Mindannyian tapasztaltunk már kiábrándító interakciókat az MI-vel, vagy ismerünk olyanokat, akik „utálják a chatbotokat”, gyakran azért, mert az alapélmény nem hasznos, értékes vagy élvezetes. Ez a csalódás gyakran kevésbé a modell képességeiből, inkább magából az élményből fakad: az emberek, egy MI-ügynök és a kívánt eredmény közötti interakcióból. Ez jelentősen akadályozza az elterjedést, különösen vállalati környezetben, ahol a rosszul tervezett interakciók túlterhelhetnek, figyelmen kívül hagyhatják a valós idejű kontextust, illetve a felhasználói szándékot és viselkedést.
E szemlélet alapján azonosítottuk az egyes minták előnyeit, a kapcsolódó tervezési kihívásokat és az alkalmazásukra vonatkozó gyakorlati útmutatást. Ezek a minták különböző interakciótípusokra és modalitásokra alkalmazhatók, így a fogyasztói élményekben és a tudásmunkások jobb döntéseit segítő belső MI-megoldásokban egyaránt lehetőségeket teremtenek.
A számos generatív MI-megoldás fejlesztése és kipróbálása során kirajzolódó mintákat azért osztjuk meg, hogy segítsünk jobb ember–MI kapcsolatokat tervezni.
A technológiával való interakcióink közül sok – akár tudásmunkásként, akár fogyasztóként – a kelleténél nehezebbé teszi a mindennapi feladatokat. Korlátozzák a termelékenységünket, a hatékonyságunkat és az általunk teremtett értéket.
A tudásmunkásokat és a fogyasztókat egyaránt túlterhelheti a rendelkezésre álló információk, választási lehetőségek és eszközök puszta mennyisége. A gyakran egymásnak ellentmondó üzenetek állandó áradata megnehezíti az egyértelmű döntéseket és a figyelem fenntartását. Kutatások szerint az alkalmazottak munkaidejük akár 40%-át is pusztán a szükséges információk keresésével töltik (McKinsey). Ez az információs túlterhelés a termelékenységre és a jóllétre egyaránt hatással van.
Emellett figyelmi kapacitásunk is korlátozott. Még ha meg is találjuk az információt, nem tudunk mindent feldolgozni vagy elemezni, ami a megalapozott döntéshez szükséges. Egyszerre csak a rendelkezésre álló adatok kis részére tudunk összpontosítani, és gyakran ragaszkodunk meglévő nézeteinkhez vagy ötleteinkhez, ami korlátozza az alternatívák mérlegelését és a váratlan minták felismerését.
Maguk az eszközök gyakran nem veszik figyelembe ezeket a korlátokat. A legtöbb technológiát az „átlagra” tervezik: mindenki számára egységes megoldásokként, amelyek nem alkalmazkodnak az egyéni körülményekhez. Akár munkahelyi szoftvert, akár fogyasztói alkalmazást használunk, ezek az eszközök ritkán veszik figyelembe igényeinket, korlátainkat vagy egyedi körülményeinket. Ennek eredményeként a technológia hatékonnyá válás helyett akár hátráltathat is. A generatív MI lehetőséget kínál alkalmazkodóbb, személyesebb interakciók kialakítására.
Végül sok munkakörnyezet szükségtelen szenvedést okoz. A „látszatmunka” növekvő mennyisége, az „állandó készenlét” nyomása és az ismétlődő, alacsony értékű feladatok hozzájárulnak az elidegenedéshez és a tartós stresszhez. Bár a generatív MI és az MI-ügynökök csökkenthetnék vagy megszüntethetnék ezeket az élményeket, sokan továbbra is kételkednek abban, hogy az MI összességében javítani tudja a munkát. Az emberek ellenállhatnak annak, hogy „az MI átveszi az irányítást”, mert félnek a kiszorítástól, vagy magukénak érzik a munkájukat – még az általuk nem kedvelt feladatokat is.
Az MI alkalmazása önmagában nem megoldás. A rosszul integrált MI új feladatokat és aggodalmakat teremthet, különösen a tudásmunkások számára. E kihívások rámutatnak az olyan ember–MI interakciók szükségességére, amelyek nemcsak hatékonyak, hanem igazodnak kognitív képességeinkhez, egyéni körülményeinkhez és a valós élet korlátaihoz is. Az alábbi hat minta olyan megközelítéseket vázol fel, amelyek figyelembe veszik az emberek igényeit, és alkalmazkodóbb, átláthatóbb, tartalmasabb kapcsolatot támogatnak az MI-vel.
A kialakuló tervezési minták és a hatékony, emberközpontú MI-élmények alapelvei közötti kapcsolat.
Válogatás: az MI mint intelligens menü – Az MI válogatja és rendszerezi az információkat, megkönnyítve a hatalmas adathalmazok áttekintését és csökkentve a túlterhelést.
Visszajelzés: az MI mint gondolkodótárs – Az MI valós idejű, elgondolkodtató visszajelzéssel kérdőjelezi meg a feltételezéseket, és kínál más nézőpontokat.
Helyzetfelismerés: MI, amely érti az itt és mostot – Az MI a környezeti információk és a felhasználói igények folyamatos feldolgozásával alkalmazkodik a valós idejű kontextushoz.
Folyamatos feltárás: minden interakció felhasználói kutatás – Az MI minden felhasználói interakcióból felismeréseket tár fel és finomítja tudását, így folyamatosan tanul és fejlődik.
Kibővítés: a felhasználói bevitel kiegészítése a jobb eredményekért – Az MI a háttérben javítja a felhasználói bevitelt, miközben megőrzi az eredeti szándékot.
A gondolatmenet bemutatása: átlátható MI-érvelés – Az MI láthatóvá és hasznossá teszi döntési folyamatát, erősítve a bizalmat és segítve a megalapozottabb döntéseket.
Ez a hat minta megmutatja, hogy a hatékony MI-megoldásokhoz nem elég egy jól megtervezett felhasználói felület. Azt alakítják, ahogyan az emberek és az MI-ügynökök összehangolják munkájukat, döntéseket hoznak és együttműködnek az összetett tudásrendszerekben. A minták a következő módokon javítják az ember–MI interakciót:
A kétirányú tudáscsere előtérbe helyezése: Tegyük lehetővé, hogy az MI és az emberek párbeszédben osszanak meg ötleteket, kontextust és felismeréseket. Ez támogatja a szakértői tudással és még nem formalizált megérzésekkel felvértezett, nagyobb képességű MI-rendszereket.
A körülményekhez alkalmazkodó és azokkal együtt változó élmények kialakítása: Az MI-eszközök gyorsan elavulttá vagy irrelevánssá válhatnak. A helyzetet felismerő, folyamatosan tanuló és az egyes felhasználók körülményeihez alkalmazkodó rendszerek hosszú távon is hasznosak maradnak.
A bizalom és a magabiztosság növelése: Az átlátható, együttműködésen alapuló interakciók csökkentik az elterjedés akadályait, fokozzák az elköteleződést, és javítják az emberi és MI-alapú döntéshozatalt. Az átgondolt tervezés segít, hogy az emberek hosszú távon is bízzanak a rendszer döntéseiben és kimeneteiben.
Hatékony MI-élményeket tervezni nehéz, de bevált módszerek segíthetnek. A felhasználók megértésének és a hasznos élmények kialakításának alapelvei továbbra is érvényesek, kiegészülve az önálló cselekvésre képes MI-rendszerek új szempontjaival. Az információkat hatékonyan válogató, hasznos visszajelzést adó és átláthatóan tanuló élmények csökkenthetik a túlterhelést, javíthatják a döntéshozatalt és bizalmat építhetnek.
Ezek a minták segítenek leküzdeni az elterjedés gyakori akadályait, így az MI valóban hasznossá, alkalmazkodóvá és minden érintett számára értékesebbé válik.
Az alábbi útmutató részletesebben bemutatja az egyes mintákat, és elmagyarázza, hogyan támogathatnak egy átfogóbb MI-élményt.
Mi ez? Ahelyett, hogy a felhasználók végeláthatatlan keresési találatokat vagy dokumentumokat böngésznének át, az MI-ügynökök hatalmas adathalmazokból válogathatják ki és mutathatják be a legfontosabb információkat. Az MI lényegében könyvtárossá válik, és a felhasználó helyzetéhez igazítva rendszerezi a tudást.
Miért hasznos? Csökkenti az információs túlterhelést. Egy átlagos tudásmunkás naponta 1,8 órát tölt információkereséssel, ami sok munkavállalónál hozzájárul a kiégéshez (McKinsey). Az MI-alapú válogatás ezt úgy kezeli, hogy sokféle forrásból indexeli, megkeresi és egyesíti az információkat, így a felhasználók olyan információkra, lehetőségekre és felismerésekre is rátalálhatnak, amelyek a hagyományos kereséssel elkerülnék a figyelmüket.
A kihívás: A hagyományos, felületalapú keresésről az ügynökkel támogatott megközelítésre való áttéréshez a felhasználóknak módosítaniuk kell az elvárásaikat. Az emberek megszokták, hogy hivatkozások listáját tekintik át, vagy gombokkal szűrnek egy adathalmazt. Ezzel szemben egy MI-alapú válogató olyan forrásokból állítja össze a választ, amelyek létezéséről a felhasználók esetleg nem is tudnak. Ez csökkentheti a felhasználók szűrés feletti kontrollérzetét, és megköveteli, hogy megbízzanak az ügynök döntéseiben. Az ismerős keresési megoldások segíthetnek alkalmazkodni az MI-alapú válogatáshoz anélkül, hogy csökkenne a bizalom vagy a kontroll.
Így támogatja az OpenAI ismerős interakciós mintákkal a strukturált és strukturálatlan információk feltárását.
A keresési lehetőségeket ismerős interakciókként jelenítsük meg:
A hagyományos keresésről való átállás megkönnyítéséhez üres vászon helyett kínáljunk ismerős interakciókat. A felhasználók kényelmesebben érzik magukat, ha az élmény felismerhető lehetőségekre, kérdőívekre és környezetfüggő javaslatokra épül.
Nyitott szövegbevitel helyett használjunk gombokat utasításként:
A szabad szöveges bevitel ijesztőnek vagy időigényesnek tűnhet. Az előre beállított vagy automatikusan létrehozott gombok könnyebben hozzáférhetővé teszik a válogatást. A találatok finomítását segíthetik például a „Legújabbak szerinti szűrés”, az „Árak összehasonlítása” és a „Globális források használata” lehetőségek. Ez megkönnyíti a részvételt, ösztönzi a felfedezést, és a felhasználó szándékához igazítja az MI ajánlásait.
A felhasználók történetmeséléssel finomíthassák a találatokat:
A történetmesélés néha a közvetlen lekérdezéseknél vagy szűrőknél hatékonyabban közvetíti a felhasználó igényeit. Összetett helyzetekben – például zsúfolt irányítópultok használatakor vagy a megfelelő termék keresésekor – a hagyományos eszközök túlterhelhetik az embereket, vagy nem tudják, mely paramétereken változtassanak.
Ha a felhasználók „elmesélhetik a történetüket” – leírhatják a problémájukat, személyes céljukat vagy a kívánt terméket –, az MI strukturált keresési paraméterekké alakíthatja ezt a beszámolót. Például aki azt mondja: “I just moved into a smaller home and need versatile, budget-friendly storage solutions,” személyre szabott termékjavaslatokat, gyakorlati tippeket és releváns ajánlásokat kaphat.
A történetmesélés nemcsak a megfelelő szűrők kiválasztásának szellemi terhét csökkenti, hanem a végső, összeválogatott találatok iránti bizalmat és azok érthetőségét is növeli.
Mémekkel és kulturális utalásokkal tegyük személyesebbé a felfedezést:
A mémek két módon segíthetik az MI-alapú válogatást: jobban megismertetik a felhasználót az ügynökkel, a találatokat pedig emberibbé és átélhetőbbé teszik. Egyrészt a céljaikat, hangulatukat vagy stílusukat kifejező mémek kiválasztásával vagy említésével (“I’m feeling the ‘Treat Yo Self’ vibe today!”) a felhasználók lényegében megosztják az MI-vel, miként gondolkodnak mások gondolatairól. Ez segít az ügynöknek a válogatás finomhangolásában, mert olyan kontextusra következtethet, amely egy szokványos grafikus felületen vagy szöveges lekérdezésben elveszne.
Másrészt az ügynök tematikus vagy popkulturális ihletésű „kezdőcsomagokban” mutathatja be a találatokat, így az ajánlások relevánsabbnak és személyesebbnek hatnak. Ha például valaki átalakítja az otthoni irodáját, az MI íróasztali kiegészítőket, technológiát és inspirációt ötvöző „otthoni munkavégzési kezdőcsomagot” állíthat össze.
A következő legjobb lépésekkel adjunk egyértelmű útmutatást:
Akár pontosak az MI-ügynök találatai, akár nem, a felhasználóknak könnyen finomítható paraméterekre van szükségük. Megkérhetik például: “Show me more like item 2,” vagy “Exclude sources older than 2020.” A javasolt következő lépések túlterhelés nélkül igazíthatják útba az új felhasználókat.
Mi ez? Az MI-ügynökökről gyakran úgy beszélünk, mint a hagyományosan emberi munka átruházásának eszközeiről. Kevesebb figyelmet kap az a képességük, hogy valós idejű együttműködő partnerként működjenek. Az ügynök nemcsak instrukciókat követhet vagy tartalmat generálhat, hanem elgondolkodtató kérdéseket tehet fel, megkérdőjelezheti a feltételezéseket, és más nézőpontokat kínálhat. Így az MI gondolkodótárssá válik, amely már a munka alakulása közben segít annak javításában.
Miért hasznos? Mindannyiunknak hasznára válik az időben érkező visszajelzés, de nem mindig kapjuk meg. Az ellenvélemény és a támogatás egyaránt segíthet felismerni a mintákat, mielőtt túlságosan ragaszkodnánk egy ötlethez. Az MI-ügynökök megkérdőjelezhetik feltételezéseinket, ötleteket alkothatnak, és az emberi ítélőképesség helyettesítése nélkül kínálhatnak alternatív adatértelmezéseket. Tapasztalataink szerint az emberek gyakran kedvezően fogadják az ügynökök ilyen jellegű visszajelzését.
Az MI-ügynökök olyan ellenérveket alkothatnak, amelyek feltárják az érvelés hiányosságait vagy más nézőpontokra világítanak rá.
A kihívás: Az MI visszajelzésének intuitívnak és gyakorlatban alkalmazhatónak kell lennie, különben csak eltereli a figyelmet. Az emberek nem örülnek annak az ügynöknek, amely irreleváns javaslatokkal szakítja félbe őket, vagy minden apró részletbe beleköt. Az MI-nek a megfelelő pillanatokban és hangnemben kell közbelépnie. Ha túl passzív, hasznos lehetőségek maradnak ki; ha túl erőszakos, a felhasználók úgy érezhetik, hogy folyamatosan megkérdőjelezik őket.
A kihívás abban rejlik, hogyan jelenjen meg az MI visszajelzése: tippek, opcionális ellenőrzés vagy kétirányú párbeszéd formájában? Az interakció helyes kialakítása dönti el, hogy a felhasználók partnerként fogadják-e el az MI-t, vagy csupán Clippy 2.0-t látnak benne.
A visszajelzés legyen kezdeményező, de ne zavaró:
Az MI természetes szünetekben kínáljon javaslatokat. Egy dokumentumszerkesztőben például megvárhatja a mondat vagy bekezdés végét, mielőtt átdolgozást javasol. Azt is vizsgáltuk, hogy az ügynök egy üres szövegmező kijelölése után rövid ideig várjon, mielőtt segítséget kínál. A hangnem számít: a “Here’s an idea to consider…” építőbbnek hat egy nyers kijelentésnél.
A visszajelzésből legyen feltáró párbeszéd:
Ha a visszajelzés nem világos, a felhasználók könnyen tehessenek fel ilyen kérdéseket: “Why do you suggest changing this?” Egy kíváncsi MI-személyiség építőbbé teheti a párbeszédet. Egy figyelmes terapeutához vagy facilitátorhoz hasonlóan az ügynök a megfelelő pillanatban tehet fel releváns kérdéseket, így a visszajelzés a felhasználó tanulását segítő beszélgetéssé válik.
Ez az MI-nek is segít kontextust gyűjteni, így a felhasználó és az ügynök egyaránt pontosabb közös értelmezést alakíthat ki.
Kínáljunk több lehetőséget, ötletet vagy alternatívát:
Egyetlen ötlet, megoldás vagy kihívás helyett az ügynök több nézőpontot is bemutathat. Egy tervezőügynök például három alternatív elrendezést készíthet, míg egy íróügynök ugyanannak a mondatnak több, eltérő közönséghez igazított változatát javasolhatja. A választási lehetőségek megerősítik, hogy továbbra is a felhasználó kezében van az irányítás.
A visszajelzés vegye figyelembe a kontextust:
Az ügynöknek a felhasználó aktuális helyzetéhez kell igazítania „gondolkodótársi” szerepét. Ha valaki megáll egy kérdésnél vagy szövegmezőnél, az MI kész válasz helyett feltehet egy elgondolkodtató kérdést. Ha a felhasználónak csak egy mondat átfogalmazására van szüksége, egy elfogadható vagy elutasítható tömör javaslat segít megőrizni a munka feletti kontrollját.
Döntő fontosságú, hogy az MI tudja, mikor kell visszalépnie: a hosszas oda-vissza párbeszéd a végtelen szerkesztések „ördögi köréhez” vezethet, aláásva a felhasználó önbizalmát. Ha figyel a kontextusra és a felhasználó műveleteire, az MI-ügynök úgy igazíthatja a visszajelzését, hogy valóban segítsen, de ne lépje túl a határokat.
Mi ez? A helyzetfelismerés az ügynök azon képessége, hogy valós időben értelmezze a kontextuális információkat, és ennek megfelelően módosítsa viselkedését. Az MI-ügynökök nemcsak előre meghatározott bemenetekre támaszkodhatnak, hanem folyamatosan feldolgozhatják a környezetről, a felhasználó aktuális állapotáról és más releváns körülményekről szóló információkat.
Ez jelentheti a felület felhasználó pillanatnyi igényeihez igazítását vagy az aktuális piaci viszonyok értelmezését a relevánsabb válaszok érdekében.
Miért hasznos? A valós világ folyamatosan változik. A helyzetet felismerő MI-rendszerek hasznosabbak lehetnek, mert az aktuális körülményekre reagálnak. Ha az ügynök érti a releváns kontextust, az interakciók természetesebbnek, személyesebbnek és valószerűbbnek hatnak.
A kihívás: A helyzetet valóban felismerő MI létrehozása nehéz feladat. A szükséges adatok elérése és integrálása jelentős műszaki összetettséggel járhat.
Vékony a határ a hasznos kontextusérzékenység és a tolakodó túlkapás között. A felhasználók értékelik, ha egy ügynök „érti a helyzetet”, de kényelmetlenül érezhetik magukat, ha túl sok információt kér, vagy túlságosan kitartónak tűnik. Mivel a körülmények gyorsan változhatnak, az emberi szakértelem és ítélőképesség továbbra is nélkülözhetetlen.
Egy hatékony MI-rendszernek ezért szüksége van a felhasználók közreműködésére, hogy hasznos és naprakész képet őrizzen a körülményeikről.
Mutassuk meg, milyen a jó kontextus:
Az olyan érvelő modellek, mint az OpenAI o1, megváltoztatták, hogyan adnak az emberek kontextust a nagy nyelvi modelleknek. A modelltől függetlenül a részletes kontextus relevánsabb válaszokat eredményez. Világos példákkal, helyőrző szöveggel és kibontható tippekkel megmutathatjuk, milyen információkat adjanak meg a felhasználók, és azt is, miért fontosak ezek.
Ha egyértelműen megmutatjuk a felhasználónak, milyen a „jó kontextus”, megszüntethetjük azt a bizonytalanságot, amely egyébként visszatartaná a fontos részletek megadásától.
Könnyítsük meg az ügynök határainak meghatározását:
A felhasználó közvetlen igényei fontosak, de nem feltétlenül nyilvánvalók. A helyzetet felismerő ügynök a felhasználóval együtt határozhatja meg a feltárandó témákat, területeket és eszközöket. A ChatGPT mély kutatás funkciója ezt a megközelítést támogatja azzal, hogy a kutatási feladat megkezdése előtt pontosító kérdéseket tesz fel.
Tegyük láthatóvá a kontextust a gyors szerkesztéshez és kiegészítéshez:
A felhasználóknak szükségük lehet egy pillanatképre arról, mit feltételez jelenleg az MI a céljaikról, a fókuszukról és az adatforrásaikról. Egy külön panel ismertetheti a tudás határidejét, az aktuális feltételezéseket és a releváns bemeneteket. Egy ikon jelezheti a helyadatok használatát, egy összefoglaló pedig megmutathatja, hány rekord járult hozzá egy felismeréshez.
Hasznos, ha az emberek láthatják, mit „tud” az MI, és egyszerűen hozzáadhatják, eltávolíthatják vagy frissíthetik a releváns kontextust.
Az MI a hasznosság alapján válassza ki a kezelőfelület funkcióit:
Az MI-ügynökök a helyzet jelzései alapján szelektíven be- vagy kikapcsolhatnak képességeket. Tanulmány készítésekor az ügynök bekapcsolhatja a fejlett hivatkozási eszközöket, előadói jegyzetek szerkesztésekor pedig kiemelheti a szerkesztési funkciókat. Ez célzott élményt biztosít anélkül, hogy a felhasználóknak minden beállítást kézzel kellene kezelniük.
Mi ez? Az élménytervezés és a termékfejlesztés gyakran különálló szakaszként kezeli a felhasználói kutatást a projekt elején vagy meghatározott időközönként. A folyamatos feltárás a felhasználói viselkedés, igények és preferenciák megértését állandó folyamatként kezeli. Az MI a beszélgetéseket, kattintásokat és visszajelzéseket olyan felismerések feltárására használhatja, amelyeket a felhasználók esetleg nem fogalmaznak meg közvetlenül.
Az MI lényegében valós időben tanul tovább, és alkalmazkodik a problémakörhöz.
Miért hasznos? Nehéz lehet hasznos visszajelzést gyűjteni szakértőktől, gyakorlati szakemberektől és általános felhasználóktól egy MI-kimenet hatékonyságáról vagy használhatóságáról. Az ügynökök segíthetnek az adott helyzetben rögzíteni a reakciókat, felismeréseket és megérzéseket, amíg még frissek az élmények.
A kihívás: A visszajelzés gyakran csak azt rögzíti, mi történt, vagy tetszett-e az eredmény a felhasználónak, de az okát nem. Megterhelőnek tűnhet arra kérni az embereket, hogy idézzék fel és dokumentálják gondolkodásuk minden lépését, még akkor is, ha ezek a felismerések javítanák a rendszer jövőbeli képességeit.
Ez különösen fontos a szigorúan korlátozott MI-rendszereknél, ahol a nyitott beszélgetés nem feltétlenül kívánatos vagy lehetséges.
Leíró címkékkel rögzítsük a reakciókat:
Egy egyszerű „tetszik” vagy „nem tetszik” ritkán magyarázza meg a felhasználó reakcióját. A leíró címkék – például „hasznos a költségvetés tervezéséhez” vagy „hiányoznak a szabályozási információk” – több hasznos kontextust adnak. Ezek a címkék tükrözhetik az aktuális interakciót, vagy rövid vélemény megosztására ösztönözhetik a felhasználókat, így az értékelésből az MI számára tanulságos információ lesz.
„Tanulókártyákkal” irányítsuk az MI-ügynököket:
Ha az MI hibázik vagy csak részben jár sikerrel, adjunk egyszerű lehetőséget a felhasználóknak a javítására vagy „tanítására”. Az ügynök megkérdezheti például: “How would you phrase it?” vagy “What detail did we miss?” Az így kapott útmutatás eltárolható az aktuális interakcióhoz, vagy később is felhasználható.
Tanuljunk az ismétlésből és a változatokból:
Néha az újrapróbálkozás adja a legjobb visszajelzést. Az egyszerű újragenerálási vezérlők lehetővé teszik, hogy a felhasználók összehasonlítsák az új lehetőségeket, és kiválasszák a nekik tetszőket. Ezek a választások összekötik az eredeti bemenetet egy hasznosabb eredménnyel, és a kísérletezést a tanulási folyamat részévé teszik.
Figyeljük meg az interakciókat:
Az MI-ügynökök együttműködve több interakcióból is tanulhatnak. Miközben például az egyik ügynök kutatási összefoglalót készít, egy másik az élmény értékeléséhez elemezheti a párbeszédet. Ezek az ügynökök etnográfusokként azonosíthatják az eltéréseket a személy szándéka és a kimenet minőségéről alkotott benyomása között.
E megfigyelések felismerések felszínre hozásával és rendszermódosítások javaslatával támogathatják a folyamatos fejlesztést.
Mi ez? A kibővítés a felhasználó eredeti szándékát megőrizve alakítja át a bemenetét, utasítását vagy instrukcióját a jobb eredmény érdekében. Az MI a háttérben a kifejezett kérésen túlmutató további munkát végez. Az „árnyékutasítás” például gazdagíthatja a lekérdezést, mielőtt a rendszer választ generál.
A felhasználó megad egy kezdeti ötletet, az ügynök pedig kibővíti ezt a bemenetet, ha az javíthatja az eredményt.
Miért hasznos? Az emberek gyakran rövid vagy általános instrukciókat adnak, miközben a legjobb válaszhoz további lépésekre lehet szükség. Az MI-ügynökök áthidalhatják ezt a rést anélkül, hogy a felhasználóknak mindent el kellene magyarázniuk. Ha például valaki arra kéri az MI-t, hogy “brainstorm marketing ideas for my new coffee product”, máskülönben általános listát kaphatna.
A kibővített megközelítés több, egyre merészebb ötletbörzét futtathat, majd egyesítheti a legerősebb ötleteket, gazdagabb és változatosabb eredményt hozva létre.
A kihívás: A háttérben végzett munka csökkentheti a felhasználó tulajdonosi érzését és az átláthatóságot. Ha az MI magyarázat nélkül módosítja valakinek a kérését, olyan eredményt adhat, amelyet a felhasználó nem akart. A tervezőknek egyensúlyt kell találniuk a hasznos kibővítés és a nem kívánt befolyásolás kockázata között.
A tervezési kihívás az, hogy a felhasználók igény szerint irányíthassák a kibővítést.
Őrizzük meg a felhasználó szándékát, és építsünk rá:
A kibővítésnek új célok bevezetése nélkül kell támogatnia a felhasználó által megfogalmazott célokat. Miután az MI kibővít egy utasítást vagy elvégzi a háttérfeladatokat, neki vagy egy külön ellenőrzőnek össze kell vetnie a végső kimenetet az eredeti kéréssel. A váratlan kiegészítéseket egyértelműen jelezni kell.
Használjuk a kibővítést a biztonság és a kreativitás érdekében:
Az olyan technikák, mint az árnyékutasítás, aggályokat kelthetnek a felhasználói kérések titokban történő átformálása miatt. A bizalom megőrzéséhez úgy javítsuk velük az érthetőséget, a biztonságot vagy a teljességet, hogy ne sérüljön a felhasználó szándéka. Ha biztonsági módosításra van szükség, magyarázzuk el, vagy adjunk azonnali visszajelzést.
A felhasználók láthatják a moderálás eredményét anélkül, hogy ismernék a mögöttes logikát vagy feltételeket.
Merítsünk jól bevált facilitációs technikákból:
Az MI-ügynökök facilitációs és együttműködési módszerekkel – például a Liberating Structures keretrendszerrel – tehetik eredményesebbé az interakciókat. Ezek a könnyen alkalmazható keretrendszerek segítenek kibontakoztatni az ember kreatív és elemző képességeit.
Az ügynök a beszélgetés során ismerős ötletelési és ötletszűrési módszerekre támaszkodhat. A párbeszéd menetének apró változtatásai az ötletek és felismerések szélesebb körét hozhatják létre.
Párhuzamos gondolatmenetekkel tárjuk fel a hasznos tartalmat:
Az egyetlen lineáris párbeszéd helyett az ügynök egyszerre több értelmezést, ötletet vagy megoldást is vizsgálhat. Ez olyan, mintha szakértők egy csoportja különböző nézőpontokból ötletelne, hasznos felismerések elvesztése nélkül.
Egy koordináló folyamat koherens, gyakorlatban alkalmazható válasszá egyesítheti a különböző vizsgálati irányokat.
A kibővítéssel oktassuk a felhasználókat:
A jól megtervezett kibővítés abban is segíthet, hogy az emberek megtanuljanak hatékonyabban együttműködni az MI-vel. Ha egy ügynök elmagyarázza: “I considered X and Y in my answer,” a felhasználók a jövőbeli kéréseikbe is belefoglalhatják ezeket a tényezőket. Ez kétirányú javulást eredményez: most jobb válaszokat, idővel pedig jobb bemeneteket.
Mi ez? Ez a minta könnyebben érthetővé teszi az MI-ügynökök érvelését. Az átgondolt interakciók megmagyarázhatják, miért adott az ügynök egy bizonyos választ, kiemelhetik az alátámasztó forrásokat, vagy láthatóvá tehetik a folyamat releváns lépéseit. A cél a hatékony emberi döntéshozatal támogatása a felhasználó túlterhelése nélkül.
A releváns érvelés bemutatása akkor működik a legjobban, ha a felhasználók fokozatosan tárhatják fel, és megválaszthatják a szükséges részletességet.
Miért hasznos? A bizalom nélkülözhetetlen az MI elterjedéséhez, különösen vállalati környezetben. Az emberek kisebb valószínűséggel támaszkodnak olyan rendszerre, amelynek viselkedését nem értik vagy nem tudják ellenőrizni. Az átlátható kimenetek megkönnyítik a problémák feltárását, a hibák javítását és a hasznos módszerek megismétlését.
A kihívás: Az MI döntéseit nehéz lehet elmagyarázni. A túl sok részlet túlterhelheti a felhasználókat, a valószínűségek vagy hosszú érvelési összefoglalók pedig nehezen értelmezhetők lehetnek. Az átláthatóság önmagában sem garantálja a pontosságot.
A tervezőknek mérlegelniük kell a magyarázat minőségét, a bemutatás érthetőségét, valamint azt, hogyan válhatnak az alátámasztó bizonyítékok egy hasznos párbeszéd részévé.
Hagyjuk az ügynököket széles körben gondolkodni, majd tömörítsük az eredményeket:
Az MI mélyrehatóan elemezheti a problémát, miközben könnyen befogadható formában mutatja be az eredményeket. A hierarchikus összefoglalók és a fokozatos feltárás lehetővé teszik, hogy a felhasználók a fő felismeréssel kezdjenek, és csak szükség esetén bontsák ki az alátámasztó részleteket.
Egy jól megtervezett interakció a mélység és az érthetőség feláldozása nélkül teheti könnyen feltárhatóvá az összetett információkat.
Adjunk feltárható idézeteket és hivatkozásokat:
Az MI által generált válaszokban egyértelmű lehetőséget kell adni az alátámasztó források ellenőrzésére. Ide tartozhatnak hivatkozások, belső jelentések részletei, releváns kutatási eredmények vagy a számszerű adatok részletesebb nézetei.
A visszakereséssel kiegészített generálási rendszerekben például a felhasználóknak az MI összefoglalójából el kell tudniuk jutni az azt alátámasztó bizonyítékokhoz. Ez támogatja az ellenőrzést, és lehetővé teszi a bizalmat erősítő mélyebb vizsgálódást.
Jelezzük a folyamat fontos állomásait:
Az összetett ügynöki munkafolyamatok irányváltással, korábbi lépések újbóli áttekintésével vagy több vizsgálati szál egyesítésével járhatnak. A felhasználók könnyebben elfogadják a késést, ha értik, mi történik. Az egyértelmű állapotjelentések elmagyarázhatják, mit végzett el az ügynök, min dolgozik éppen, és mi következik.
Az ügynöknek azt is el kell magyaráznia, ha elakadt, vagy ha egy döntéshez további nézőpontokra van szükség.
Lépésenként tárjuk fel az MI kimenetét:
Ahelyett, hogy egyszerre mutatná be a teljes választ, az ügynök szakaszosan tárhatja fel az információkat. Egy befektetési asszisztens például rövid ajánlást mutathat, amelynek indoklása kibontható: “Step 1: Assess the risk profile. Step 2: Review the current portfolio. Step 3: Identify diversification opportunities. Step 4: Formulate a recommendation.” A részletekre kíváncsi felhasználók minden lépést feltárhatnak, mások pedig megmaradhatnak az összefoglalónál.
Magyarázzuk az MI érvelését vizuálisan:
A magyarázatoknak ugyanolyan érthetőnek kell lenniük, mint az elsődleges kimenetnek. Ha az érvelés számokat vagy összefüggéseket tartalmaz, grafikonok és ábrák segíthetnek. Az ügynök lekérdezéseinek, folyamatának, érvelésének és forrásainak megjelenítése abban is segíthet, hogy a felhasználók korrigálják az irányát, elmagyarázzák másoknak az eredményt, vagy később megismételjék a folyamatot.
A világos vizuális magyarázatok segítenek gyorsabban megérteni és felhasználni az információkat.