AI产品的三个阶段

1. AI 出现在产品中
2. AI 融合在工作流中
3. AI 主动拓宽创造力

1. AI 出现在产品中

在 GPT 技术出现之后，多数产品快速添加了 AI 功能。在这个阶段多数产品都在显眼的位置添加了Chatbox，交互行为主要以用户输入指令获得反馈为主。从功能上来说，基本上都是在做图像生成和文字内容书写或改写，功能步骤单一。这一阶段迅速失去话题性，用户的热情和好奇也很快的结束，用户虽然感到震撼甚至恐惧，但总体负面因素占据多数：

1. AI 不可用
   1. 并不如预期一样魔法般的完成用户的指令，或者与用户的预期相差太大；
   2. 生成的结果笼统，套话多，与搜索引擎搜到的结果没太多差异；
   3. 在自己的专业领域内，能明显感知到Ai的能力不足；
   4. 生成的结果有部分是编造的；
2. AI 不方便
   1. 没有融入工作流中，需要在特定的位置输入想法和要求；
   2. 对结果的调整也同样需要输入指令，效率低；
   3. 结果不具备二次操作的可能性；
3. AI 不好沟通
   1. 生成非常好的结果需要学习新的交互方式：Prompt，如同开始学习一门新的语言，需要掌握它的语法；
   2. Prompt 本身的组成也需要对相关专业逻辑知识储备丰富；
   3. Prompt 包含的参数也需要专业知识拆解；

2. AI 融合在工作流中

AI 融入产品中，更好的完成工作，做好辅助的角色，提高工作的效率。用户需要的是足够易用和高效，高效易用的 AI 是产品的护城河。

1. 控制预期
   1. 告知能力边界：需要给用户更加明确的预期管理，告知用户 AI 并不能比你更专业，只有在数据归纳整理和分析等方面拥有优势，AI 将帮你完成部分工作，且只能帮你完成这部分工作。
   2. **任务边界：**AI 不可能完成一个职场中一个现有职位的所有工作，AI 替代的是一部分任务，引导用户向 AI 发送具体任务指令，而不是一个工作指令。
   3. **新用户等待：**告知需要大概多久的等待、或者需要得到怎样的数据后才能为用户提供价值。
2. 提示和指引
   1. **告知能力的价值：**引导和教学的核心是告知能力的价值，而不是技术实现方式，用户需要了解能力带来的价值，解释技术的方式没有太多意义。
   2. **提供示例：**引导用户试用在 AI-Based 的产品成本很低，能让用户迅速的了解流程是怎样的，选择合适的示例非常重要，要表现产品最擅长和最具有代表性的示例。同时也是区别于其他竞品的一个体现。
   3. 其他人的结果：Prompt 如同新的语言，优秀的案例（非示例）能获得更丰富的教学参考，让其他用户了解上限，了解任务拆解，了解使用场景。
3. 控制权
   1. **用户参与：**创造性的工作控制权是要交还用户的，生成式内容要具备良好的可编辑性，用户可以继续使用最熟悉的工作流程对其进行任意的改造和继续生成。
   2. **隐性反馈：**给予用户反馈非常重要，但是往往用户并不会主动反馈，设计隐性反馈就非常的重要，AI 需要一直被训练，用户是比 Labeler 更好的训练者。
4. 建立与维持信任
   1. **排除虚无：**设计检查机制排除 AI 的虚无回答，并告知这种情况的可能性，提醒用户对结果进行必要的审查。
   2. **承认并试图修复错误：**如果用户发现了错误，及时记录该错误反馈，并提供选项让用户继续。
   3. **透明化：**对算法的判断提供依据，需要的时候将可能性展示。
   4. **告知安全和隐私：**在适当的时候更多的告知我们使用了什么用户的信息，这些信息为什么被需要。
5. 体现Ai的优势的UX设计
   1. 融入上下文：
      1. LLM 最大的优势就是对上下文的自然理解，即使在场景中没有上下文，他也会自己补全背景；与现有内容融合、与现有产品工作流融合才是最好的体现。
      2. 现有的生产力工具的交互界面把一项工程的任务按照类型拆解的非常科学，AI 融入在相应模块中，继承工作流的行为习惯。
      3. 不要单独为其设计空间，让其在该出现的时候出现。
      4. 某种程度上，AI 等同于 Add/Create/New 等传统操作。
   2. **设计 AI 状态：**明确视觉设计上的 AI 状态，提供明显的区分（如果有必要），让用户了解和感知到 AI 的工作。
   3. **设计等待策略：**如果 AI 运算的步骤会阻断工作流，那么等待状态展示什么样的信息、或者分解步骤的行为是否可以在等待时完成；如果不会阻断工作流，应该告知运算状态、进度以及完成后在哪里可以找到结果。
   4. **关于Chatbox（InputBox）的使用：**Chat 式交互适合发起任务，大多数适用于任务的新建和复杂场景的描述，AI 反馈结果后，换用传统交互将更有效率，不要把什么操作都交由对话完成。
6. 如何做Ai的产品设计
   1. 对技术的理解深度
      1. 了解 AI 的运作原理
      2. 了解 AI 需要什么
      3. 思考 AI 可以给你的产品带来的核心价值
      4. 思考 AI 可以给你的用户带来什么好处
   2. **对逻辑的判断：**AI 类型的产品大量逻辑在后台完成，用户甚至感知不到，产品设计需要掌握嵌套式的复杂逻辑，面对 AI 这种交互形式单一的产品，背后的设计逻辑复杂度指数级提高。
   3. **算法能力的组装：**一些传统的交互行为可以用 AI 来实现，并且实现的更好，设计师需要了解这些技术的可用性，通过对多种算法和模型的打包来提供给用户更好的体验。

3. AI 主动拓宽创造力

主动也体现在对场景和上下文的理解基础上，即：AI 已知当前的任务是什么。

1. 主动性
   1. 受使用场景限制，当前 AI 主要以被动式反馈为主，设计主动的产品将会是未来的一个方向。
   2. 基于用户工作流的理解和学习，主动完成任务而不是等待接收指令。