Ubunifu wa mawakala wanaojitegemea huleta mfadhaiko wa kipekee. Tunakabidhi kazi ngumu kwa AI, inatoweka kwa sekunde 30 (au dakika 30), na kisha inarudi na matokeo. Tunatazama skrini. Je, ilifanya kazi? Je, ilileta maono? Je, iliangalia hifadhidata ya kufuata au kuruka hatua hiyo? Kwa kawaida tunajibu wasiwasi huu kwa mojawapo ya mambo mawili yaliyokithiri. Tunaweka mfumo kwenye Kisanduku Nyeusi, tukificha kila kitu ili kudumisha urahisi, au tunaogopa na kutoa Dampo la Data, kutiririsha kila laini ya kumbukumbu na simu za API kwa mtumiaji. Hakuna mbinu inayoshughulikia moja kwa moja nuance inayohitajika ili kuwapa watumiaji kiwango bora cha uwazi. Sanduku Nyeusi huwaacha watumiaji wanahisi kutokuwa na nguvu. Dampo la Data huunda upofu wa arifa, na kuharibu ufanisi ambao wakala aliahidi kutoa. Watumiaji hupuuza mtiririko wa mara kwa mara wa habari hadi kitu kinapovunjika, wakati huo wanakosa muktadha wa kuirekebisha. Tunahitaji njia iliyopangwa ili kupata usawa. Katika makala yangu ya awali, "Kubuni AI ya Ajenti", tuliangalia vipengele vya kiolesura vinavyojenga uaminifu, kama vile kuonyesha hatua iliyokusudiwa ya AI kabla (Mapitio ya Kusudi) na kuwapa watumiaji udhibiti wa kiasi gani AI hufanya kivyake (Mitambo ya Kujiendesha). Lakini kujua ni vipengele vipi vya kutumia ni sehemu tu ya changamoto. Swali gumu zaidi kwa wabunifu ni kujua wakati wa kuzitumia. Unajuaje ni wakati gani mahususi katika mtiririko wa kazi wa sekunde 30 unaohitaji Onyesho la Kuchungulia la Kusudi na ambalo linaweza kushughulikiwa kwa ingizo rahisi la kumbukumbu? Nakala hii inatoa njia ya kujibu swali hilo. Tutapitia Ukaguzi wa Njia ya Uamuzi. Utaratibu huu huwapata wabunifu na wahandisi katika chumba kimoja ili kuweka mantiki ya mandharinyuma kwenye kiolesura cha mtumiaji. Utajifunza jinsi ya kubainisha nyakati ambazo mtumiaji anahitaji sasisho kuhusu kile AI inafanya. Pia tutashughulikia matrix ya Athari/Hatari ambayo itasaidia kuweka kipaumbele ni nodi za uamuzi zitaonyeshwa na muundo wowote unaohusiana na muundo ili kuoanisha na uamuzi huo. Matukio ya Uwazi: Mfano wa Kifani Zingatia Meridian (sio jina halisi), kampuni ya bima inayotumia wakala wa AI kushughulikia madai ya awali ya ajali. Mtumiaji anapakia picha za uharibifu wa gari na ripoti ya polisi. Kisha wakala hutoweka kwa dakika moja kabla ya kurejea na tathmini ya hatari na safu ya malipo inayopendekezwa. Hapo awali, kiolesura cha Meridian kilionyesha tu Kukokotoa Hali ya Madai. Watumiaji walikua wamechanganyikiwa. Walikuwa wamewasilisha hati kadhaa za kina na hawakuwa na uhakika kuhusu kama AI ilikuwa imepitia ripoti ya polisi, ambayo ilikuwa na hali za kupunguza. Sanduku Nyeusi lilizua kutoaminiana. Ili kurekebisha hili, timu ya kubuni ilifanya Ukaguzi wa Njia ya Uamuzi. Waligundua kuwa AI ilifanya hatua tatu tofauti, zenye msingi wa uwezekano, na hatua nyingi ndogo zilizopachikwa:
Uchambuzi wa PichaWakala alilinganisha picha za uharibifu dhidi ya hifadhidata ya matukio ya kawaida ya ajali ya gari ili kukadiria gharama ya ukarabati. Hii ilihusisha alama ya kujiamini. Uhakiki wa MaandishiIlichanganua ripoti ya polisi kwa maneno muhimu yanayoathiri dhima (k.m., makosa, hali ya hewa, utulivu). Hii ilihusisha tathmini ya uwezekano wa hadhi ya kisheria. Marejeleo Mtambuka ya PolicyIlilingana na maelezo ya dai dhidi ya masharti mahususi ya sera ya mtumiaji, ikitafuta vighairi au vikomo vya malipo. Hii pia ilihusisha kulinganisha kwa uwezekano.
Timu iligeuza hatua hizi kuwa nyakati za uwazi. Mlolongo wa kiolesura ulisasishwa hadi:
Kutathmini Picha za Uharibifu: Kulinganisha dhidi ya wasifu 500 wa athari za gari. Kupitia Ripoti ya Polisi: Kuchanganua manenomsingi ya dhima na mfano wa kisheria. Kuthibitisha Ushughulikiaji wa Sera: Kuangalia kutojumuishwa mahususi katika mpango wako.
Mfumo bado ulichukua muda sawa, lakini mawasiliano ya wazi kuhusu utendakazi wa ndani wa wakala yalirejesha imani ya mtumiaji. Watumiaji walielewa kuwa AI ilikuwa ikifanya kazi ngumu ambayo iliundwa kwa ajili yake, na walijua hasa mahali pa kuzingatia mawazo yao ikiwa tathmini ya mwisho ilionekana kuwa si sahihi. Chaguo hili la muundo lilibadilisha wakati wa wasiwasi kuwa wakati wa kuunganishwa na mtumiaji. Kutumia Matrix ya Athari/Hatari: Tulichochagua Kuficha Uzoefu mwingi wa AI hauna uhaba wa matukio na nodi za maamuzi ambazo zinaweza kuonyeshwa wakati wa usindikaji. Mojawapo ya matokeo muhimu zaidi ya ukaguzi ilikuwa kuamua ni nini cha kuweka kisichoonekana. Katika mfano wa Meridian, kumbukumbu za nyuma zilitoa matukio 50+ kwa kila dai. Tungeweza kuonyesha kila tukio kama lilivyochakatwa kama sehemu ya UI. Badala yake, tulitumia matrix ya hatari kuzikata:
Tukio la Ingia: Seva ya PingingMagharibi-2 kwa ukaguzi wa upungufu. Hukumu ya Kichujio: Ficha. (Dau za chini, Ufundi wa hali ya juu).
Tukio la Kumbukumbu: Kulinganisha makadirio ya ukarabati na thamani ya BlueBook. Hukumu ya Kichujio: Onyesha. (Dau kubwa, huathiri malipo ya mtumiaji).
Kwa kukata maelezo yasiyo ya lazima, maelezo muhimu - kama vile uthibitishaji wa chanjo - yalikuwa na athari zaidi. Tumeunda kiolesura wazi na kuunda matumizi wazi. Mbinu hii hutumia wazo kwamba watu wanahisi bora kuhusu huduma wakati wanaweza kuona kazi inayofanywa. Kwa kuonyesha hatua mahususi (Kutathmini, Kukagua, Kuthibitisha), tulibadilisha kungoja kwa sekunde 30 kutoka wakati wa wasiwasi (“Imevunjika?”) hadi wakati wa kuhisi kuwa kitu cha thamani kinaundwa (“Ni kufikiria”). Hebu sasa tuchunguze kwa undani jinsi tunavyoweza kukagua mchakato wa kufanya maamuzi katika bidhaa zetu ili kutambua matukio muhimu yanayohitaji maelezo wazi. Ukaguzi wa Njia ya Uamuzi Uwazi hushindikana tunapoichukulia kama chaguo la mtindo badala ya hitaji la utendaji. Tuna tabia ya kuuliza, "UI inapaswa kuonekanaje?" kabla hatujauliza, "Je, wakala anaamua nini?" Ukaguzi wa Njia ya Uamuzi ni njia moja kwa moja ya kufanya mifumo ya AI iwe rahisi kuelewa. Inafanya kazi kwa kupanga kwa uangalifu mchakato wa ndani wa mfumo. Lengo kuu ni kupata na kufafanua kwa uwazi nyakati halisi ambapo mfumo huacha kufuata sheria zake zilizowekwa na badala yake hufanya uchaguzi kulingana na nafasi au makadirio. Kwa kuchora muundo huu, watayarishi wanaweza kuonyesha mambo haya ya kutokuwa na uhakika moja kwa moja kwa watu wanaotumia mfumo. Hii hubadilisha masasisho ya mfumo kutoka kuwa taarifa zisizo wazi hadi ripoti mahususi, za kuaminika kuhusu jinsi AI ilifikia hitimisho lake. Mbali na uchunguzi wa kesi ya bima hapo juu, hivi majuzi nilifanya kazi na timu inayounda wakala wa ununuzi. Mfumo ulikagua mikataba ya wachuuzi na hatari zilizoalamishwa. Hapo awali, skrini ilionyesha upau rahisi wa maendeleo: "Kukagua mikataba." Watumiaji walichukia. Utafiti wetu ulionyesha kuwa walihisi wasiwasi kuhusu athari za kisheria za kifungu kinachokosekana. Tulirekebisha hii kwa kufanya Ukaguzi wa Njia ya Uamuzi. Nimejumuisha orodha ya hatua kwa hatua ya kufanya ukaguzi huu mwishoni mwa kifungu hiki. Tuliendesha kikao na wahandisi na tukaelezea jinsi mfumo unavyofanya kazi. Tulitambua "Alama za Uamuzi" - wakati ambapo AI ililazimika kuchagua kati ya chaguzi mbili nzuri. Katika programu za kawaida za kompyuta, mchakato ni wazi: ikiwa A hutokea, basi B itatokea daima. Katika mifumo ya AI, mchakato mara nyingi hutegemea nafasi. AI inafikiria A labda ndio chaguo bora, lakini inaweza kuwa na uhakika wa 65%. Katika mfumo wa kandarasi, tulipata wakati AI ilikagua masharti ya dhima dhidi ya sheria za kampuni yetu. Ilikuwa mara chache mechi kamili. AI ilibidi iamue ikiwa mechi ya 90% ilikuwa nzuri ya kutosha. Hili lilikuwa jambo kuu la uamuzi.
Mara tu tulipotambua nodi hii, tuliiweka wazi kwa mtumiaji. Badala ya "Kukagua mikataba," kiolesura kimesasishwa na kusema: "Kifungu cha dhima kinatofautiana kutoka kiolezo cha kawaida. Kuchanganua kiwango cha hatari." Sasisho hili mahususi liliwapa watumiaji imani. Walijua wakala alikagua kifungu cha dhima. Walielewa sababu ya kucheleweshwa na kupata imani kwamba hatua inayotarajiwa ilikuwa ikitokea upande wa nyuma. Pia walijua mahali pa kuchimba ndani zaidi mara wakala atakapotoa mkataba. Ili kuangalia jinsi AI inavyofanya maamuzi, unahitaji kufanya kazi kwa karibu na wahandisi wako, wasimamizi wa bidhaa, wachanganuzi wa biashara, na watu muhimu ambao wanafanya chaguo (mara nyingi hufichwa) ambayo huathiri jinsi zana ya AI inavyofanya kazi. Chora hatua ambazo chombo huchukua. Tia alama kila mahali ambapo mchakato hubadilisha mwelekeo kwa sababu uwezekano unatimizwa. Haya ndio maeneo ambayo unapaswa kuzingatia kuwa wazi zaidi. Kama inavyoonyeshwa kwenye Kielelezo 2 hapa chini, Ukaguzi wa Njia ya Uamuzi unahusisha hatua hizi:
Pata timu pamoja: Walete wamiliki wa bidhaa, wachambuzi wa biashara, wabunifu, watoa maamuzi wakuu na wahandisi waliounda AI. Kwa mfano, Fikiria kuhusu timu ya bidhaa inayounda zana ya AI iliyoundwa kukagua mikataba mibovu ya kisheria. Timu hiyo inajumuisha mbunifu wa UX, meneja wa bidhaa, mtafiti wa UX, mwanasheria anayefanya kazi kama mtaalamu wa somo, na mhandisi wa nyuma ambaye aliandika msimbo wa uchanganuzi wa maandishi.
Chora mchakato mzima: Andika kila hatua ambayo AI inachukua, kutoka kwa hatua ya kwanza ya mtumiaji hadi matokeo ya mwisho. Timu inasimama kwenye ubao mweupe na kuchora mlolongo mzima wa mtiririko muhimu wa kazi unaohusisha AI kutafuta kifungu cha dhima katika mkataba changamano. Mwanasheria anapakiaPDF ya kurasa hamsini → Mfumo hubadilisha hati kuwa maandishi yanayosomeka. → AI huchanganua kurasa kwa vifungu vya dhima. → Mtumiaji asubiri. → Muda mfupi au dakika baadaye, zana huangazia aya zilizopatikana kwa rangi ya manjano kwenye kiolesura cha mtumiaji. Wanafanya hivi kwa utiririshaji mwingine mwingi ambao chombo kinashughulikia pia.
Tafuta mahali ambapo mambo hayaeleweki: Angalia ramani ya mchakato wa mahali popote ambapo AI inalinganisha chaguo au pembejeo ambazo hazina mechi moja kamili. Timu inatazama ubao mweupe ili kuona hatua zenye utata. Kubadilisha picha kuwa maandishi hufuata sheria kali. Kupata kifungu maalum cha dhima kunahusisha kubahatisha. Kila kampuni huandika vifungu hivi kwa njia tofauti, kwa hivyo AI inapaswa kupima chaguzi nyingi na kufanya utabiri badala ya kupata neno linalolingana kabisa.
Tambua hatua za ‘kukisia bora zaidi’: Kwa kila sehemu isiyoeleweka, angalia ikiwa mfumo unatumia alama ya uhakika (kwa mfano, una uhakika 85%?). Hizi ndizo pointi ambapo AI hufanya chaguo la mwisho. Mfumo lazima ukisie (kutoa uwezekano) ni aya zipi zinafanana kwa karibu na kifungu cha dhima cha kawaida. Inapeana alama ya kujiamini kwa nadhani yake bora. Dhana hiyo ni nodi ya uamuzi. Kiolesura kinahitaji kumwambia wakili kuwa kinaangazia ulinganifu unaowezekana, badala ya kusema kuwa kimepata kifungu dhahiri.
Chunguza chaguo: Kwa kila nukta ya chaguo, tambua hesabu mahususi ya ndani au ulinganisho unaofanywa (k.m., kulinganisha sehemu ya mkataba na sera au kulinganisha picha ya gari lililovunjika na maktaba ya picha za gari zilizoharibika). Mhandisi anaeleza kuwa mfumo unalinganisha aya mbalimbali dhidi ya hifadhidata ya vifungu vya dhima ya kawaida kutoka kwa kesi za zamani za kampuni. Hukokotoa alama ya mfanano wa maandishi ili kuamua kulingana na uwezekano.
Andika maelezo wazi: Unda ujumbe kwa mtumiaji unaoelezea kwa uwazi kitendo mahususi cha ndani kinachofanyika AI inapofanya chaguo. Mbuni wa maudhui huandika ujumbe maalum kwa wakati huu kamili. Maandishi yanasema: Kulinganisha maandishi ya hati na vifungu vya kawaida vya kampuni ili kutambua hatari zinazowezekana za dhima.
Sasisha skrini: Weka maelezo haya mapya na yaliyo wazi katika kiolesura cha mtumiaji, ukichukua nafasi ya ujumbe usioeleweka kama vile "Kukagua mikataba." Timu ya kubuni huondoa spinner ya upakiaji ya kawaida ya Kuchakata PDF. Wanaingiza maelezo mapya kwenye upau wa hali ulio juu ya kitazamaji cha hati huku AI inafikiria.
Angalia Uaminifu: Hakikisha kwamba barua pepe mpya za skrini zinawapa watumiaji sababu rahisi ya muda au matokeo yoyote ya kusubiri, ambayo yanapaswa kuwafanya wajiamini na kuaminiwa zaidi.
Matrix ya Athari/Hatari Mara tu ukiangalia kwa karibu mchakato wa AI, utapata vidokezo vingi ambapo hufanya chaguo. AI inaweza kufanya chaguzi kadhaa ndogo kwa kazi moja ngumu. Kuzionyesha zote huunda habari nyingi sana zisizo za lazima. Unahitaji kuweka chaguo hizi katika vikundi. Unaweza kutumia Matrix ya Athari/Hatari kupanga chaguo hizi kulingana na aina za hatua ambazo AI inachukua. Hapa kuna mifano ya alama za athari / hatari: Kwanza, tafuta maamuzi ya chini na yenye athari ya chini. Vigingi vya Chini / Athari ya Chini
Mfano: Kupanga muundo wa faili au kubadilisha jina la hati. Haja ya Uwazi: Ndogo. Arifa ya hila ya toast au ingizo la kumbukumbu inatosha. Watumiaji wanaweza kutendua vitendo hivi kwa urahisi.
Kisha tambua maamuzi ya hali ya juu na yenye athari kubwa. Kiwango cha Juu / Athari ya Juu
Mfano: Kukataa ombi la mkopo au kutekeleza biashara ya hisa. Haja ya Uwazi: Juu. Vitendo hivi vinahitaji Uthibitisho wa Kazi. Mfumo lazima uonyeshe mantiki kabla au mara moja unapofanya kazi.
Fikiria boti ya biashara ya kifedha ambayo hushughulikia maagizo yote ya kununua/kuuza sawa. Hutekeleza biashara ya $5 na uwazi sawa na biashara ya $50,000. Watumiaji wanaweza kuhoji kama zana inatambua athari inayoweza kutokea ya uwazi kwenye biashara kwa kiwango kikubwa cha dola. Wanahitaji mfumo kusitisha na kuonyesha kazi yake kwa biashara za viwango vya juu. Suluhisho ni kutambulisha hali ya Kukagua Mantiki kwa muamala wowote unaozidi kiasi mahususi cha dola, hivyo kumruhusu mtumiaji kuona mambo yanayoendesha uamuzi kabla ya kutekeleza. Vifundo vya Ramani kwa Sampuli: Rubriki ya Uteuzi wa Muundo wa Usanifu Baada ya kutambua nodi muhimu za maamuzi ya matumizi yako, lazima uamue ni muundo upi wa UI unaotumika kwa kila moja utakayoonyesha. Katika Kubuni kwa AI ya Kiajenti, tulianzisha ruwaza kama vile Onyesho la Kuchungulia Kusudi (kwa udhibiti wa viwango vya juu) na Ukaguzi wa Vitendo (kwa usalama wa rejea). Jambo kuu katika kuchagua kati yao ni kubadilika. Tunachuja kilanodi ya uamuzi kupitia matrix ya athari ili kugawa muundo sahihi: Vidokezo vya Juu na Visivyoweza Kutenduliwa: Nodi hizi zinahitaji Muhtasari wa Kusudi. Kwa sababu mtumiaji hawezi kutendua kitendo kwa urahisi (k.m., kufuta hifadhidata kabisa), muda wa uwazi lazima ufanyike kabla ya utekelezaji. Mfumo lazima usitishwe, ueleze nia yake, na uhitaji uthibitisho. Vigingi vya Juu na Vinavyoweza Kurejeshwa: Nodi hizi zinaweza kutegemea Ukaguzi wa Kitendo na Tendua muundo. Ikiwa wakala wa mauzo unaoendeshwa na AI atasogeza mwongozo hadi kwenye bomba tofauti, anaweza kufanya hivyo kwa uhuru mradi tu amjulishe mtumiaji na atoe kitufe cha Tendua mara moja. Kwa kuainisha nodi madhubuti kwa njia hii, tunaepuka "uchovu wa tahadhari." Tunahifadhi Onyesho la Kuchungulia la Kuratibu lenye msuguano wa hali ya juu kwa matukio ambayo hayawezi kutenduliwa tu, huku tukitegemea Ukaguzi wa Kitendo kudumisha kasi ya kila kitu kingine.
Inaweza kutenduliwa Isiyoweza kutenduliwa Athari ya Chini Aina: Auto-ExecuteUI: Passive Toast / LogEx: Kubadilisha jina la faili Aina: ConfirmUI: Rahisi Tendua chaguoEx: Kuhifadhi barua pepe kwenye kumbukumbu Athari ya Juu Aina: ReviewUI: Notification + Review TrailEx: Inatuma rasimu kwa mteja Aina: Onyesho la kuchungulia la Kusudi: Modal / Permission Ex Wazi: Inafuta seva
Jedwali la 1: Matrix ya athari na ugeuzaji nyuma inaweza kutumika kuweka ramani ya nyakati zako za uwazi ili kubuni ruwaza. Uthibitishaji wa Ubora: "Subiri, Kwanini?" Mtihani Unaweza kutambua nodi zinazowezekana kwenye ubao mweupe, lakini lazima uzithibitishe kwa tabia ya kibinadamu. Unahitaji kuthibitisha kama ramani yako inalingana na muundo wa akili wa mtumiaji. Ninatumia itifaki inayoitwa "Subiri, Kwa nini?" Mtihani. Uliza mtumiaji kutazama wakala akikamilisha kazi. Waagize kusema kwa sauti. Wakati wowote wanauliza swali, "Subiri, kwa nini ilifanya hivyo?" au “Imekwama?” au “Imenisikia?” - unaweka alama kwenye muhuri wa muda. Maswali haya yanaashiria kuchanganyikiwa kwa mtumiaji. Mtumiaji anahisi udhibiti wake ukiteleza. Kwa mfano, katika utafiti wa msaidizi wa kuratibu huduma ya afya, watumiaji walimtazama wakala akiweka miadi. Skrini ilikaa tuli kwa sekunde nne. Washiriki waliuliza mara kwa mara, "Je, ni kuangalia kalenda yangu au ya daktari?"
Swali hilo lilifichua wakati wa Uwazi uliokosekana. Mfumo ulihitaji kugawanya kusubiri kwa sekunde nne katika hatua mbili tofauti: "Kuangalia upatikanaji wako" ikifuatiwa na "Kusawazisha na ratiba ya mtoa huduma." Mabadiliko haya madogo yalipunguza viwango vya wasiwasi vya watumiaji. Uwazi haufanyi kazi inapofafanua tu kitendo cha mfumo. Kiolesura lazima kiunganishe mchakato wa kiufundi kwa lengo maalum la mtumiaji. Skrini inayoonyesha "Kuangalia upatikanaji wako" ni rahisi kwa sababu haina muktadha. Mtumiaji anaelewa kuwa AI inaangalia kalenda, lakini hawajui kwa nini. Ni lazima tuoanishe kitendo na matokeo. Mfumo unahitaji kugawanya kusubiri kwa sekunde nne katika hatua mbili tofauti. Kwanza, kiolesura kinaonyesha "Kuangalia kalenda yako ili kupata muda wa kufungua." Kisha inasasisha hadi "Kusawazisha na ratiba ya mtoa huduma ili kulinda miadi yako." Hii ndio msingi wa mchakato wa kiufundi katika maisha halisi ya mtumiaji. Zingatia orodha ya udhibiti wa AI kwa mkahawa wa karibu. Mfumo unakabiliwa na uhaba wa usambazaji. Kiolesura cha kusoma "kuwasiliana na muuzaji" au "chaguo za kukagua" huleta wasiwasi. Meneja anashangaa ikiwa mfumo unaghairi agizo au unanunua mbadala wa gharama kubwa. Mbinu bora ni kueleza matokeo yaliyokusudiwa: "Kutathmini wasambazaji mbadala ili kudumisha ratiba yako ya uwasilishaji Ijumaa." Hii inamwambia mtumiaji kile AI inajaribu kufikia. Uendeshaji wa Ukaguzi Umekamilisha Ukaguzi wa Njia ya Uamuzi na kuchuja orodha yako kupitia Athari na Matrix ya Hatari. Sasa unayo orodha ya matukio muhimu ya kuwa wazi. Ifuatayo, unahitaji kuziunda kwenye UI. Hatua hii inahitaji kazi ya pamoja katika idara mbalimbali. Huwezi kutengeneza uwazi peke yako kwa kutumia zana ya kubuni. Unahitaji kuelewa jinsi mfumo unavyofanya kazi nyuma ya pazia. Anza na Uhakiki wa Mantiki. Kutana na mtengenezaji wako mkuu wa mfumo. Lete ramani yako ya nodi za maamuzi. Unahitaji kuthibitisha kuwa mfumo unaweza kushiriki majimbo haya. Mara nyingi mimi huona kuwa mfumo wa kiufundi hauonyeshi hali halisi ninayotaka kuonyesha. Mhandisi anaweza kusema mfumo unarudisha hali ya jumla ya "kufanya kazi". Lazima ubonyeze kwa sasisho la kina. Unahitaji mfumo kutuma arifa maaluminapobadilika kutoka kusoma maandishi kwenda kwa sheria za kukagua. Bila uunganisho huo wa kiufundi, muundo wako hauwezekani kujenga. Ifuatayo, husisha timu ya Ubunifu wa Maudhui. Una sababu ya kiufundi ya hatua ya AI, lakini unahitaji maelezo ya wazi na ya kirafiki. Wahandisi hutoa mchakato wa kimsingi, lakini wabunifu wa maudhui hutoa njia ya kuwasiliana. Usiandike ujumbe huu peke yako. Msanidi programu anaweza kuandika "Kutekeleza chaguo 402," ambayo ni sahihi kiufundi lakini haina maana kwa mtumiaji. Mbuni anaweza kuandika "Kufikiri," ambayo ni ya kirafiki lakini isiyoeleweka sana. Mtaalamu wa mikakati ya maudhui hupata msingi sahihi wa kati. Huunda vifungu mahususi, kama vile "Kuchanganua hatari za dhima", vinavyoonyesha AI inafanya kazi bila kumchanganya mtumiaji. Hatimaye, jaribu uwazi wa ujumbe wako. Usingoje hadi bidhaa ya mwisho ijengwe ili kuona ikiwa maandishi yanafanya kazi. Ninafanya majaribio ya kulinganisha kwenye prototypes rahisi ambapo kitu pekee kinachobadilika ni ujumbe wa hali. Kwa mfano, ninaonyesha kikundi kimoja (Kundi A) ujumbe unaosema "Kuthibitisha utambulisho" na kikundi kingine (Kundi B) ujumbe unaosema "Kuangalia hifadhidata za serikali" (hii ni mifano ya kujiunda, lakini unaelewa hoja). Kisha ninawauliza ni AI gani inahisi salama zaidi. Mara nyingi utagundua kwamba maneno fulani husababisha wasiwasi, wakati wengine hujenga uaminifu. Lazima uchukue maneno kama kitu unachohitaji kujaribu na kudhibitisha ufanisi. Jinsi Hii Inabadilisha Mchakato wa Kubuni Kufanya ukaguzi huu kuna uwezo wa kuimarisha jinsi timu inavyofanya kazi pamoja. Tunaacha kupeana faili za muundo zilizong'aa. Tunaanza kutumia prototypes zenye fujo na lahajedwali zilizoshirikiwa. Chombo cha msingi kinakuwa tumbo la uwazi. Wahandisi na wasanifu wa maudhui huhariri lahajedwali hii pamoja. Wanaweka misimbo kamili ya kiufundi kwa maneno ambayo mtumiaji atasoma. Timu zitapata msuguano wakati wa ukaguzi wa mantiki. Hebu fikiria mbunifu akimuuliza mhandisi jinsi AI inaamua kukataa muamala uliowasilishwa kwenye ripoti ya gharama. Mhandisi anaweza kusema mazingira ya nyuma hutoa tu msimbo wa hali ya jumla kama "Hitilafu: Data Inakosekana". Mbuni anasema kuwa haya si maelezo yanayoweza kutekelezeka kwenye skrini. Mbuni hujadiliana na mhandisi kuunda ndoano maalum ya kiufundi. Mhandisi huandika sheria mpya ili mfumo uripoti kile ambacho kinakosekana, kama vile picha ya risiti inayokosekana. Wasanifu wa maudhui hufanya kama watafsiri katika awamu hii. Msanidi programu anaweza kuandika mfuatano sahihi wa kiufundi kama vile "Kukokotoa kiwango cha kutegemewa kwa kulinganisha na muuzaji." Muundaji wa maudhui hutafsiri mfuatano huo kuwa kifungu cha maneno ambacho hujenga uaminifu kwa matokeo mahususi. Mtaalamu wa mikakati anaiandika tena kama "Kulinganisha bei za wauzaji wa ndani ili kuhakikisha utoaji wako wa Ijumaa." Mtumiaji anaelewa hatua na matokeo. Timu nzima inayofanya kazi mbalimbali hushiriki katika vipindi vya majaribio ya watumiaji. Wanatazama mtu halisi akiitikia ujumbe tofauti wa hali. Kuona mtumiaji ana hofu kwa sababu skrini inasema "Kufanya biashara" huilazimisha timu kufikiria upya mbinu yao. Wahandisi na wabunifu hupatana kwenye maneno bora. Wanabadilisha maandishi kuwa "Kuthibitisha pesa za kutosha" kabla ya kununua hisa. Kujaribu pamoja huhakikisha kiolesura cha mwisho hutumikia mantiki ya mfumo na amani ya akili ya mtumiaji. Inahitaji muda kujumuisha shughuli hizi za ziada kwenye kalenda ya timu. Hata hivyo, matokeo ya mwisho yanapaswa kuwa timu inayowasiliana kwa uwazi zaidi, na watumiaji ambao wana ufahamu bora wa zana zao zinazotumia AI zinafanya kwa niaba yao (na kwa nini). Mbinu hii iliyojumuishwa ni msingi wa kubuni uzoefu wa kuaminika wa AI. Uaminifu Ni Chaguo la Kubuni Mara nyingi tunaona uaminifu kama matokeo ya kihisia ya uzoefu mzuri wa mtumiaji. Ni rahisi kuona uaminifu kama matokeo ya kiufundi ya mawasiliano yanayoweza kutabirika. Tunajenga uaminifu kwa kuonyesha taarifa sahihi kwa wakati unaofaa. Tunaiharibu kwa kumlemea mtumiaji au kuficha mashine kabisa. Anza na Ukaguzi wa Njia ya Uamuzi, haswa kwa zana na bidhaa za AI za mawakala. Tafuta nyakati ambapo mfumo hufanya wito wa hukumu. Weka nyakati hizo kwenye Matrix ya Hatari. Ikiwa vigingi ni vya juu, fungua sanduku. Onyesha kazi. Katika makala inayofuata, tutaangalia jinsi ya kuunda nyakati hizi: jinsi ya kuandika nakala, kuunda UI, na kushughulikia makosa yasiyoepukika wakati wakala anakosea. Kiambatisho: Orodha ya Ukaguzi ya Njia ya Uamuzi Awamu ya 1: Kuweka na Kuweka Ramani ✅ Pata timu pamoja: Walete wamiliki wa bidhaa, wachambuzi wa biashara, wabunifu,watoa maamuzi wakuu, na wahandisi waliounda AI. Kidokezo: Unahitaji wahandisi kuelezea mantiki halisi ya nyuma. Usijaribu hatua hii peke yako. ✅ Chora mchakato mzima: Andika kila hatua ambayo AI inachukua, kutoka hatua ya kwanza ya mtumiaji hadi matokeo ya mwisho. Kidokezo: Kipindi cha kawaida cha ubao mweupe mara nyingi hufanya kazi vyema zaidi kwa kuchora hatua hizi za mwanzo. Awamu ya 2: Kupata Mantiki Iliyofichwa ✅ Tafuta mahali ambapo mambo hayaeleweki: Angalia ramani ya mchakato kwa mahali popote ambapo AI inalinganisha chaguo au pembejeo ambazo hazina zinazolingana kikamilifu. ✅ Tambua hatua bora za kukisia: Kwa kila sehemu isiyoeleweka, angalia ikiwa mfumo unatumia alama ya uhakika. Kwa mfano, uliza ikiwa mfumo una uhakika wa asilimia 85. Hizi ndizo pointi ambapo AI hufanya chaguo la mwisho. ✅ Chunguza chaguo: Kwa kila nukta ya chaguo, tambua hesabu mahususi ya ndani au ulinganisho unaofanywa. Mfano ni kulinganisha sehemu ya mkataba na sera. Mfano mwingine unahusisha kulinganisha picha ya gari iliyovunjika na maktaba ya picha za gari zilizoharibiwa. Awamu ya 3: Kuunda Uzoefu wa Mtumiaji ✅ Andika maelezo wazi: Unda ujumbe kwa mtumiaji unaoelezea kwa uwazi kitendo mahususi cha ndani kinachofanyika wakati AI inafanya chaguo. Kidokezo: Weka ujumbe wako katika uhalisia halisi. Ikiwa AI itahifadhi mkutano na mteja kwenye mkahawa wa karibu, mwambie mtumiaji kuwa mfumo unaangalia mfumo wa kuhifadhi nafasi kwenye mkahawa. ✅ Sasisha skrini: Weka maelezo haya mapya na wazi kwenye kiolesura cha mtumiaji. Badilisha barua pepe zisizoeleweka kama vile Kukagua mikataba na maelezo yako mahususi. ✅ Angalia Uaminifu: Hakikisha kwamba barua pepe mpya za skrini zinawapa watumiaji sababu rahisi ya muda au matokeo yoyote ya kusubiri. Hii inapaswa kuwafanya wajiamini na kujiamini. Kidokezo: Jaribu barua pepe hizi na watumiaji halisi ili kuthibitisha kuwa wanaelewa matokeo mahususi yanayopatikana.
