Все мы сталкивались с разочаровывающим опытом взаимодействия с ИИ или знаем людей, которые «ненавидят чат-ботов», — часто потому, что стандартный опыт оказывается бесполезным, неценным или неприятным. Такое разочарование зачастую связано не столько с возможностями модели, сколько с самим опытом — взаимодействием между людьми, ИИ-агентом и желаемым результатом. Это серьезное препятствие для внедрения, особенно в компаниях, где плохо спроектированное взаимодействие может перегружать пользователей, игнорировать текущий контекст либо не учитывать их намерения и поведение.
С этой точки зрения мы определили преимущества каждой модели, связанные с ней сложности проектирования и практические рекомендации по применению. Эти модели применимы к разным типам и форматам взаимодействия, открывая возможности как для потребительских продуктов, так и для внутренних ИИ-решений, помогающих специалистам умственного труда принимать более взвешенные решения.
Мы хотим поделиться формирующимися моделями, которые наблюдаем при создании и тестировании множества решений на основе генеративного ИИ, чтобы помочь проектировать более эффективные отношения между людьми и ИИ.
Многие способы взаимодействия с технологиями — и в работе, и в повседневной жизни — усложняют обычные задачи больше, чем необходимо. Они ограничивают нашу продуктивность, результативность и создаваемую ценность.
Как специалисты умственного труда, так и потребители могут испытывать перегрузку из-за огромного количества доступной информации, вариантов и инструментов. Этот постоянный поток зачастую противоречивых сообщений мешает принимать ясные решения и сохранять сосредоточенность. Исследования показывают, что сотрудники тратят до 40% рабочего дня только на поиск необходимой информации (McKinsey). Такая информационная перегрузка влияет и на продуктивность, и на благополучие.
Кроме того, наша способность концентрировать внимание ограничена. Даже найдя информацию, мы не можем обработать или проанализировать всё необходимое для обоснованного решения. В каждый момент мы способны сосредоточиться лишь на небольшой части доступных данных, нередко цепляясь за привычные убеждения или идеи, которые мешают рассматривать альтернативы и замечать неожиданные закономерности.
Сами инструменты зачастую не учитывают эти ограничения. Большинство технологий рассчитано на «среднего» пользователя — это универсальные решения, которые не адаптируются к индивидуальному контексту. Будь то рабочее программное обеспечение или потребительские приложения, эти инструменты редко учитывают наши потребности, ограничения и уникальные обстоятельства. В итоге технологии могут оказаться неэффективными или даже мешать работе. Генеративный ИИ открывает возможность создавать более адаптивные и персонализированные способы взаимодействия.
Наконец, многие рабочие среды создают ненужные страдания. Растущий объем рутинной работы, давление из-за необходимости «всегда быть на связи» и повторяющиеся малоценные задачи ведут к потере вовлеченности и хроническому стрессу. Хотя генеративный ИИ и ИИ-агенты могли бы сократить или устранить эти явления, многие по-прежнему не верят, что ИИ способен в целом улучшить работу. Люди могут сопротивляться идее, что «ИИ всё возьмет на себя», опасаясь потерять работу или испытывая чувство авторства даже по отношению к задачам, которые им не нравятся.
Само по себе применение ИИ не решает проблему. Плохо интегрированный ИИ может создавать новые задачи и поводы для беспокойства, особенно у специалистов умственного труда. Эти проблемы показывают потребность во взаимодействии человека и ИИ, которое не только эффективно, но и учитывает наши когнитивные возможности, индивидуальные обстоятельства и ограничения реального мира. Шесть представленных ниже моделей учитывают потребности людей и способствуют более адаптивным, прозрачным и содержательным отношениям с ИИ.
Связь между формирующимися моделями проектирования и принципами эффективного, ориентированного на человека взаимодействия с ИИ.
Курирование: ИИ как интеллектуальное меню — ИИ отбирает и организует информацию, снижая перегрузку и помогая людям ориентироваться в огромных массивах данных.
Обратная связь: ИИ как партнер по осмыслению — ИИ в реальном времени дает побуждающую к размышлению обратную связь, оспаривает допущения и предлагает альтернативные взгляды.
Ситуационная осведомленность: ИИ, который понимает, что происходит здесь и сейчас — ИИ адаптируется к контексту в реальном времени, непрерывно обрабатывая сведения об окружающей среде и потребностях пользователя.
Непрерывное исследование: каждое взаимодействие как изучение пользователей — ИИ использует каждое взаимодействие, чтобы выявлять полезные сведения и уточнять свое понимание, непрерывно учась и совершенствуясь.
Усиление: дополнение пользовательского ввода для улучшения результатов — ИИ незаметно обогащает ввод пользователя, сохраняя его исходное намерение.
Демонстрация процесса: прозрачные рассуждения ИИ — ИИ делает процесс принятия решений видимым и полезным, укрепляя доверие и помогая пользователям принимать более обоснованные решения.
Эти шесть моделей показывают, что эффективным ИИ-решениям недостаточно хорошо спроектированного пользовательского интерфейса. Они определяют, как люди и ИИ-агенты координируют действия, принимают решения и взаимодействуют в сложных системах знаний. Эти модели улучшают взаимодействие человека и ИИ благодаря следующим принципам:
Приоритет двустороннего обмена знаниями: создавайте диалог, в котором и ИИ, и люди делятся идеями, контекстом и выводами. Это способствует созданию более функциональных ИИ-систем, использующих экспертные знания и интуитивные выводы, которые еще не были формализованы.
Создание опыта, адаптирующегося к разным обстоятельствам: инструменты ИИ могут быстро устаревать или терять актуальность. Системы, которые сохраняют ситуационную осведомленность, непрерывно учатся и адаптируются к обстоятельствам каждого пользователя, остаются полезными со временем.
Укрепление доверия и уверенности: прозрачное совместное взаимодействие снижает барьеры внедрения, повышает вовлеченность и улучшает решения как людей, так и ИИ. Продуманный дизайн помогает людям со временем сохранять уверенность в решениях и результатах системы.
Проектировать эффективное взаимодействие с ИИ непросто, но проверенные подходы способны помочь. Основополагающие принципы понимания пользователей и создания полезного опыта сохраняются, но к ним добавляются новые аспекты, связанные с самостоятельностью ИИ-систем. Решения, которые эффективно курируют информацию, дают полезную обратную связь и прозрачно обучаются, могут снизить перегрузку, улучшить принятие решений и укрепить доверие.
Эти модели помогают преодолеть распространенные препятствия для внедрения, делая ИИ по-настоящему полезным, адаптивным и более ценным для всех участников.
В приведенном ниже руководстве каждая модель рассматривается подробнее и объясняется, как она может способствовать более целостному взаимодействию с ИИ.
Что это: вместо того чтобы вручную просматривать бесконечные результаты поиска или документы, пользователи могут поручить ИИ-агентам отбор информации из огромных массивов данных и представление наиболее значимых выводов. По сути, ИИ становится библиотекарем, который организует знания с учетом контекста пользователя.
Почему это полезно: такой подход снижает информационную перегрузку. В среднем специалист умственного труда тратит 1,8 часа в день на поиск информации, что у многих сотрудников способствует выгоранию (McKinsey). Курирование с помощью ИИ решает эту проблему, индексируя, находя и объединяя информацию из множества источников и помогая пользователям находить сведения, варианты и выводы, которые традиционный поиск мог бы упустить.
Сложность: переход от традиционного поиска через интерфейс к подходу с участием агента требует от пользователей изменить свои ожидания. Люди привыкли просматривать списки ссылок или нажимать кнопки, чтобы фильтровать набор данных. ИИ-куратор, напротив, формирует ответы на основе источников, о существовании которых пользователи могут не знать. Из-за этого пользователям может казаться, что они хуже контролируют фильтрацию и вынуждены доверять выбору агента. Привычные механизмы поиска помогают людям освоить курирование с помощью ИИ, не теряя уверенности и контроля.
Как OpenAI использует привычные модели взаимодействия для поиска структурированной и неструктурированной информации.
Представляйте механизмы поиска как привычные способы взаимодействия:
Чтобы облегчить переход от традиционного поиска, предлагайте привычные способы взаимодействия вместо пустого поля. Пользователям будет комфортнее, если интерфейс опирается на знакомые варианты выбора, анкеты и контекстные подсказки.
Используйте кнопки как промпты, не требуя развернутого ввода:
Ввод произвольного текста может казаться сложным или занимать много времени. Предустановленные или автоматически созданные кнопки делают курирование доступнее. Например, кнопки «Сначала новые», «Сравнить цены» и «Добавить международные источники» помогут пользователям уточнить результаты. Это упрощает начало работы, побуждает к исследованию и помогает ИИ формировать рекомендации с учетом намерений пользователя.
Позвольте пользователям рассказать свою историю, чтобы уточнить результаты поиска:
Иногда рассказ позволяет выразить потребности пользователя точнее, чем прямые запросы или фильтры. В сложных ситуациях — например, при работе с перегруженными панелями или поиске подходящего товара — традиционные инструменты могут подавлять, а нужные параметры не всегда очевидны.
Если пользователи могут «рассказать свою историю» — описать проблему, личную цель или желаемый товар, — ИИ способен преобразовать этот рассказ в структурированные параметры поиска. Например, пользователь, который говорит: “I just moved into a smaller home and need versatile, budget-friendly storage solutions,” — может получить тщательно отобранные товары, практические советы и актуальные рекомендации.
Используя такой формат, вы не только избавляете людей от необходимости самостоятельно выбирать фильтры, но и повышаете их уверенность в итоговой подборке и ясность результатов.
Используйте мемы и культурные отсылки для персонализации поиска:
Мемы помогают ИИ курировать информацию двумя способами: углубляют понимание пользователя агентом и делают результаты поиска более живыми, человечными и близкими. Во-первых, выбирая или упоминая мемы, которые отражают их цели, настроение или стиль (“I’m feeling the ‘Treat Yo Self’ vibe today!”), пользователи фактически делятся с ИИ своей «моделью психического состояния». Это помогает агенту точнее настроить курирование, выявляя контекст, который мог бы потеряться в обычном графическом интерфейсе или текстовом запросе.
Во-вторых, агент может представить результаты в виде тематических «стартовых наборов» с отсылками к поп-культуре, делая рекомендации более актуальными и персонализированными. Например, если человек обновляет домашний офис, ИИ может создать «стартовый набор для удаленной работы», объединив аксессуары для стола, технику и источники вдохновения.
Подсказывайте пользователю оптимальные следующие действия:
Независимо от того, насколько удачны результаты ИИ-агента, пользователи должны иметь возможность легко уточнять параметры. Например, можно попросить: “Show me more like item 2,” или “Exclude sources older than 2020.” Предлагаемые следующие действия помогут новичкам, не перегружая их.
Что это: ИИ-агентов часто обсуждают как средство делегирования работы, которую традиционно выполняли люди. Их способности выступать в роли партнеров, взаимодействующих в реальном времени, уделяется меньше внимания. Вместо простого выполнения инструкций или создания контента агент может задавать наводящие на размышления вопросы, оспаривать допущения и предлагать альтернативные взгляды. Так ИИ становится партнером по осмыслению, помогая пользователям улучшать работу по мере ее развития.
Почему это полезно: своевременная обратная связь полезна всем, но получаем мы ее не всегда. И возражения, и поддержка помогают выявлять закономерности, прежде чем мы слишком привяжемся к идее. ИИ-агенты могут подвергать сомнению наши допущения, генерировать идеи и предлагать альтернативные интерпретации данных, не подменяя человеческие суждения. Мы обнаружили, что люди часто хорошо воспринимают такую обратную связь от агентов.
ИИ-агенты могут приводить контраргументы, выявляющие пробелы в рассуждениях или показывающие альтернативные точки зрения.
Сложность: обратная связь от ИИ должна быть понятной и применимой на практике, иначе она будет лишь отвлекать. Людям не нужен агент, который перебивает неуместными советами или придирается к каждой мелочи. ИИ должен вмешиваться в подходящий момент и выбирать верный тон. Если он слишком пассивен, полезные возможности будут упущены; если чрезмерно напорист, пользователям может казаться, что их решения постоянно ставят под сомнение.
Сложность заключается в форме обратной связи от ИИ: должна ли она появляться как подсказка, необязательная проверка или двусторонний диалог? От качества взаимодействия зависит, примут ли пользователи ИИ как партнера или увидят в нем лишь «Скрепыша 2.0».
Делайте обратную связь инициативной, но не назойливой:
Позвольте ИИ предлагать рекомендации в естественные моменты паузы. Например, в текстовом редакторе он может дождаться завершения предложения или абзаца и лишь затем предложить правку. Мы также изучали вариант, при котором агент немного ждет после выбора пустого текстового поля, прежде чем предложить помощь. Тон имеет значение: “Here’s an idea to consider…” звучит конструктивнее, чем категоричное утверждение.
Превратите обратную связь в исследовательский диалог:
Если обратная связь непонятна, пользователю должно быть легко задать вопрос, например: “Why do you suggest changing this?” Любознательный характер ИИ может сделать общение более конструктивным. Подобно внимательному психотерапевту или фасилитатору, агент может вовремя задавать уместные вопросы, превращая обратную связь в обучающий пользователя разговор.
Это также помогает ИИ собирать контекст, позволяя пользователю и агенту сформировать более ясное общее понимание.
Предлагайте несколько вариантов, идей или альтернатив:
Вместо одной идеи, решения или критического замечания агент может представить несколько точек зрения. Например, агент по дизайну может создать три альтернативных макета, а агент по работе с текстом — предложить варианты предложения для разных аудиторий. Наличие вариантов подчеркивает, что управление остается за пользователем.
Учитывайте контекст в обратной связи:
Агент должен адаптировать роль «партнера по осмыслению» к текущему контексту пользователя. Если человек задержался на вопросе или текстовом поле, ИИ может задать наводящий на размышления вопрос, а не сразу выдавать полный ответ. Если пользователю нужно лишь перефразировать предложение, краткий вариант, который можно принять или отклонить, помогает сохранить его авторство.
Особенно важно, чтобы ИИ понимал, когда следует отступить: затянувшийся обмен правками может превратиться в бесконечный «порочный круг» и подорвать уверенность пользователя. Учитывая контекст и действия пользователя, ИИ-агент может давать действительно полезную обратную связь, не переходя границ.
Что это: ситуационная осведомленность — способность агента интерпретировать контекстную информацию в реальном времени и соответствующим образом корректировать свое поведение. Вместо того чтобы полагаться только на заранее заданные входные данные, ИИ-агенты могут непрерывно обрабатывать информацию об окружающей среде, текущем состоянии пользователя и других значимых условиях.
Например, интерфейс может адаптироваться к текущим потребностям пользователя, а ответы — учитывать актуальную ситуацию на рынке.
Почему это полезно: реальный мир не статичен. ИИ-системы с ситуационной осведомленностью полезнее, поскольку реагируют на текущие условия. Когда агент понимает значимый контекст, взаимодействие становится естественнее, персонализированнее и теснее связано с реальностью.
Сложность: создать ИИ с настоящей ситуационной осведомленностью непросто. Доступ к необходимым данным и их интеграция могут значительно усложнить техническую реализацию.
Между полезным учетом контекста и назойливым вмешательством проходит тонкая грань. Пользователи ценят агента, который «всё понимает», но могут испытывать дискомфорт, если он запрашивает слишком много информации или проявляет излишнюю настойчивость. Поскольку обстоятельства могут быстро меняться, человеческие знания и суждения по-прежнему незаменимы.
Поэтому эффективной ИИ-системе необходимы сведения от пользователей, чтобы поддерживать актуальное и полезное понимание их обстоятельств.
Показывайте пользователям, как выглядит хороший контекст:
Модели рассуждений, такие как OpenAI o1, изменили подход людей к предоставлению контекста большим языковым моделям. Независимо от модели, подробный контекст помогает получать более релевантные ответы. Понятные примеры, текст-заполнитель и раскрывающиеся подсказки могут показать, какие сведения следует предоставить и почему это важно.
Наглядно показав пользователю, как выглядит «хороший контекст», можно избавить его от догадок, которые мешают указывать значимые подробности.
Упростите определение границ агента:
Текущие потребности пользователя важны, но не всегда очевидны. Агент с ситуационной осведомленностью может вместе с пользователем определить темы, области и инструменты для изучения. Функция глубокого исследования в ChatGPT поддерживает этот подход, задавая уточняющие вопросы перед началом исследовательской задачи.
Показывайте контекст, чтобы его можно было быстро изменить или дополнить:
Пользователям может понадобиться краткий обзор текущих предположений ИИ об их целях, приоритетах и источниках данных. Отдельная панель может сообщать дату актуальности знаний, текущие допущения и значимые входные данные. Значок может указывать на использование геоданных, а сводка — показывать, сколько записей легло в основу вывода.
Людям полезно видеть, что ИИ «знает», и иметь возможность без лишних усилий добавлять, удалять или обновлять значимый контекст.
Позвольте ИИ выбирать функции интерфейса с учетом их полезности:
ИИ-агенты могут избирательно включать или отключать возможности на основе ситуационных сигналов. Когда пользователь готовит аналитический доклад, агент может включить расширенные инструменты цитирования, а при редактировании заметок к выступлению — выделить функции правки. Это помогает сосредоточиться на задаче, не заставляя пользователей вручную управлять каждой настройкой.
Что это: при проектировании пользовательского опыта и разработке продуктов исследование пользователей часто рассматривают как отдельный этап в начале проекта или проводят через заданные интервалы. Непрерывное исследование предполагает постоянное изучение поведения, потребностей и предпочтений пользователей. ИИ может превращать разговоры, нажатия и отзывы в возможности выявлять идеи, которые пользователи не всегда способны сформулировать напрямую.
По сути, ИИ продолжает учиться и адаптироваться к предметной области в реальном времени.
Почему это полезно: получить содержательную обратную связь от экспертов, практиков и рядовых пользователей об эффективности или удобстве результатов ИИ бывает непросто. Агенты помогают фиксировать реакции, наблюдения и интуитивные оценки в контексте, пока впечатления еще свежи.
Сложность: обратная связь часто сообщает, что произошло или понравился ли пользователю результат, но не объясняет почему. Просьба вспомнить и описать каждый этап своих рассуждений может быть обременительной, даже если эти сведения помогут улучшить будущие возможности системы.
Это особенно важно для ИИ-систем с жесткими ограничениями, где свободный диалог может быть нежелателен или невозможен.
Используйте описательные метки для фиксации реакций:
Простой значок «нравится» или «не нравится» редко объясняет реакцию пользователя. Описательные метки — например, «полезно для планирования бюджета» или «нет нормативной информации» — дают больше полезного контекста. Такие метки могут отражать текущий опыт или предлагать пользователям кратко пояснить свою точку зрения, превращая оценку в информацию, на которой ИИ может учиться.
Направляйте ИИ-агентов с помощью «карточек»:
Если ИИ ошибся или справился лишь частично, дайте пользователям простой способ исправить или «обучить» его. Например, агент может спросить: “How would you phrase it?” или “What detail did we miss?” Полученные указания можно сохранить для текущего взаимодействия или использовать позднее.
Учитесь на итерациях и вариантах:
Иногда лучшая обратная связь появляется при повторной попытке. Простые элементы повторной генерации позволяют сравнивать новые варианты и выбирать предпочтительные. Такой выбор связывает исходные данные с более полезным результатом и превращает эксперименты в часть процесса обучения.
Наблюдайте за взаимодействиями:
ИИ-агенты могут совместно учиться на множестве взаимодействий. Например, пока один агент готовит краткий обзор исследования, другой может анализировать диалог и оценивать пользовательский опыт. Подобно этнографам, эти агенты способны выявлять различия между намерением человека и его восприятием качества результата.
Такие наблюдения способствуют непрерывному совершенствованию, выявляя полезные сведения и предлагая изменения в системе.
Что это: усиление адаптирует ввод, промпт или инструкцию пользователя, чтобы получить лучший результат, сохраняя исходное намерение. ИИ выполняет дополнительную скрытую работу, выходящую за рамки прямого запроса. Например, «теневой промптинг» может обогатить запрос до того, как система сформирует ответ.
Пользователь предлагает исходную идею, а агент расширяет ввод, если это способно улучшить результат.
Почему это полезно: люди часто дают краткие или общие инструкции, хотя для наилучшего ответа могут потребоваться дополнительные действия. ИИ-агенты могут восполнить этот пробел, не заставляя пользователей подробно всё объяснять. Например, просьба к ИИ “brainstorm marketing ideas for my new coffee product” без усиления может привести к банальному списку.
Усиленный подход может провести несколько всё более смелых мозговых штурмов и объединить лучшие идеи, создав более содержательный и разнообразный результат.
Сложность: скрытая работа может ослабить у пользователя ощущение авторства и прозрачности. Если ИИ изменяет запрос без объяснений, результат может оказаться не таким, как хотел пользователь. Проектировщикам необходимо сочетать полезное усиление с учетом риска нежелательного манипулирования.
Задача проектирования — позволить пользователям при желании управлять усилением.
Сохраняйте намерение пользователя и развивайте его:
Усиление должно способствовать заявленным целям пользователя, не добавляя новых. После того как ИИ расширит промпт или выполнит фоновые задачи, он либо отдельный валидатор должен сопоставить итоговый результат с исходным запросом. О неожиданных дополнениях следует сообщать ясно.
Используйте усиление для безопасности и творчества:
Такие методы, как теневой промптинг, могут вызывать опасения из-за скрытого изменения пользовательских запросов. Чтобы сохранить доверие, применяйте их для повышения ясности, безопасности или полноты, не искажая намерение пользователя. Если требуется корректировка в целях безопасности, объясните ее или сразу сообщите о ней.
Пользователь может видеть результат модерации, не понимая лежащих в его основе логики или критериев.
Используйте проверенные методы фасилитации:
ИИ-агенты могут применять методы фасилитации и совместной работы, например Liberating Structures, чтобы сделать взаимодействие продуктивным. Эти простые методики помогают максимально раскрыть творческий и аналитический потенциал человека.
Во время беседы агент может использовать знакомые методы мозгового штурма и отбора идей. Небольшие изменения в ходе диалога позволяют получить более широкий спектр идей и выводов.
Используйте параллельные ветви для выявления полезного содержания:
Вместо единственного линейного диалога агент может одновременно исследовать несколько интерпретаций, идей или решений. Это похоже на мозговой штурм группы экспертов с разными взглядами, в ходе которого полезные идеи не теряются.
Координирующий процесс может объединить разные направления исследования в связный ответ с конкретными рекомендациями.
Используйте усиление для обучения пользователей:
Грамотно спроектированное усиление также помогает людям учиться эффективнее взаимодействовать с ИИ. Если агент объясняет: “I considered X and Y in my answer,” — пользователи могут включить эти факторы в будущие запросы. Так возникает двустороннее улучшение: более качественные ответы сейчас и более точные вводные со временем.
Что это: эта модель взаимодействия делает рассуждения ИИ-агентов понятнее. Продуманное взаимодействие может объяснять, почему агент дал определенный ответ, выделять подтверждающие источники или показывать важные этапы процесса. Цель — помогать людям принимать эффективные решения, не перегружая их.
Значимые рассуждения лучше показывать поэтапно, позволяя пользователям выбирать необходимую глубину детализации.
Почему это полезно: доверие необходимо для внедрения ИИ, особенно в корпоративной среде. Люди реже полагаются на систему, если не могут понять или проверить ее поведение. Прозрачные результаты упрощают диагностику проблем, исправление ошибок и повторное применение полезных подходов.
Сложность: объяснять решения ИИ бывает непросто. Избыток подробностей может перегрузить пользователей, а вероятности или длинные сводки рассуждений — оказаться сложными для интерпретации. Сама по себе прозрачность также не гарантирует точности.
Проектировщикам следует учитывать качество объяснения, ясность его представления и способы включения подтверждающих данных в полезный диалог.
Позволяйте агентам рассуждать широко, а затем сжимайте результаты:
ИИ может глубоко анализировать проблему, представляя результаты в удобном для восприятия формате. Иерархические сводки и постепенное раскрытие позволяют начать с главного вывода и открывать подтверждающие подробности только при необходимости.
Продуманное взаимодействие делает сложную информацию удобной для изучения, не жертвуя глубиной и ясностью.
Предоставляйте доступные для изучения цитаты и ссылки:
Ответы, созданные ИИ, должны давать пользователям понятный способ изучить подтверждающие источники. Это могут быть ссылки, выдержки из внутренних отчетов, актуальные результаты исследований или подробное представление количественных данных.
Например, в системах генерации с дополнением из внешних источников пользователи должны иметь возможность перейти от сводки ИИ к подтверждающим ее данным. Это помогает проверять результаты и глубже изучать вопрос, укрепляя доверие.
Сообщайте о важных этапах выполнения:
Сложные рабочие процессы агентов могут включать смену направления, возврат к предыдущим этапам или объединение нескольких направлений исследования. Пользователи легче переносят задержки, когда понимают, что происходит. Понятные сообщения о ходе работы могут объяснять, что агент уже завершил, чем занимается сейчас и что будет дальше.
Агент также должен сообщать, когда зашел в тупик или когда для решения нужны дополнительные точки зрения.
Раскрывайте результаты ИИ поэтапно:
Вместо показа всего ответа сразу агент может раскрывать информацию поэтапно. Например, инвестиционный помощник может показать краткую рекомендацию с возможностью раскрыть ее обоснование: “Step 1: Assess the risk profile. Step 2: Review the current portfolio. Step 3: Identify diversification opportunities. Step 4: Formulate a recommendation.” Пользователи, которым нужны подробности, могут изучить каждый этап, а остальные — ограничиться сводкой.
Используйте визуальные объяснения рассуждений ИИ:
Объяснения должны быть не менее понятными, чем основной результат. Когда рассуждения связаны с числами или взаимосвязями, полезны графики и схемы. Визуализация запросов, процесса, рассуждений и источников агента также помогает пользователям корректировать его работу, объяснять результат другим или повторять процесс позднее.
Понятные визуальные объяснения помогают пользователям быстрее понимать информацию и действовать на ее основе.