Olemme kaikki kokeneet pettymyksiä tekoälyn käytössä tai tunnemme ihmisiä, jotka ”vihaavat chatbotteja”, usein siksi, ettei peruskokemus ole hyödyllinen, arvokas tai miellyttävä. Pettymys johtuu usein vähemmän mallin kyvyistä kuin itse kokemuksesta: ihmisten, tekoälyagentin ja tavoitellun lopputuloksen välisestä vuorovaikutuksesta. Tämä on merkittävä käyttöönoton este etenkin yrityksissä, joissa huonosti suunniteltu vuorovaikutus voi kuormittaa, sivuuttaa reaaliaikaisen kontekstin tai jättää käyttäjän tarkoituksen ja toiminnan huomiotta.
Tästä näkökulmasta olemme tunnistaneet kunkin mallin hyödyt, siihen liittyvät suunnitteluhaasteet ja käytännön ohjeet sen soveltamiseen. Mallit soveltuvat eri vuorovaikutustapoihin ja modaliteetteihin. Ne luovat mahdollisuuksia sekä kuluttajakokemuksiin että sisäisiin tekoälyratkaisuihin, jotka auttavat tietotyöntekijöitä tekemään parempia päätöksiä.
Haluamme jakaa monien generatiivisten tekoälyratkaisujen rakentamisessa ja kokeilemisessa havaitsemiamme uusia malleja parempien ihmisen ja tekoälyn välisten suhteiden suunnittelemiseksi.
Monet teknologian käyttökokemukset vaikeuttavat arjen tehtäviä tarpeettomasti niin tietotyössä kuin kuluttajina. Ne rajoittavat tuottavuuttamme, tehokkuuttamme ja tuottamaamme arvoa.
Sekä tietotyöntekijät että kuluttajat voivat kuormittua saatavilla olevan tiedon, vaihtoehtojen ja työkalujen valtavasta määrästä. Jatkuva ja usein ristiriitaisten viestien tulva vaikeuttaa selkeiden päätösten tekemistä ja keskittymistä. Tutkimusten mukaan työntekijät käyttävät jopa 40 % työpäivästään pelkästään tarvitsemiensa tietojen etsimiseen (McKinsey). Tämä tietotulva vaikuttaa sekä tuottavuuteen että hyvinvointiin.
Myös huomiokykymme on rajallinen. Vaikka löytäisimme tiedot, emme pysty käsittelemään tai analysoimaan kaikkea perustellun päätöksen edellyttämää aineistoa. Voimme keskittyä kerrallaan vain pieneen osaan saatavilla olevista tiedoista. Takerrumme usein nykyisiin uskomuksiin tai ajatuksiin, mikä rajoittaa vaihtoehtojen tarkastelua ja odottamattomien kaavojen havaitsemista.
Työkalut eivät useinkaan tunnista näitä rajoituksia. Suurin osa teknologiasta suunnitellaan ”keskivertokäyttäjille”: samat ratkaisut tarjotaan kaikille, eivätkä ne mukaudu yksilöllisiin tilanteisiin. Käytimmepä työpaikan ohjelmistoja tai kuluttajasovelluksia, työkalut huomioivat harvoin tarpeemme, rajoitteemme tai ainutlaatuiset olosuhteemme. Siksi teknologiasta voi tulla tehotonta tai jopa haitallista. Generatiivinen tekoäly tarjoaa mahdollisuuden luoda mukautuvampaa ja henkilökohtaisempaa vuorovaikutusta.
Lisäksi monet työympäristöt aiheuttavat tarpeetonta kurjuutta. Kasvava näennäistyön määrä, jatkuvan tavoitettavuuden paine sekä toistuvat ja vähäarvoiset tehtävät lisäävät vieraantumista ja kroonista stressiä. Vaikka generatiivinen tekoäly ja tekoälyagentit voisivat vähentää näitä kokemuksia tai poistaa ne, monet ihmiset edelleen epäilevät tekoälyn kykyä parantaa työtä kokonaisuutena. Ihmiset voivat vastustaa ajatusta tekoälyn ”vallankaappauksesta”, koska he pelkäävät syrjäytymistä tai kokevat omistajuutta työstään, myös epämieluisista tehtävistä.
Pelkkä tekoälyn käyttöönotto ei ole ratkaisu. Huonosti integroitu tekoäly voi luoda uusia tehtäviä ja huolia etenkin tietotyöntekijöille. Haasteet osoittavat, että tarvitsemme ihmisen ja tekoälyn välistä vuorovaikutusta, joka on tehokasta ja vastaa samalla kognitiivisia kykyjämme, yksilöllisiä olosuhteitamme ja todellisia rajoitteitamme. Seuraavat kuusi mallia huomioivat ihmisten tarpeet ja tukevat mukautuvampaa, läpinäkyvämpää ja merkityksellisempää suhdetta tekoälyyn.
Uusien suunnittelumallien suhde tehokkaiden ja ihmiskeskeisten tekoälykokemusten periaatteisiin.
Kuratointi: tekoäly älykkäänä valikkona – tekoäly kuratoi ja järjestää tietoa sekä vähentää kuormitusta auttamalla ihmisiä liikkumaan laajoissa aineistoissa.
Palautteen antaminen: tekoäly ajattelukumppanina – tekoäly antaa reaaliaikaista ja ajatuksia herättävää palautetta, joka haastaa oletuksia ja tarjoaa vaihtoehtoisia näkökulmia.
Tilannetietoisuus: tekoäly, joka ymmärtää nykyhetken – tekoäly mukautuu reaaliaikaiseen kontekstiin käsittelemällä jatkuvasti tietoa ympäristöstä ja käyttäjän tarpeista.
Jatkuva löytäminen: jokainen vuorovaikutus käyttäjätutkimuksena – tekoäly löytää jokaisesta vuorovaikutuksesta havaintoja ja tarkentaa käsitystään, mikä tukee jatkuvaa oppimista ja parantamista.
Laajentaminen: käyttäjän syötteen täydentäminen parempien tulosten saamiseksi – tekoäly parantaa käyttäjän syötettä taustalla säilyttäen alkuperäisen tarkoituksen.
Työvaiheiden näyttäminen: tekoälyn läpinäkyvä päättely – tekoäly tekee päätöksentekoprosessistaan näkyvän ja hyödyllisen, mikä vahvistaa luottamusta ja tukee perusteltuja päätöksiä.
Nämä kuusi mallia osoittavat, että tehokkaat tekoälyratkaisut vaativat muutakin kuin hyvin suunnitellun käyttöliittymän. Ne määrittävät, miten ihmiset ja tekoälyagentit koordinoivat toimintaansa, tekevät päätöksiä ja ovat vuorovaikutuksessa monimutkaisissa tietojärjestelmissä. Mallit parantavat ihmisen ja tekoälyn vuorovaikutusta seuraavasti:
Ne asettavat kaksisuuntaisen tiedonvaihdon etusijalle: Mahdollista keskustelu, jossa tekoäly ja ihmiset tuovat esiin ideoita, kontekstia ja oivalluksia. Tämä tukee kyvykkäämpiä tekoälyjärjestelmiä, jotka hyödyntävät vielä dokumentoimatonta asiantuntijatietoa ja intuitiota.
Ne luovat eri tilanteisiin mukautuvia ja muuttuvia kokemuksia: Tekoälytyökalut voivat vanhentua tai menettää merkityksensä nopeasti. Tilannetietoisuuden säilyttävät, jatkuvasti oppivat ja kunkin käyttäjän olosuhteisiin mukautuvat järjestelmät pysyvät hyödyllisinä ajan mittaan.
Ne lisäävät luottamusta ja varmuutta: Läpinäkyvä ja yhteistyöhön perustuva vuorovaikutus madaltaa käyttöönottokynnystä, lisää sitoutumista ja parantaa sekä ihmisten että tekoälyn päätöksentekoa. Huolellinen suunnittelu auttaa ihmisiä luottamaan järjestelmän päätöksiin ja tuotoksiin myös pitkällä aikavälillä.
Tehokkaiden tekoälykokemusten suunnittelu on haastavaa, mutta hyväksi havaitut toimintatavat auttavat. Käyttäjien ymmärtämisen ja hyödyllisten kokemusten luomisen perusperiaatteet pätevät edelleen, mutta oma-aloitteiset tekoälyjärjestelmät tuovat uusia huomioitavia asioita. Tietoa tehokkaasti kuratoivat, hyödyllistä palautetta antavat ja läpinäkyvästi oppivat kokemukset voivat vähentää kuormitusta, parantaa päätöksentekoa ja vahvistaa luottamusta.
Mallit auttavat ylittämään yleisiä käyttöönoton esteitä ja tekevät tekoälystä aidosti hyödyllisen, mukautuvan ja arvokkaamman kaikille osapuolille.
Seuraavassa oppaassa kutakin mallia käsitellään tarkemmin ja kerrotaan, miten se voi tukea laajempaa tekoälykokemusta.
Mitä se tarkoittaa: Käyttäjien ei tarvitse käydä itse läpi loputtomia hakutuloksia tai asiakirjoja, sillä tekoälyagentit voivat kuratoida laajoja aineistoja ja esittää olennaisimmat havainnot. Tekoäly toimii ikään kuin kirjastonhoitajana, joka järjestää tiedon käyttäjän tilanteeseen sopivaksi.
Miksi siitä on hyötyä: Se vähentää tietotulvaa. Keskimääräinen tietotyöntekijä käyttää 1,8 tuntia päivässä tiedon etsimiseen, mikä lisää monien työntekijöiden uupumusta (McKinsey). Tekoälypohjainen kuratointi ratkaisee ongelmaa indeksoimalla, etsimällä ja yhdistelemällä tietoa monista lähteistä. Näin käyttäjät voivat löytää tietoa, vaihtoehtoja ja havaintoja, jotka saattaisivat jäädä perinteisessä haussa huomaamatta.
Haaste: Siirtyminen perinteisestä käyttöliittymäpohjaisesta hausta agentin avustamaan toimintatapaan edellyttää käyttäjiltä odotusten mukauttamista. Ihmiset ovat tottuneet selaamaan linkkiluetteloa tai suodattamaan aineistoa painikkeilla. Tekoälykuraattori puolestaan koostaa vastauksia lähteistä, joiden olemassaolosta käyttäjät eivät ehkä tiedä. Tämä voi heikentää käyttäjien hallinnan tunnetta suodatuksessa ja vaatia heitä luottamaan agentin valintoihin. Tutut hakutoiminnot voivat auttaa ihmisiä sopeutumaan tekoälypohjaiseen kuratointiin ilman, että luottamus tai hallinnan tunne kärsii.
Miten OpenAI tukee jäsennellyn ja jäsentämättömän tiedon löytämistä tutuilla vuorovaikutusmalleilla.
Esitä hakutoiminnot tuttuina vuorovaikutustapoina:
Helpota siirtymistä perinteisestä hausta tarjoamalla tyhjän näkymän sijaan tuttuja vuorovaikutustapoja. Käyttökokemus tuntuu luontevammalta, kun se perustuu tunnistettaviin vaihtoehtoihin, kyselyihin ja tilannekohtaisiin ehdotuksiin.
Käytä painikkeita kehotteina avoimen syötteen vaatimisen sijaan:
Vapaamuotoinen tekstikenttä voi tuntua työläältä tai hankalalta. Valmiit tai automaattisesti luodut painikkeet tekevät kuratoinnista helpommin lähestyttävää. Esimerkiksi painikkeet “Filter by most recent,” “Compare pricing” ja “Include global sources” voivat auttaa käyttäjiä tarkentamaan tuloksia. Tämä madaltaa osallistumiskynnystä, kannustaa tutkimaan ja ohjaa tekoälyn suosituksia käyttäjän tavoitteiden mukaan.
Anna käyttäjien tarkentaa hakutuloksia kertomalla tilanteestaan:
Joskus tarinallinen kuvaus välittää käyttäjän tarpeet tehokkaammin kuin suorat kyselyt tai suodattimet. Monimutkaisissa tilanteissa, kuten tiheiden koontinäyttöjen selaamisessa tai oikean tuotteen etsimisessä, perinteiset työkalut voivat tuntua ylivoimaisilta eikä käyttäjä välttämättä tiedä, mitä asetuksia muuttaa.
Kun käyttäjät voivat ”kertoa tarinansa” eli kuvailla ongelman, henkilökohtaisen tavoitteen tai haluamansa tuotteen, tekoäly voi muuntaa kuvauksen jäsennellyiksi hakuparametreiksi. Esimerkiksi “I just moved into a smaller home and need versatile, budget-friendly storage solutions” voisi tuottaa kuratoituja tuote-ehdotuksia, käytännön vinkkejä ja olennaisia suosituksia.
Tarinallisuus vähentää suodattimien valintaan liittyvää ajattelukuormaa sekä vahvistaa luottamusta kuratoituihin lopputuloksiin ja selkeyttää niitä.
Personoi tiedon löytäminen meemeillä ja kulttuuriviittauksilla:
Meemit tukevat tekoälykuratointia kahdella tavalla: ne syventävät agentin käsitystä käyttäjästä ja elävöittävät hakutuloksia inhimillisellä, samaistuttavalla tavalla. Kun käyttäjät valitsevat tavoitteitaan, mielialaansa tai tyyliään kuvaavia meemejä tai viittaavat niihin, kuten “I’m feeling the ‘Treat Yo Self’ vibe today!”, he jakavat tekoälylle käytännössä oman käsityksensä muiden mielentiloista. Näin agentti voi hienosäätää kuratointia päättelemällä sellaista kontekstia, joka voisi kadota tavallisessa graafisessa käyttöliittymässä tai tekstihaussa.
Toiseksi agentti voi esittää tulokset temaattisina tai populaarikulttuurista ammentavina aloituspaketteina, jolloin suositukset tuntuvat osuvammilta ja henkilökohtaisemmilta. Jos joku esimerkiksi suunnittelee kotitoimistoaan uudelleen, tekoäly voi luoda ”WFH-aloituspaketin”, jossa yhdistyvät työpöytätarvikkeet, teknologia ja inspiraatio.
Selkeytä käyttäjän etenemistä parhailla seuraavilla toimilla:
Riippumatta siitä, osuvatko tekoälyagentin tulokset oikeaan, käyttäjien pitäisi voida tarkentaa parametreja helposti. He voivat esimerkiksi pyytää: “Show me more like item 2” tai “Exclude sources older than 2020.” Ehdotetut seuraavat toimet voivat opastaa uusia käyttäjiä kuormittamatta heitä.
Mitä se tarkoittaa: Tekoälyagenteista puhutaan usein keinona siirtää perinteisesti ihmisten tekemää työtä muille. Niiden kyky toimia reaaliaikaisina yhteistyökumppaneina saa vähemmän huomiota. Pelkkien ohjeiden noudattamisen tai sisällön tuottamisen sijaan agentti voi esittää ajatuksia herättäviä kysymyksiä, haastaa oletuksia ja tarjota vaihtoehtoisia näkökulmia. Näin tekoälystä tulee ajattelukumppani, joka auttaa käyttäjiä parantamaan työtään sen edetessä.
Miksi siitä on hyötyä: Oikea-aikainen palaute hyödyttää kaikkia, mutta sitä ei aina ole saatavilla. Sekä vastakkaiset että puoltavat näkemykset voivat auttaa tunnistamaan kaavoja ennen kuin kiinnymme liikaa ideaan. Tekoälyagentit voivat haastaa oletuksiamme, tuottaa ideoita ja ehdottaa vaihtoehtoisia tulkintoja aineistosta korvaamatta ihmisen harkintaa. Olemme havainneet, että ihmiset suhtautuvat usein myönteisesti tällaiseen agentin antamaan palautteeseen.
Tekoälyagentit voivat tuottaa vasta-argumentteja, jotka paljastavat päättelyn aukkoja tai tuovat esiin vaihtoehtoisia näkökulmia.
Haaste: Tekoälypalautteen on oltava intuitiivista ja hyödynnettävää, tai se muuttuu häiriötekijäksi. Ihmiset eivät kaipaa agenttia, joka keskeyttää epäolennaisilla ehdotuksilla tai takertuu jokaiseen yksityiskohtaan. Tekoälyn tulisi puuttua tilanteeseen oikealla hetkellä ja oikealla sävyllä. Liian passiivinen tekoäly jättää hyödyllisiä tilaisuuksia käyttämättä, mutta liian hyökkäävä saa käyttäjän epäilemään itseään.
Haasteena on palautteen esitystapa: pitäisikö se näyttää vinkkeinä, valinnaisena tarkistuksena vai kaksisuuntaisena keskusteluna? Vuorovaikutuksen onnistuminen ratkaisee, hyväksyvätkö käyttäjät tekoälyn kumppanikseen vai näkevätkö he siinä vain Klemmari 2.0:n.
Varmista, että palaute on ennakoivaa mutta ei ärsyttävää:
Anna tekoälyn tarjota ehdotuksia luontevissa taukokohdissa. Esimerkiksi tekstieditorissa se voisi odottaa virkkeen tai kappaleen valmistumista ennen muutosehdotusta. Olemme myös kokeilleet, että agentti odottaa hetken tyhjän tekstikentän valitsemisen jälkeen ennen avun tarjoamista. Sävyllä on merkitystä: “Here’s an idea to consider…” tuntuu rakentavammalta kuin töksähtävä väite.
Muuta palaute tutkivaksi keskusteluksi:
Jos palaute on epäselvää, käyttäjän pitäisi voida esittää helposti esimerkiksi kysymys “Why do you suggest changing this?” Utelias tekoälypersoona voi tehdä keskustelusta rakentavamman. Huomaavaisen terapeutin tai fasilitaattorin tavoin agentti voi kysyä oikealla hetkellä olennaisia kysymyksiä ja muuttaa palautteen käyttäjää opettavaksi keskusteluksi.
Samalla tekoäly saa lisää kontekstia, mikä auttaa käyttäjää ja agenttia muodostamaan selkeämmän yhteisen käsityksen.
Tarjoa useita vaihtoehtoja tai ideoita:
Yhden idean, ratkaisun tai haasteen sijaan agentti voi esittää useita näkökulmia. Suunnitteluagentti voi esimerkiksi luoda kolme vaihtoehtoista asettelua, kun taas kirjoitusagentti ehdottaa virkkeestä eri kohderyhmille sopivia versioita. Vaihtoehtojen tarjoaminen vahvistaa tunnetta siitä, että käyttäjä hallitsee tilannetta.
Varmista, että palaute huomioi kontekstin:
Agentin tulisi mukauttaa ajattelukumppanin roolinsa käyttäjän nykyiseen tilanteeseen. Jos käyttäjä pysähtyy kysymyksen tai tekstikentän kohdalle, tekoäly voi valmiin vastauksen sijaan esittää ajatuksia herättävän kysymyksen. Kun käyttäjä tarvitsee vain virkkeen uudelleenmuotoilua, lyhyt hyväksyttävä tai hylättävä ehdotus auttaa säilyttämään työn omistajuuden.
Tekoälyn on ennen kaikkea tiedettävä, milloin vetäytyä: pitkään jatkuva edestakainen muokkaus voi johtaa loputtomaan kierteeseen ja heikentää käyttäjän luottamusta. Kun tekoälyagentti seuraa tarkasti kontekstia ja käyttäjän toimia, se voi mukauttaa palautteensa aidosti hyödylliseksi ylittämättä rajojaan.
Mitä se tarkoittaa: Tilannetietoisuus on agentin kyky tulkita kontekstitietoa reaaliajassa ja mukauttaa toimintaansa sen mukaan. Ennalta määritettyjen syötteiden lisäksi tekoälyagentit voivat käsitellä jatkuvasti tietoa ympäristöstä, käyttäjän nykytilasta ja muista olennaisista olosuhteista.
Tämä voi tarkoittaa käyttöliittymän mukauttamista käyttäjän välittömiin tarpeisiin tai nykyisen markkinatilanteen tulkitsemista osuvampien vastausten tuottamiseksi.
Miksi siitä on hyötyä: Todellinen maailma ei ole muuttumaton. Tilannetietoiset tekoälyjärjestelmät voivat olla hyödyllisempiä, koska ne reagoivat ajankohtaisiin olosuhteisiin. Kun agentti ymmärtää olennaisen kontekstin, vuorovaikutus tuntuu luontevammalta, henkilökohtaisemmalta ja todellisuuteen pohjautuvalta.
Haaste: Aidosti tilannetietoisen tekoälyn rakentaminen on vaikeaa. Tarvittavien tietojen käyttäminen ja yhdistäminen voi tehdä tekniikasta huomattavan monimutkaista.
Hyödyllisen kontekstitietoisuuden ja tungettelevan rajojen ylittämisen välinen ero on pieni. Käyttäjät arvostavat tilanteen ymmärtävää agenttia, mutta voivat kokea olonsa epämukavaksi, jos se pyytää liikaa tietoa tai vaikuttaa liian sinnikkäältä. Koska olosuhteet voivat muuttua nopeasti, ihmisen asiantuntemus ja harkinta ovat edelleen välttämättömiä.
Tehokas tekoälyjärjestelmä tarvitsee siksi käyttäjiltä tietoa säilyttääkseen hyödyllisen ja ajantasaisen käsityksen heidän tilanteestaan.
Näytä käyttäjille, millainen hyvä konteksti on:
OpenAI o1:n kaltaiset päättelymallit ovat muuttaneet tapaa, jolla ihmiset antavat kontekstia suurille kielimalleille. Mallista riippumatta yksityiskohtainen konteksti auttaa tuottamaan osuvampia vastauksia. Selkeät esimerkit, paikkamerkkitekstit ja laajennettavat vinkit voivat näyttää, mitä tietoja käyttäjän kannattaa antaa ja miksi niillä on merkitystä.
Kun käyttäjälle näytetään selkeästi, miltä ”hyvä konteksti” näyttää, hänen ei tarvitse arvailla, mitä olennaisia tietoja pitäisi antaa.
Tee agentin rajojen määrittämisestä helppoa:
Käyttäjän välittömät tarpeet ovat tärkeitä, mutta eivät välttämättä ilmeisiä. Tilannetietoinen agentti voi määrittää yhdessä käyttäjän kanssa aiheet, osa-alueet ja työkalut, joita sen tulisi tutkia. ChatGPT:n syvätutkimus tukee tätä toimintatapaa esittämällä tarkentavia kysymyksiä ennen tutkimustehtävän aloittamista.
Tuo konteksti näkyviin nopeita muokkauksia ja lisäyksiä varten:
Käyttäjät voivat tarvita yhteenvedon siitä, mitä tekoäly sillä hetkellä olettaa heidän tavoitteistaan, painopisteistään ja tietolähteistään. Erillinen paneeli voi kertoa tietämyksen takarajan, nykyiset oletukset ja olennaiset syötteet. Kuvake voi ilmaista sijaintitietojen käytön, ja yhteenveto voi kertoa, kuinka monta tietuetta havaintoon vaikutti.
Käyttäjiä hyödyttää, kun he näkevät, mitä tekoäly ”tietää”, ja voivat helposti lisätä, poistaa tai päivittää olennaista kontekstia.
Anna tekoälyn valita käyttöliittymän ominaisuudet hyödyllisyyden perusteella:
Tekoälyagentit voivat ottaa ominaisuuksia valikoivasti käyttöön tai poistaa niitä käytöstä tilanteen vihjeiden perusteella. Kun käyttäjä laatii taustaraporttia, agentti voi ottaa käyttöön edistyneet viittaustyökalut. Puhujan muistiinpanoja muokattaessa se voi korostaa muokkausominaisuuksia. Näin käyttökokemus pysyy kohdennettuna ilman, että käyttäjän täytyy hallita jokaista asetusta itse.
Mitä se tarkoittaa: Kokemussuunnittelussa ja tuotekehityksessä käyttäjätutkimusta pidetään usein erillisenä vaiheena projektin alussa tai määräajoin toteutettavana toimintana. Jatkuvassa löytämisessä käyttäjien käyttäytymisen, tarpeiden ja mieltymysten ymmärtäminen on jatkuva prosessi. Tekoäly voi muuttaa keskustelut, napsautukset ja palautteen mahdollisuuksiksi löytää havaintoja, joita käyttäjät eivät ehkä osaa ilmaista suoraan.
Tekoäly siis oppii jatkuvasti ja mukautuu ongelma-alueeseen reaaliajassa.
Miksi siitä on hyötyä: Asiantuntijoilta, ammattilaisilta ja tavallisilta käyttäjiltä voi olla vaikea kerätä hyödyllistä palautetta tekoälyn tuotoksen toimivuudesta tai käytettävyydestä. Agentit voivat auttaa tallentamaan reaktiot, havainnot ja intuitiiviset näkemykset oikeassa asiayhteydessä kokemuksen ollessa vielä tuore.
Haaste: Palaute kertoo usein, mitä tapahtui tai pitikö käyttäjä lopputuloksesta, mutta ei selitä miksi. Kaikkien ajatteluvaiheiden muistaminen ja kirjaaminen voi tuntua raskaalta, vaikka havainnot parantaisivat järjestelmän tulevia ominaisuuksia.
Tämä on erityisen tärkeää tarkasti rajatuissa tekoälyjärjestelmissä, joissa avoin keskustelu ei välttämättä ole toivottavaa tai mahdollista.
Tallenna reaktiot kuvaavilla tunnisteilla:
Pelkkä peukku ylös tai alas kertoo harvoin käyttäjän reaktion syyn. Kuvaavat tunnisteet, kuten ”hyödyllinen budjetin suunnittelussa” tai ”viranomaistiedot puuttuvat”, tarjoavat hyödyllisempää kontekstia. Tunnisteet voivat kuvata nykyistä vuorovaikutusta tai pyytää käyttäjältä lyhyen näkemyksen, jolloin arvio muuttuu tiedoksi, josta tekoäly voi oppia.
Ohjaa tekoälyagentteja ”muistikorteilla”:
Kun tekoäly tekee virheen tai onnistuu vain osittain, tarjoa käyttäjille helppo tapa korjata tai ”opettaa” sitä. Agentti voisi esimerkiksi kysyä: “How would you phrase it?” tai “What detail did we miss?” Saatu ohje voidaan tallentaa nykyistä vuorovaikutusta varten tai käyttää myöhemmin uudelleen.
Opi iteroinnista ja muunnelmista:
Joskus paras palaute syntyy yrittämällä uudelleen. Yksinkertaisilla uudelleenluonnin ohjaimilla käyttäjät voivat vertailla uusia vaihtoehtoja ja valita mieleisensä. Valinnat yhdistävät alkuperäisen syötteen hyödyllisempään lopputulokseen ja tekevät kokeilusta osan oppimisprosessia.
Havainnoi vuorovaikutusta:
Tekoälyagentit voivat oppia yhdessä useista vuorovaikutustilanteista. Kun yksi agentti esimerkiksi laatii tutkimusyhteenvedon, toinen voi arvioida kokemusta analysoimalla vuorovaikutusta. Etnografien tavoin agentit voivat tunnistaa erot henkilön tavoitteen ja tuotoksen koettua laatua koskevan käsityksen välillä.
Havainnot voivat tukea jatkuvaa parantamista tuomalla esiin oivalluksia ja ehdottamalla muutoksia järjestelmään.
Mitä se tarkoittaa: Laajentamisessa käyttäjän syötettä, kehotetta tai ohjetta mukautetaan paremman tuloksen saamiseksi alkuperäinen tarkoitus säilyttäen. Tekoäly tekee taustalla lisätyötä, jota käyttäjä ei ole nimenomaisesti pyytänyt. Esimerkiksi ”varjokehottaminen” voi rikastaa kyselyä ennen vastauksen luomista.
Käyttäjä antaa alustavan ajatuksen, ja agentti laajentaa syötettä, jos se voi parantaa lopputulosta.
Miksi siitä on hyötyä: Ihmiset antavat usein lyhyitä tai yleisluonteisia ohjeita, vaikka paras vastaus voi vaatia lisävaiheita. Tekoälyagentit voivat kuroa tämän kuilun umpeen ilman, että käyttäjien täytyy selittää kaikkea. Esimerkiksi pyyntö “brainstorm marketing ideas for my new coffee product” voisi muuten tuottaa vain yleisluonteisen luettelon.
Laajennettu toimintatapa voisi järjestää useita yhä kunnianhimoisempia ideointikierroksia ja yhdistää parhaat ideat monipuolisemmaksi lopputulokseksi.
Haaste: Taustalla tehtävä työ voi heikentää käyttäjän omistajuuden ja läpinäkyvyyden tunnetta. Jos tekoäly muuttaa käyttäjän pyyntöä selittämättä muutosta, lopputulos ei ehkä vastaa käyttäjän toiveita. Suunnittelijoiden on tasapainotettava hyödyllinen laajentaminen ja ei-toivotun manipuloinnin riski.
Suunnitteluhaasteena on antaa käyttäjien ohjata laajentamista silloin, kun he haluavat.
Säilytä käyttäjän tarkoitus ja rakenna sen pohjalle:
Laajentamisen tulee edistää käyttäjän ilmoittamia tavoitteita lisäämättä uusia. Kun tekoäly on laajentanut kehotetta tai suorittanut taustatehtäviä, sen tai erillisen tarkistajan tulisi verrata lopputulosta alkuperäiseen pyyntöön. Odottamattomista lisäyksistä on kerrottava selkeästi.
Hyödynnä laajentamista turvallisuudessa ja luovuudessa:
Varjokehottamisen kaltaiset tekniikat voivat herättää huolta käyttäjän pyyntöjen salakavalasta muokkaamisesta. Säilytä luottamus käyttämällä niitä selkeyden, turvallisuuden tai kattavuuden parantamiseen käyttäjän tarkoitusta muuttamatta. Jos turvallisuuteen liittyvä muutos on tarpeen, selitä se tai anna siitä välitöntä palautetta.
Käyttäjät voivat nähdä moderoinnin tuloksen näkemättä sen taustalla olevaa logiikkaa tai perusteita.
Hyödynnä hyväksi havaittuja fasilitointitekniikoita:
Tekoälyagentit voivat rakentaa tuottavaa vuorovaikutusta fasilitointi- ja yhteistyömenetelmillä, kuten Liberating Structuresilla. Nämä kevyet viitekehykset auttavat hyödyntämään ihmisen luovan ja analyyttisen potentiaalin mahdollisimman hyvin.
Agentti voi hyödyntää keskustelussa tuttuja ideointi- ja ideoiden suodatusmenetelmiä. Pienet muutokset vuorovaikutuksen kulussa voivat synnyttää monipuolisemmin ideoita ja oivalluksia.
Nosta hyödyllinen sisältö esiin rinnakkaisilla etenemispoluilla:
Yhden suoraviivaisen keskustelun sijaan agentti voi tutkia samanaikaisesti useita tulkintoja, ideoita tai ratkaisuja. Tämä muistuttaa eri näkökulmista ideoivaa asiantuntijaryhmää, jossa hyödylliset havainnot eivät katoa.
Koordinoiva prosessi voi yhdistää nämä eri tutkimuslinjat johdonmukaiseksi ja toteuttamiskelpoiseksi vastaukseksi.
Opeta käyttäjiä laajentamisen avulla:
Hyvin suunniteltu laajentaminen voi myös opettaa ihmisiä käyttämään tekoälyä tehokkaammin. Jos agentti selittää “I considered X and Y in my answer”, käyttäjät voivat sisällyttää nämä tekijät tuleviin pyyntöihinsä. Näin syntyy kaksisuuntainen parannus: parempia vastauksia nyt ja parempia syötteitä ajan mittaan.
Mitä se tarkoittaa: Tämä malli helpottaa tekoälyagenttien päättelyn ymmärtämistä. Huolellisesti suunniteltu vuorovaikutus voi selittää vastauksen syyn, tuoda esiin sitä tukevat lähteet tai näyttää prosessin olennaiset vaiheet. Tavoitteena on tukea ihmisten tehokasta päätöksentekoa kuormittamatta käyttäjää liikaa.
Olennaisen päättelyn näyttäminen toimii parhaiten, kun käyttäjät voivat tutkia sitä vaiheittain ja valita tarvitsemansa yksityiskohtaisuuden.
Miksi siitä on hyötyä: Luottamus on välttämätöntä tekoälyn käyttöönotolle etenkin yrityksissä. Ihmiset turvautuvat järjestelmään epätodennäköisemmin, jos he eivät voi ymmärtää tai varmistaa sen toimintaa. Läpinäkyvät tuotokset helpottavat ongelmien diagnosointia, virheiden korjaamista ja hyödyllisten toimintatapojen toistamista.
Haaste: Tekoälyn päätösten selittäminen voi olla vaikeaa. Liialliset yksityiskohdat voivat kuormittaa käyttäjiä, ja todennäköisyyksiä tai pitkiä päättely-yhteenvetoja voi olla vaikea tulkita. Pelkkä läpinäkyvyys ei myöskään takaa paikkansapitävyyttä.
Suunnittelijoiden on huomioitava selityksen laatu, esitystavan selkeys ja se, miten näyttöön perustuvasta aineistosta tehdään osa hyödyllistä keskustelua.
Anna agenttien ajatella laajasti ja tiivistä sitten tulokset:
Tekoäly voi analysoida ongelmaa perusteellisesti ja esittää tulokset helposti omaksuttavassa muodossa. Hierarkkisten yhteenvetojen ja asteittaisen paljastamisen avulla käyttäjä voi aloittaa tärkeimmästä havainnosta ja avata tukevat tiedot vain tarvittaessa.
Hyvin suunniteltu vuorovaikutus voi tehdä monimutkaisen tiedon tutkimisesta helppoa tinkimättä syvyydestä tai selkeydestä.
Tarjoa tutkittavia lähdeviitteitä ja viittauksia:
Tekoälyn luomien vastausten tulisi tarjota käyttäjille selkeä tapa tarkistaa niitä tukevat lähteet. Näitä voivat olla linkit, sisäisten raporttien otteet, olennaiset tutkimustulokset tai määrällisten tietojen tarkempi näkymä.
Esimerkiksi hakua hyödyntävissä generointijärjestelmissä käyttäjän pitäisi voida siirtyä tekoälyn yhteenvedosta sen taustalla olevaan näyttöön. Tämä tukee tietojen tarkistamista ja mahdollistaa luottamusta vahvistavan syvemmän perehtymisen.
Viesti tärkeistä edistymisen merkeistä:
Monimutkaisiin agenttien työnkulkuihin voi kuulua suunnan muuttamista, aiempiin vaiheisiin palaamista tai useiden tutkimuslinjojen yhdistämistä. Käyttäjät sietävät viiveitä paremmin, kun he ymmärtävät, mitä tapahtuu. Selkeät tilannepäivitykset voivat kertoa, mitä agentti on tehnyt, mitä se tekee parhaillaan ja mitä seuraavaksi tapahtuu.
Agentin tulisi myös kertoa, jos se ei pääse eteenpäin tai jos päätös edellyttää lisää näkökulmia.
Näytä tekoälyn tuotokset vaiheittain:
Koko vastauksen näyttämisen sijaan agentti voi paljastaa tiedot vaiheittain. Sijoitusavustaja voi esimerkiksi näyttää lyhyen suosituksen ja tarjota mahdollisuuden avata sen perustelut: “Step 1: Assess the risk profile. Step 2: Review the current portfolio. Step 3: Identify diversification opportunities. Step 4: Formulate a recommendation.” Lisätietoja haluavat voivat tutkia kutakin vaihetta, kun taas muille riittää yhteenveto.
Havainnollista tekoälyn päättely visuaalisesti:
Selitysten tulisi olla yhtä ymmärrettäviä kuin varsinaisen tuotoksen. Kun päättelyyn liittyy lukuja tai suhteita, kaaviot ja diagrammit voivat auttaa. Agentin kyselyjen, prosessin, päättelyn ja lähteiden visualisointi voi myös auttaa käyttäjiä korjaamaan sen suuntaa, selittämään tuloksen muille tai toistamaan prosessin myöhemmin.
Selkeät visuaaliset selitykset auttavat käyttäjiä ymmärtämään tiedon ja toimimaan sen perusteella nopeammin.