人工智能產業已經吸引了數十億美元的投資，許多初創企業都希望借助人工智能獲得創新和競爭優勢。策略似乎很簡單：找一個人們生活中長期存在的問題，然后用機器學習來解決它。

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

人工智能的確解決了無數關乎用戶體驗的問題。但是，也有一些問題并不能從人工智能中獲益，甚至如果應用人工智能情況可能更糟。本文將帶你體驗一個決策的完整過程，幫助你評估人工智能是否適合你的業務。

確定需求：你在人工智能上的投資會增值嗎？

如今的企業家們在創業之旅的開始往往會問一個問題：“我們如何利用人工智能解決X？”雖然這可能是一個很好的起點，但如果不能為用戶或客戶提供獨特的價值，即使是最好的人工智能系統也只是消耗資源而已。因此，你的首要任務應該是評估AI可以在哪里增加獨特的價值。

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

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：“如果你給一個小男孩一把錘子，他會發現他遇到的所有東西都需要敲打。”

那么，怎么確認人工智能是否適合解決當前的問題呢？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。

進行用戶研究，回顧調查數據，觀察用戶的生活，可以將你的產品理念從技術至上轉變為以人為本，這意味著從“僅僅因為你能做到”而使用人工智能轉變為“因為它可以獨特地解決一個核心用戶需求”而使用人工智能。

使用人工智能沒有正確或錯誤的動機。但推出一個人工智能支持的客戶聊天機器人來幫助客戶更簡便地進行交易是一回事，而推出一個聊天機器人只是因為它目前很流行是另一回事。

IDEO的設計工具包和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特的價值。

編程規則vs啟發式

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

組織feed流的一種方法是使用ML預測模型來預測特定用戶最喜歡的內容，這需要考慮用戶的推測興趣、個人信息和過去與應用程序的互動。ML模型將根據預測的參與程度對所有內容進行排名，并向單個用戶展示最“相關”的內容。

或者你可以使用啟發式來解決社交feed流進行排序的問題，而不需要任何機器學習。可以考慮先顯示最近發布的內容feed流，一些研究表明，用戶實際上可能更喜歡按時間順序排序的feed流，它們可以提供更多的一致性和更好的控制體驗

也可以讓用戶自己手動對內容進行投票，就像Imgur等流行圖片板和Reddit、Digg等聚合網站上的投票系統一樣。在這種情況下，人工智能可能會對維護用戶的透明度和可預測性起到反作用。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，就會產生對其的不信任感。

讓用戶控制結果

人工智能產品有兩種基本類型：一種試圖將任務完全自動化，另一種試圖增強用戶自己完成任務的能力。

當遇到重復性工作或計算復雜的時候，自動化特別有用;而當人類的判斷對準確性或責任至關重要時，增加任務是最有用的。這種人工智能與人類的伙伴關系，在人們喜歡自己做這項工作或者需要對這項工作承擔個人責任的情況下會特別成功。

在這兩種情況下，你會發現用戶不愿意完全依賴算法預測。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。即使對人工智能的決策過程進行了技術性的解釋，對許多人來說也往往是難以理解的。因此，建立對產品人工智能模型的信任必須通過仔細的溝通來培養。

例如，如果你的應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選項，讓他們自己報告食物偏好，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告偏好，這將比任何基于（糟糕的）推斷口味的ML模型預測有效得多。

讓用戶來掌控方向

如果一個應用程序使用AI來建議觀看新電影，最好考慮給用戶一個刪除或重置一些用于生成推薦的數據的選項。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，共同創造還能夠豐富產品的整體價值。

其他解釋性的方法包括闡明數據源、將解釋與用戶行為聯系起來、與專業用戶體驗作者或內容戰略家密切合作，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

當用戶向他們的智能家居設備詢問有關世界的問題時，這個沒有實體的聲音會給出一個爽朗的回答，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，隨時準備回答你的問題。但是，展現個性化的、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，但事實上，這樣的魔法尚不存在。與Arthur C. Clarke經常引用的技術第三定律——“任何足夠先進的技術都與魔法無異”相反，傳播魔法的概念不會幫助用戶，也不會打動投資者。

“人工智能的魔法”是一種修辭，讓人聯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生不切實際的期望，這種錯位的期望最終會導致失望。

擬人化的人工智能助手往往會加劇這一問題，直接或間接地導致用戶認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無所不知的虛擬助手，不如考慮突出助手產品的特定功能，以及這如何有利于達成用戶的目標。這可以幫助用戶圍繞不斷進化的人工智能產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的深入技術解釋之間，存在著一種微妙的平衡。當用戶試圖學習使用一種產品而不是探索它的機制時，太多的術語會妨礙他們。

谷歌航班價格分析功能是復雜機器學習和用戶需求達到平衡的一個典型例子。在這個界面中，根本沒有提到“深度學習”或“數據處理”。相反，價格分析工具只是為用戶提供有用的提示，告訴他們當前的機票價格是低、一般還是高，以及近期的價格走勢。

這個例子還展示了多個用戶體驗設計元素如何協同解釋AI預測并培養信任。

產品上市了！然后怎么做呢？

人工智能的用戶體驗與以往有所不同。人工智能產品可以適應，并隨著時間的推移變得更好。這意味著用戶可能需要調整他們對產品如何工作的思維模式，產品負責人也可能需要適應。

例如，如果你在使用人工智能來管理和過濾你產品的社交信息，在產品生命周期中的某個時候，你可能會意識到人工智能已經學會了將點擊誘餌內容和貓視頻優先于重要的新聞文章。這意味著，在發布之后你可能需要重新考慮優化的目標，以確保用戶新聞提要的多樣性以及質量的一致性。

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值，產品負責人應該適應隨之而來的新使用模式。通過不斷聽取用戶的意見（嚴格在隱私或課程范圍內），并進行評估性研究，例如使用幸福感跟蹤調查、待完成工作跟蹤調查或首要任務研究，來跟蹤和衡量你的產品是否成功。

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指南是一個開放的、免費的資源，那里提供了更多關于如何設計以人為中心的人工智能產品的例子和建議。

如何獲取用戶信任，構建以人為中心的人工智能產品，是每個試圖利用AI的創業公司都應該首先考慮的問題。