Lebih dari Sekadar Terdengar Manusiawi: Empat Sasaran Lebih Baik untuk Desain Obrolan AI
Bagi desainer yang merancang interaksi obrolan AI, “buatlah terasa nyata” terlalu samar untuk memandu keputusan yang bermanfaat. Sasaran yang lebih baik adalah membantu seseorang mendapatkan jawaban yang jelas, mengeksplorasi gagasan, memahami apa yang telah dilakukan sistem, dan memilih apa yang terjadi selanjutnya. Penelitian tentang petunjuk antropomorfis menunjukkan bahwa sinyal-sinyal mirip manusia dapat mengubah seberapa akurat orang meyakini informasi dari AI. Hal itu menjadikan kejelasan, eksplorasi kreatif yang menyenangkan, status tugas yang andal, dan kendali pengguna sebagai target desain yang lebih berguna daripada sekadar meniru identitas manusia.
Mengapa obrolan AI harus menargetkan lebih dari sekadar kemiripan dengan manusia?
Sebuah percakapan dapat terdengar lancar tanpa memberikan gambaran yang andal tentang sistem kepada pengguna. Dalam sebuah eksperimen dengan 2.165 partisipan, para peneliti membedakan apakah model bahasa semu menggunakan teks saja atau suara bersama teks, dan apakah ia merujuk pada dirinya sendiri sebagai “saya” atau “sistem”. Suara ditambah teks meningkatkan penilaian partisipan terhadap antropomorfisme dan akurasi informasi; penggunaan kata ganti orang pertama menaikkan peringkat akurasi dan menurunkan persepsi risiko dalam satu konteks. Temuan ini bersifat spesifik pada tata cara studi tersebut, tetapi temuan ini menunjukkan bahwa petunjuk yang membuat sistem tampak lebih manusiawi juga dapat memengaruhi penilaian terhadap informasinya. Google Research, “Believing Anthropomorphism: Examining the Role of Anthropomorphic Cues on User Trust in Large Language Models”
Itulah mengapa petunjuk antropomorfis dan kualitas interaksi layak diaudit secara terpisah. Audit petunjuk antropomorfis mempertanyakan apa yang diisyaratkan oleh antarmuka mengenai identitas atau kualitas manusiawi dari AI. Audit risiko penilaian mempertanyakan apakah suatu petunjuk dapat mengarahkan pengguna untuk melebih-lebihkan akurasi atau keandalan keluarannya. Sasaran desain di bawah ini menjawab pertanyaan yang berbeda: apa yang seharusnya dapat dipahami, dilakukan, dan diputuskan oleh seseorang selama pertukaran pesan? Nada yang ramah dapat berdampingan dengan sasaran-sasaran ini, asalkan tidak mengaburkan kapabilitas sistem atau status tugas.
Human-AI eXperience Toolkit dari Microsoft mengorganisir panduan seputar bagaimana sistem AI berperilaku pada penggunaan awal, selama interaksi, ketika terjadi kesalahan, dan seiring berjalannya waktu. Struktur tersebut bermanfaat untuk desain obrolan karena mengalihkan perhatian dari kepribadian sebuah karakter ke kebutuhan pengguna yang terus berubah. Microsoft, “Guidelines for Human-AI Interaction”
Jadikan kejelasan sebagai fitur yang terlihat dalam percakapan
Kejelasan bermula dari tugas pengguna, bukan dari gaya percakapan yang sempurna. Seseorang yang meminta tiga ide kegiatan akhir pekan membutuhkan pilihan yang dapat mereka bandingkan; seseorang yang meminta penulisan ulang membutuhkan draf yang dapat mereka revisi. Antarmuka harus membuat tindakan yang diminta dan hasil yang diberikan mudah dibedakan. Jika AI menyarankan, merangkum, atau mengubah materi, berikan label pada kontribusi tersebut secara jelas dan pertahankan konteks yang cukup agar pengguna dapat menilainya.
Interaksi yang bermanfaat juga dapat menunjukkan apa yang dapat dan tidak dapat dilakukan oleh AI pada saat informasi tersebut diperlukan. Misalnya, jika asisten obrolan dapat menyarankan rencana tetapi tidak dapat melakukan pemesanan tempat, tanggapannya tidak boleh membiarkan tindakan tersebut ambigu. Nyatakan apa yang sudah siap, apa yang masih memerlukan tindakan pengguna, dan detail mana yang masih belum pasti. Ini adalah rekomendasi desain yang disimpulkan dari penekanan HAX pada perilaku yang tepat di sepanjang interaksi, bukan klaim bahwa satu pola susunan kata akan cocok di setiap produk.
Pemeriksaan kejelasan yang sederhana adalah dengan menanyakan kepada seseorang setelah pertukaran singkat: Apa yang Anda minta untuk dilakukan sistem? Apa yang sebenarnya dilakukannya? Apa yang perlu Anda periksa atau putuskan sebelum menggunakan hasilnya? Jika jawabannya berbeda dari makna yang dimaksudkan oleh antarmuka, revisi susunan kata, struktur, atau petunjuk langkah berikutnya sebelum menambahkan kepribadian lebih lanjut.
Gunakan elemen bermain untuk mendukung eksplorasi
Sifat suka bermain (playfulness) memberi orang cara untuk mengeksplorasi suatu alat dan berbagai kemungkinannya. Dalam sebuah studi terhadap 372 kiriman buatan pengguna tentang ChatGPT, para peneliti mengidentifikasi pertukaran santai yang mencakup lelucon, menantang sistem, dan menguji batas-batasnya. Para penulis menggambarkan interaksi ini sebagai cara orang mengeksplorasi kapabilitas dan agensi AI, sambil mencatat bahwa sampel tersebut mencerminkan kiriman dari periode awal penggunaan ChatGPT. Nikghalb dan Cheng, “Interrogating AI: Characterizing Emergent Playful Interactions with ChatGPT”
Bagi desainer, implikasi praktisnya bukanlah mengubah setiap asisten menjadi pelawak. Melainkan mempermudah eksperimen berisiko rendah: tawarkan cara untuk mencoba sudut pandang yang berbeda, membandingkan alternatif, atau merevisi draf tanpa kehilangan versi sebelumnya. Perintah kreatif singkat seperti “Beri saya tiga tema yang tak terduga” dapat mengundang eksplorasi sambil tetap menjaga tujuan pengguna. Elemen bermain harus menjadi mode yang tersedia, bukan pertunjukan yang harus ditanggung oleh pengguna.
Penelitian tentang alat penyusunan konten manusia-AI yang bersifat menyenangkan membedakan kejenakaan (playfulness) dari kreativitas, sambil menggambarkan bermain sebagai fasilitator potensial untuk respons kreatif. Penelitian tersebut membahas antarmuka, perilaku AI, dan dialog sebagai peluang desain, sembari memperlakukan kejenakaan sebagai pengalaman yang didukung alih-alih hasil akhir yang dapat dijamin. Liapis et al., “Designing for Playfulness in Human-AI Authoring Tools”
Jaga agar status tugas tetap terbaca jelas di setiap giliran pesan
Antarmuka obrolan bisa terasa alami namun tetap kehilangan jejak pengerjaan. Status tugas mencakup tujuan pengguna saat ini, keputusan yang telah dibuat, opsi yang masih terbuka, dan langkah berikutnya. Ketika pertukaran pesan menjadi multitahap, rekap ringkas dapat menunjukkan pemahaman sistem saat ini: “Anda memiliki dua opsi tersisa; Anda lebih menyukai jalan kaki santai; saya belum memilih lokasi.” Hal itu memberi pengguna kesempatan untuk memperbaiki catatan sebelum percakapan berlanjut.
Pola interaksi harus sesuai dengan kompleksitas tugas. Makalah Ding dan Chan tentang kreasi bersama teks antara manusia dan AI membedakan kurasi berlingkup tetap, tugas kreatif independen, serta tugas kreatif yang kompleks dan saling bergantung. Makalah ini memetakan hal-hal tersebut ke pola interaksi yang berbeda, mulai dari intervensi terbatas hingga kolaborasi berulang. Kesimpulan desain yang berguna adalah bahwa respons satu giliran mungkin cocok untuk ringkasan yang terbatas, sementara tugas kreatif yang sedang berkembang mendapatkan manfaat dari giliran pesan yang memperlihatkan pilihan dan membiarkan pengguna membentuk hasilnya. Ding dan Chan, “Mapping the Design Space of Interactions in Human-AI Text Co-creation Tasks”
Untuk pemeriksaan status yang praktis, telusuri satu tugas representatif di sepanjang percakapan. Pada setiap giliran, tanyakan apakah pengguna dapat mengetahui apa yang telah selesai, apa yang masih belum terselesaikan, dan bagaimana cara memperbaiki asumsi yang keliru. Jika jawabannya bergantung pada mengingat kembali beberapa giliran pesan sebelumnya, tambahkan rekap ringkas atau daftar keputusan yang terlihat. Jika sistem tidak dapat mempertahankan detail secara andal, buat keterbatasan tersebut tampak jelas daripada mengisyaratkan kontinuitas yang sebenarnya tidak ada.
Beri pengguna kendali yang bermakna
Kendali berarti memberi pengguna cara yang dapat digunakan untuk mengarahkan atau merevisi interaksi. Dalam obrolan, ini bisa sesederhana membiarkan seseorang memilih di antara opsi, mengedit draf yang dihasilkan, mengubah batasan, atau meminta sistem untuk berhenti dan merangkum. Kendali ini paling berharga jika memengaruhi keputusan yang dipedulikan pengguna; menu penyesuaian yang tidak mengubah sesuatu yang berarti hanya menambah kompleksitas tanpa memberikan agensi.
Sebuah eksperimen yang melibatkan agen percakapan dalam diskusi kelompok membandingkan cara menetapkan ekspektasi tentang kemampuannya mengidentifikasi partisipan yang berkontribusi sedikit. Eksperimen ini menguji informasi tentang akurasi, penjelasan mengenai pendekatan deteksi serta data, dan kontrol penyesuaian. Dalam studi khusus tersebut, penjelasan membantu pengguna memahami algoritma dan secara keseluruhan paling efektif; sekadar memberikan kontrol penyesuaian justru menyebabkan pengalaman diskusi dirasakan lebih negatif. Hasil ini memperingatkan agar tidak menganggap sebuah kontrol berguna hanya karena ia ada: jelaskan apa yang diubahnya dan buat konsekuensinya mudah dipahami. Do et al., “Inform, Explain, or Control: Techniques to Adjust End-User Performance Expectations for a Conversational Agent Facilitating Group Chat Discussions”
Urutan desain yang praktis adalah: tunjukkan interpretasi saat ini, tawarkan sejumlah kecil tindakan lanjutan yang bermakna, dan buat koreksi menjadi mudah. Misalnya, setelah menghasilkan rencana bepergian, sistem mungkin menanyakan apakah ingin memperpendek rute, menukar kegiatan, atau mempertahankan draf tersebut. Setiap opsi menyebutkan perubahan konkret. Contoh ini bersifat ilustratif; ini menggambarkan pola interaksi umum, bukan fitur produk tertentu.
Ubah sasaran menjadi daftar periksa tinjauan
Saat mengevaluasi desain obrolan, tinjau satu tugas biasa dari awal hingga akhir. Periksa apakah pertukaran pertama memperjelas peran sistem; apakah pengguna dapat membedakan saran dari tindakan yang telah selesai; apakah giliran pesan eksploratif mengundang eksperimen tanpa memaksakan persona jenaka; dan apakah percakapan menunjukkan keputusan serta langkah yang belum terselesaikan secara akurat. Kemudian periksa apakah pengguna dapat mengoreksi sistem dan memahami efek dari setiap kendali yang tersedia.
Terakhir, tinjau bahasa dan penyajian untuk mencari petunjuk yang mungkin mengisyaratkan identitas manusia atau tingkat keandalan khusus. Pertimbangkan apakah klaim orang pertama, suara, bahasa emosional, atau avatar mirip manusia dapat memengaruhi penilaian pengguna terhadap suatu jawaban. Tinjauan tersebut melengkapi, alih-alih menggantikan, pengujian apakah interaksinya dapat dipahami dan bermanfaat. Ukuran yang lebih kuat dari sebuah desain obrolan adalah apakah seseorang dapat menjalankan tugasnya sendiri dengan pandangan yang jelas tentang kontribusi AI dan pilihan berikutnya—bukan apakah pertukaran tersebut berhasil menyerupai percakapan dengan manusia.