超越聽起來像真人：AI 聊天設計的四個更好目標
對於塑造 AI 聊天互動的設計師而言，「讓它感覺真實」太過模糊，無法指引有價值的決策。更好的任務是幫助使用者獲得明確的答案、探索想法、了解系統已經完成了什麼，並選擇下一步該做什麼。關於擬人化線索的研究表明，類人信號會改變人們對 AI 資訊準確度的信任程度。這使得清晰度、富創意的趣味探索、可靠的任務狀態以及使用者控制權，成為比模仿人類身份更有價值的設計目標。
為什麼 AI 聊天的目標應該超越仿人？
對話聽起來可以很流暢，卻無法讓使用者對系統有可靠的認知。在一項有 2,165 名參與者的實驗中，研究人員改變了虛擬語言模型是僅使用文字還是語音結合文字，以及它自稱為「我」還是「系統」。語音加文字提高了參與者對擬人化和資訊準確度的評分；而在某種情境下，第一人稱措辭提高了準確度評分並降低了感知風險。這些發現特定於該研究的設置，但它們表明，讓系統看起來更像人類的線索也會影響對其資訊的判斷。Google Research，“Believing Anthropomorphism: Examining the Role of Anthropomorphic Cues on User Trust in Large Language Models”
這就是為什麼擬人化線索和互動品質值得進行單獨的審查。擬人化線索審查探討介面暗示了哪些關於 AI 身份或人性特質的訊息。判斷風險審查則探討線索是否可能導致使用者高估其產出內容的準確性或可靠性。下列的設計目標探討了一個不同的問題：使用者在交流過程中應該能夠理解、執行和決定什麼？溫和的語調可以與這些目標並存，前提是它不會掩蓋系統的功能或任務狀態。
微軟的 Human-AI eXperience Toolkit（HAX）圍繞著 AI 系統在初次使用時、互動期間、發生錯誤時以及隨時間推移時的行為方式來規劃指引。這種結構對於聊天設計非常有用，因為它將注意力從角色的個性轉移到使用該系統的人不斷變化的需求上。微軟，“Guidelines for Human-AI Interaction”
讓清晰度成為對話中顯而易見的特徵
清晰度始於使用者的任務，而不是完美的對話語氣。詢問三個週末活動建議的人需要可以比較的選項；請求重寫的人需要可以修改的草稿。介面應讓所請求的動作與返回的結果容易區分。如果 AI 正在提出建議、總結或轉換內容，請清楚地標註該貢獻，並保留足夠的上下文供使用者評估。
有用的互動還可以在關鍵資訊發揮作用之處，展示 AI 能做什麼和不能做什麼。例如，如果聊天助理可以建議計劃但無法進行預訂，回覆就不應讓該動作顯得模稜兩可。說明哪些已準備就緒、哪些仍需要使用者處理，以及哪些細節仍不確定。這是一項從 HAX 強調貫穿互動始終的適當行為推導出的設計建議，而不是聲稱某種特定措辭模式適用於每種產品。
一個簡單的清晰度檢查是在短暫交流後詢問使用者：您要求系統做什麼？它實際上做了什麼？在使用結果之前，您需要檢查或決定什麼？如果答案與介面的預期意義不符，請在添加更多個性之前，先修改措辭、結構或下一步提示。
利用趣味性支持探索
趣味性為人們提供了一種探索工具及其可能性的方式。在一項針對 372 篇使用者發布關於 ChatGPT 的貼文的研究中，研究人員識別出了包括開玩笑、挑戰系統和測試其邊界在內的趣味互動。作者將這些互動描述為人們探索 AI 功能和自主能動性的一種方式，同時指出樣本反映的是 ChatGPT 使用初期的貼文。Nikghalb 與 Cheng，“Interrogating AI: Characterizing Emergent Playful Interactions with ChatGPT”
對設計師而言，實際意義並不是把每個助理都變成喜劇演員。而是讓低風險的嘗試變得簡單：提供嘗試不同角度、比較替代方案或修改草稿而不丟失先前版本的方法。簡短的創意提示（如「給我三個意想不到的主題」）可以激發探索，同時將使用者的目標保持在視線之內。趣味性應該是一種可用的模式，而不是使用者必須忍受的表演。
關於趣味性人機協同創作工具的研究將趣味性與創造力區分開來，同時將玩樂描述為創造性反應的可能促進因素。它將介面、AI 行為和對話視為設計機會，同時將趣味性視為一種需要支援的體驗，而非可以保證達成的結果。Liapis 等人，“Designing for Playfulness in Human-AI Authoring Tools”
跨輪次保持任務狀態清晰易讀
聊天介面可以讓人感覺很自然，但依然可能遺失工作進度。任務狀態包括使用者當前的目標、已做出的決定、仍開放的選項以及下一步。當交流變成多步驟時，簡潔的概述可以展示系統當前的理解：「您還剩兩個選項；您傾向於散步短程；我尚未選擇地點。」這給了使用者在對話繼續之前糾正記錄的機會。
互動模式應符合任務的複雜性。Ding 和 Chan 關於人機文字共創的論文區分了固定範圍的整理策劃、獨立的創作任務以及複雜且相互依賴的創作任務。它將這些映射到不同的互動模式，從有限的干預到迭代協作。有用的設計推論是：單輪回答可能適合有限度的總結，而發展中的創作任務則受益於能揭示選項並讓使用者塑造結果的輪次互動。Ding 與 Chan，“Mapping the Design Space of Interactions in Human-AI Text Co-creation Tasks”
若要進行實用的狀態檢查，請追蹤對話中具有代表性的任務。在每個輪次中，詢問使用者是否能分辨哪些已完成、哪些尚未解決，以及如何糾正錯誤的假設。如果答案依賴於記住先前的幾個輪次，請添加簡要概述或可見的決策清單。如果系統無法可靠地保留某個細節，請明確該局限性，而不是暗示它具備實際上沒有的連續性。
賦予使用者實質的控制權
控制意味著為使用者提供一種實用的方式來引導或修改互動。在聊天中，這可以很直接，例如讓使用者在選項之間做出選擇、編輯生成的草稿、更改條件限制，或要求系統停止並總結。當這些控制項影響使用者關心的決策時，它們最有價值；一個毫無實質改變的調整選單只會增加複雜性而無助於掌控感。
一項涉及在小組討論中使用對話代理人的實驗比較了多種設定期望的方法，該期望涉及系統識別貢獻較少參與者的能力。它測試了有關準確性的資訊、對偵測方法和數據的解釋，以及調節控制項。在該特定研究中，解釋幫助使用者理解了演算法，整體上最為有效；僅僅提供調整控制項反而導致了更負面的討論體驗感。該結果告誡人們，不要僅僅因為控制項存在就認為它有用：要解釋它改變了什麼，並使結果易於理解。Do 等人，“Inform, Explain, or Control: Techniques to Adjust End-User Performance Expectations for a Conversational Agent Facilitating Group Chat Discussions”
一個實用的設計順序是：顯示當前的理解、提供少數有意義的下一步操作，並使更正變得容易。例如，在生成外出計劃後，系統可能會詢問是縮短路線、更換活動還是保留草稿。每個選項都指明了具體的變更。此範例僅供說明；它描述的是一種通用的互動模式，而不是任何特定產品的功能。
將目標轉化為檢視清單
在評估聊天設計時，請從頭到尾檢視一項日常任務。檢查第一輪交流是否清楚說明了系統的角色；使用者是否能區分建議與已完成的操作；探索性輪次是否在不強加嬉鬧人設的情況下邀請使用者嘗試；以及對話是否準確顯示了決策和未解決的步驟。然後檢查使用者是否能糾正系統並理解每個可用控制項的效果。
最後，檢視語言和呈現方式，以尋找可能暗示人類身份或特殊可靠性的線索。考量第一人稱陳述、語音、情緒化語言或類人頭像是否會影響使用者對答案的判斷。這種檢視是輔助而非取代對互動是否易懂且實用的測試。衡量聊天設計更有力的標準是：使用者能否在清楚了解 AI 的貢獻和下一步選擇的情況下進行自己的任務——而不是交流是否能被誤認為是與真人的對話。