مررنا جميعًا بتفاعلات مخيبة للآمال مع الذكاء الاصطناعي، أو نعرف أشخاصًا «يكرهون روبوتات الدردشة»، وغالبًا ما يرجع ذلك إلى أن التجربة الأساسية ليست مفيدة أو قيّمة أو ممتعة. غالبًا ما يرتبط هذا الإحباط بالتجربة نفسها أكثر من ارتباطه بإمكانات النموذج: أي التفاعل بين الناس ووكيل الذكاء الاصطناعي والنتيجة المنشودة. يشكل ذلك عائقًا كبيرًا أمام الاعتماد، ولا سيما في المؤسسات، حيث قد تسبب التفاعلات سيئة التصميم الإرباك أو تتجاهل السياق الآني أو مقصد المستخدم وسلوكه.
من هذا المنظور، حددنا فوائد كل نمط وتحديات تصميمه وإرشادات عملية لتطبيقه. تنطبق هذه الأنماط على أنواع ووسائط تفاعل مختلفة، وتتيح فرصًا لتجارب المستهلكين ولحلول الذكاء الاصطناعي الداخلية التي تساعد موظفي المعرفة على اتخاذ قرارات أفضل.
نريد مشاركة الأنماط الناشئة التي نراها من خلال بناء كثير من حلول الذكاء الاصطناعي التوليدي وتجربتها، للمساعدة في تصميم علاقات أفضل بين البشر والذكاء الاصطناعي.
تجعل كثير من تفاعلاتنا مع التقنية، سواء كنا موظفي معرفة أو مستهلكين، المهام اليومية أصعب مما ينبغي. فهي تحد من إنتاجيتنا وفاعليتنا والقيمة التي نحققها.
قد يشعر موظفو المعرفة والمستهلكون على حد سواء بالإرهاق من ضخامة حجم المعلومات والخيارات والأدوات المتاحة. يجعل هذا السيل المستمر من الرسائل المتناقضة غالبًا اتخاذ قرارات واضحة أو الحفاظ على التركيز أكثر صعوبة. تشير الأبحاث إلى أن الموظفين يقضون ما يصل إلى 40% من يوم عملهم في مجرد البحث عن المعلومات التي يحتاجون إليها (ماكينزي). يؤثر فرط المعلومات هذا في الإنتاجية والرفاه كليهما.
كما نواجه قدرة محدودة على الانتباه. حتى حين نجد المعلومات، لا نستطيع معالجة أو تحليل كل ما يلزم لاتخاذ قرار مستنير. لا يمكننا التركيز إلا على جزء صغير من البيانات المتاحة في أي لحظة، وغالبًا ما نتمسك بمعتقدات أو أفكار قائمة تحد قدرتنا على النظر في البدائل أو اكتشاف أنماط غير متوقعة.
وكثيرًا ما تعجز الأدوات نفسها عن إدراك هذه القيود. صُممت معظم التقنيات لتناسب «المتوسط»، أي حلولًا موحدة لا تتكيف مع السياقات الفردية. سواء استخدمنا برمجيات العمل أو تطبيقات المستهلكين، نادرًا ما تراعي هذه الأدوات احتياجاتنا أو قيودنا أو ظروفنا الخاصة. نتيجة لذلك، قد تصبح التقنية غير فعالة أو تأتي بنتائج عكسية. يتيح الذكاء الاصطناعي التوليدي فرصة لإنشاء تفاعلات أكثر تكيفًا وتخصيصًا.
وأخيرًا، تخلق بيئات عمل كثيرة تعاسة لا داعي لها. يسهم تزايد «الأعمال الروتينية»، وضغط «البقاء متاحًا دائمًا»، والمهام المتكررة منخفضة القيمة في العزوف والإجهاد المزمن. مع أن الذكاء الاصطناعي التوليدي ووكلاء الذكاء الاصطناعي قد يقللون هذه التجارب أو يلغونها، لا يزال كثيرون لا يثقون بقدرة الذكاء الاصطناعي على تحسين العمل عمومًا. قد يقاوم الناس فكرة «استيلاء الذكاء الاصطناعي» خوفًا من إحلاله محلهم أو لشعورهم بملكية عملهم، حتى المهام التي يكرهونها.
تطبيق الذكاء الاصطناعي وحده ليس حلًا. قد ينشئ الذكاء الاصطناعي سيئ الدمج مهام ومخاوف جديدة، ولا سيما لموظفي المعرفة. تبرهن هذه التحديات على الحاجة إلى تفاعلات بين البشر والذكاء الاصطناعي لا تتسم بالكفاءة فحسب، بل تتوافق أيضًا مع قدراتنا الإدراكية وظروفنا الفردية وقيود الواقع. توضح الأنماط الستة أدناه أساليب تراعي احتياجات الناس وتدعم علاقة أكثر تكيفًا وشفافية وجدوى مع الذكاء الاصطناعي.
العلاقة بين أنماط التصميم الناشئة ومبادئ تجارب الذكاء الاصطناعي الفعالة والمتمحورة حول الإنسان.
التنسيق: الذكاء الاصطناعي كقائمة ذكية—ينسق الذكاء الاصطناعي المعلومات وينظمها، ويحد من الإرباك بمساعدة الناس على التعامل مع مجموعات البيانات الضخمة.
تقديم الملاحظات: الذكاء الاصطناعي كشريك في التفكير—يقدم الذكاء الاصطناعي ملاحظات فورية تحفز التفكير وتتحدى الافتراضات وتطرح وجهات نظر بديلة.
الوعي بالموقف: ذكاء اصطناعي يفهم الحاضر وسياقه—يتكيف الذكاء الاصطناعي مع السياق الآني بالمعالجة المستمرة لمعلومات البيئة واحتياجات المستخدم.
الاكتشاف المستمر: تحويل كل تفاعل إلى بحث للمستخدمين—يستخدم الذكاء الاصطناعي كل تفاعل لكشف الرؤى وتنقيح فهمه، بما يضمن استمرار التعلم والتحسين.
التعزيز: إثراء مدخلات المستخدم لتحقيق نتائج أفضل—يعزز الذكاء الاصطناعي مدخلات المستخدم خلف الكواليس مع الحفاظ على مقصده الأصلي.
إظهار خطوات العمل: استدلال شفاف للذكاء الاصطناعي—يجعل الذكاء الاصطناعي عملية اتخاذ قراراته مرئية ومفيدة، فيعزز الثقة ويساعد المستخدمين على اتخاذ قرارات أكثر استنارة.
توضح هذه الأنماط الستة أن حلول الذكاء الاصطناعي الفعالة تتطلب أكثر من واجهة مستخدم مصممة جيدًا. فهي تصوغ كيفية التنسيق واتخاذ القرارات والتفاعل بين الناس ووكلاء الذكاء الاصطناعي داخل أنظمة معرفية معقدة. تحسن الأنماط التفاعل بين البشر والذكاء الاصطناعي من خلال:
إعطاء الأولوية لتبادل المعرفة في الاتجاهين: أتح حوارًا يسهم فيه الذكاء الاصطناعي والناس بالأفكار والسياق والرؤى. يدعم ذلك أنظمة ذكاء اصطناعي أكثر قدرة تسترشد بمعرفة الخبراء وحدسهم اللذين لم يدوّنا بعد.
إنشاء تجارب تتكيف وتتغير باختلاف الظروف: قد تصبح أدوات الذكاء الاصطناعي قديمة أو غير ملائمة بسرعة. تظل الأنظمة التي تحافظ على وعيها بالموقف وتتعلم باستمرار وتتكيف مع ظروف كل مستخدم مفيدة بمرور الوقت.
تعزيز الثقة والاطمئنان: تقلل التفاعلات الشفافة والتعاونية عوائق الاعتماد، وتزيد المشاركة، وتحسن اتخاذ القرارات لدى البشر والذكاء الاصطناعي. يساعد التصميم المدروس الناس على الحفاظ على ثقتهم بقرارات النظام ومخرجاته بمرور الوقت.
تصميم تجارب فعالة للذكاء الاصطناعي صعب، لكن الأساليب المثبتة قد تساعد. تظل المبادئ الأساسية لفهم المستخدمين وإنشاء تجارب مفيدة سارية، إلى جانب اعتبارات جديدة تطرحها أنظمة الذكاء الاصطناعي القادرة على التصرف باستقلالية. يمكن للتجارب التي تنسق المعلومات بفاعلية، وتقدم ملاحظات مفيدة، وتتعلم بشفافية أن تحد من فرط المعلومات وتحسن القرارات وتبني الثقة.
تساعد هذه الأنماط على تجاوز عوائق الاعتماد الشائعة، وتجعل الذكاء الاصطناعي مفيدًا حقًا وقابلًا للتكيف وأكثر قيمة لجميع الأطراف.
يستكشف الدليل أدناه كل نمط بمزيد من التفصيل، ويوضح كيف يمكنه دعم تجربة أوسع للذكاء الاصطناعي.
ما المقصود به: بدلًا من أن يفرز المستخدمون يدويًا نتائج بحث أو مستندات لا حصر لها، يمكن لوكلاء الذكاء الاصطناعي تنسيق المعلومات من مجموعات بيانات ضخمة وعرض أهم الرؤى. في جوهره، يصبح الذكاء الاصطناعي أمين مكتبة ينظم المعرفة بما يلائم سياق المستخدم.
سبب فائدته: الحد من فرط المعلومات. يقضي موظف المعرفة في المتوسط 1.8 ساعة يوميًا في البحث عن المعلومات، ما يسهم في إصابة كثير من الموظفين بالاحتراق الوظيفي (ماكينزي). يعالج التنسيق المدعوم بالذكاء الاصطناعي ذلك عبر فهرسة المعلومات والعثور عليها ودمجها من مصادر متنوعة، ما يساعد المستخدمين في اكتشاف معلومات وخيارات ورؤى قد لا يصلون إليها بالبحث التقليدي.
التحدي: يتطلب الانتقال من البحث التقليدي القائم على الواجهات إلى نهج يستعين بوكيل أن يعدّل المستخدمون توقعاتهم. اعتاد الناس مراجعة قائمة من الروابط أو الضغط على أزرار لتصفية مجموعة بيانات. أما منسق الذكاء الاصطناعي، فيولّف إجابات من مصادر قد لا يعرف المستخدمون بوجودها. قد يقلل ذلك شعور المستخدمين بالتحكم في التصفية، ويتطلب منهم الوثوق باختيارات الوكيل. يمكن لآليات البحث المألوفة مساعدة الناس على التكيف مع التنسيق المدعوم بالذكاء الاصطناعي من دون فقدان الثقة أو التحكم.
كيف تستخدم OpenAI أنماط تفاعل مألوفة لدعم اكتشاف المعلومات المنظمة وغير المنظمة.
قدّم آليات البحث كتفاعلات مألوفة:
لتسهيل الانتقال من البحث التقليدي، قدّم تفاعلات مألوفة بدلًا من مساحات فارغة. سيشعر المستخدمون براحة أكبر حين تستند التجربة إلى خيارات واستبيانات واقتراحات سياقية معروفة.
استخدم الأزرار كمطالبات بدلًا من اشتراط إدخال مفتوح:
قد يبدو إدخال النص الحر مربكًا أو مستهلكًا للوقت. تجعل الأزرار المعدّة مسبقًا أو المنشأة تلقائيًا التنسيق أسهل للجميع. مثلًا، يمكن لأزرار “Filter by most recent” و“Compare pricing” و“Include global sources” مساعدة المستخدمين على تنقيح النتائج. يقلل ذلك عوائق المشاركة، ويشجع الاستكشاف، ويصوغ توصيات الذكاء الاصطناعي وفق مقصد المستخدم.
دع المستخدمين يروون قصتهم لتنقيح نتائج البحث:
أحيانًا تنقل القصة احتياجات المستخدم بفاعلية أكبر من الاستعلامات أو عوامل التصفية المباشرة. في المواقف المعقدة، مثل التعامل مع لوحات معلومات كثيفة أو البحث عن المنتج المناسب، قد تربك الأدوات التقليدية الناس أو لا يعرفون المعلمات التي ينبغي تعديلها.
حين يستطيع المستخدمون «رواية قصتهم» بوصف مشكلة أو هدف شخصي أو منتج مرغوب، يمكن للذكاء الاصطناعي تحويلها إلى معلمات بحث منظمة. مثلًا، قد يتلقى من يقول: “I just moved into a smaller home and need versatile, budget-friendly storage solutions,” اقتراحات منتجات منسقة ونصائح عملية وتوصيات ملائمة.
يقلل تبني السرد العبء الذهني لمعرفة عوامل التصفية المناسبة، ويعزز كذلك الثقة والوضوح في النتائج المنسقة النهائية.
استخدم الميمات والإشارات الثقافية لتخصيص الاكتشاف:
تدعم الميمات تنسيق الذكاء الاصطناعي بطريقتين: تثري فهم الوكيل للمستخدم، وتضفي على نتائج البحث طابعًا أكثر إنسانية وقربًا. أولًا، حين يختار المستخدمون ميمات تجسد أهدافهم أو مزاجهم أو أسلوبهم أو يشيرون إليها (“I’m feeling the ‘Treat Yo Self’ vibe today!”)، فهم يشاركون الذكاء الاصطناعي فعليًا «نظرية العقل» الخاصة بهم. يساعد ذلك الوكيل على ضبط تنسيقه باستنتاج سياق قد يضيع في واجهة رسومية تقليدية أو استعلام نصي.
ثانيًا، يستطيع الوكيل «إعادة عرض» النتائج في «حزم بداية» مستوحاة من موضوع أو ثقافة شعبية، لتبدو التوصيات أكثر ملاءمة وتخصيصًا. مثلًا، إذا كان شخص يعيد تصميم مكتبه المنزلي، فقد ينشئ الذكاء الاصطناعي «حزمة بداية للعمل من المنزل» تجمع ملحقات المكتب والتقنية ومصادر الإلهام.
وفّر الوضوح للمستخدم عبر أفضل الإجراءات التالية:
سواء أصابت نتائج وكيل الذكاء الاصطناعي الهدف أم لا، ينبغي أن يتمكن المستخدمون من تنقيح المعلمات بسهولة. مثلًا، قد يطلبون: “Show me more like item 2,” أو “Exclude sources older than 2020.” ويمكن للإجراءات التالية المقترحة إرشاد المستخدمين الجدد من دون إرباكهم.
ما المقصود به: غالبًا ما يُناقش وكلاء الذكاء الاصطناعي كوسيلة لتفويض أعمال كان يؤديها البشر تقليديًا. لكن قدرتهم على العمل كمتعاونين آنيين تحظى باهتمام أقل. بدلًا من مجرد اتباع التعليمات أو إنشاء المحتوى، يمكن للوكيل طرح أسئلة تحفز التفكير، وتحدي الافتراضات، وتقديم وجهات نظر بديلة. يجعل ذلك الذكاء الاصطناعي شريكًا في التفكير يساعد المستخدمين على تحسين أعمالهم في أثناء تطورها.
سبب فائدته: نستفيد جميعًا من الملاحظات في الوقت المناسب، لكننا لا نتلقاها دائمًا. يمكن للاعتراض والتأييد كليهما مساعدتنا على تحديد الأنماط قبل أن نتعلق كثيرًا بفكرة ما. يمكن لوكلاء الذكاء الاصطناعي تحدي افتراضاتنا وتوليد أفكار واقتراح تفسيرات بديلة للبيانات من دون أن يحلوا محل الحكم البشري. وجدنا أن الناس غالبًا ما يتجاوبون جيدًا مع هذا النوع من ملاحظات الوكلاء.
يمكن لوكلاء الذكاء الاصطناعي توليد حجج مضادة تكشف ثغرات في الاستدلال أو تبرز وجهات نظر بديلة.
التحدي: يجب أن تكون ملاحظات الذكاء الاصطناعي بديهية وقابلة للتنفيذ، وإلا أصبحت مصدر تشتيت. لا يرحب الناس بوكيل يقاطعهم باقتراحات غير ذات صلة أو يدقق في كل تفصيل صغير. ينبغي للذكاء الاصطناعي التدخل في اللحظات المناسبة وبالنبرة الملائمة. إذا كان سلبيًا أكثر من اللازم، ضاعت فرص مفيدة؛ وإذا كان هجوميًا، فقد يشعر المستخدمون بأنه يشكك في أحكامهم.
يكمن التحدي في طريقة إظهار ملاحظات الذكاء الاصطناعي: هل تظهر كتلميحات، أم مراجعة اختيارية، أم حوار متبادل؟ سيحدد إتقان التفاعل ما إذا كان المستخدمون سيتبنون الذكاء الاصطناعي كشريك أم سيرونه مجرد Clippy 2.0.
اجعل الملاحظات استباقية من دون أن تكون مزعجة:
دع الذكاء الاصطناعي يقدم اقتراحاته عند نقاط التوقف الطبيعية. في محرر مستندات مثلًا، قد ينتظر اكتمال جملة أو فقرة قبل اقتراح مراجعة. استكشفنا أيضًا جعل الوكيل ينتظر قليلًا بعد تحديد حقل نصي فارغ قبل عرض المساعدة. النبرة مهمة: تبدو “Here’s an idea to consider…” بنّاءة أكثر من تصريح فظ.
حوّل الملاحظات إلى حوار استكشافي:
إذا كانت الملاحظات غير واضحة، فسهّل على المستخدمين طرح أسئلة مثل: “Why do you suggest changing this?” ويمكن لشخصية ذكاء اصطناعي فضولية أن تجعل الحوار أكثر إيجابية. يمكن للوكيل، مثل معالج أو ميسّر متبصر، طرح أسئلة مناسبة في الوقت المناسب، محولًا الملاحظات إلى محادثة تساعد المستخدم على التعلم.
يساعد ذلك الذكاء الاصطناعي أيضًا على جمع السياق، ما يتيح للمستخدم والوكيل بناء فهم مشترك أوضح.
قدّم خيارات أو أفكارًا أو بدائل متعددة:
بدلًا من تقديم فكرة أو حل أو تحدٍ واحد، يمكن للوكيل عرض عدة وجهات نظر. مثلًا، قد ينشئ وكيل تصميم ثلاثة تخطيطات بديلة، بينما يقترح وكيل كتابة صيغًا مختلفة لجملة تناسب جماهير مختلفة. يعزز توفير الخيارات بقاء التحكم في يد المستخدم.
تأكد من مراعاة الملاحظات للسياق:
ينبغي للوكيل تكييف دوره «كشريك في التفكير» مع السياق الحالي للمستخدم. إذا توقف شخص عند سؤال أو حقل نصي، فقد يطرح الذكاء الاصطناعي سؤالًا محفزًا للتفكير بدلًا من المسارعة إلى تقديم إجابة كاملة. حين يحتاج المستخدم فقط إلى إعادة صياغة جملة، يساعد اقتراح موجز يمكن قبوله أو رفضه على الحفاظ على شعوره بالملكية.
والأهم أن يعرف الذكاء الاصطناعي متى يتراجع؛ فقد يؤدي الأخذ والرد المطول إلى «حلقة مفرغة» من التعديلات التي لا تنتهي، فتقوض ثقة المستخدم. بمراعاة السياق وإجراءات المستخدم، يستطيع وكيل الذكاء الاصطناعي تخصيص ملاحظاته لتكون مفيدة حقًا من دون تجاوز حدوده.
ما المقصود به: الوعي بالموقف هو قدرة الوكيل على تفسير المعلومات السياقية آنيًا وتعديل سلوكه وفقًا لها. بدلًا من الاعتماد على مدخلات محددة مسبقًا فقط، يمكن لوكلاء الذكاء الاصطناعي معالجة معلومات البيئة وحالة المستخدم الراهنة والظروف الأخرى ذات الصلة باستمرار.
قد يعني ذلك تكييف واجهة مع احتياجات المستخدم الفورية أو تفسير ظروف السوق الراهنة لجعل الاستجابات أكثر ملاءمة.
سبب فائدته: العالم الحقيقي ليس ثابتًا. يمكن لأنظمة الذكاء الاصطناعي المدركة للموقف أن تكون أنفع لأنها تستجيب للظروف الراهنة. حين يفهم الوكيل السياق ذي الصلة، تبدو التفاعلات أكثر طبيعية وتخصيصًا وارتباطًا بالواقع.
التحدي: بناء ذكاء اصطناعي واعٍ بالموقف حقًا أمر صعب. قد ينطوي الوصول إلى البيانات اللازمة ودمجها على تعقيد تقني كبير.
ثمة حد دقيق بين الوعي السياقي المفيد والتدخل المتطفل. يقدّر المستخدمون الوكيل الذي «يفهم الموقف»، لكنهم قد ينزعجون إذا طلب معلومات كثيرة أو بدا مفرطًا في الإلحاح. لأن الظروف قد تتغير سريعًا، تظل الخبرة البشرية وحسن التقدير ضروريين.
لذلك يحتاج نظام الذكاء الاصطناعي الفعال إلى مدخلات المستخدمين للحفاظ على فهم مفيد وحديث لظروفهم.
وضّح للمستخدمين شكل السياق الجيد:
غيّرت نماذج الاستدلال مثل OpenAI o1 طريقة تقديم الناس للسياق إلى النماذج اللغوية الكبيرة. بصرف النظر عن النموذج، يدعم السياق المفصل استجابات أكثر ملاءمة. يمكن للأمثلة الواضحة ونصوص العناصر النائبة والنصائح القابلة للتوسيع توضيح المعلومات المطلوب تقديمها وسبب أهميتها.
إن توضيح شكل «السياق الجيد» صراحةً للمستخدم يزيل التخمين الذي يمنع الناس من تحديد تفاصيل مهمة.
سهّل تحديد حدود الوكيل:
احتياجات المستخدم الفورية مهمة، لكنها قد لا تكون واضحة. يمكن للوكيل الواعي بالموقف التعاون مع المستخدم لتحديد الموضوعات والمجالات والأدوات التي ينبغي استكشافها. يدعم البحث التفصيلي في ChatGPT هذا النهج بطرح أسئلة توضيحية قبل بدء مهمة بحثية.
اعرض السياق لتسهيل التعديلات والإضافات السريعة:
قد يحتاج المستخدمون إلى لمحة عما يفترضه الذكاء الاصطناعي حاليًا بشأن أهدافهم وتركيزهم ومصادر بياناتهم. يمكن للوحة مخصصة توضيح تاريخ انقطاع معرفته وافتراضاته الحالية ومدخلاته ذات الصلة. قد يشير رمز إلى استخدام بيانات الموقع، بينما يوضح ملخص عدد السجلات التي أسهمت في إحدى الرؤى.
يستفيد الناس من رؤية ما «يعرفه» الذكاء الاصطناعي والقدرة على إضافة السياق ذي الصلة أو إزالته أو تحديثه بأقل جهد.
دع الذكاء الاصطناعي يختار ميزات الواجهة بحسب فائدتها:
يمكن لوكلاء الذكاء الاصطناعي تفعيل الإمكانات أو تعطيلها انتقائيًا بناءً على مؤشرات الموقف. عندما يكتب شخص ورقة بيضاء، قد يفعّل الوكيل أدوات الاستشهاد المتقدمة؛ وعندما يحرر ملاحظات المتحدث، قد يبرز ميزات التحرير. يدعم ذلك تجارب مركزة من دون مطالبة المستخدمين بإدارة كل إعداد يدويًا.
ما المقصود به: غالبًا ما يتعامل تصميم التجربة وتطوير المنتجات مع بحث المستخدمين كمرحلة مستقلة في بداية المشروع أو على فترات محددة. أما الاكتشاف المستمر، فيتعامل مع فهم سلوك المستخدم واحتياجاته وتفضيلاته كعملية متواصلة. يمكن للذكاء الاصطناعي تحويل المحادثات والنقرات والملاحظات إلى فرص لكشف رؤى قد لا يعبّر عنها المستخدمون صراحةً.
في جوهره، يواصل الذكاء الاصطناعي التعلم والتكيف مع مجال المشكلة آنيًا.
سبب فائدته: قد يصعب جمع ملاحظات مفيدة من الخبراء والممارسين وعموم المستخدمين حول فاعلية مخرجات الذكاء الاصطناعي أو سهولة استخدامها. يمكن للوكلاء التقاط ردود الفعل والرؤى والحدس ضمن سياقها، بينما لا تزال التجربة حاضرة في الذهن.
التحدي: غالبًا ما تسجل الملاحظات ما حدث أو مدى إعجاب المستخدم بالنتيجة من دون توضيح السبب. قد يبدو طلب تذكّر كل خطوة من خطوات التفكير وتوثيقها عبئًا، حتى حين تكون تلك الرؤى قادرة على تحسين إمكانات النظام مستقبلًا.
يكتسب ذلك أهمية خاصة في أنظمة الذكاء الاصطناعي شديدة التقييد، حيث قد لا يكون الحوار المفتوح مرغوبًا أو ممكنًا.
استخدم علامات وصفية لتسجيل ردود الفعل:
نادرًا ما تفسر إشارة بسيطة بالإعجاب أو عدم الإعجاب رد فعل المستخدم. توفر العلامات الوصفية، مثل «مفيد لتخطيط الميزانية» أو «يفتقر إلى معلومات تنظيمية»، سياقًا أنفع. قد تعكس هذه العلامات التفاعل الحالي أو تدعو المستخدمين إلى مشاركة رأي موجز، فتحوّل التقييم إلى معلومات يتعلم منها الذكاء الاصطناعي.
وجّه وكلاء الذكاء الاصطناعي باستخدام «بطاقات تعليمية»:
حين يخطئ الذكاء الاصطناعي أو ينجح جزئيًا فقط، امنح المستخدمين وسيلة بسيطة لتصحيحه أو «تعليمه». مثلًا، قد يسأل الوكيل: “How would you phrase it?” أو “What detail did we miss?” ويمكن حفظ الإرشادات الناتجة للتفاعل الحالي أو إعادة استخدامها لاحقًا.
تعلّم من التكرار والتنويع:
أحيانًا تأتي أفضل الملاحظات من المحاولة مجددًا. تتيح أدوات إعادة الإنشاء البسيطة للمستخدمين مقارنة خيارات جديدة وتحديد ما يفضلونه. تربط هذه الاختيارات المدخل الأصلي بنتيجة أكثر فائدة، وتجعل التجريب جزءًا من عملية التعلم.
راقب التفاعلات:
يمكن لوكلاء الذكاء الاصطناعي العمل معًا للتعلم عبر تفاعلات متعددة. مثلًا، بينما ينشئ وكيل ملخصًا بحثيًا، قد يحلل آخر التبادل لتقييم التجربة. يمكن لهؤلاء الوكلاء، بعملهم كباحثين إثنوغرافيين، تحديد الفروق بين مقصد الشخص وتصوره لجودة المخرجات.
يمكن لهذه الملاحظات دعم التحسين المستمر عبر إبراز الرؤى واقتراح تغييرات على النظام.
ما المقصود به: يكيّف التعزيز مدخل المستخدم أو مطالبته أو تعليماته لإنتاج نتيجة أفضل مع الحفاظ على المقصد الأصلي. ينفذ الذكاء الاصطناعي عملًا إضافيًا خلف الكواليس يتجاوز الطلب الصريح. مثلًا، يمكن «للمطالبة الخفية» إثراء الاستعلام قبل أن ينشئ النظام استجابة.
يقدم المستخدم فكرة أولية، ويوسّع الوكيل ذلك المدخل حين يكون من شأنه تحسين النتيجة.
سبب فائدته: غالبًا ما يقدم الناس تعليمات موجزة أو عامة، بينما قد تتطلب أفضل استجابة خطوات إضافية. يمكن لوكلاء الذكاء الاصطناعي سد هذه الفجوة من دون مطالبة المستخدمين بشرح كل شيء. مثلًا، قد يؤدي طلب “brainstorm marketing ideas for my new coffee product” من الذكاء الاصطناعي إلى قائمة عامة.
أما النهج المعزز، فيمكنه إجراء عدة جلسات عصف ذهني متزايدة الطموح ودمج أقوى الأفكار، لينتج نتيجة أغنى وأكثر تنوعًا.
التحدي: قد يقلل العمل خلف الكواليس شعور المستخدم بالملكية والشفافية. إذا عدّل الذكاء الاصطناعي طلب شخص من دون شرح التغيير، فقد ينتج نتيجة لا يريدها المستخدم. يجب على المصممين الموازنة بين التعزيز المفيد وخطر التلاعب غير المرغوب.
يتمثل تحدي التصميم في تمكين المستخدمين من توجيه التعزيز متى أرادوا.
حافظ على مقصد المستخدم وابنِ عليه:
ينبغي أن يعزز الإثراء أهداف المستخدم المعلنة من دون إدخال أهداف جديدة. بعد أن يوسّع الذكاء الاصطناعي مطالبة أو ينجز مهام في الخلفية، ينبغي له أو لمدقق مستقل مقارنة المخرج النهائي بالطلب الأصلي. ينبغي توضيح أي إضافات غير متوقعة.
استخدم التعزيز للسلامة والإبداع:
قد تثير تقنيات مثل المطالبة الخفية مخاوف بشأن إعادة صياغة طلبات المستخدمين سرًا. للحفاظ على الثقة، استخدمها لتحسين الوضوح أو السلامة أو الاكتمال من دون تقويض مقصد المستخدم. إذا لزم تعديل متعلق بالسلامة، فاشرحه أو قدّم ملاحظات فورية.
قد يرى المستخدمون نتيجة الإشراف من دون الاطلاع على المنطق أو المعايير الكامنة وراءها.
استفد من تقنيات التيسير المجربة والموثوقة:
يمكن لوكلاء الذكاء الاصطناعي تطبيق أساليب التيسير والتعاون، مثل الهياكل التحريرية، لصياغة تفاعلات مثمرة. تساعد هذه الأطر الخفيفة على تعظيم الإمكانات الإبداعية والتحليلية للشخص.
يمكن للوكيل الاستفادة من أساليب مألوفة للعصف الذهني وفرز الأفكار أثناء المحادثة. قد تولّد التغييرات الصغيرة في سير الحوار نطاقًا أوسع من الأفكار والرؤى.
استخدم مسارات متوازية لإبراز المحتوى المفيد:
بدلًا من الاعتماد على حوار خطي واحد، يمكن للوكيل استكشاف عدة تفسيرات أو أفكار أو حلول في آن واحد. يشبه ذلك مجموعة خبراء يعصفون ذهنيًا من زوايا مختلفة من دون فقدان الرؤى المفيدة.
يمكن لعملية تنسيق أن تدمج مسارات الاستكشاف المختلفة في استجابة مترابطة وقابلة للتنفيذ.
استخدم التعزيز لتثقيف المستخدمين:
يمكن للتعزيز المصمم جيدًا أن يساعد الناس أيضًا على تعلم التفاعل مع الذكاء الاصطناعي بفاعلية أكبر. إذا أوضح الوكيل: “I considered X and Y in my answer,” فقد يدرج المستخدمون هذين العاملين في طلباتهم المستقبلية. ينشئ ذلك تحسنًا متبادلًا: استجابات أفضل الآن ومدخلات أفضل بمرور الوقت.
ما المقصود به: يجعل هذا النمط استدلال وكلاء الذكاء الاصطناعي أسهل فهمًا. يمكن للتفاعلات المدروسة أن تشرح سبب إنتاج الوكيل لإجابة، أو تبرز المصادر الداعمة، أو تعرض الخطوات ذات الصلة في عمليته. الهدف هو دعم اتخاذ البشر قرارات فعالة من دون إرباك المستخدم.
يكون عرض الاستدلال ذي الصلة أنفع حين يستطيع المستخدمون استكشافه تدريجيًا واختيار مستوى التفاصيل الذي يحتاجونه.
سبب فائدته: الثقة ضرورية لاعتماد الذكاء الاصطناعي، ولا سيما في بيئات المؤسسات. يقل احتمال اعتماد الناس على نظام إذا تعذر عليهم فهم سلوكه أو التحقق منه. تسهّل المخرجات الشفافة تشخيص المشكلات وتصحيح الأخطاء وتكرار الأساليب المفيدة.
التحدي: قد يصعب شرح قرارات الذكاء الاصطناعي. قد تربك التفاصيل الكثيرة المستخدمين، بينما قد يصعب تفسير الاحتمالات أو ملخصات الاستدلال المطولة. كما أن الشفافية وحدها لا تضمن الدقة.
يجب على المصممين مراعاة جودة الشرح ووضوح عرضه وكيفية جعل الأدلة الداعمة جزءًا من حوار مفيد.
اسمح للوكلاء بالتفكير على نطاق واسع، ثم لخّص النتائج:
يمكن للذكاء الاصطناعي تحليل مشكلة بعمق مع عرض النتائج في صيغة سهلة الاستيعاب. تتيح الملخصات الهرمية والإفصاح التدريجي للمستخدمين البدء بالرؤية الأساسية، ثم توسيع التفاصيل الداعمة عند الحاجة فقط.
يمكن لتفاعل مصمم جيدًا أن يجعل المعلومات المعقدة سهلة الاستكشاف من دون التضحية بالعمق أو الوضوح.
وفّر استشهادات ومراجع قابلة للاستكشاف:
ينبغي أن تمنح الإجابات التي ينشئها الذكاء الاصطناعي المستخدمين وسيلة واضحة لفحص المصادر الداعمة. قد يشمل ذلك روابط أو مقتطفات من تقارير داخلية أو نتائج بحثية ذات صلة أو عرضًا أعمق للبيانات الكمية.
في أنظمة التوليد المعزز بالاسترجاع مثلًا، ينبغي أن يتمكن المستخدمون من الانتقال من ملخص الذكاء الاصطناعي إلى الأدلة الكامنة وراءه. يدعم ذلك التحقق ويتيح البحث الأعمق الذي يبني الثقة.
أبلغ المستخدمين بمؤشرات التقدم المهمة:
قد تتضمن مسارات عمل الوكلاء المعقدة تغيير الاتجاه، أو إعادة النظر في خطوات سابقة، أو دمج عدة مسارات للتحقيق. يتقبل المستخدمون التأخير بسهولة أكبر حين يفهمون ما يحدث. يمكن لتحديثات التقدم الواضحة شرح ما أنجزه الوكيل وما يفعله الآن وما سيأتي لاحقًا.
ينبغي للوكيل أيضًا توضيح تعثره أو حاجة القرار إلى وجهات نظر إضافية.
اعرض مخرجات الذكاء الاصطناعي خطوة بخطوة:
بدلًا من عرض الاستجابة كاملةً دفعة واحدة، يمكن للوكيل كشف المعلومات على مراحل. مثلًا، قد يعرض مساعد استثمار توصية موجزة مع خيار لتوسيع مبرراتها: “Step 1: Assess the risk profile. Step 2: Review the current portfolio. Step 3: Identify diversification opportunities. Step 4: Formulate a recommendation.” يمكن للمستخدمين الراغبين في مزيد من التفاصيل استكشاف كل خطوة، بينما يكتفي الآخرون بالملخص.
استخدم شروحًا مرئية لاستدلال الذكاء الاصطناعي:
ينبغي أن تكون الشروح واضحة بقدر المخرج الأساسي. حين يتضمن الاستدلال أرقامًا أو علاقات، يمكن للمخططات والرسوم البيانية المساعدة. يمكن أيضًا لتصور استعلامات الوكيل وعمليته واستدلاله ومصادره مساعدة المستخدمين على تصحيح مساره، أو شرح النتيجة للآخرين، أو تكرار العملية لاحقًا.
تساعد الشروح المرئية الواضحة المستخدمين على فهم المعلومات والتصرف بناءً عليها بسرعة أكبر.