人工智能產(chǎn)業(yè)已經(jīng)吸引了數(shù)十億美元的投資，許多初創(chuàng)企業(yè)都希望借助人工智能獲得創(chuàng)新和競爭優(yōu)勢。策略似乎很簡單：找一個(gè)人們生活中長期存在的問題，然后用機(jī)器學(xué)習(xí)來解決它。

谷歌、Facebook、Netflix和Uber都做到了。所以，為什么不試試人工智能呢？這似乎成為了一個(gè)顯而易見的選擇。至少，你的新策略擁有了創(chuàng)業(yè)成功所必需的流行語——人工智能。

人工智能的確解決了無數(shù)關(guān)乎用戶體驗(yàn)的問題。但是，也有一些問題并不能從人工智能中獲益，甚至如果應(yīng)用人工智能情況可能更糟。本文將帶你體驗(yàn)一個(gè)決策的完整過程，幫助你評估人工智能是否適合你的業(yè)務(wù)。

確定需求：你在人工智能上的投資會(huì)增值嗎？

如今的企業(yè)家們在創(chuàng)業(yè)之旅的開始往往會(huì)問一個(gè)問題：“我們?nèi)绾卫萌斯ぶ悄芙鉀QX？”雖然這可能是一個(gè)很好的起點(diǎn)，但如果不能為用戶或客戶提供獨(dú)特的價(jià)值，即使是最好的人工智能系統(tǒng)也只是消耗資源而已。因此，你的首要任務(wù)應(yīng)該是評估AI可以在哪里增加獨(dú)特的價(jià)值。

人工智能可以為披薩推薦平臺(tái)、猜測年齡的應(yīng)用程序，甚至一個(gè)假的貓照片生成器提供支持，但關(guān)鍵的問題是，人工智能是否正在以一種有意義或獨(dú)特的方式解決問題。

人工智能的解決主義，即為了使用人工智能而使用人工智能，在馬斯洛和卡普蘭的著名理論中有過闡述：“如果你給一個(gè)小男孩一把錘子，他會(huì)發(fā)現(xiàn)他遇到的所有東西都需要敲打。”

那么，怎么確認(rèn)人工智能是否適合解決當(dāng)前的問題呢？用戶的需求需要人工智能來提出解決方案嗎？就像產(chǎn)品與市場的契合度一樣，我們也需要考慮人工智能與用戶的契合度。

進(jìn)行用戶研究，回顧調(diào)查數(shù)據(jù)，觀察用戶的生活，可以將你的產(chǎn)品理念從技術(shù)至上轉(zhuǎn)變?yōu)橐匀藶楸荆@意味著從“僅僅因?yàn)槟隳茏龅健倍褂萌斯ぶ悄苻D(zhuǎn)變?yōu)椤耙驗(yàn)樗梢元?dú)特地解決一個(gè)核心用戶需求”而使用人工智能。

使用人工智能沒有正確或錯(cuò)誤的動(dòng)機(jī)。但推出一個(gè)人工智能支持的客戶聊天機(jī)器人來幫助客戶更簡便地進(jìn)行交易是一回事，而推出一個(gè)聊天機(jī)器人只是因?yàn)樗壳昂芰餍惺橇硪换厥隆?/p>

IDEO的設(shè)計(jì)工具包和Google的People+AI指南可以幫助你識別用戶的問題，在那里人工智能可以增加獨(dú)特的價(jià)值。

編程規(guī)則vs啟發(fā)式

一些用戶問題最好使用啟發(fā)式和顯式編程規(guī)則來解決，而不是復(fù)雜的人工智能模型，想想instagram和TikTok這樣的應(yīng)用程序是如何組織feed流的。

組織feed流的一種方法是使用ML預(yù)測模型來預(yù)測特定用戶最喜歡的內(nèi)容，這需要考慮用戶的推測興趣、個(gè)人信息和過去與應(yīng)用程序的互動(dòng)。ML模型將根據(jù)預(yù)測的參與程度對所有內(nèi)容進(jìn)行排名，并向單個(gè)用戶展示最“相關(guān)”的內(nèi)容。

或者你可以使用啟發(fā)式來解決社交feed流進(jìn)行排序的問題，而不需要任何機(jī)器學(xué)習(xí)。可以考慮先顯示最近發(fā)布的內(nèi)容feed流，一些研究表明，用戶實(shí)際上可能更喜歡按時(shí)間順序排序的feed流，它們可以提供更多的一致性和更好的控制體驗(yàn)

也可以讓用戶自己手動(dòng)對內(nèi)容進(jìn)行投票，就像Imgur等流行圖片板和Reddit、Digg等聚合網(wǎng)站上的投票系統(tǒng)一樣。在這種情況下，人工智能可能會(huì)對維護(hù)用戶的透明度和可預(yù)測性起到反作用。如果用戶覺得“客觀”的用戶評分受到不透明的人工智能層的影響，就會(huì)產(chǎn)生對其的不信任感。

讓用戶控制結(jié)果

人工智能產(chǎn)品有兩種基本類型：一種試圖將任務(wù)完全自動(dòng)化，另一種試圖增強(qiáng)用戶自己完成任務(wù)的能力。

當(dāng)遇到重復(fù)性工作或計(jì)算復(fù)雜的時(shí)候，自動(dòng)化特別有用;而當(dāng)人類的判斷對準(zhǔn)確性或責(zé)任至關(guān)重要時(shí)，增加任務(wù)是最有用的。這種人工智能與人類的伙伴關(guān)系，在人們喜歡自己做這項(xiàng)工作或者需要對這項(xiàng)工作承擔(dān)個(gè)人責(zé)任的情況下會(huì)特別成功。

在這兩種情況下，你會(huì)發(fā)現(xiàn)用戶不愿意完全依賴算法預(yù)測。研究表明，比起人工智能，人們更愿意相信人類專家，盡管這些專家更容易犯錯(cuò)。即使對人工智能的決策過程進(jìn)行了技術(shù)性的解釋，對許多人來說也往往是難以理解的。因此，建立對產(chǎn)品人工智能模型的信任必須通過仔細(xì)的溝通來培養(yǎng)。

例如，如果你的應(yīng)用程序使用人工智能來推薦餐館，那么最好考慮給用戶一個(gè)選項(xiàng)，讓他們自己報(bào)告食物偏好，并對訪問過的地方給出反饋。

要想提供完全符合用戶特定口味和偏好的建議，最好方法就是簡單地詢問他們喜歡什么——即使這意味著要使用一些有偏見的自我報(bào)告偏好，這將比任何基于（糟糕的）推斷口味的ML模型預(yù)測有效得多。

讓用戶來掌控方向

如果一個(gè)應(yīng)用程序使用AI來建議觀看新電影，最好考慮給用戶一個(gè)刪除或重置一些用于生成推薦的數(shù)據(jù)的選項(xiàng)。讓用戶坐在駕駛座上來掌控大方向，讓他們理解并管理人工智能的交互，這樣可以建立信任。更何況，共同創(chuàng)造還能夠豐富產(chǎn)品的整體價(jià)值。

其他解釋性的方法包括闡明數(shù)據(jù)源、將解釋與用戶行為聯(lián)系起來、與專業(yè)用戶體驗(yàn)作者或內(nèi)容戰(zhàn)略家密切合作，以及為用戶提供控制人工智能輸出的工具等。

人工智能并非魔法

當(dāng)用戶向他們的智能家居設(shè)備詢問有關(guān)世界的問題時(shí)，這個(gè)沒有實(shí)體的聲音會(huì)給出一個(gè)爽朗的回答，就像魔法一樣。Alexa、Siri、Alice和谷歌Assistant這樣的語音助手似乎比任何人都了解的更多，隨時(shí)準(zhǔn)備回答你的問題。但是，展現(xiàn)個(gè)性化的、超級有用的智能的最佳方式是什么呢？

將人工智能作為一種魔法來推銷可能很吸引人，但事實(shí)上，這樣的魔法尚不存在。與Arthur C. Clarke經(jīng)常引用的技術(shù)第三定律——“任何足夠先進(jìn)的技術(shù)都與魔法無異”相反，傳播魔法的概念不會(huì)幫助用戶，也不會(huì)打動(dòng)投資者。

“人工智能的魔法”是一種修辭，讓人聯(lián)想到無法解釋或無所不能的力量，并傾向于對人工智能能做什么和不能做什么產(chǎn)生不切實(shí)際的期望，這種錯(cuò)位的期望最終會(huì)導(dǎo)致失望。

擬人化的人工智能助手往往會(huì)加劇這一問題，直接或間接地導(dǎo)致用戶認(rèn)為他們的虛擬助手擁有廣泛的人類能力。與其將人工智能展示為一個(gè)無所不知的虛擬助手，不如考慮突出助手產(chǎn)品的特定功能，以及這如何有利于達(dá)成用戶的目標(biāo)。這可以幫助用戶圍繞不斷進(jìn)化的人工智能產(chǎn)品能力逐步更新他們心中的模型。

尋求平衡

在對人工智能魔力的全面陳述和對底層技術(shù)的深入技術(shù)解釋之間，存在著一種微妙的平衡。當(dāng)用戶試圖學(xué)習(xí)使用一種產(chǎn)品而不是探索它的機(jī)制時(shí)，太多的術(shù)語會(huì)妨礙他們。

谷歌航班價(jià)格分析功能是復(fù)雜機(jī)器學(xué)習(xí)和用戶需求達(dá)到平衡的一個(gè)典型例子。在這個(gè)界面中，根本沒有提到“深度學(xué)習(xí)”或“數(shù)據(jù)處理”。相反，價(jià)格分析工具只是為用戶提供有用的提示，告訴他們當(dāng)前的機(jī)票價(jià)格是低、一般還是高，以及近期的價(jià)格走勢。

這個(gè)例子還展示了多個(gè)用戶體驗(yàn)設(shè)計(jì)元素如何協(xié)同解釋AI預(yù)測并培養(yǎng)信任。

產(chǎn)品上市了！然后怎么做呢？

人工智能的用戶體驗(yàn)與以往有所不同。人工智能產(chǎn)品可以適應(yīng)，并隨著時(shí)間的推移變得更好。這意味著用戶可能需要調(diào)整他們對產(chǎn)品如何工作的思維模式，產(chǎn)品負(fù)責(zé)人也可能需要適應(yīng)。

例如，如果你在使用人工智能來管理和過濾你產(chǎn)品的社交信息，在產(chǎn)品生命周期中的某個(gè)時(shí)候，你可能會(huì)意識到人工智能已經(jīng)學(xué)會(huì)了將點(diǎn)擊誘餌內(nèi)容和貓視頻優(yōu)先于重要的新聞文章。這意味著，在發(fā)布之后你可能需要重新考慮優(yōu)化的目標(biāo)，以確保用戶新聞提要的多樣性以及質(zhì)量的一致性。

隨著ML模型對給定用戶的了解越來越多，新特性可以提供更多價(jià)值，產(chǎn)品負(fù)責(zé)人應(yīng)該適應(yīng)隨之而來的新使用模式。通過不斷聽取用戶的意見（嚴(yán)格在隱私或課程范圍內(nèi)），并進(jìn)行評估性研究，例如使用幸福感跟蹤調(diào)查、待完成工作跟蹤調(diào)查或首要任務(wù)研究，來跟蹤和衡量你的產(chǎn)品是否成功。

這些建議的背后是以人為中心的人工智能的承諾。Google的People+AI指南是一個(gè)開放的、免費(fèi)的資源，那里提供了更多關(guān)于如何設(shè)計(jì)以人為中心的人工智能產(chǎn)品的例子和建議。

如何獲取用戶信任，構(gòu)建以人為中心的人工智能產(chǎn)品，是每個(gè)試圖利用AI的創(chuàng)業(yè)公司都應(yīng)該首先考慮的問題。