AI в продукте: показать или спрятать

У AI в приложении может не быть собственного экрана.

Он может помогать искать кафе, продолжать фразу в письме, готовить объявление по фотографии или подбирать музыку. Человек при этом остаётся в знакомой строке поиска, на экране создания объявления или в плеере. Меняется лишь объём работы, которую приложение способно взять на себя.

Для дизайнера это вполне конкретная задача. Нужно определить, что можно передать системе, где ей достаточно имеющихся данных, а где понадобится участие человека. И уже после этого выбирать, как новая возможность появится в интерфейсе, если не останется скрытой для человека.

Речь здесь пойдёт о проектировании цифровых продуктов с AI-функциями. Использует ли сам дизайнер нейросети для изучения, исследований, создания макетов или проектирования прототипов – отдельный вопрос.

Дизайнер может проектировать поведение AI-функции привычными инструментами, не прибегая к помощи AI, и, наоборот, вооружившись AI, создавать продукт, в котором никакого AI нет.

С какой части задачи начать

У существующего приложения уже есть сценарии, в которых человек тратит силы на поиск, сопоставление или подготовку данных. С них и можно начать: посмотреть, что приходится делать вручную, какие сведения для этого нужны и где AI способен сократить эту работу.

В разделе «Поесть» приложения 2ГИС можно искать заведения по описанию обстановки, например «уютное кафе с красивым видом на город». Поиск сопоставляет запрос с меню, отзывами, фотографиями и сайтами заведений. Человеку достаточно описать, что он ищет, привычными словами; результат по-прежнему связан с местами, которые можно посмотреть и сравнить.

Здесь понятна работа, которую получает AI: связать человеческое описание с разнородными данными. Для точного фильтра по известному значению достаточно обычных правил. В одной функции оба подхода вполне могут работать вместе. Так появляется содержательная граница применения технологии: команда может объяснить, какую трудность она снимает и за счёт чего.

Следом приходится выбирать масштаб вмешательства. Передать системе всю задачу бывает заманчиво, особенно если модель способна выдать большой, законченный на вид результат. Но размер ответа ещё ничего не говорит о его полезности в текущий момент.

В Gmail при наборе письма на английском Smart Compose, своего рода предиктивный набор нашего времени, предлагает продолжение там, где стоит курсор. Пользователь сам решает, принять его или писать дальше. Несколько слов можно сопоставить с текущей мыслью; для целого письма пришлось бы оценивать структуру, тон, факты и обещания адресату.

Поэтому объём передаваемой работы стоит выбирать вместе со способом проверки. Если человек сможет принять только часть предложенного, ему понадобится возможность отделить подходящее от остального. Иначе расширение возможностей AI обернётся дополнительным разбором его ответа. Это решение о будущем пользовательском пути, которое нужно принять ещё до появления макета.

Какая часть работы остаётся человеку

После автоматизации у человека может остаться совсем другая задача. Он меньше вводит и ищет, зато больше оценивает предложенное. Это меняет требования к интерфейсу: подготовленный системой результат должен быть удобен для проверки и продолжения работы.

Функция «Разберём гардероб» в приложении Авито помогает подготовить объявление по фотографии одежды: заполняет категорию и характеристики, составляет название и описание, предлагает цену. Всё можно проверить и поправить перед публикацией. По общему снимку без этикетки нельзя подтвердить размер или состав ткани; следы износа тоже могут остаться за кадром. Такие сведения приходится уточнять у владельца.

С весами в супермаркете различие ещё нагляднее: распознать товар по изображению и измерить его массу – разные задачи. Для второй нужен результат взвешивания.

Даже хорошо оформленный результат может содержать предположения, для которых AI-системе не хватило данных. Если все сведения выглядят одинаково достоверными, человеку приходится самостоятельно разбираться, что требует внимания. Подготовка уже закончилась, а усилия на проверку только начинаются.

Проверка результата – такая же часть пользовательской работы, как и его создание.

Её удобство зависит от формата, в котором предоставлен результат. Отдельные редактируемые поля позволяют уточнить одну характеристику, сохранив остальное. Сравнение с исходным материалом помогает увидеть изменения. Место для недостающих сведений даёт возможность дополнить ответ без повторного объяснения всей задачи. Эти способы нужны в разных ситуациях; выбирать их следует по тому, что именно человеку предстоит проверить.

Важно и то, сможет ли он вообще это сделать. Формальное предложение «проверьте результат» мало помогает, когда у пользователя нет ни необходимых знаний, ни доступа к источнику. В таком случае придётся сузить задачу AI, получить дополнительные сведения или предусмотреть другой способ проверки. Одна кнопка подтверждения эту проблему не решает.

Такой разбор позволяет оценить автоматизацию ещё до подсчёта сэкономленных кликов. И тут становится понятно, какая работа исчезла, какая появилась и есть ли у человека возможность с ней справиться.

Когда AI нужно показывать

Из этого ещё не следует, что каждое вмешательство AI нужно сопровождать объяснением и подтверждением. Внимание человека тоже ограничено. Участие полезно там, где он способен что-то оценить, уточнить или изменить.

В «Моей волне» Яндекс Музыки система подбирает треки из каталога с учётом музыкального вкуса, настроения и контекста прослушивания. Человек включает «волну» и занимается своими делами; когда хочется другого, он «встряхивает волну». Для этого не требуется вести диалог с AI. Значительная часть работы происходит в фоне, а участие слушателя нужно тогда, когда он хочет изменить общий настрой или стиль подобранных треков.

При этом мало оставить возможность вмешаться где-то в настройках. Человек должен понимать, когда она ему пригодится и на что повлияет. Заметная кнопка сама по себе этого не объясняет, как и бейдж AI не сообщает, что именно система сделала и чего ждёт от пользователя.

Другая крайность – спрятать новую способность настолько хорошо, что о ней никто не узнает. Внешне знакомый элемент может уметь значительно больше, чем человек от него ожидает. Когда привычный способ взаимодействия ограничивает использование новой функции, нужны подсказка, пример или изменение самого элемента. Если же дополнительного действия от человека не требуется, постоянное напоминание о технологии может только отвлекать.

Получается, у видимости несколько задач. В одном месте она помогает обнаружить возможность, в другом – оценить результат или изменить направление. Объём объяснений и управления будет разным даже внутри одной функции.

Видимость AI стоит выбирать после того, как определены его функция, полномочия и оставшаяся работа человека.

Отдельно остаётся прозрачность использования данных. Под тихой работой AI здесь понимается отсутствие постоянного требования внимания. Это не разрешение скрывать обработку пользовательской информации или выдавать предположение за подтверждённый факт.

Стало ли человеку действительно проще

Теперь можно вернуться к тому, с чего мы начали. Сам факт автоматического заполнения ещё ничего не говорит о достигнутом результате. Человеку нужно продать вещь, и подготовленное объявление имеет смысл оценивать по тому, насколько оно помогает этой продаже. Точность и полнота сведений важны не меньше скорости подготовки.

Поэтому при оценке новой «умной» функции нужно учитывать весь путь пользователя. После завершения работы AI могут остаться этапы чтения, сравнения, исправления и переноса результата. В материале Google Cloud об оценке AI-систем отдельно рассматриваются время проверки и трудозатраты на доработку. Здесь как раз полезен сам фокус на оставшейся работе человека после ответа AI.

Критерии стоит определить ещё при выборе сценария.
Как выглядит пригодный результат?
Какие условия должны сохраниться?
Сколько усилий требуется человеку, чтобы убедиться в этом и продолжить работу?

Проверять полезно и обычные ситуации, и случаи с неполными данными, неоднозначным запросом или неподходящим предложением.

Одного подсчёта кликов по новой кнопке с магическими искрами недостаточно. Человек может пробовать функцию из любопытства, потратить кучу времени на исправление результата и/или вернуться к привычному способу. Важно понять, пользуется ли он ею при следующем возникновении той же потребности. Ежедневное использование имеет смысл только для задачи, которая действительно возникает каждый день.

Для начала такого разбора достаточно одной существующей возможности приложения. Рядом с нынешним пользовательским путём можно описать новый: что сделает AI, что останется доделать человеку и как он дойдёт до своей цели. Сравнивать нужно оба пути целиком. Если второй требует больше усилий, стоит вернуться к объёму автоматизации или способу взаимодействия, даже когда сама модель работает хорошо.

Когда эти решения приняты, возникает следующий вопрос: как показать происходящее во времени? Предложение уже может быть готово, пока исходные данные ещё не изменились. Согласие человека может быть получено, пока система только выполняет действие. Эти различия и становятся предметом проектирования состояний AI-продукта.

Поэтому решение показать или спрятать AI в интерфейсе зависит от того, насколько это помогает человеку достичь результата, за которым он пришёл в ваш продукт.

Больше материалов ищите на моём канале о Немного Другом Дизайне с AI @some.other.design