Visi esame patyrę nuviliančių sąveikų su DI arba pažįstame žmonių, kurie „nekenčia pokalbių robotų“, dažnai todėl, kad standartinė patirtis nėra naudinga, vertinga ar maloni. Šį nusivylimą dažnai lemia ne tiek modelio galimybės, kiek pati patirtis – žmonių ir DI agento sąveika siekiant norimo rezultato. Tai didelė kliūtis diegti DI, ypač įmonėse, kur prastai suprojektuotos sąveikos gali priblokšti, nepaisyti tikralaikio konteksto arba ignoruoti naudotojų ketinimus ir elgseną.
Atsižvelgdami į tai, nustatėme kiekvieno modelio teikiamą naudą, susijusius projektavimo iššūkius ir praktines jo taikymo gaires. Šie modeliai tinka įvairių tipų ir formų sąveikoms, todėl suteikia galimybių kurti tiek vartotojams skirtas patirtis, tiek vidinius DI sprendimus, padedančius žinių darbuotojams priimti geresnius sprendimus.
Norime pasidalyti ryškėjančiais modeliais, kuriuos pastebėjome kurdami ir išbandydami daugybę generatyvinio DI sprendimų, kad padėtume kurti geresnius žmonių ir DI santykius.
Daugelis mūsų sąveikų su technologijomis – tiek dirbant protinį darbą, tiek naudojantis jomis kaip vartotojams – kasdienes užduotis apsunkina labiau, nei turėtų. Jos riboja mūsų produktyvumą, veiksmingumą ir kuriamą vertę.
Tiek žinių darbuotojus, tiek vartotojus gali priblokšti milžiniškas prieinamos informacijos, pasirinkimų ir įrankių kiekis. Dėl šio nuolatinio, dažnai prieštaringų pranešimų srauto sunkiau aiškiai apsispręsti ir išlaikyti dėmesį. Tyrimai rodo, kad darbuotojai iki 40 % darbo dienos praleidžia vien ieškodami reikiamos informacijos („McKinsey“). Šis informacijos perteklius veikia ir produktyvumą, ir gerovę.
Be to, mūsų dėmesio ištekliai riboti. Net radę informaciją negalime apdoroti ar išanalizuoti visko, ko reikia pagrįstam sprendimui priimti. Vienu metu galime sutelkti dėmesį tik į nedidelę prieinamų duomenų dalį, todėl dažnai laikomės turimų įsitikinimų ar idėjų, ribojančių gebėjimą svarstyti alternatyvas ar pastebėti netikėtus dėsningumus.
Patys įrankiai dažnai šių ribotumų neatpažįsta. Dauguma technologijų kuriamos „vidutiniam naudotojui“ – tai visiems vienodi sprendimai, nepritaikyti prie individualių aplinkybių. Nesvarbu, ar naudojame darbo programinę įrangą, ar vartotojams skirtas programėles, šie įrankiai retai atsižvelgia į mūsų poreikius, apribojimus ar unikalias aplinkybes. Todėl technologijos gali tapti neefektyvios ar net trukdyti. Generatyvinis DI suteikia galimybę kurti lengviau prisitaikančias ir asmeniškesnes sąveikas.
Galiausiai, daugelyje darbo aplinkų be reikalo sukuriama kančia. Didėjanti „užimtumą imituojančio darbo“ apimtis, spaudimas būti „visada pasiekiamam“ ir pasikartojančios menkavertės užduotys didina atsiribojimą bei lėtinį stresą. Nors generatyvinis DI ir DI agentai galėtų sumažinti ar pašalinti šias problemas, daugelis žmonių vis dar nepasitiki DI gebėjimu apskritai pagerinti darbą. Žmonės gali priešintis minčiai, kad „DI perims darbą“, nes baiminasi būti pakeisti arba jaučia atsakomybę už savo darbą – net už nemėgstamas užduotis.
Vien pritaikyti DI nepakanka. Prastai integruotas DI gali sukurti naujų užduočių ir nerimo, ypač žinių darbuotojams. Šie iššūkiai rodo, kad reikia žmonių ir DI sąveikų, kurios būtų ne tik efektyvios, bet ir atitiktų mūsų pažintinius gebėjimus, individualias aplinkybes bei realaus pasaulio apribojimus. Toliau pateikiami šeši modeliai, kuriuose atsižvelgiama į žmonių poreikius ir kuriamas lengviau prisitaikantis, skaidresnis bei prasmingesnis santykis su DI.
Naujų projektavimo modelių ir veiksmingos, į žmogų orientuotos DI patirties principų ryšys.
Atranka: DI kaip išmanusis meniu – DI atrenka ir tvarko informaciją, padėdamas žmonėms naršyti didžiulius duomenų rinkinius ir sumažindamas informacijos perteklių.
Grįžtamasis ryšys: DI kaip mąstymo partneris – DI tikruoju laiku teikia susimąstyti skatinantį grįžtamąjį ryšį, kvestionuoja prielaidas ir siūlo kitokių požiūrių.
Situacijos suvokimas: DI, suprantantis, kas vyksta čia ir dabar – DI prisitaiko prie tikralaikio konteksto nuolat apdorodamas informaciją apie aplinką ir naudotojo poreikius.
Nuolatinis atradimas: kiekviena sąveika tampa naudotojų tyrimu – DI pasitelkia kiekvieną sąveiką įžvalgoms atskleisti ir savo supratimui tikslinti, todėl nuolat mokosi ir tobulėja.
Išplėtimas: naudotojo įvesties papildymas siekiant geresnių rezultatų – DI užkulisiuose pagerina naudotojų įvestį išsaugodamas jų pradinį ketinimą.
Eigos atskleidimas: skaidrus DI protavimas – DI aiškiai ir naudingai parodo savo sprendimų priėmimo procesą, stiprina pasitikėjimą ir padeda naudotojams priimti labiau pagrįstus sprendimus.
Šie šeši modeliai rodo, kad veiksmingiems DI sprendimams nepakanka tinkamai suprojektuotos naudotojo sąsajos. Jie lemia, kaip žmonės ir DI agentai koordinuoja veiksmus, priima sprendimus ir sąveikauja sudėtingose žinių sistemose. Šie modeliai gerina žmonių ir DI sąveiką šiais būdais:
Teikiant pirmenybę abipusiam keitimuisi žiniomis: sudaromos sąlygos dialogui, kuriame DI ir žmonės dalijasi idėjomis, kontekstu bei įžvalgomis. Tai padeda kurti pajėgesnes DI sistemas, pagrįstas dar neformalizuotomis ekspertų žiniomis ir nuojauta.
Kuriant prie aplinkybių prisitaikančias ir kintančias patirtis: DI įrankiai gali greitai pasenti ar prarasti aktualumą. Sistemos, kurios suvokia situaciją, nuolat mokosi ir prisitaiko prie kiekvieno naudotojo aplinkybių, ilgainiui išlieka naudingos.
Didinant pasitikėjimą: skaidrios, bendradarbiavimu grindžiamos sąveikos mažina diegimo kliūtis, didina įsitraukimą ir gerina tiek žmonių, tiek DI sprendimus. Kruopštus projektavimas padeda žmonėms ilgainiui išlaikyti pasitikėjimą sistemos sprendimais ir rezultatais.
Kurti veiksmingas DI patirtis sudėtinga, tačiau gali padėti patikrinti metodai. Pagrindiniai naudotojų supratimo ir naudingų patirčių kūrimo principai tebegalioja, tačiau reikia atsižvelgti ir į naujus aspektus, kuriuos lemia savarankiškai veikiančios DI sistemos. Patirtys, kurios veiksmingai atrenka informaciją, teikia naudingą grįžtamąjį ryšį ir skaidriai mokosi, gali sumažinti informacijos perteklių, pagerinti sprendimus ir stiprinti pasitikėjimą.
Šie modeliai padeda įveikti įprastas diegimo kliūtis, todėl DI tampa išties naudingas, lengvai prisitaikantis ir vertingesnis visiems dalyviams.
Toliau pateiktame vadove kiekvienas modelis nagrinėjamas išsamiau ir paaiškinama, kaip jis gali prisidėti prie platesnės DI patirties.
Kas tai: užuot patys naršę begalę paieškos rezultatų ar dokumentų, naudotojai gali patikėti DI agentams atrinkti informaciją iš didžiulių duomenų rinkinių ir pateikti aktualiausias įžvalgas. Iš esmės DI tampa bibliotekininku, kuris sutvarko žinias pagal naudotojo aplinkybes.
Kuo tai naudinga: padeda sumažinti informacijos perteklių. Vidutinis žinių darbuotojas informacijos paieškai kasdien skiria 1,8 valandos, o tai daugeliui darbuotojų didina perdegimo riziką („McKinsey“). DI grindžiama atranka šią problemą sprendžia indeksuodama, surasdama ir sujungdama informaciją iš įvairių šaltinių. Taip naudotojai atranda informacijos, galimybių ir įžvalgų, kurių įprastoje paieškoje galėtų nepastebėti.
Iššūkis: pereinant nuo įprastos paieškos per sąsają prie agento padedamo metodo, naudotojams tenka keisti savo lūkesčius. Žmonės įpratę peržiūrėti nuorodų sąrašą arba spausti mygtukus ir taip filtruoti duomenų rinkinį. DI atrankos sistema, priešingai, apibendrina atsakymus iš šaltinių, apie kurių egzistavimą naudotojai gali nė nežinoti. Dėl to naudotojams gali atrodyti, kad jie mažiau valdo filtravimą, ir jiems tenka pasitikėti agento pasirinkimais. Įprasti paieškos būdai gali padėti žmonėms prisitaikyti prie DI grindžiamos atrankos neprarandant pasitikėjimo ir kontrolės.
Kaip OpenAI pasitelkia pažįstamus sąveikos modelius struktūruotos ir nestruktūruotos informacijos paieškai.
Pateikite paieškos mechanizmus kaip pažįstamas sąveikas:
Kad perėjimas nuo įprastos paieškos būtų lengvesnis, vietoj tuščio lauko siūlykite pažįstamus sąveikos būdus. Naudotojai jausis patogiau, jei patirtis bus grindžiama atpažįstamomis parinktimis, klausimynais ir kontekstiniais pasiūlymais.
Vietoj atvirojo įvesties lauko užklausoms naudokite mygtukus:
Laisvos formos teksto įvestis gali atrodyti bauginanti arba reikalauti daug laiko. Iš anksto nustatyti arba automatiškai sukurti mygtukai daro atranką prieinamesnę. Pavyzdžiui, mygtukai „Filter by most recent“, „Compare pricing“ ir „Include global sources“ gali padėti naudotojams patikslinti rezultatus. Taip lengviau įsitraukti, skatinama tyrinėti, o DI rekomendacijos pritaikomos prie naudotojo ketinimų.
Leiskite naudotojams papasakoti savo istoriją ir taip patikslinti paieškos rezultatus:
Kartais pasakojimas naudotojo poreikius perteikia veiksmingiau nei tiesioginės užklausos ar filtrai. Sudėtingomis aplinkybėmis, pavyzdžiui, naršydami perkrautas suvestines ar ieškodami tinkamo gaminio, žmonės gali pasijusti priblokšti įprastų įrankių arba nežinoti, kuriuos parametrus keisti.
Kai naudotojai gali „papasakoti savo istoriją“ – apibūdinti problemą, asmeninį tikslą ar norimą gaminį, – DI gali paversti šį pasakojimą struktūruotais paieškos parametrais. Pavyzdžiui, pasakęs „I just moved into a smaller home and need versatile, budget-friendly storage solutions“, žmogus galėtų gauti atrinktų gaminių pasiūlymų, praktinių patarimų ir aktualių rekomendacijų.
Pasitelkdami pasakojimą ne tik sumažinate protinę naštą, susijusią su tinkamų filtrų pasirinkimu, bet ir suteikiate daugiau pasitikėjimo galutiniais atrinktais rezultatais bei aiškumo.
Suasmeninkite paiešką memais ir kultūrinėmis nuorodomis:
Memai DI atrankai padeda dvejopai: leidžia agentui geriau suprasti naudotoją ir paieškos rezultatus pateikia gyviau, žmogiškiau bei suprantamiau. Pirma, pasirinkdami ar nurodydami jų tikslus, nuotaiką ar stilių perteikiančius memus („I’m feeling the ‘Treat Yo Self’ vibe today!“), naudotojai iš esmės atskleidžia DI savo „sąmonės teoriją“. Taip agentas gali tiksliau atlikti atranką, numanydamas kontekstą, kuris įprastoje grafinėje sąsajoje ar tekstinėje užklausoje galėtų pradingti.
Antra, agentas gali pateikti rezultatus teminiais ar popkultūros įkvėptais „pradiniais rinkiniais“, todėl rekomendacijos atrodo aktualesnės ir labiau suasmenintos. Pavyzdžiui, jei žmogus atnaujina namų biurą, DI galėtų sukurti „WFH pradinį rinkinį“, kuriame derinami stalo reikmenys, technologijos ir įkvėpimo šaltiniai.
Suteikite naudotojui aiškumo pasiūlydami tolesnius geriausius veiksmus:
Nesvarbu, ar DI agento rezultatai atitinka lūkesčius, naudotojams turi būti lengva patikslinti parametrus. Pavyzdžiui, jie galėtų paprašyti „Show me more like item 2“ arba „Exclude sources older than 2020“. Siūlomi tolesni veiksmai gali padėti naujiems naudotojams jų neapsunkindami.
Kas tai: DI agentai dažnai aptariami kaip būdas perduoti jiems darbus, kuriuos tradiciškai atlieka žmonės. Jų gebėjimui bendradarbiauti tikruoju laiku skiriama mažiau dėmesio. Užuot tik vykdęs nurodymus ar kūręs turinį, agentas gali užduoti susimąstyti skatinančių klausimų, kvestionuoti prielaidas ir pasiūlyti kitokių požiūrių. Taip DI tampa mąstymo partneriu, padedančiu naudotojams tobulinti darbą jį atliekant.
Kuo tai naudinga: savalaikis grįžtamasis ryšys naudingas visiems, tačiau ne visada jį gauname. Ir prieštaravimai, ir palaikymas gali padėti pastebėti dėsningumus dar pernelyg neprisirišus prie idėjos. DI agentai gali kvestionuoti mūsų prielaidas, generuoti idėjas ir siūlyti kitokias duomenų interpretacijas, nepakeisdami žmogaus sprendimo. Pastebėjome, kad žmonės dažnai palankiai reaguoja į tokį agento grįžtamąjį ryšį.
DI agentai gali pateikti kontrargumentų, kurie atskleidžia protavimo spragas arba išryškina kitus požiūrius.
Iššūkis: DI grįžtamasis ryšys turi būti intuityvus ir praktiškai pritaikomas, antraip jis tik blaškys. Žmonės nenori agento, kuris pertraukinėja nereikšmingais pasiūlymais ar kabinėjasi prie kiekvienos smulkmenos. DI turėtų įsikišti tinkamu metu ir pasirinkti tinkamą toną. Jei jis pernelyg pasyvus, praleidžiamos naudingos galimybės; jei pernelyg atkaklus, naudotojams gali atrodyti, kad jų sprendimais abejojama.
Svarbu nuspręsti, kaip pateikti DI grįžtamąjį ryšį: kaip užuominas, pasirenkamą peržiūrą ar abipusį dialogą? Nuo tinkamai sukurtos sąveikos priklausys, ar naudotojai priims DI kaip partnerį, ar matys jame tik „Clippy 2.0“.
Užtikrinkite, kad grįžtamasis ryšys būtų iniciatyvus, bet neerzintų:
Leiskite DI teikti pasiūlymus natūraliomis pauzėmis. Pavyzdžiui, dokumentų rengyklėje jis galėtų palaukti, kol bus baigtas sakinys ar pastraipa, ir tik tada pasiūlyti pataisą. Taip pat bandėme leisti agentui trumpai palaukti pasirinkus tuščią teksto lauką ir tik tada pasiūlyti pagalbą. Tonas svarbus: „Here’s an idea to consider…“ skamba konstruktyviau nei kategoriškas teiginys.
Paverskite grįžtamąjį ryšį tiriamuoju dialogu:
Jei grįžtamasis ryšys neaiškus, naudotojams turėtų būti lengva paklausti, pavyzdžiui: „Why do you suggest changing this?“ Smalsi DI asmenybė gali suteikti sąveikai daugiau konstruktyvumo. Kaip dėmesingas terapeutas ar fasilitatorius, agentas tinkamu metu gali užduoti aktualių klausimų ir grįžtamąjį ryšį paversti pokalbiu, kuris padeda naudotojui mokytis.
Tai taip pat padeda DI surinkti kontekstą, todėl naudotojas ir agentas gali susidaryti aiškesnį bendrą supratimą.
Siūlykite kelias parinktis, idėjas ar alternatyvas:
Užuot pateikęs vieną idėją, sprendimą ar iššūkį, agentas gali pasiūlyti kelis požiūrius. Pavyzdžiui, projektavimo agentas galėtų sukurti tris alternatyvius išdėstymus, o rašymo agentas – pasiūlyti skirtingoms auditorijoms pritaikytas sakinio versijas. Parinktys pabrėžia, kad kontrolė lieka naudotojo rankose.
Užtikrinkite, kad grįžtamasis ryšys atsižvelgtų į kontekstą:
Agentas turėtų pritaikyti savo kaip „mąstymo partnerio“ vaidmenį prie dabartinio naudotojo konteksto. Jei žmogus sustoja ties klausimu ar teksto lauku, DI galėtų užduoti susimąstyti skatinantį klausimą, užuot iškart pateikęs išsamų atsakymą. Kai naudotojui reikia tik perfrazuoti sakinį, trumpas pasiūlymas, kurį galima priimti arba atmesti, padeda išsaugoti jo kontrolę.
Svarbiausia, DI turi žinoti, kada atsitraukti: užsitęsęs dialogas gali virsti nesibaigiančių taisymų „užburtu ratu“ ir pakirsti naudotojo pasitikėjimą. Atsižvelgdamas į kontekstą ir naudotojo veiksmus, DI agentas gali pritaikyti grįžtamąjį ryšį taip, kad jis tikrai padėtų ir neperžengtų ribų.
Kas tai: situacijos suvokimas – agento gebėjimas tikruoju laiku interpretuoti kontekstinę informaciją ir atitinkamai keisti savo elgseną. DI agentai gali neapsiriboti iš anksto nustatyta įvestimi ir nuolat apdoroti informaciją apie aplinką, dabartinę naudotojo būseną bei kitas svarbias sąlygas.
Tai gali reikšti sąsajos pritaikymą prie tiesioginių naudotojo poreikių arba esamų rinkos sąlygų vertinimą, kad atsakymai būtų aktualesni.
Kuo tai naudinga: tikrasis pasaulis nėra statiškas. Situaciją suvokiančios DI sistemos gali būti naudingesnės, nes reaguoja į esamas sąlygas. Kai agentas supranta svarbų kontekstą, sąveikos atrodo natūralesnės, labiau suasmenintos ir pagrįstos.
Iššūkis: sukurti DI, kuris iš tiesų suvokia situaciją, yra sudėtinga. Prieiga prie reikiamų duomenų ir jų integravimas gali būti techniškai labai sudėtingi.
Riba tarp naudingo konteksto suvokimo ir įkyraus kišimosi yra labai plona. Naudotojai vertina agentą, kuris „viską supranta“, tačiau gali pasijusti nejaukiai, jei šis prašo per daug informacijos ar atrodo pernelyg atkaklus. Kadangi aplinkybės gali greitai keistis, žmogaus kompetencija ir sprendimas tebėra būtini.
Todėl veiksmingai DI sistemai reikia naudotojų indėlio, kad jos turimas aplinkybių supratimas išliktų naudingas ir aktualus.
Parodykite naudotojams, kaip atrodo tinkamas kontekstas:
Tokie protavimo modeliai kaip OpenAI o1 pakeitė žmonių požiūrį į konteksto pateikimą didiesiems kalbos modeliams. Nepriklausomai nuo modelio, išsamus kontekstas padeda gauti aktualesnius atsakymus. Aiškūs pavyzdžiai, vietaženklio tekstas ir išskleidžiami patarimai gali parodyti, kokią informaciją pateikti, ir paaiškinti, kodėl ji svarbi.
Aiškiai parodžius naudotojui, kaip atrodo „tinkamas kontekstas“, nebereikia spėlioti ir žmonėms lengviau pateikti prasmingų detalių.
Leiskite lengvai nustatyti agento ribas:
Tiesioginiai naudotojo poreikiai yra svarbūs, tačiau gali būti neakivaizdūs. Situaciją suvokiantis agentas gali kartu su naudotoju apibrėžti temas, sritis ir įrankius, kuriuos turėtų nagrinėti. ChatGPT gilusis tyrimas palaiko šį metodą: prieš pradėdamas tyrimo užduotį jis užduoda patikslinamųjų klausimų.
Aiškiai rodykite kontekstą, kad jį būtų galima greitai taisyti ir papildyti:
Naudotojams gali reikėti glaustai pamatyti dabartines DI prielaidas apie jų tikslus, prioritetus ir duomenų šaltinius. Specialiame skydelyje galima nurodyti jo žinių ribinę datą, dabartines prielaidas ir aktualią įvestį. Piktograma galėtų rodyti, kada naudojami vietos duomenys, o santrauka – kiek įrašų prisidėjo prie įžvalgos.
Žmonėms naudinga matyti, ką DI „žino“, ir be didelių pastangų pridėti, pašalinti ar atnaujinti svarbų kontekstą.
Leiskite DI pasirinkti naudingiausias naudotojo sąsajos funkcijas:
DI agentai gali pasirinktinai įjungti arba išjungti funkcijas pagal situacijos signalus. Kai žmogus rengia analitinį dokumentą, agentas galėtų įjungti išplėstinius citavimo įrankius, o redaguojant pranešėjo pastabas – išryškinti redagavimo funkcijas. Taip sukuriama į užduotį orientuota patirtis, o naudotojams nereikia rankiniu būdu valdyti kiekvienos nuostatos.
Kas tai: patirties projektavimo ir produktų kūrimo srityse naudotojų tyrimai dažnai laikomi atskiru etapu projekto pradžioje arba atliekami nustatytais intervalais. Taikant nuolatinio atradimo metodą, naudotojų elgsenos, poreikių ir pageidavimų pažinimas tampa tęstiniu procesu. DI gali paversti pokalbius, spustelėjimus ir atsiliepimus galimybėmis atskleisti įžvalgas, kurių naudotojai gali aiškiai neišsakyti.
Iš esmės DI toliau mokosi ir tikruoju laiku prisitaiko prie sprendžiamos problemos.
Kuo tai naudinga: gali būti sunku iš ekspertų, praktikų ir kitų naudotojų gauti vertingų atsiliepimų apie DI rezultato veiksmingumą ar patogumą. Agentai gali padėti užfiksuoti reakcijas, įžvalgas ir nuojautas kontekste, kol patirtis dar gyva.
Iššūkis: atsiliepimai dažnai parodo, kas įvyko arba ar naudotojui patiko rezultatas, tačiau nepaaiškina kodėl. Prašymas prisiminti ir užrašyti kiekvieną mąstymo žingsnį gali atrodyti varginantis, net jei tokios įžvalgos pagerintų būsimas sistemos galimybes.
Tai ypač svarbu griežtai apribotose DI sistemose, kuriose atviras pokalbis gali būti nei pageidautinas, nei įmanomas.
Reakcijoms fiksuoti naudokite aprašomąsias žymas:
Paprastas nykštys aukštyn ar žemyn retai paaiškina naudotojo reakciją. Aprašomosios žymos, pavyzdžiui, „naudinga planuojant biudžetą“ arba „trūksta informacijos apie reglamentavimą“, suteikia daugiau naudingo konteksto. Šios žymos gali apibūdinti dabartinę sąveiką arba paskatinti naudotojus trumpai išsakyti nuomonę, taip vertinimą paverčiant informacija, iš kurios DI gali mokytis.
Kreipkite DI agentus naudodami „mokymosi korteles“:
Kai DI suklysta arba užduotį atlieka tik iš dalies, suteikite naudotojams paprastą būdą jį pataisyti ar „pamokyti“. Pavyzdžiui, agentas galėtų paklausti: „How would you phrase it?“ arba „What detail did we miss?“ Gautas gaires galima išsaugoti dabartinei sąveikai arba panaudoti vėliau.
Mokykitės kartodami ir keisdami:
Kartais geriausias grįžtamasis ryšys gaunamas pabandžius dar kartą. Paprasti pakartotinio generavimo valdikliai leidžia naudotojams palyginti naujas parinktis ir išsirinkti tinkamiausias. Šie pasirinkimai susieja pradinę įvestį su naudingesniu rezultatu, o eksperimentavimą paverčia mokymosi proceso dalimi.
Stebėkite sąveikas:
DI agentai gali bendradarbiauti ir mokytis iš daugelio sąveikų. Pavyzdžiui, vienam agentui rengiant tyrimo santrauką, kitas galėtų analizuoti sąveiką ir vertinti patirtį. Veikdami tarsi etnografai, šie agentai gali nustatyti skirtumus tarp žmogaus ketinimų ir jo požiūrio į rezultato kokybę.
Tokie stebėjimai gali padėti nuolat tobulėti, nes atskleidžia įžvalgas ir siūlo sistemos pakeitimus.
Kas tai: išplėtimas pritaiko naudotojo įvestį, užklausą ar nurodymą, kad būtų gautas geresnis rezultatas, kartu išsaugant pradinį ketinimą. DI užkulisiuose atlieka papildomą darbą, kurio neapima tiesioginis prašymas. Pavyzdžiui, „šešėlinis užklausų papildymas“ gali praturtinti užklausą prieš sistemai sugeneruojant atsakymą.
Naudotojas pateikia pradinę mintį, o agentas išplečia įvestį, jei taip galima pagerinti rezultatą.
Kuo tai naudinga: žmonės dažnai pateikia trumpus ar bendro pobūdžio nurodymus, nors geriausiam atsakymui gali reikėti papildomų veiksmų. DI agentai gali užpildyti šią spragą nereikalaudami, kad naudotojai viską paaiškintų. Pavyzdžiui, paprašius DI „brainstorm marketing ideas for my new coffee product“, kitu atveju būtų galima gauti tik bendrą sąrašą.
Taikant išplėstinį metodą būtų galima surengti kelias vis ambicingesnes idėjų paieškos sesijas ir sujungti geriausias mintis, taip gaunant turiningesnį bei įvairesnį rezultatą.
Iššūkis: užkulisinis darbas gali sumažinti naudotojo kontrolės ir skaidrumo pojūtį. Jei DI pakeičia žmogaus prašymą nepaaiškinęs pakeitimo, rezultatas gali neatitikti naudotojo pageidavimų. Dizaineriai turi suderinti naudingą išplėtimą su nepageidaujamos manipuliacijos rizika.
Projektuojant svarbu suteikti naudotojams galimybę valdyti išplėtimą, kai jie to nori.
Išsaugokite naudotojo ketinimą ir jį išplėtokite:
Išplėtimas turėtų padėti siekti naudotojo nurodytų tikslų, bet nekurti naujų. DI išplėtus užklausą ar atlikus fonines užduotis, jis arba atskira tikrinimo sistema turėtų palyginti galutinį rezultatą su pradiniu prašymu. Apie netikėtus papildymus reikia pranešti aiškiai.
Išplėtimą naudokite saugumui ir kūrybiškumui didinti:
Tokie metodai kaip šešėlinis užklausų papildymas gali kelti susirūpinimą dėl slapto naudotojų prašymų pertvarkymo. Kad išlaikytumėte pasitikėjimą, naudokite juos aiškumui, saugumui ar išsamumui didinti, nepakenkdami naudotojo ketinimui. Jei saugumo sumetimais būtinas pakeitimas, jį paaiškinkite arba iškart pateikite grįžtamąjį ryšį.
Naudotojai gali matyti moderavimo rezultatą, bet ne jo logiką ar kriterijus.
Pasitelkite išbandytus fasilitavimo metodus:
DI agentai gali taikyti fasilitavimo ir bendradarbiavimo metodus, pavyzdžiui, „Liberating Structures“, kad sąveika būtų produktyvi. Šios nesudėtingos struktūros padeda geriausiai išnaudoti žmogaus kūrybinį ir analitinį potencialą.
Pokalbio metu agentas gali pasitelkti pažįstamus idėjų paieškos ir atrankos metodus. Nedideli sąveikos eigos pakeitimai gali padėti sugeneruoti įvairesnių idėjų ir įžvalgų.
Naudingam turiniui atrasti naudokite lygiagrečias gijas:
Užuot apsiribojęs viena nuoseklia sąveika, agentas gali vienu metu nagrinėti kelias interpretacijas, idėjas ar išeitis. Tai primena ekspertų grupę, kuri ieško idėjų iš skirtingų perspektyvų ir nepraranda naudingų įžvalgų.
Koordinavimo procesas gali sujungti šias skirtingas tyrinėjimo kryptis į nuoseklų ir praktiškai pritaikomą atsakymą.
Naudokite išplėtimą naudotojams mokyti:
Tinkamai sukurtas išplėtimas taip pat gali padėti žmonėms išmokti veiksmingiau bendrauti su DI. Jei agentas paaiškina „I considered X and Y in my answer“, naudotojai gali įtraukti šiuos veiksnius į būsimas užklausas. Taip tobulėjama dviem kryptimis: geresni atsakymai dabar ir geresnė įvestis ilgainiui.
Kas tai: šis modelis padeda lengviau suprasti DI agentų protavimą. Gerai apgalvotos sąveikos gali paaiškinti, kodėl agentas pateikė konkretų atsakymą, išryškinti jį pagrindžiančius šaltinius arba parodyti svarbius proceso žingsnius. Tikslas – padėti žmonėms veiksmingai priimti sprendimus jų neapsunkinant.
Svarbų protavimą geriausia rodyti taip, kad naudotojai galėtų jį nagrinėti palaipsniui ir pasirinkti reikiamą išsamumo lygį.
Kuo tai naudinga: pasitikėjimas būtinas DI diegimui, ypač įmonėse. Žmonės rečiau pasikliauja sistema, jei negali suprasti ar patikrinti jos elgsenos. Skaidrūs rezultatai padeda lengviau nustatyti problemas, taisyti klaidas ir kartoti naudingus metodus.
Iššūkis: paaiškinti DI sprendimus gali būti sunku. Per daug detalių gali priblokšti naudotojus, o tikimybes ar ilgas protavimo santraukas gali būti sunku interpretuoti. Vien skaidrumas taip pat neužtikrina tikslumo.
Dizaineriai turi įvertinti paaiškinimo kokybę, jo pateikimo aiškumą ir tai, kaip pagrindžiantys įrodymai gali tapti naudingo dialogo dalimi.
Leiskite agentams mąstyti plačiai, o tada sutraukite rezultatus:
DI gali išsamiai išanalizuoti problemą, o rezultatus pateikti lengvai suprantamu formatu. Hierarchinės santraukos ir laipsniškas informacijos atskleidimas leidžia pradėti nuo pagrindinės įžvalgos ir tik prireikus išskleisti ją pagrindžiančias detales.
Tinkamai sukurta sąveika gali padėti lengvai nagrinėti sudėtingą informaciją neprarandant išsamumo ar aiškumo.
Pateikite nagrinėjamas citatas ir nuorodas:
DI sugeneruoti atsakymai turėtų suteikti naudotojams aiškų būdą patikrinti juos pagrindžiančius šaltinius. Tai gali būti nuorodos, vidinių ataskaitų ištraukos, aktualūs tyrimų rezultatai arba išsamesnis kiekybinių duomenų vaizdas.
Pavyzdžiui, generavimo su informacijos paieška sistemose naudotojai turėtų galėti nuo DI santraukos pereiti prie ją pagrindžiančių įrodymų. Tai padeda patikrinti informaciją ir leidžia ją išsamiau tyrinėti, taip stiprinant pasitikėjimą.
Praneškite svarbius pažangos signalus:
Sudėtingose agentų darbo eigose gali reikėti keisti kryptį, grįžti prie ankstesnių veiksmų ar sujungti kelias tyrimo kryptis. Naudotojai lengviau toleruoja delsimą, kai supranta, kas vyksta. Aiškūs pažangos pranešimai gali paaiškinti, ką agentas jau atliko, ką daro dabar ir kas laukia toliau.
Agentas taip pat turėtų paaiškinti, kada jam nepavyksta pajudėti pirmyn arba kada sprendimui reikia papildomų požiūrių.
Atskleiskite DI rezultatus žingsnis po žingsnio:
Užuot iškart pateikęs visą atsakymą, agentas gali atskleisti informaciją etapais. Pavyzdžiui, investavimo asistentas galėtų pateikti trumpą rekomendaciją su galimybe išskleisti jos pagrindimą: „Step 1: Assess the risk profile. Step 2: Review the current portfolio. Step 3: Identify diversification opportunities. Step 4: Formulate a recommendation.“ Daugiau informacijos norintys naudotojai gali nagrinėti kiekvieną žingsnį, o kiti – apsiriboti santrauka.
DI protavimą aiškinkite vaizdinėmis priemonėmis:
Paaiškinimai turėtų būti tokie pat suprantami kaip pagrindinis rezultatas. Kai protavimas susijęs su skaičiais ar ryšiais, gali padėti diagramos ir schemos. Agentų užklausų, proceso, protavimo ir šaltinių vizualizavimas taip pat gali padėti naudotojams pakoreguoti jo kryptį, paaiškinti rezultatą kitiems ar vėliau pakartoti procesą.
Aiškūs vaizdiniai paaiškinimai padeda naudotojams greičiau suprasti informaciją ir ja remiantis veikti.