AI 体验设计的边界正在被重塑，从亚马逊 Go 的无感支付到自动驾驶的责任博弈，传统的交互逻辑已难以为继。本文基于人机交互与服务设计理论，提炼出五大维度设计原则，深度解析如何在黑箱算法与用户信任之间构建透明的桥梁。

当我和罗伯塔·塔西（Roberta Tassi）开始思考有助于指导 AI 体验设计的原则时，我们从唐·诺曼（Don Norman）的人机交互原则，以及埃琳娜·帕琴蒂（Elena Pacenti）在米兰理工大学攻读博士学位期间所制定的服务设计准则中汲取了灵感。

这些内容一直是我们工作的基本准则。例如，透明性原则几乎已成为每个服务提供商的必备要素，它对于让用户能够理解自身选择至关重要。但在 AI 的新环境下，这意味着什么呢？

我们开始探索这些原则，并确定影响基于 AI 的服务与体验设计的最关键变量。

有些变量是功能性的，用以界定人与技术组件及底层服务之间的交互。另一些变量则更多与审美价值相关。我们着重去理解那些能引发有意义问题、进而催生有趣设计的变量。

首先要考虑的一组原则，通常与可供性以及它们在基于 AI 的服务中如何变化相关：

1.可见性：这对于零交互/自动化服务尤为重要。我们需要设计 “负可供性”，向用户表明在新服务中，他们原有的一些交互模式可以摒弃，并指出新的交互模式是什么，即便我们希望新交互模式直观且无形。这有助于避免类似自动水龙头带来的那种困惑，因为传统交互方式在自动水龙头场景中被取消了。

2.心智模型：我们必须处理好用户针对像亚马逊 Go（Amazon Go）这类自动化服务所形成的心智模型。在这类服务中，我们要求用户摒弃旧有的服务使用模式。用户必须学会在进入时签到，而无需在离开时签出，这意味着一种全新的服务流程。我们必须考虑这一过程中的学习曲线以及所需的所有沟通环节。

3.透明性：鉴于机器学习的技术复杂性和黑箱问题，这或许是最具挑战性的原则。传统上，透明性意味着明确预期，或者让用户在等待时知晓正在发生什么（比如包裹追踪）。然而，我们现在必须考虑两个层面的透明性：其一，我们需要向用户更清晰地呈现技术限制。例如，用户需要明白 Echo 设备要么说话要么倾听，如果在 Alexa 还在说话时他们就开始发言，其询问可能无法被正确解读。其二，我们需要追踪 AI 可能代表用户采取的行动，并明确是哪些具体的用户输入或 AI 对其行为的解读导致了该行动。（例如，如果我的 AI 助手一直给我买巧克力，我想知道这是基于我的习惯、它对我心理状态的解读，还是供应商推送的促销活动。这就是所谓可解释 AI 应用的一个场景。）

4.可解释性：AI 的出现催生了一个重要的新原则。这既涉及用户理解系统中正在发生之事的能力，也关乎AI所采取行动的可问责性。它与 “让用户深入了解系统运作机制” 的理念相关。目前有朝着可解释 AI（XAI）方向的尝试，这应该遵循这一原则。

第二组原则涉及用户应如何在不同方面保持对系统的控制权：

1.退出自由：在传统系统中，这指的是随时停止交互的能力，比如我改变主意时能从 ATM 机取回银行卡。然而，随着谷歌、亚马逊这类更复杂系统的出现，理解用户的退出自由究竟意味着什么变得至关重要，特别是在如何安全取回他们的数据方面。

2.容错友好性：在传统系统中，容错友好性意味着允许人工操作者犯错而不引发严重问题。但对于智能代理而言，我们可能需要设计这样的系统：确保用户能接受一定程度的系统故障，并明确用户与 AI 代理之间责任如何划分。最近，自动驾驶汽车中多起涉及自动驾驶仪的事故使得这一原则问题尤为突出。

3.持续参与：关键在于考虑如何让用户知晓情况，并赋予他们干预和重新引导系统的能力，还要设计出能提供清晰及时反馈以实现这一点的系统。用户必须明白何时可能需要重新接管控制权，并且应为他们有效执行这一操作创造条件（例如，在自动驾驶汽车场景中，由于机器在控制，用户常常会感到无聊和分心）。这不仅对控制 AI 很重要，对人类保持自身技能和知识水平、以便在技术故障时仍能手动执行操作也很关键。

第三组原则与适应性以及这些服务如何应对不同情况相关：

1.学习能力：从用户反馈中学习并随时间不断改进的 AI 服务，是这项技术的自然产物。它们能够实现个性化体验，适配用户的需求和偏好。这一特性是许多成功的基于 AI 服务的关键要素。

2.灵活性：这是设计 AI 服务的一项关键原则，它使系统能够随时间推移进行适应和演变。这包括整合新数据和用户反馈的能力，以及响应不断变化的用户需求和偏好的能力。一个灵活的 AI 系统还能更好地处理意外情况和异常状况，提供更流畅、直观的用户体验。总体而言，以灵活性为导向进行设计，能让 AI 服务持续改进，在不断变化的环境中保持相关性。

3.多模态交互：该原则指的是为用户提供多种交互方式，如语音、文本和手势识别，还包括结合不同交互方式以实现更流畅的体验。通过提供多种交互方式，AI 服务能更好地满足用户偏好，并适应不同的使用场景，使整体体验更具灵活性和易用性。

4.情境感知：对于设计能有效适应不同情境的 AI 服务而言，这是一项至关重要的新原则。例如，用户在工作或从事其他专注活动时，可能不希望被打扰。AI 服务应设计为能够检测并响应这些情境，提供适应特定情况的差异化体验，而非采用一刀切的方式。挑战在于打造能够识别并适应用户情境的服务，提供流畅且个性化的体验。

···

接下来谈谈与美学相关的原则，我们可以思考能提升体验的元素。

一致性：

第四组原则更多涉及服务在美学和情感方面，也与品牌体验和认知相关。

1.共享且一致的语言：这既体现在服务与用户之间共享的语言，也包括契合情境的语言（不能是用户听不懂的官僚或技术语言的 AI ）。服务语言在用户访问的各种平台和情境中也应保持共享且一致。

2.共享价值观：这对用户与服务的匹配至关重要。此前我们在一定程度上看到过例子，比如当前的地图应用重视效率和速度，而用户可能更看重路线体验。我们需要找到传达这些价值观或适配用户的方式。

3.可及性：AI 服务看似可及性问题较少，因为自然语言界面可能克服操作按钮和触摸屏的一些限制。然而，我们已经看到不同语言的服务在可及性方面存在显著差异。另一个方面是对不断增加的带宽和处理能力的需求，这可能在有能力使用高质量 AI 服务和无力承担的人群之间造成新的数字鸿沟。

4.伦理道德：这是一个宽泛的范畴，不止涉及单一原则，目前在技术和设计背景下都有讨论。设计师应考虑将道德准则融入 AI 服务的功能中，并评估该技术潜在的伦理影响。他们必须留意服务对社会的潜在影响，确保其符合伦理价值观和原则。然而，在某些情况下，这些伦理方面可能与一致性原则相悖，因为一些伦理考量可能高度基于具体情境，需要兼顾多样性和差异。

第五组原则旨在帮助人们在使用 AI 服务时感到自在，并且感受到被尊重，从而营造舒适的 AI 体验。

1.外观、特性与氛围：这些元素通过品牌形象视觉化、色彩和声音等接触点来传达服务的核心。对于常常超越屏幕交互的 AI 体验而言，理解如何持续传递品牌价值，以及像语气或特性等其他方面怎样用于打造不同且独特的体验，这一点至关重要。  

2.个性化：这是将智能融入服务所带来的最大优势之一，但它引发了关于个性化程度的疑问。传统上，服务和品牌的创建会考虑特定价值观和目标受众，但个性化可能会挑战这一模式，使服务适配每个特定用户的偏好。例如，是否仍需要多种打车服务，还是一个统一整合的平台就能提供足够的个性化服务以满足每个人的个体需求？品牌及其价值观的概念会被每个用户的价值观和需求所取代吗？

3.谨慎性：虽然 AI 利用用户行为数据实现个性化体验有益处，但谨慎行事很重要，不能让用户感到尴尬或不适。AI 应融入用户偏好的做事方式，避免造成尴尬局面。例如，如果 AI 收集了大量用户数据，它应利用这些信息提升用户体验，同时尊重用户隐私。设计师在利用数据支持服务行动时，应思考如何融入惊喜元素和自然交互，不让用户感到不适或隐私被侵犯。

总之，AI 体验的设计原则复杂且多面，融合了传统服务设计、伦理道德和美学等方面的元素。随着 AI 越来越融入我们的日常生活，设计师必须考虑这些原则，打造不仅功能实用、高效，而且能让用户享受其中，并尊重用户价值观和偏好的服务。