AI 產品成功與否的關鍵：使用者體驗的重要性
市場上充斥著生成式 AI套殼的產品。當大家都是使用一樣的模型，除了自定義 RAG 之外是什麼讓你脫穎而出？不是技術本身，而是你如何讓用戶感到驚艷、感到無縫。這就是使用者體驗的力量
一位我們認識的資深客戶支援主管，最近正在尋找用於處理客戶需求 Email 的 生成式 AI 解決方案。她分享了評估選項時所使用的框架，主要歸結為三個維度：成本、效能和 使用者體驗 (UX)。鑑於所有應用程式共享了大量底層技術，成本和效能方面的差異並不大。然而，使用者體驗 卻截然不同。有些公司在將 生成式 AI 能力整合到更強大的 UX 中表現得更為出色，從而提供了更高的價值。
為何 生成式 AI 使用者體驗 成為致勝關鍵？
這個觀察引發了我們的好奇心：企業在整合 生成式 AI 功能時，是如何做出 使用者體驗 決策的？這些決策對其市場成功和最終用戶又意味著什麼？有一點非常明確：在這個領域最具競爭力（且可能最持久）的公司，是那些能夠精確地根據使用者在每個步驟中的需求和期望，量身定制 AI 在其產品中呈現方式的公司。考慮到底層技術日益商品化，我們堅信，深思熟慮的 使用者體驗 將成為這一代 生成式 AI 應用程式成敗的主要決定因素。
然而，一旦深入探討 AI UX 的選項，就會浮現大量沒有明顯答案的問題，例如：
- 何時應該利用聊天介面？
- 如何在不讓用戶困擾的情況下，教導人們如何下達指令 (prompt)？
- 應如何整合輔助駕駛 (co-pilot) 功能，以充分發揮人機協作的最佳效果？
本文旨在協助您掌握所有這些問題，並理解優良的 AI 使用者體驗 究竟是什麼樣子。為此，我們閱讀了 Notion、Guru、Ironclad、Retool、Maze 等十幾位處於此領域前沿的產品設計思考。我們發現了一個核心的權衡取捨以及許多得來不易的寶貴建議。
探索 AI UX 設計的核心權衡：彈性與易用性
傳統的 SaaS 產品總是提供使用者靜態的 使用者體驗，要求他們透過點擊來達成目標。但是，大型語言模型 (LLM) 打破了這個局面。
特別是基於聊天的介面，為使用者解決問題的方式和內容提供了巨大的彈性。但同時，使用者可能不知道模型能為他們做什麼，也不知道如何最好地下達指令，這增加了複雜性、摩擦和困惑。
其他用於 AI 的使用者介面，如輔助駕駛和嵌入式功能，提供了更多的限制和易用性，但犧牲了彈性。它們通常更適用於定義更明確的任務。
與我們交談的 UX 設計師表示，他們的 使用者體驗 選擇歸結為一個核心問題：他們對使用者的目標有多清晰的了解？
- 當清晰度較低時，最佳實踐是選擇更彈性、更通用的聊天介面。這不僅給予使用者更多選擇，也能最大化您的學習。
- 當對使用者目標有更清晰的了解和背景資訊時，您可以轉向更受限的介面，使導航對使用者來說更直觀、更可預測——創造那種至關重要的輕鬆感。
一個常見的錯誤是為您的產品選擇單一類型的 使用者體驗，並覺得必須堅持下去。您的 AI 實施應該隨著您對使用者目標了解的加深、使用者達成目標過程的推進，甚至目標的演變而呈現多種形式。
總體而言，隨著使用者目標及其背景變得更加清晰，設計師應該縮小 使用者體驗 的範圍，引導人們走上一條「受限的康莊大道」。如有疑問，從通用開始，逐步增加限制。
基於此，讓我們深入探討幾種被證明最有效的 使用者體驗 選擇類型（當然，這取決於適合您產品的權衡）。
生成式 AI 使用者體驗 類型一：通用聊天介面（迎賓員）
自然語言聊天是 使用者體驗 領域的一項驚人創新，但它在某些方面遠勝於其他方面。它擅長處理對話式任務，但對於需要更多視覺化的任務，透過聊天的空白畫布進行導航可能會令人困惑。
在這些情況下，通用聊天 是一個理想的迎賓員。它可以幫助引導人們找到產品中最適合達成其目標的部分。使用者可以用自己的話語輸入問題、需求和願望，並被引導到正確的方向，而無需在複雜的介面中四處點擊尋找出路。同時，這種 使用者體驗 會向使用者學習，使您的產品隨著時間的推移在引導新用戶方面變得更好。
通用聊天 向使用者展示了一個幾乎擁有無限路徑、眾多入口和細微目的地的迷宮。這有其優勢——它可以提供感覺個性化的體驗，彷彿它在使用者所在之處迎接他們。然而，在 B2B 軟體中，重要的是讓聊天介面將使用者交接給更受限、更有主見的 使用者體驗，引導他們到達您希望他們去的地方。否則，他們可能會迷失方向，或者僅僅覺得完成所需任務的時間過長。
通用聊天介面的最佳實踐
以下是將 通用聊天 AI 融入產品的一些最佳實踐：
| 實踐項目 | 說明 |
|---|---|
| 更人性化的引導 | 這是給各種新用戶留下良好第一印象的絕佳方式。它可以讓他們感覺像是在認識一個人，而不僅僅是一個產品。它還可以減少許多使用者首次進入點擊式介面時的迷失感。將通用聊天用作產品引導工具，是許多設計師正在興奮嘗試的新方向，但在實際部署方面仍處於早期階段。 |
| 自然收集使用者數據 | 告訴機器人您是一位行銷人員，比從下拉菜單中選擇「行銷人員」有趣得多。人類選擇與聊天機器人分享的內容深度和廣度令人驚訝。您可以根據他們提問的方式或他們認為重要的事情，收集到大量關於他們的元數據。這將使您能夠更有效地將他們引導至點擊式介面的最佳部分，並收集有用的回饋來完善您的產品開發流程。 |
| 提供解答 | 除了作為有用的引導 使用者體驗 外，通用聊天對於搜尋資訊的使用者也很有幫助。例如，知識管理解決方案提供商 Guru 利用通用聊天介面來 分享答案，回答員工的問題。由於聊天機器人是基於公司驗證的知識卡進行訓練的，因此幾乎不需要額外的背景資訊。對於這項任務，聊天是對既有搜尋框 使用者體驗 的改進。 |
請記住，如果您使用通用聊天來歡迎使用者進入您的產品，那麼接下來引導他們進入更受限的介面至關重要。它可以迎接您的使用者，了解他們想要什麼，並為他們指明方向。在他們的下一步，您可能需要進化您的 使用者體驗。
生成式 AI 使用者體驗 類型二：專業化聊天介面（引導員）
當您對使用者的目標有了更清晰的認識後，設計師可以為聊天體驗增加限制。這可以採取專業化聊天機器人的形式，專門設計用於與使用者就特定主題進行互動。
一個任務特定的機器人為使用者的旅程提供了更清晰的界限，並有機會帶領他們走得更遠。可以將其想像成一位引導員。迎賓員 指出使用者應該前進的方向，而 引導員 則陪同他們走到座位。通過限制討論的主題並利用量身定制的數據集，專業化聊天可以幫助使用者走上他們的「康莊大道」，以彈性換取易用性。
專業化聊天介面的策略應用
以下是我們觀察到的一些利用專業化聊天為使用者提供更多指導，同時又不讓他們感到受限的策略：
- 在聊天中嵌入特定目標的 UX： 由 G2 建立的聊天機器人 Monty，幫助其使用者識別適合他們需求的軟體。Monty 會向使用者提出一系列互動式問題，引導他們找到應該評估的軟體供應商。隨著了解的深入，它會在聊天中嵌入點擊式 UX 的元素，以使搜尋更加精確。當使用者到達最終的供應商列表時，它會連結到 G2 專門構建的評估 UX，幫助使用者完成最後的工作。Maze 正在其產品測試工具中發布一個嵌入式的專業化聊天機器人，該機器人會動態地與使用者就他們對產品原型的體驗進行聊天，創造一種由 AI 主持的研究體驗。
- 向使用者溝通聊天機器人的限制： 讓使用者知道該聊天機器人專注於特定目標。一個針對特定目標訓練的聊天機器人有助於減少挫敗感，並更有效地校準其給出的答案。
- 賦予聊天機器人個性： 我們訪談的一些設計師正在嘗試根據聊天機器人專注的目標，賦予它們特定的個性。這有助於使體驗感覺更人性化。
專業化聊天機器人同樣面臨著易用性和彈性之間的權衡。某些工作流程需要流暢的內嵌介面或具有更多視覺描述的 使用者體驗，而這些並不適合聊天形式。更重要的是，在大多數情況下，通用和專業化聊天機器人都是被動而非主動的。這意味著使用者的認知負擔仍然很高，他們在旅程中迷失的可能性也很大。他們可能需要更多的引導…
生成式 AI 使用者體驗 類型三：輔助駕駛（教練）
於是，輔助駕駛 (Co-pilot) UX 應運而生，您可以將其視為使用者的教練。輔助駕駛進一步犧牲彈性以提高易用性並減輕使用者的認知負擔。它嵌入到使用者的工作流程中，使其能夠在旅程中主動彈出建議。這種整合方法使 AI 能夠捕獲更多背景資訊，包括將行動與業務成果聯繫起來。通過學習使用者採納了哪些建議以及這些建議在成果方面的表現，AI 可以改進它為所有使用者提供的內容。
在 Tenten，我們稱之為 AI 教練網絡 (AI Coaching Network)，這種 使用者體驗 越來越受歡迎，現已應用於許多應用程式中，從程式碼編寫 (Github) 到寫作 (Notion)，再到合約談判新創 Ironclad 都可看到其脈絡。
設計高效輔助駕駛 AI UX 的挑戰與策略
然而，設計好這種 使用者體驗 可能很困難。一方面，構建不佳的輔助駕駛可能會失去使用者的信任，並被忽略（甚至被詬病，想想 Microsoft Clippy）。另一方面，過於激進的輔助駕駛則有可能讓使用者進入「自動駕駛」狀態，這可能導致 AI 生成的錯誤在業務系統中擴散。鑑於 AI 模型容易產生幻覺 (hallucinate) 的傾向，對於大多數 B2B 應用程式而言，積極的人類參與對於確保對這些系統的信任是必要的。
為了避免前者，我們訪談的產品和設計領導者表示，他們始終密切監控其輔助駕駛提出的教練建議的置信度閾值。他們從更少、更好的建議開始，並隨著收集到的使用情況和結果數據而逐步擴展。像 Retool 和 Textio 這樣的公司，將「教練接受率」（使用者採納 AI 建議的百分比）目標設定在 75% 以上，以確保他們的輔助駕駛受到信任。
為了避免構建出「自動駕駛」而非「輔助駕駛」，將 AI 與人類的關係視為實習生與經理的關係會很有幫助。雖然實習生可能會產生初稿，但經理最終對工作成果負責。AI 輔助駕駛也應被視為相同的方式：一種讓工作者學習和加速的方式，但最終的責任必須留在經理身上。
在您的應用程式中做好這一點的關鍵，將是開發鼓勵人們積極貢獻而非被動接受的 使用者體驗。這將確保準確性，並提供創造性和變異性，以改進為網絡中所有其他人服務的模型。
激勵使用者主動參與的技巧
以下是我們觀察到的幾種激勵使用者積極參與輔助駕駛互動的策略：
- 建立問責制： Ironclad 提供 AI 輔助駕駛協助法律合約起草和談判，它要求使用者對特別敏感的 AI 建議進行二次確認。他們還曾嘗試要求使用該產品的律師輸入其律師執業編號。
- 提供提示而非答案： Textio 的輔助駕駛會標示出人力資源寫作中的短語，然後向使用者提供如何修改以達成其目標（例如，吸引更多元化的求職者）的建議。Textio 的 UX 會定期標示出需要修改的短語，但不提供如何修改的建議，從而激勵使用者加入自己的想法。與此相關，教育科技公司 TopHat 為學生提供輔助駕駛，在他們做作業時提供提示而非答案。
- 激勵對齊： 當使用者與輔助駕駛互動並將自己的想法添加到 AI 生成的建議中時，考慮對那些能帶來業務影響的貢獻給予使用者補償。例如，如果一位銷售代表修改了一個 AI 建議，從而提高了整個使用者網絡的交易成交率，您可以為他們支付這些交易的佣金。
生成式 AI 使用者體驗 類型四：AI 賦能功能（選單）
根據您的產品，您可以探索任意數量的 AI 賦能功能。Notion 就做得很好，它向使用者展示了一整套可能性，例如讓 AI 撰寫部落格文章、創作詩歌、縮短或總結文件，或將文本翻譯成多種其他語言。但它並非一蹴可幾地達到這個列表。
我們從 UX 領導者小組那裡聽到的是，利用聊天和輔助駕駛介面幫助他們找到了最適合其產品的 AI 賦能功能列表。
以 Notion 為例，他們發現使用翻譯選項的人比將粗略筆記轉化為部落格文章的人更多。通用聊天每天都在幫助他們確定在其路線圖中優先考慮哪些 AI 功能。現在，他們可以利用更多數據比以往更快地做出這些決策——這也指向了 UX 研究的新方法。
一旦您從通用聊天介面中找出了排名前約 10 位的 AI 使用案例，或者您發現了使用者最常使用您的輔助駕駛做什麼，您就可以追求更多人們真正需要的功能。或許更重要的是，在您的產品中清晰地傳達這些功能。
Notion 的嵌入式 AI 賦能功能，例如「讓這聽起來更專業」的按鈕和切換功能，非常直觀，並且準確地說明了它們的作用。
不出所料，這些特定類型的 AI 賦能功能存在於與通用聊天完全相反的光譜的另一端。它們是最直接的，但也是最不彈性的，產生可預測的、狹窄的結果。
嵌入式 AI 功能的成功要素
這些功能的成功完全取決於您呈現它們的背景。 一些關於嵌入式 AI 功能的關鍵提示：
| 提示 | 說明 |
|---|---|
| 添加到常用選單 | Notion 將其 AI 功能選單添加到了現有的工具欄中，甚至像其大多數其他功能一樣為其提供了簡潔的鍵盤快捷鍵。這將 AI 放入了使用者的路徑中，而無需他們特意去使用它。滾動的選項列表即使是有限的，也讓人感覺是無限的。 |
| 尋找主動機會 | 了解您產品中的哪些操作或結果最能從 AI 增強中受益。當使用者朝著其中一個方向前進時，透過工具提示或彈出窗口主動提示使用 AI 的能力，以便他們開始建立關於何時 AI 是正確工具的肌肉記憶，並感覺到自己的能力（和多巴胺）得到了提升。 |
| 精煉與修剪 | 積極追踪哪些功能正在被使用。在沒有批判性地評估哪些現有功能應該保留的情況下，不要添加新功能。不要被功能臃腫所困擾。少即是多通常是更好的選擇。 |
結論：生成式 AI 使用者體驗 的持續演進
當然，生成式 AI 正在迅速發展。其在 SaaS 應用程式中的 使用者體驗 部署也在不斷演進。無數重要的問題仍在尋找答案，包括考慮到 AI 容易產生幻覺的傾向，如何構建 UX 以最大化信任。
我們希望繼續與整個生態系統的建設者進行持續對話，以便在過程中分享學習成果。為此，我們非常希望聽到那些正在其 使用者體驗 中積極部署 AI 的人士的意見。本文中有哪些內容引起了您的共鳴？哪些沒有？您迄今為止還有其他重要的學習嗎？
FAQ
- 生成式 AI 與使用者體驗 (UX) 之間的關係是什麼？
生成式 AI 的技術創新讓產品具備更高效能，但成功的關鍵在於優秀的使用者體驗。產品是否能讓用戶感到無縫且直觀，會直接影響市場上的競爭力。 - 如何為生成式 AI 設計一個通用聊天介面？
通用聊天介面應幫助使用者首次接觸產品時，找到達成目標的路徑。需要透過自然語言與用戶互動，提供更人性化的引導，並收集使用者數據來進一步優化功能。 - 什麼是生成式 AI 的專業化聊天介面？
專業化聊天介面針對特定任務或目標設計，能為使用者提供精準引導並減少困惑。例如，配合特定用戶需求提供專屬建議，同時設計簡化的操作流程。 - 輔助駕駛 (Co-pilot) 介面如何改善使用者體驗？
輔助駕駛利用 AI 介入用戶的操作流程，主動提供建議和指導，但仍保留用戶的最終決策權。這種設計提升使用效率並降低認知負擔，同時確保用戶對系統的信任度。 - 如何為生成式 AI 開發嵌入式功能來提高用戶參與度？
確定使用者最常用或最需要的功能，將 AI 功能無縫地嵌入產品操作中，例如透過選單或快捷鍵使功能更易訪問，並避免功能臃腫。
透過 Tenten.co 提升您的 AI 使用者體驗
在 生成式 AI 的浪潮中，卓越的 使用者體驗 是脫穎而出的關鍵。如果您正在尋求將 AI 無縫整合到您的產品中，並創造直觀、高效且真正以使用者為中心的體驗，Tenten 的 CX 專家可以提供幫助。我們專注於數位策略和 使用者體驗 設計，可以協助您應對 AI 產品中 UX 的複雜性，從選擇正確的介面到優化人機交互。讓我們一起打造不僅功能強大，而且使用者喜愛使用的 生成式 AI 應用程式。
立即預約免費諮詢會議，探討我們如何協助您提升 生成式 AI 使用者體驗：預約免費會議。
