք: Մենք վստահություն ենք ձևավորում՝ ցույց տալով ճիշտ տեղեկատվություն ճիշտ ժամանակին: Մենք ոչնչացնում ենք այն՝ ճնշելով օգտագործողին կամ ամբողջությամբ թաքցնելով մեքենաները: Սկսեք որոշման հանգույցի աուդիտից, մասնավորապես AI գործակալական գործիքների և արտադրանքների համար: Գտեք այն պահերը, երբ համակարգը որոշում է կայացնում: Քարտեզագրեք այդ պահերը ռիսկերի մատրիցով: Եթե խաղադրույքները բարձր են, բացեք տուփը: Ցույց տալ աշխատանքը։ Հաջորդ հոդվածում մենք կանդրադառնանք, թե ինչպես ձևավորել այս պահերը. ինչպես գրել պատճենը, կառուցվածքային միջերեսը և կարգավորել անխուսափելի սխալները, երբ գործակալը սխալ է ստանում: Հավելված. Որոշման հանգույցի աուդիտի ստուգաթերթ Փուլ 1. Կարգավորում և քարտեզագրում ✅ Համախմբեք թիմին. Ներեք ապրանքի սեփականատերերին, բիզնես վերլուծաբաններին, դիզայներներին,հիմնական որոշումներ կայացնողները և ինժեներները, ովքեր ստեղծել են AI-ն: Հուշում. Ձեզ անհրաժեշտ են ինժեներները, որպեսզի բացատրեն իրական հետին պլանի տրամաբանությունը: Մի փորձեք այս քայլը միայնակ: ✅ Նկարեք ամբողջ գործընթացը. Փաստագրեք AI-ի կատարած յուրաքանչյուր քայլը՝ սկսած օգտատիրոջ առաջին գործողությունից մինչև վերջնական արդյունք: Հուշում. Ֆիզիկական գրատախտակի նստաշրջանը հաճախ լավագույնս աշխատում է այս սկզբնական քայլերը գծելու համար: Փուլ 2. Գտեք թաքնված տրամաբանությունը ✅ Գտեք, թե որտեղ են անհասկանալի բաները. նայեք գործընթացի քարտեզին ցանկացած վայրում, որտեղ AI-ն համեմատում է տարբերակները կամ մուտքագրումները, որոնք չունեն մեկ կատարյալ համընկնում: ✅ Բացահայտեք գուշակության լավագույն քայլերը. Յուրաքանչյուր անհասկանալի կետի համար ստուգեք՝ արդյոք համակարգը օգտագործում է վստահության միավոր: Օրինակ, հարցրեք՝ արդյոք համակարգը վստահ է 85 տոկոսով: Սրանք այն կետերն են, որտեղ AI-ն վերջնական ընտրություն է կատարում: ✅ Քննեք ընտրությունը. յուրաքանչյուր ընտրության կետի համար պարզեք կոնկրետ ներքին մաթեմատիկան կամ համեմատությունը, որը կատարվում է: Օրինակ՝ պայմանագրի մի մասը քաղաքականությանը համապատասխանեցնելն է: Մեկ այլ օրինակ ներառում է կոտրված մեքենայի նկարը համեմատելը վնասված մեքենայի լուսանկարների գրադարանի հետ: Փուլ 3. Օգտագործողի փորձի ստեղծում ✅ Գրեք հստակ բացատրություններ. օգտատիրոջ համար ստեղծեք հաղորդագրություններ, որոնք հստակ նկարագրում են կոնկրետ ներքին գործողությունները, որոնք տեղի են ունենում, երբ AI-ն ընտրություն է կատարում: Հուշում. Ձեր հաղորդագրությունները հիմնավորեք կոնկրետ իրականության մեջ: Եթե AI-ն պատվիրում է հանդիպում հաճախորդի հետ տեղական սրճարանում, ասեք օգտատիրոջը, որ համակարգը ստուգում է սրճարանների ամրագրման համակարգը: ✅ Թարմացրեք էկրանը. Տեղադրեք այս նոր, հստակ բացատրությունները օգտատիրոջ միջերեսում: Փոխարինեք անորոշ հաղորդագրությունները, ինչպիսիք են պայմանագրերի վերանայումը ձեր կոնկրետ բացատրություններով: ✅ Ստուգեք վստահությունը. Համոզվեք, որ էկրանի նոր հաղորդագրությունները օգտվողներին պարզ պատճառ են տալիս ցանկացած սպասման ժամանակի կամ արդյունքի համար: Սա պետք է ստիպի նրանց զգալ վստահ և վստահություն: Հուշում. Ստուգեք այս հաղորդագրությունները իրական օգտատերերի հետ՝ ստուգելու համար, որ նրանք հասկանում են ձեռք բերվող կոնկրետ արդյունքը:
