8 个设计 AI 产品的用户体验技巧

过去两年，如果你在科技行业工作，你的视线恐怕很难离开一个主题：人工智能。

我们已经进入了一个技术进化的新阶段——继计算机、互联网和智能手机之后，AI成了所有讨论的焦点。它不只出现在董事会议室和团队例会中，也频繁现身家庭餐桌、主流报纸头版乃至政府大厅。

一组数据很说明问题：AI创业公司的数量从2018年的4000家增长到了2024年的70000家。随着AI在行业中迅速普及，对UX从业者而言，设计出真正好用的AI体验，比以往任何时候都更加关键。但话说回来，设计AI这件事本身并不容易。这是一个充满不确定性的UX领域，挑战在于，设计师自己往往也缺少足够的体验积累，来打造真正一流的用户体验。

UX大师Jakob Nielsen几个月前就曾撰文指出，当前AI产品普遍存在基础可用性问题，比如输出不一致、映射不充分。类似的讨论并不少见——ChatGPT和Midjourney的糟糕可用性，以及它们复杂而耗时的入门流程（比如，用户使用Midjourney前必须先注册Discord），都已经被反复吐槽过。

最近几个月，我有机会设计了几款AI应用程序，同时也对行业内的30多个同类产品进行了审阅。在这个过程中，我识别出了一些常见的UI模式和改进体验的技巧。下面就来逐一拆解这些问题和背后的门道。

主要的UI模式和问题

假如你平时会借助AI来完成一些任务，你会发现，这些产品的UI模式通常跑不出三类：

——让你直接输入指令并执行任意任务；——帮你完成特定操作；以及——在后台默默工作，让你的效率更高。

我们来逐一细看。

1. 自由形式AI

这是目前很多公司在产品中落地AI最常见的方式。其UI通常表现为侧边面板或嵌入式弹窗，用户可以随时调取。

典型的例子包括微软的Co-pilot、Notion Q&A和Taskade AI等工具。

（微软的Co-pilot是自由形式AI的一个很好的例子）

自由形式AI的好处是用户可以随时使用它，几乎能完成任何任务。但“自由”本身也带来了一些问题：

❌

——既然是全自由模式，它就高度依赖用户自身的AI知识储备来有效使用。提供一些入门说明或许有帮助，但你通常还需要更深入的引导，比如教程、社区案例等，才能帮新手上路。

❌

——自由形式AI可能产生大量预料之外的结果或边缘情况，这对设计师和开发人员来说都是不小的挑战。比如AI的响应时间完全取决于用户请求的复杂度，处理不好，用户很容易感到沮丧。

（Notion AI问答是自由形式AI的另一个例子）

2. 任务驱动AI

任务驱动型AI通常用于帮用户完成一些特定动作，比如总结内容、翻译文本等。这种AI一般由一个按钮触发，用户不需要额外输入或交互，就能完成指定任务。

典型案例包括Miro的AI聚类功能、Arc的标签整理功能，以及Grammarly的AI语法纠正。

❌

——要让AI生成准确结果，充分的上下文是必不可少的。但任务驱动型AI往往缺少让用户提供上下文的界面，这可能导致结果达不到预期。这个责任落在了产品方肩上——需要自动将上下文整合到AI功能中。如果没有足够的背景信息，用户的感受很可能就是“AI不太够用”。

❌

——研究表明，用户对AI的信任还不足以让它完全自主处理任务；相反，大家更倾向于审阅甚至修正AI的输出。但任务驱动型AI的特性有时意味着用户根本没有机会查看结果或提供反馈。这种落差会导致用户期望与AI自主行动之间的脱节。

（Miro AI允许用户一键按关键词或情感对便签进行聚类）

（Arc AI允许用户一键整理标签页）

3. 隐形AI

第三类AI是在后台工作的那一种，用户完全感知不到它们的存在。它们不与用户直接交互，一切都在幕后完成，目的是提供最优体验。

这方面的例子包括Netflix为你推荐合适的影视剧，或者Facebook根据你的浏览习惯自动生成推荐内容。

❌

——AI在后台悄悄运作，虽然大多数时候提升了用户体验，但也常常让用户搞不清楚哪些数据被收集、处理、存储了。比如Netflix追踪观看习惯来推荐节目，Goodnotes可能分析手写笔记的内容——这些做法都容易引发隐私担忧。

❌

——当AI在后台“暗箱操作”，一旦结果不符合预期，用户很容易感到困惑，因为他们。比方说，Facebook的推荐系统本意是帮你找到最感兴趣的内容，但用户可能会被AI不准确或莫名其妙的推荐搞得一头雾水，却又找不到任何方法来理解或纠正背后的逻辑。

为AI设计更好UX的8个技巧

接下来，我们聊聊在产品中设计AI功能时可以遵循的一些关键技巧。

技巧1 —— 为用户提供说明

一个常见的做法是给出示例提示语或其他社区成员生成的结果，一方面激发用户，另一方面也让他们对AI能做什么有所预期。

这个概念在《设计机器人》一书中也被重点强调过，书里指出，机器人在初次与用户互动时就应当表明自己的目的。

这一步是设定期望的基础，确保用户能有效利用AI的潜力。

（来自Copy.AI、Framer和Galileo的示例）

技巧2 —— 提供反馈和评估

UX的三条核心原则是可视性、映射和反馈（出自《日常事物的设计》），AI也不例外——

设计AI功能最大的挑战之一，就是结果的不确定性。有些时候，你设计的可能是任务型AI，帮用户完成简单操作，可预测性相对较高。但更多时候，

这种情况下，最好的做法之一就是确保用户操作后能及时获得反馈。具体来说：

• 加入输入指示器：
  研究表明，输入指示器能营造一种类似面对面聊天的实时交流感，有助于维持用户的参与度，让他们保持在应用内，等待AI的下一条回复。

• 提供状态更新：
  如果你的AI打算执行复杂任务（比如搜索内容、生成长文或视频），一定要给用户一些状态更新。这可以是一行简单的文字说明当前阶段，也可以是进度条或预估时间。看到AI正在推进，用户会觉得自己的请求正在被积极处理，不确定性和潜在的挫败感都会大大降低（这里也可以了解一下“劳动错觉”这个概念）。

（Perplexity在用户等待时展示了当前正在执行的任务）

（Butter在生成结果时显示了一个可爱的加载动画）

（Veed在生成AI视频时显示了完成百分比）

技巧3 —— 确保你处理了错误

除了提供反馈，还一定要处理好AI可能出现的各种常见错误和边缘情形。

根据工程师如何组织初始提示，用户可能会遇到不同的结果和错误。关键是要想办法把这些情况都覆盖到，并进行测试。下面是一些需要重点处理的错误类型：

• 用户用错了方式：
  当你发现用户没有正确使用你的AI时，一定要给出反馈。这种指导能帮助他们调整方法，改善体验。

• 服务可用性问题：
  如果你用的是OpenAI、Claude或其他第三方的API，请记住，这些平台有时也会出问题。一个极端的例子是，OpenAI曾出现过23%的API端点中断超过90天的情况。面对这些不可控因素，请务必准备一个应对方案，让用户知道AI响应变慢了，并给出后续选项。

（来自Zapier和Figjam的示例）

技巧4 —— 如果可能，允许用户设置默认上下文

如果条件允许，尽量加入一个功能，让用户可以设置与AI交互的默认上下文。这能

比如，允许用户为翻译设置首选语言、为内容生成设置品牌风格指南、为内容推荐设置特定兴趣，或者为娱乐推荐设置偏好的类型。

（来自ChatGPT和Copy.ai的示例）

技巧5 —— 用户想要的是副驾驶，而不是自动驾驶

人天生有懒惰的一面——在数字世界里，这意味着我们不喜欢打字。正因如此，AI在帮助我们减少重复劳动方面潜力巨大。但另外，研究也发现，人类对AI的信任还没有到可以放心放手一切自动化的程度。

所以，在设计AI时，请确保用户对AI生成的结果拥有一定控制权——不管是允许他们审阅和编辑AI生成的内容，还是从一组选项中选择如何操作，又或者是自定义设置来满足个人偏好。

（Butter、Gamma和Taskade允许用户审阅AI生成内容的示例）

技巧6 —— 收集用户反馈

由于AI响应的不确定性，一定要在推出产品时内置一套收集用户反馈的机制。一个常见做法是在用户看到结果后设置点赞和点踩按钮，方便快速反馈。另一种方法是用一个简单的CSAT（客户满意度）调查来了解AI的表现。

这不仅可以帮助你的团队优化提示语，使其更符合用户预期，而且如果条件允许（且在道德合规的前提下），你还可以通过收集数据，识别出用户与AI互动的主要模式，进一步改善体验。

（来自Zapier、Grammarly和Miro的示例）

技巧7 —— 如果可能，为你的AI产品注入个性

如果你有幸设计的是一个完全对话式的AI助手（比如GPT、Alexa或Siri），请务必给它注入一点个性。可以是一个虚拟形象、一个名字，或者一个特定的声音。

斯坦福大学的研究表明，

这种个性化设计放大了用户感知到的社会存在感和共识，让人更容易接受AI的建议。

（Alexa的个性化设计示例）

技巧8 —— 对隐私和数据政策保持透明

如果你在一家B2B公司工作，或者设计的AI可能会被大型企业使用，那你一定会频繁遇到一个挑战：数据隐私——收集了什么数据、数据如何存储、收集的数据怎么用。

研究表明，用户更愿意使用并对那些坦诚对待数据实践的产品保持忠诚。透明地展示你的数据策略，不仅能帮你避免法律上的麻烦，还能与用户建立信任，改善整体体验。

（来自Dovetail的AI数据政策示例）

在短视频时代，你可能没有第二次机会

在抖音和短视频盛行的今天，我们对日常互动的耐心正在越来越有限。这意味着，如果你的AI体验设计得不够好，用户的使用行为可能很快就会发生转变。

风险投资公司红杉（Sequoia）的研究显示，AI产品的用户参与度远低于普通数字产品的平均水平。具体来说，领先消费级应用的平均日活跃用户率为63%，月留存率为51%；而AI产品的日活跃用户率只有14%，月留存率为42%。

这些数据说明了一个事实：

尽管这些应用带来了巨大的兴奋感并迅速被采用，但重复使用率却很低。研究人员认为，当前生成式AI面临的最大障碍不是用例本身，也不是初期的热潮，而是留存率。

所以，花时间为你的AI产品打造正确的用户体验，让它真正融入用户的日常生活、成为习惯的一部分，这是非常值得投入的。

（领先消费级应用留存率 vs AI应用留存率）

总结

最后，将这篇文章的要点做一个归纳。在设计AI功能或产品时，请关注以下几点：

• 明确你的目标：是自由对话型AI、任务驱动型AI，还是幕后的隐形AI。
• 别让用户悬着心——始终提供反馈，并对AI能做什么、不能做什么给出合理的期望。
• 留意用户期望与你AI实际能力之间的差距。
• 如果你在设计纯对话式AI助手，别忘了给它注入一些个性。精心设计的人物角色能把冰冷的机器人体验变成愉悦的互动，从而培养用户的忠诚和信任。
• 记住，用户想要的是副驾驶，不是自动驾驶。在自动化与用户控制之间找到那个完美的平衡点。

遵循这些实践，你就能设计出既实用、又吸引人且用户友好的AI产品，最终提升用户的整体体验和满意度。