AI 新范式下，如何做好工具类产品体验设计：以 AI 标注工具集为例
现如今，随着技术的快速发展，人工智能已为用户提供了更加便捷、高效、个性化的服务和体验，但同时，用户体验的范式也已悄悄在发生改变，用户体验工作的开展面临了新的挑战。
本文将以 LabelBee AI 标注工具集为例，浅谈如今 AI 时代下，大型工具类产品的一种通用体验设计思路，以供读者参考。
一、人工智能与数据标注
对于人工智能来说，数据是打造人工智能的基石，数据是算法的基础，数据也是人工智能时代里的“原油”。
只有经过清洗、分类、标注、质检和筛选等结构化过程的数据，才能变成用于 AI 模型训练用的“成品油”，这个过程往往需要大量的人力，尤其是数据标注。
所以坊间也有个段子说：人工智能就是有多少人工就有多少智能（笑）。
【纪录片】河南乡村里的“AI”：我们是人工智能的老师
常见数据标注类型
数据标注，其实就是在教 AI 去认识人类世界的事物，但近些年随着架构、算力、数据的提升，NLP 领域也取得了巨大的提升。
人工智能正快速从“能听、会说、会看”的感知智能，迈向“能思考、能回答问题、能总结、能创作”的认知智能，甚至能到“决策、推理”等层面。
商量（SenseChat）：数据和标注的意义和重要性
目前，以 LLM 为代表的 AI 已成为目前主流的态势，甚至一些标注公司或任务也开始尝试利用 LLM 来反哺标注本身来达到效率的提升。
论文：使用 LLM 反哺标注 （arXiv:2306.07899）
二、如何做好工具类产品体验设计
1. 了解 AI 技术原理（重要）
AI 时代下，设计师可去熟悉常见的 AI 算法和模型，如机器学习、深度学习和强化学习等。
以 AI 标注工具为例，在一些智能标注的场景，设计师若能了解这些相关算法和模型的原理、优劣以及适用场景，可以帮助设计师选择合适的 AI 技术来实现产品的功能和目标。
LabelBee AI 智能标注示例
另外，引申至目前基于 LLM 的 AI 主流态势，设计师也应了解 AI 技术的局限性和风险。
大模型 AI 在处理复杂任务和大规模数据方面表现出色，但也存在数据偏见、安全隐私问题和不可解释性等挑战，设计师需要在产品设计过程中考虑这些因素，并采取相应的措施来减少潜在风险。
如，若平台里引入了客户的源数据，那在查看或使用时，可能就要考虑上数据脱敏等相关设计。 此外，AI 技术在不断演进和创新，新的算法和模型不断涌现，设计师若能需要保持学习和更新的态度，会有助于应对快速变化的技术环境。
2. 设计洞察
设计洞察是产品设计的基础。对于业务侧而言，当设计师深入了解业务的核心目标、价值主张和关键业务流程时，会有助于产品体验与业务需求紧密契合。
同时，设计师若能了解产品的功能、特性和技术架构，这将会有助于产品达到更好的体验。
例如，基于
此外，当设计师在用户侧通过用户研究和测试等方法深入了解用户需求、偏好和行为特征时，设计师可以获取有关用户行为模式、痛点和期望的宝贵信息，这些洞察可用于指导产品功能和界面设计的决策。
3. 进一步定义设计目标
设计师可根据设计洞察，明确阶段性产品的核心目标。这可能涉及提高用户效率、简化工作流程、增强数据分析能力等。
通过明确核心目标，设计师亦可推导或聚焦于提供有针对性的功能和体验，成立专项，以满足用户的真实需求。定义设计目标时，还应考虑到产品的可扩展性和可定制性，工具类产品通常需要适应不同用户和业务需求的变化。
4. 人因考量（重要）
人因泛指以人为核心因素，其对人的因素的研究主要分为生理因素和心理因素，生理因素是指人的身体的结构和属性等因素，心理因素是指人的感知觉、决策、动作控制、情绪等因素。
而对于手工标注来说，不断操作键鼠是个高频的交互。设计师或可根据标注员用户的人体（人种）特征、性别特征，甚至是否具有残障，并酌情考虑标注现场里的实际情况，通过合理洞察标注现场的设备，以及考虑用户使用工具时的人体合理姿势等，减少使用疲劳和不适，提高标注员工作的舒适性和效率。
其次，产品的可用性和易用性至关重要 ，不同用户的学习能力、技术能力都不一样，因此产品的界面和交互应尽可能易于用户群体理解和操作，并符合其认知与期望，让工具能提供愉悦和自然的使用体验。
例如，在标签标注时，高饱和度的标签色，会有助于标注员通过眼睛快速发现；更简单的快捷键，会有助于标注员更顺手地打标签。
标注里的人机交互
5. 设计实施与可用性测试
在设计工具时，以 LabelBee AI 标注工具为例，其分为了共性框架与特性实例两个方向，这是构建工具集的两大实施层级。在这一阶段，设计师需将设计思路转化为具体的用户界面、交互流程和设计实现。
LabelBee AI 标注工具设计措施
同时，可用性测试是评估产品在实际使用中的易用性和用户体验的重要方法。通过让真实用户参与测试，设计师可以获取宝贵的反馈和洞察，发现潜在问题和改进的机会。
工具集可用性测试
6. 跟踪与快速迭代
通过有效的跟踪和评估，设计师可以了解产品在实际使用中的表现如何，通过访谈、数据埋点与分析等发现潜在的问题和改进的机会，并基于反馈做出相应的调整和改进。
在这基础上，通过快速迭代响应用户（客户）反馈和需求变化，及时进行调整和优化。
AI 标注工具的“下沉”
LabelBee AI 标注工具 Figma 设计组件库（即将开源）
三、结语
也许 AGI （Artificial General Intelligence，通用人工智能）的出现会让以后的交互界面更加简单纯粹，甚至消亡。
但作为设计师的我们，若能投入到每次技术革命与更新的浪潮里，切合实际地做更深入的设计洞察，找到当前技术与现实生活中的 GAP，或许这能为人们打造更好的产品与体验。
AI 范式的更新，使得“硅基生命体”越长越“大”，而数据标注对于它们来说，不排除会是未来可以合理存在的一种交互。这就像小时候人类让其幼崽看图认字一样，基础的学习行为以及教具是一直都存在的，只是可能会换个模样。
目前，对于 GPT 这种 LLM AI 而言，人类仍能像老师给学生批改作业一样，通过 RLHF 的标注方式 （Reinforcement Learning from Human Feedback，人类反馈强化学习）来帮助 GPT 进一步理解事物。但未来就不一定了，至少目前人类觉得需要。
我也是挺期待未来会是怎样一番模样。
本文作者 @Pengda 。
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
