AI 驱动设计模式-如何设计 AI 产品

探索生成式AI的进步如何塑造未来的特性设计，从提升内容互动到促进更高效的决策过程。

来源： https://uxdesign.cc/the-rise-of-generative-ai-driven-design-patterns-177cb1380b23

ChatGPT 革命已经发展了一年多了。虽然这个具体的聊天机器人可能并不代表重大的技术转变,但它在科技界引发的深刻认知变化持续产生着冲击波。最初,各行各业的团队争先恐后地模仿和完善聊天机器人的成功,利用 GPT 的底层模型生产出类似于 ChatGPT 的解决方案,但针对特定体验进行了定制,并在独特的数据集上进行了训练。

随着新奇感的消退和生成式 AI 真正潜力的明朗化,创新团队开始超越单纯的聊天功能。Notion AI 成为了一个典范,展示了 AI 进步如何融入传统产品特性,引发了对这项技术更广泛应用的讨论和兴奋。随后是像 Grammarly 和 Figma 这样的公司,他们引入了许多改变内容创作和修改方式的功能,为实用 AI 集成设立了新的标杆。

时间快进到今年,似乎每一个具有前瞻性的公司都推出了一张包含 AI 增强功能的路线图。产品领导者面临着巨大压力,要将生成式 AI 融入他们的产品中——不仅要提供真正的价值,还要在一个 AI 能力正迅速成为创新衡量标准的市场中竞争。虽然聊天机器人和直观的文本操作工具因其已被证实的价值而仍然受欢迎,但这一格局正在迅速演变。

各行各业的初创公司都在不断挑战生成式 AI 的极限,从为联合分析创建合成用户,到可以充当初级开发人员的智能体。这股创意的涌现正在扩大 Overton 窗口(指在特定时期内公众可接受的政策主张范围),展示了一个未来,传统产品被赋予了看似魔法般的色彩。所有这些都源于日益抽象的底层大语言模型技术的应用。

新兴的 AI 增强功能

当我观察生成式 AI 的持续演变时,几个独特的模式开始浮现。有许多角度可以审视这些模式,有些人通过 AI 特性中更传统的设计元素来看待,其他人则通过用户体验中的模式来观察。我开始注意到的趋势集中在如何利用生成式 AI 来使产品更有效地达成其预期目的。这些模式要么以模仿的级联形式出现——一家公司的创新催生了一大批模仿者,每个模仿者都为其独特的用户群调整了概念;要么围绕生成式 AI 一个真正变革性的能力聚合。这些突出的应用现在是许多公司路线图上的主要内容,代表了这项技术带来的真正价值。

回想移动技术的出现:最初的移动应用通常只是现有桌面服务的延伸,为适应移动格式而进行调整——并不总是很优雅。许多应用只不过是公司网站的笨拙移动版。当时,这些解决方案只是延伸了已有的内容,而没有释放移动平台固有的新价值潜力。

然而,随着公司在手持设备功能实验方面变得更加大胆,再加上高速互联网的普及,真正创新的解决方案开始出现。一个典型例子是 Uber,它利用移动访问的普遍性彻底改变了人们召唤和共享乘车的方式。这一突破不仅仅是一种调整,而是一种完全的重塑,通过充分利用该平台的潜力创造了前所未有的价值。正如移动技术通过拥抱其独特能力而找到立足点一样,大语言模型革命现在也正处于以同样开创性的方式改变我们与数字环境互动方式的关口。

重写内容是一个自然的起点

内容重写:大语言模型技术最具影响力的用途之一在于内容重写,它自然而然地利用了这些系统在生成和完善文本方面的强大能力。这种应用是一个合乎逻辑的选择,帮助用户在使用服务时增强其内容。早期的实现包括 Notion 的功能,允许用户将简短的输入转化为结构化的模板,以及 Grammarly 扩展其编辑工具以实现全面的内容重写。这些集成是为简化和改进书面内容而设计的产品的自然延伸。

Notion AI 有一系列内容重写功能,可以处理用户创建的任何内容。

消息个性化:随着越来越多公司采用这一应用,我们看到了更多创新的方式来帮助用户重写内容。在销售领域,Hubspot 和 Salesforce 都创建了系统,利用其系统中存储的信息为潜在客户创建量身定制的外展服务。添加这一功能会创造对高质量数据的需求,进一步强化了投资建设各自客户关系管理系统的必要性。以匹配承包商与工作而闻名的 UpWork 拥有一个系统,可以优化工作列表以吸引更多合格候选人。在消费者方面,Bumble 最近发布了一个工具,以帮助创建破冰信息。

Bumble 的 AI 生成了一个破冰提示。

在所有例子中,该功能都超越了基本的内容重写,以提高信息的有效性。有些通过根据最佳

总结内容过载

总结:虽然内容重写仍然是生成式 AI 的一个普遍应用,但从海量内容中提取可行见解已经迅速成为一个至关重要的用例。最直接的方法是总结,即处理大量数据以辨别模式和关键点。LinkedIn 的文章总结功能就是一个例子,它将冗长的帖子和文章转化为易于理解的片段,使复杂信息一目了然。

识别亮点:与总结类似,但融入了判断元素的功能,如 Microsoft Team CoPilot 的通话记录总结,将广泛讨论提炼为基本要点,突出关键时刻或洞察。Rippling AI 和 Greenhouse 都是人力资源技术,已经发布了对面试进行同样操作的功能。它们可以将面试记录与面试官的笔记结合起来,创建总结,同时突出每个候选人的优缺点。在 B2B 领域,ServiceNow 也在做同样的事情,它创建了一系列功能来总结和突出支持工单中的模式。在此基础上,他们正在扩展到两个更新兴的功能集:报告创建和高级搜索。

Microsoft 的 CoPilot 根据通话创建摘要。

报告创建:对于总结的数据,尤其是在 SaaS 产品中,自然的下一步是创建报告。通过识别最重要的变量或共同模式,产品可以自动生成一个可交付成果供用户构建。ServiceNow 为客户服务做这个,就像 Hubspot 为销售数据做的一样。Tableau 更进一步,通过自动根据趋势数据创建摘要。不仅在 B2B 产品中,Priceline 最近也推出了一些生成式 AI 功能,自动创建行程就是一个主要例子。该功能为用户制定了一个计划,以便在即将到来的旅行中遵循。虽然仍是一个早期功能,但进一步扩展和创造价值的潜力巨大。

Tableau 根据相关指标创建每日脉动。

高级搜索:通过总结来"理解"细微差别语言的能力自然延伸到高级搜索功能。ServiceNow 使客户服务人员能够搜索工单以寻找推荐解决方案并消除不同人员使用的行话。ZenDesk 通过提取与服务工单相关的信息做类似的事情。Concur 采用同样的格式,提取与报销单相关的文件,使员工能够更快地提交报销。

在更传统的搜索方式中,考虑到快速总结内容的能力,Dropbox 提供的新功能价值更大。用户可以询问存储系统中文档的问题,快速提取见解而无需打开各种文档。Glean 通过使用交互式聊天机器人做同样的事情,以便人们可以继续提问。这个光谱中最具创新性的一端允许包含定量数据,这正是 Mixpanel 通过其 Spark AI 所做的。用户可以询问有关其数据的问题,在指标中寻找价值。

Mixpanel 的 Spark AI 允许用户询问有关数据可视化的问题。

洞察力识别:在大量新兴内容中寻找价值的最后一个维度是识别新的洞察力。Mixpanel 和 Tableau 已经在做这个,还有一系列 AI 特定产品。Gong 是一个销售支持工具,有一个新功能,可以识别销售电话中有效的趋势。它使用生成式 AI 在相似但不同的词语中识别这些模式,三角测量出一个核心含义,无论这个核心含义如何准确地传达给潜在客户,都显得有效。在消费者方面,Fitbit 已经开始利用用户的具体行为结合用户数据的语料库来显示个性化健康见解。结合消息的定制,我想象下一步自然是推动用户采取个性化行动。

Fitbit 提供了个性化的见解。

这些设计模式展示了总结作为生成式 AI 的一个基本方面的多方面能力。随着实验的继续,我们可以期待看到这些应用的扩展,成功的模型在各行各业得到完善和复制。就像内容重写一样,总结及其多种表现形式只是生成式 AI 许多新兴超能力中的一种,为未来创新铺平了道路。另一个刚刚开始出现的超能力是根据基础大语言模型(Large Language Model,LLM)由于其训练数据而持有的集体知识创建有证据支持的预测的能力。

利用集体知识

尽管存在一些争议和未解决的问题,不可否认的现实是,大语言模型(LLM)是在海量人类知识的语料库上训练的,涵盖了各种数据源和内容类型。虽然这些系统可能不能真正"理解"人类意义上的内容,但它们擅长识别人类行为中的模式。这种能力是它们有效扮演特定角色的基础,通过精心设计引导系统采取所需立场的提示来实现。

组织才刚刚开始探索这种集体知识在其产品特性中的潜力。这些系统的新兴应用不仅关注内容创建或操作,而且基于累积的人类经验提供新视角和预测结果。这些应用的真正价值不仅在于提高效率,更在于增强效力,使用户能够做出更明智的决策。虽然还不普遍,但我预见这种方法将成为公司路线图的主流,代表 AI 应用的下一个发展阶段。一旦 LLM 生成了新见解,合乎逻辑的下一个问题是,"我应该如何利用这些信息?"使用生成式 AI 根据他人的集体经验和行动来指导决策,为决策提供了强大的新工具。