Að hanna fyrir sjálfstæða umboðsmenn býður upp á einstaka gremju. Við gefum gervigreindum flókið verkefni, það hverfur í 30 sekúndur (eða 30 mínútur) og svo kemur það aftur með afleiðingum. Við horfum á skjáinn. Virkaði það? Var það ofskynjanir? Athugaði það fylgnigagnagrunninn eða sleppti því skrefi? Við bregðumst venjulega við þessum kvíða með annarri af tveimur öfgum. Annað hvort höldum við kerfinu sem svörtum kassa, felum allt til að viðhalda einfaldleikanum, eða við skelfum okkur og útvegum Data Dump, sem streymum hverri annállínu og API símtali til notandans. Hvorug aðferðin tekur beint á þeim blæbrigðum sem þarf til að veita notendum hið fullkomna gagnsæi. Svarti kassinn lætur notendur líða máttlausa. Gagnahaugurinn skapar tilkynningablindu og eyðileggur skilvirknina sem umboðsmaðurinn lofaði að veita. Notendur hunsa stöðugan upplýsingastraum þar til eitthvað bilar, á þeim tímapunkti skortir samhengið til að laga það. Við þurfum skipulagða leið til að finna jafnvægið. Í fyrri grein minni, „Designing For Agentic AI“, skoðuðum við viðmótsþætti sem byggja upp traust, eins og að sýna fyrirhugaða aðgerð gervigreindarinnar fyrirfram (Intent Previews) og gefa notendum stjórn á því hversu mikið gervigreindin gerir á eigin spýtur (Autonomy Dials). En að vita hvaða þætti á að nota er aðeins hluti af áskoruninni. Erfiðari spurningin fyrir hönnuði er að vita hvenær á að nota þá. Hvernig veistu hvaða tiltekna augnablik í 30 sekúndna vinnuflæði krefst Intent Preview og hver er hægt að meðhöndla með einfaldri færslu í annál? Þessi grein veitir aðferð til að svara þeirri spurningu. Við munum ganga í gegnum úttekt á ákvörðunarhnút. Þetta ferli fær hönnuði og verkfræðinga í sama herbergi til að kortleggja bakenda rökfræði við notendaviðmótið. Þú munt læra hvernig á að ákvarða nákvæmlega þau augnablik sem notandi þarf að uppfæra um hvað gervigreind er að gera. Við munum einnig fjalla um áhrif/áhættufylki sem mun hjálpa til við að forgangsraða hvaða ákvörðunarhnútum á að sýna og hvaða hönnunarmynstur sem er tilheyrandi til að para við þá ákvörðun. Transparency Augnablik: Dæmi um dæmi Íhugaðu Meridian (ekki raunverulegt nafn), tryggingafélag sem notar umboðsmann gervigreind til að vinna úr fyrstu slysakröfum. Notandinn setur inn myndir af skemmdum á ökutækjum og lögregluskýrslu. Umboðsmaðurinn hverfur síðan í eina mínútu áður en hann kemur aftur með áhættumat og fyrirhugað útborgunarbil. Upphaflega sýndi viðmót Meridian einfaldlega að reikna út kröfustöðu. Notendur urðu svekktir. Þeir höfðu lagt fram nokkur ítarleg skjöl og töldu sig óvissa um hvort gervigreindin hefði jafnvel farið yfir lögregluskýrsluna, sem innihélt mildandi aðstæður. Svarti kassinn skapaði vantraust. Til að laga þetta gerði hönnunarteymið úttekt á ákvörðunarhnút. Þeir komust að því að gervigreindin framkvæmdi þrjú aðgreind skref sem byggjast á líkindum, með fjölmörgum smærri skrefum innbyggð:
Myndgreining Umboðsmaðurinn bar tjónamyndirnar saman við gagnagrunn með dæmigerðum atburðarásum fyrir bílslys til að áætla viðgerðarkostnaðinn. Þetta fól í sér sjálfstraustsskor. Textaskoðun Það skannaði lögregluskýrsluna að leitarorðum sem hafa áhrif á ábyrgð (t.d. mistök, veðurskilyrði, edrú). Um var að ræða líkindamat á réttarstöðu. Stefna krossviðvísun Það passaði kröfuupplýsingarnar við tiltekna stefnuskilmála notandans, þar sem leitað var að undantekningum eða takmörkunum á þekju. Þetta fól einnig í sér líkindasamsvörun.
Liðið breytti þessum skrefum í gagnsæis augnablik. Viðmótsröðin var uppfærð í:
Mat á tjónamyndum: Samanburður við 500 höggprófíla ökutækja. Skoðun lögregluskýrslu: Greining á lykilorðum um ábyrgð og lagafordæmi. Staðfesta tryggingavernd: Athugaðu hvort sérstakar útilokanir séu í áætlun þinni.
Kerfið tók samt sama tíma, en skýr samskipti um innri virkni umboðsmannsins endurheimtu traust notenda. Notendur skildu að gervigreindin var að sinna flóknu verkefninu sem það var hannað fyrir og þeir vissu nákvæmlega hvert þeir ættu að beina athyglinni ef lokamatið virtist ónákvæmt. Þetta hönnunarval breytti augnabliki kvíða í augnablik tengsla við notandann. Notkun áhrifa/áhættufylkis: það sem við völdum að fela Flestar gervigreindarupplifanir skortir ekki atburði og ákvörðunarhnúta sem gætu hugsanlega birst við vinnslu. Ein mikilvægasta niðurstaða úttektarinnar var að ákveða hvað ætti að halda ósýnilegu. Í Meridian dæminu mynduðu bakendaskrárnar 50+ atburði fyrir hverja kröfu. Við hefðum getað sjálfgefið að sýna hvern atburð þar sem þeir voru unnar sem hluti af notendaviðmótinu. Þess í stað notuðum við áhættufylki til að klippa þá:
Log Event: Ping ServerWest-2 fyrir offramboð. Síudómur: Fela. (Lágmark, mikil tækni).
Log Event: Ber viðgerðaráætlun saman við BlueBook gildi. Síudómur: Sýna. (Hátt hlutfall, hefur áhrif á útborgun notanda).
Með því að klippa út óþarfa smáatriðin höfðu mikilvægu upplýsingarnar - eins og sannprófunin á umfjöllun - meiri áhrif. Við bjuggum til opið viðmót og hönnuðum opna upplifun. Þessi nálgun notar þá hugmynd að fólki líði betur með þjónustu þegar það getur séð verkið sem unnið er. Með því að sýna sérstök skref (mat, endurskoðun, sannprófun) breyttum við 30 sekúndna bið úr áhyggjutíma ("Er það bilað?") í tíma þar sem líður eins og eitthvað verðmætt sé að búa til ("það er að hugsa"). Við skulum nú skoða nánar hvernig við getum endurskoðað ákvarðanatökuferlið í vörum okkar til að finna lykilatriði sem krefjast skýrra upplýsinga. Úttekt á ákvörðunarhnút Gagnsæi mistekst þegar við förum með það sem stílval frekar en virknikröfu. Við höfum tilhneigingu til að spyrja: "Hvernig ætti notendaviðmótið að líta út?" áður en við spyrjum: „Hvað er umboðsmaðurinn eiginlega að ákveða? Ákvörðunarhnútúttektin er einföld leið til að gera gervigreindarkerfi auðveldara að skilja. Það virkar með því að kortleggja innra ferli kerfisins vandlega. Meginmarkmiðið er að finna og skilgreina nákvæmlega þau augnablik þar sem kerfið hættir að fylgja settum reglum sínum og tekur þess í stað val byggt á tilviljun eða mati. Með því að kortleggja þessa uppbyggingu geta höfundar sýnt þessa óvissupunkta beint til fólksins sem notar kerfið. Þetta breytir kerfisuppfærslum úr því að vera óljósar yfirlýsingar í sérstakar, áreiðanlegar skýrslur um hvernig gervigreindin komst að niðurstöðu sinni. Auk vátryggingarannsóknarinnar hér að ofan vann ég nýlega með teymi sem byggir upp innkaupafulltrúa. Kerfið fór yfir samninga seljanda og merkti áhættu. Upphaflega sýndi skjárinn einfalda framvindustiku: „Að fara yfir samninga. Notendur hötuðu það. Rannsóknir okkar sýndu að þeir hefðu áhyggjur af lagalegum afleiðingum týndra ákvæðis. Við laguðum þetta með því að gera úttekt á ákvörðunarhnút. Ég hef látið fylgja með skref-fyrir-skref gátlista til að framkvæma þessa úttekt í lok þessarar greinar. Við héldum fundi með verkfræðingunum og útlistuðum hvernig kerfið virkar. Við greindum „ákvörðunarpunkta“ - augnablik þar sem gervigreindin þurfti að velja á milli tveggja góðra valkosta. Í venjulegum tölvuforritum er ferlið skýrt: Ef A gerist þá mun B alltaf gerast. Í gervigreindarkerfum er ferlið oft byggt á tilviljunum. Gervigreindin telur að A sé líklega besti kosturinn, en hann gæti verið aðeins 65% viss. Í samningakerfinu fundum við augnablik þegar gervigreindin athugaði ábyrgðarskilmálana í samræmi við reglur fyrirtækisins okkar. Það var sjaldan fullkomið samsvörun. Gervigreindin varð að ákveða hvort 90% samsvörun væri nógu góð. Þetta var lykilákvörðunarpunktur.
Þegar við greindum þennan hnút, afhjúpuðum við hann fyrir notandanum. Í stað þess að „skoða samninga,“ uppfærði viðmótið og sagði: „Ábyrgðarákvæði er breytilegt frá venjulegu sniðmáti. Greinir áhættustig.“ Þessi sérstaka uppfærsla veitti notendum sjálfstraust. Þeir vissu að umboðsmaðurinn athugaði ábyrgðarákvæðið. Þeir skildu ástæðu töfarinnar og öðluðust traust á því að tilætluð aðgerð væri að eiga sér stað á bakendanum. Þeir vissu líka hvar þeir ættu að kafa dýpra þegar umboðsmaðurinn hafði búið til samninginn. Til að athuga hvernig gervigreind tekur ákvarðanir þarftu að vinna náið með verkfræðingum þínum, vörustjórum, viðskiptafræðingum og lykilfólki sem er að velja (oft falið) sem hafa áhrif á hvernig gervigreindarverkfærið virkar. Teiknaðu skrefin sem tólið tekur. Merktu við hvern stað þar sem ferlið breytir um stefnu vegna þess að líkur eru uppfylltar. Þetta eru staðirnir þar sem þú ættir að einbeita þér að því að vera gegnsærri. Eins og sýnt er á mynd 2 hér að neðan, felur endurskoðun ákvörðunarhnúts í sér þessi skref:
Taktu saman teymið: Komdu með vörueigendur, viðskiptafræðinga, hönnuði, lykilákvarðanatökumenn og verkfræðinga sem byggðu gervigreindina. Til dæmis, Hugsaðu um vöruteymi sem byggir gervigreindarverkfæri sem ætlað er að fara yfir sóðalega lagalega samninga. Í teyminu eru UX hönnuðurinn, vörustjórinn, UX rannsakandinn, starfandi lögfræðingur sem starfar sem sérfræðingur í viðfangsefnum og bakenda verkfræðingurinn sem skrifaði textagreiningarkóðann.
Teiknaðu allt ferlið: Skráðu hvert skref sem gervigreind tekur, frá fyrstu aðgerð notandans til lokaniðurstöðu. Teymið stendur við töflu og skissar alla röðina fyrir lykilverkflæði sem felur í sér að gervigreindin leitar að ábyrgðarákvæði í flóknum samningi. Lögfræðingurinn hleður uppfimmtíu blaðsíðna PDF → Kerfið breytir skjalinu í læsilegan texta. → Gervigreindin skannar síðurnar fyrir ábyrgðarákvæði. → Notandinn bíður. → Augnabliki eða mínútum síðar undirstrikar tólið fundnar málsgreinar með gulu á notendaviðmótinu. Þeir gera þetta fyrir mörg önnur verkflæði sem tólið rúmar líka.
Finndu hvar hlutirnir eru óljósir: Skoðaðu ferlakortið fyrir hvaða stað sem er þar sem gervigreind ber saman valkosti eða inntak sem passa ekki saman. Liðið horfir á töfluna til að koma auga á óljós skrefin. Að breyta mynd í texta fer eftir ströngum reglum. Að finna sérstakt ábyrgðarákvæði felur í sér getgátu. Sérhver fyrirtæki skrifar þessar ákvæði á annan hátt, svo gervigreindin þarf að vega marga valkosti og spá í stað þess að finna nákvæma orðasamsvörun.
Finndu skrefin „bestu ágiskun“: Athugaðu hvort kerfið notar sjálfstraustskor fyrir hvern óljósan stað (er það t.d. 85% viss?). Þetta eru punktarnir þar sem gervigreindin tekur endanlega ákvörðun. Kerfið þarf að giska á (gefa upp líkur) hvaða málsgrein(ir) líkjast mjög venjulegu ábyrgðarákvæði. Það úthlutar sjálfstraustseinkunn eftir bestu ágiskun sinni. Sú tilgáta er ákvörðunarhnútur. Viðmótið þarf að segja lögfræðingnum að það sé að benda á hugsanlega samsvörun, frekar en að segja að það hafi fundið endanlega ákvæðið.
Skoðaðu valið: Fyrir hvern valpunkt, reiknaðu út tiltekna innri stærðfræði eða samanburð sem verið er að gera (t.d. að passa hluta samnings við stefnu eða bera saman mynd af biluðum bíl við bókasafn með skemmdum bílmyndum). Verkfræðingur útskýrir að kerfið ber saman hinar ýmsu málsgreinar við gagnagrunn með stöðluðum ábyrgðarákvæðum frá fyrri málum. Það reiknar út textalíkingarskor til að ákveða samsvörun út frá líkum.
Skrifaðu skýrar útskýringar: Búðu til skilaboð fyrir notandann sem lýsa skýrt þeirri sérstöku innri aðgerð sem á sér stað þegar gervigreindin velur. Innihaldshönnuðurinn skrifar ákveðin skilaboð fyrir nákvæmlega þetta augnablik. Textinn er svohljóðandi: Samanburður á skjalatexta við staðlaða fastaákvæði til að bera kennsl á hugsanlega ábyrgðaráhættu.
Uppfærðu skjáinn: Settu þessar nýju, skýru útskýringar inn í notendaviðmótið, komdu í stað óljósra skilaboða eins og „Skoða samninga“. Hönnunarteymið fjarlægir almenna Processing PDF hleðsluspuna. Þeir setja nýju skýringuna inn í stöðustiku sem staðsett er rétt fyrir ofan skjalaskoðarann á meðan gervigreindin hugsar.
Athugaðu traust: Gakktu úr skugga um að nýju skjáskilaboðin gefi notendum einfalda ástæðu fyrir biðtíma eða niðurstöðu, sem ætti að gera þeim öruggara og traustara.
Áhrif/áhættufylki Þegar þú hefur skoðað ferlið gervigreindarinnar vel, muntu líklega finna marga punkta þar sem það velur. Gervigreind gæti tekið heilmikið af litlum vali fyrir eitt flókið verkefni. Að sýna þær allar skapar of mikið af óþarfa upplýsingum. Þú þarft að flokka þessa valkosti. Þú getur notað áhrif/áhættufylki til að raða þessum valkostum út frá tegundum aðgerða/aðgerða sem gervigreind er að grípa til. Hér eru dæmi um áhrif/áhættufylki: Leitaðu fyrst að ákvörðunum sem eru litlar og áhrifamiklar. Lítil húfi / lítil áhrif
Dæmi: Skipuleggja skráarskipulag eða endurnefna skjal. Gagnsæisþörf: Lágmarksþörf. Lítil tilkynning um ristað brauð eða færsluskrá nægir. Notendur geta afturkallað þessar aðgerðir auðveldlega.
Þekkja síðan ákvarðanir sem eru mikilvægar og áhrifamiklar. Mikil húfi / mikil áhrif
Dæmi: Að hafna lánsumsókn eða framkvæma hlutabréfaviðskipti. Gagnsæisþörf: Mikil. Þessar aðgerðir krefjast vinnusönnunar. Kerfið verður að sýna fram á rökin áður en eða strax þegar það virkar.
Íhugaðu fjárhagslega viðskiptabot sem meðhöndlar allar kaup/sölupantanir eins. Það framkvæmir $5 viðskipti með sama ógagnsæi og $50.000 viðskipti. Notendur gætu efast um hvort tólið viðurkenni hugsanleg áhrif gagnsæis á viðskipti með háa upphæð í dollara. Þeir þurfa á kerfinu að halda til að gera hlé og sýna vinnu sína fyrir stórviðskiptin. Lausnin er að innleiða skoðunarrökfræði fyrir öll viðskipti sem fara yfir ákveðna upphæð í dollara, sem gerir notandanum kleift að sjá þá þætti sem stjórna ákvörðuninni áður en hún er framkvæmd. Kortlagning hnúta við mynstur: Val á hönnunarmynstri Þegar þú hefur greint lykilákvarðanahnúta reynslu þinnar verður þú að ákveða hvaða notendaviðmót á við hvern og einn sem þú munt sýna. Í Designing For Agentic AI kynntum við mynstur eins og Intent Preview (fyrir eftirlit með mikilli áhættu) og Action Audit (til að tryggja afturvirkt öryggi). Afgerandi þáttur í vali á milli þeirra er afturkræfni. Við síum hvertákvörðunarhnút í gegnum áhrifafylki til að úthluta réttu mynstri: Mikil húfi og óafturkræf: Þessir hnútar krefjast forskoðunar ásetnings. Vegna þess að notandinn getur ekki auðveldlega afturkallað aðgerðina (t.d. að eyða gagnagrunni varanlega) verður gagnsæisstundin að gerast áður en hún er framkvæmd. Kerfið verður að gera hlé, útskýra ásetning þess og krefjast staðfestingar. Mikil húfi og afturkræfur: Þessir hnútar geta reitt sig á aðgerðaendurskoðun og afturkalla mynstrið. Ef söluaðili sem knúinn er gervigreind flytur leið í aðra leiðslu getur hann gert það sjálfstætt svo framarlega sem hann lætur notandann vita og býður strax afturkalla hnapp. Með því að flokka hnúta nákvæmlega á þennan hátt forðumst við „viðvörunarþreytu“. Við áskiljum okkur núningaforskoðunina aðeins fyrir raunverulega óafturkræf augnablik, en treystum á aðgerðaúttektina til að viðhalda hraða fyrir allt annað.
Afturkræfur Óafturkræft Lítil áhrif Tegund: Auto-ExecuteUI: Passive Toast / LogEx: Endurnefna skrá Tegund: ConfirmUI: Einfaldur afturkalla valmöguleikiEx: Geymir tölvupóst Mikil áhrif Tegund: ReviewUI: Tilkynning + Review TrailEx: Sendir drög til viðskiptavinar Tegund: Forskoðun ásetnings: Modal / Explicit PermissionEx: Eyðir netþjóni
Tafla 1: Hægt er að nota áhrifa- og afturkræfanleikafylki til að kortleggja augnablik þín af gagnsæi við hönnunarmynstur. Eigindleg staðfesting: "Biðin, hvers vegna?" Próf Þú getur borið kennsl á hugsanlega hnúta á töflu, en þú verður að sannreyna þá með mannlegri hegðun. Þú þarft að staðfesta hvort kortið þitt passi við andlegt líkan notandans. Ég nota siðareglur sem kallast „Bíddu, hvers vegna? Próf. Biddu notanda um að horfa á umboðsmanninn klára verkefni. Leiðbeindu þeim að tala upphátt. Alltaf þegar þeir spyrja spurningar: "Bíddu, af hverju gerði það það?" eða "Er það fast?" eða "Heyrði það í mér?" — þú merkir tímastimpil. Þessar spurningar gefa til kynna rugling notenda. Notandinn finnur að stjórn þeirra hverfur. Til dæmis, í rannsókn fyrir aðstoðarmann í heilsugæslu, horfðu notendur á umboðsmanninn bóka tíma. Skjárinn sat kyrrstæður í fjórar sekúndur. Þátttakendur spurðu stöðugt: "Er það að skoða dagatalið mitt eða læknirinn?"
Sú spurning leiddi í ljós vantað gagnsæis augnablik. Kerfið þurfti að skipta þessari fjögurra sekúndna bið í tvö aðgreind skref: „Athuga framboð þitt“ og síðan „Samstilla við áætlun þjónustuveitanda. Þessi litla breyting dró úr upplýstum kvíða notenda. Gagnsæi mistekst þegar það lýsir aðeins kerfisaðgerð. Viðmótið verður að tengja tæknilega ferlið við tiltekið markmið notandans. Skjár sem sýnir „Athugaðu framboð þitt“ fellur flatur vegna þess að hann skortir samhengi. Notandinn skilur að gervigreind er að skoða dagatal, en hann veit ekki hvers vegna. Við verðum að para aðgerðina við niðurstöðuna. Kerfið þarf að skipta þessari fjögurra sekúndna bið í tvö aðskilin skref. Í fyrsta lagi sýnir viðmótið „Athugaðu dagatalið þitt til að finna opna tíma. Síðan uppfærist það í „Samstilling við áætlun þjónustuveitunnar til að tryggja tíma þinn. Þetta grundar tæknilega ferlið í raunverulegu lífi notandans. Íhugaðu gervigreind sem stýrir birgðum fyrir staðbundið kaffihús. Kerfið lendir í framboðsskorti. Viðmót sem lesið „hafa samband við söluaðila“ eða „skoða valkosti“ skapar kvíða. Framkvæmdastjórinn veltir því fyrir sér hvort kerfið sé að hætta við pöntunina eða kaupa dýran valkost. Betri nálgun er að útskýra fyrirhugaða niðurstöðu: „Að meta aðra birgja til að viðhalda afhendingaráætlun þinni á föstudag. Þetta segir notandanum nákvæmlega hvað gervigreindin er að reyna að ná. Rekstrargerð endurskoðunarinnar Þú hefur lokið úttekt á ákvörðunarhnút og síað listann þinn í gegnum áhrifa- og áhættufylki. Þú hefur nú lista yfir nauðsynleg augnablik til að vera gagnsæ. Næst þarftu að búa til þær í notendaviðmótinu. Þetta skref krefst teymisvinnu þvert á mismunandi deildir. Þú getur ekki hannað gagnsæi sjálfur með því að nota hönnunartól. Þú þarft að skilja hvernig kerfið virkar á bak við tjöldin. Byrjaðu á rökfræðiskoðun. Hittu aðalkerfishönnuðinn þinn. Komdu með kortið þitt af ákvörðunarhnútum. Þú þarft að staðfesta að kerfið geti raunverulega deilt þessum ríkjum. Ég kemst oft að því að tæknikerfið sýnir ekki nákvæmlega ástandið sem ég vil sýna. Verkfræðingurinn gæti sagt að kerfið skili bara almennri „vinnu“ stöðu. Þú verður að þrýsta á um nákvæma uppfærslu. Þú þarft kerfið til að senda ákveðna tilkynninguþegar skipt er úr lestri texta yfir í að athuga reglur. Án þessarar tæknilegu tengingar er ómögulegt að smíða hönnunina þína. Næst skaltu taka þátt í efnishönnunarteymi. Þú hefur tæknilega ástæðuna fyrir aðgerð gervigreindarinnar, en þú þarft skýra, mannvæna skýringu. Verkfræðingar sjá um undirliggjandi ferlið, en efnishönnuðir veita hvernig það er miðlað. Ekki skrifa þessi skilaboð ein. Framkvæmdaraðili gæti skrifað „Að keyra aðgerð 402,“ sem er tæknilega rétt en tilgangslaust fyrir notandann. Hönnuður gæti skrifað „Hugsun“ sem er vingjarnlegt en of óljóst. Innihaldsfræðingur finnur rétta meðalveginn. Þeir búa til sérstakar setningar, eins og „Skanna fyrir ábyrgðaráhættu“, sem sýna að gervigreindin virkar án þess að rugla notandann. Prófaðu að lokum gagnsæi skilaboðanna þinna. Ekki bíða þangað til lokaafurðin er smíðuð til að sjá hvort textinn virkar. Ég geri samanburðarpróf á einföldum frumgerðum þar sem það eina sem breytist eru stöðuskilaboðin. Til dæmis sýni ég einum hópi (A-hópi) skilaboð sem segir „Staðfesta auðkenni“ og öðrum hópi (B-hópur) skilaboð sem segir „Að athuga gagnagrunna hjá stjórnvöldum“ (þetta eru tilbúin dæmi, en þú skilur tilganginn). Svo spyr ég þá hvaða gervigreind finnst öruggari. Þú munt oft uppgötva að ákveðin orð valda áhyggjum á meðan önnur byggja upp traust. Þú verður að meðhöndla orðalagið sem eitthvað sem þú þarft til að prófa og sýna árangur. Hvernig þetta breytir hönnunarferlinu Framkvæmd þessara úttekta hefur tilhneigingu til að styrkja hvernig teymi vinnur saman. Við hættum að afhenda fágaðar hönnunarskrár. Við byrjum að nota sóðalegar frumgerðir og sameiginleg töflureikni. Kjarnaverkfærið verður gagnsæisfylki. Verkfræðingar og efnishönnuðir breyta þessum töflureikni saman. Þeir kortleggja nákvæma tæknikóða við orðin sem notandinn mun lesa. Liðin munu upplifa núning meðan á rökfræðinni stendur. Ímyndaðu þér að hönnuður spyr verkfræðinginn hvernig gervigreind ákveður að hafna færslu sem lögð er fram á kostnaðarskýrslu. Verkfræðingurinn gæti sagt að bakendinn sendi aðeins frá sér almennan stöðukóða eins og „Villa: Gögn sem vantar“. Hönnuðurinn segir að þetta séu ekki aðgerðahæfar upplýsingar á skjánum. Hönnuður semur við verkfræðinginn um að búa til sérstakan tæknikrók. Verkfræðingurinn skrifar nýja reglu þannig að kerfið tilkynnir nákvæmlega hvað vantar, svo sem kvittunarmynd sem vantar. Efnishönnuðir starfa sem þýðendur á þessum áfanga. Verktaki gæti skrifað tæknilega nákvæman streng eins og „Reiknar út öryggisþröskuld fyrir samsvörun söluaðila. Efnishönnuður þýðir þann streng í setningu sem byggir upp traust fyrir ákveðna niðurstöðu. Ráðgjafinn endurskrifar það sem „Að bera saman verð á staðnum til að tryggja afhendingu þína á föstudag. Notandinn skilur aðgerðina og niðurstöðuna. Allt þverstarfandi teymið situr í notendaprófunum. Þeir horfa á alvöru manneskju bregðast við mismunandi stöðuskilaboðum. Að sjá notanda skelfingu vegna þess að skjárinn segir „Að framkvæma viðskipti“ neyðir liðið til að endurskoða nálgun sína. Verkfræðingarnir og hönnuðirnir stilla sér saman um betra orðalag. Þeir breyta textanum í „Staðfesta nægilegt fé“ áður en þeir kaupa hlutabréf. Að prófa saman tryggir að endanlegt viðmót þjónar bæði kerfislógík og hugarró notandans. Það þarf tíma til að fella þessar viðbótaraðgerðir inn í dagatal liðsins. Hins vegar ætti lokaniðurstaðan að vera teymi sem hefur opnari samskipti og notendur sem hafa betri skilning á því hvað gervigreindartækin þeirra eru að gera fyrir þeirra hönd (og hvers vegna). Þessi samþætta nálgun er hornsteinn þess að hanna raunverulega áreiðanlega gervigreindarupplifun. Traust er hönnunarval Við lítum oft á traust sem tilfinningalega fylgifisk af góðri notendaupplifun. Það er auðveldara að líta á traust sem vélrænan árangur af fyrirsjáanlegum samskiptum. Við byggjum upp traust með því að sýna réttar upplýsingar á réttum tíma. Við eyðileggjum það með því að yfirgnæfa notandann eða fela vélarnar alveg. Byrjaðu á ákvörðunarhnútúttektinni, sérstaklega fyrir umboðsmenn gervigreindarverkfæri og vörur. Finndu augnablikin þar sem kerfið kallar á dóm. Kortaðu þessi augnablik í áhættufylki. Ef það er mikið í húfi skaltu opna kassann. Sýndu verkið. Í næstu grein munum við skoða hvernig á að hanna þessi augnablik: hvernig á að skrifa afritið, skipuleggja notendaviðmótið og meðhöndla óumflýjanlegar villur þegar umboðsmaðurinn hefur rangt fyrir sér. Viðauki: Gátlisti fyrir endurskoðun ákvörðunarhnúts 1. áfangi: Uppsetning og kortlagning ✅ Komdu teyminu saman: Komdu með vörueigendur, viðskiptafræðinga, hönnuði,lykilákvarðanatakendur og verkfræðingana sem smíðuðu gervigreindina. Ábending: Þú þarft verkfræðinga til að útskýra raunverulega bakenda rökfræði. Ekki reyna þetta skref einn. ✅ Teiknaðu allt ferlið: Skráðu hvert skref sem gervigreind tekur, frá fyrstu aðgerð notandans til lokaniðurstöðu. Ábending: Líkamleg töflulota virkar oft best til að draga fram þessi fyrstu skref. Áfangi 2: Að finna falinn rökfræði ✅ Finndu hvar hlutirnir eru óljósir: Skoðaðu ferlakortið fyrir hvaða stað þar sem gervigreindin ber saman valkosti eða inntak sem passa ekki saman. ✅ Þekkja bestu ágiskunin: Athugaðu hvort kerfið notar sjálfstraustsstig fyrir hvern óljósan stað. Spyrðu til dæmis hvort kerfið sé 85 prósent öruggt. Þetta eru punktarnir þar sem gervigreindin tekur endanlega ákvörðun. ✅ Skoðaðu valið: Fyrir hvern valpunkt skaltu reikna út tiltekna innri stærðfræði eða samanburð sem verið er að gera. Dæmi er að samræma hluta samnings við stefnu. Annað dæmi er að bera saman mynd af biluðum bíl við safn af skemmdum bílmyndum. 3. áfangi: Að búa til notendaupplifunina ✅ Skrifaðu skýrar útskýringar: Búðu til skilaboð fyrir notandann sem lýsa skýrt þeirri sérstöku innri aðgerð sem á sér stað þegar gervigreindin velur. Ábending: Byggðu skilaboðin þín í raunveruleikanum. Ef gervigreind bókar fund með viðskiptavinum á staðbundnu kaffihúsi, segðu notandanum að kerfið sé að athuga kaffihúsabókunarkerfið. ✅ Uppfærðu skjáinn: Settu þessar nýju, skýru skýringar inn í notendaviðmótið. Skiptu út óljósum skilaboðum eins og endurskoðun samninga fyrir sérstakar skýringar þínar. ✅ Athugaðu traust: Gakktu úr skugga um að nýju skjáskilaboðin gefi notendum einfalda ástæðu fyrir biðtíma eða niðurstöðu. Þetta ætti að láta þá líða sjálfstraust og traust. Ábending: Prófaðu þessi skilaboð með raunverulegum notendum til að ganga úr skugga um að þeir skilji tiltekna niðurstöðu sem er náð.
