去年 6 月，Jakob Nielsen 发表了一篇真正引起我注意的文章：“AI：60 年来第一个新的 UI 范式”。其中，他谈到了我们与技术互动方式的重大转变。我们不再像几十年来那样向计算机提供逐步指令，而是正在进入基于意图的交互的新时代。这意味着技术将理解我们的目标并帮助我们实现这些目标，而无需详细的说明。
作为一名用户体验设计师，这种转变可能很难掌握。这对我们的工作意味着什么？Nielsen的见解指出，未来用户体验将是动态且超个性化的，能够实时适应每个用户的需求。
本文深入探讨了 GenAI-first UX 的新兴前景。想象一下从僵化、线性的用户流过渡到灵活、直观的体验。我们正在探索技术如何适应我们，使互动更加人性化和反应灵敏。因为它关系到让技术为我们服务，与我们人类的愿望无缝融合，并将数字体验转变为真正个性化和以用户为中心的东西。
在当今快速发展的数字生态系统中，一个引人注目的叙述强调了用户体验的重要性：向深度个性化的转变。现代用户不再对通用界面产生共鸣；他们寻求与自己独特的偏好和行为相结合的体验。很难确定这种想法从何而来，但可以毫不夸张地说，它受到了新闻、社交媒体和电子商务中普遍存在的内容算法的影响。
如果算法可以定制内容推荐，为什么它们不能塑造我们的用户旅程、界面和整个数字体验呢？
从本质上讲，用户体验的个性化意味着调整各种平台元素来满足各个用户的细微差别。这可以通过多种方式体现：
1、内容：个性化文本或媒体，例如在问候中使用用户的名字或根据年龄或文化背景调整文章。
2、语气：对于专业用户采用正式语气，对于年轻用户则改为休闲语气。
3、用户习惯：根据用户的目标和对平台的熟悉程度定制用户遵循的顺序或路径。
4、布局：根据用户偏好或设备调整视觉布局，例如基于网格或基于列表的布局、深色模式或浅色模式。
用户体验设计中的个性化对于吸引用户和提高忠诚度至关重要。感到被理解并收到根据自己喜好定制的内容的用户更有可能与平台互动并保持忠诚度。这会带来更高的转化率、更高的客户满意度和更强的利润。要真正了解个性化的强大功能，请查看这些令人信服的统计数据。
如今，大多数数字体验都依赖于细分，根据通常模糊的人口统计数据和心理统计数据，给我们贴上“千禧年的技术人员”或“宝妈技术员”等标签。一些平台，比如社交媒体，试图通过“微细分”来完善这一点，但我们仍然感觉像是被装进了预先制作的盒子里。
然而，未来更加令人兴奋：超个性化。这种方法完全打破了过去的传统，专注于每个人的独特体验。
想象一下：您需要新的跑鞋，而您的手机会根据您最近的锻炼情况推荐一双具有完美支撑水平的跑鞋。用户不需要再费力地选择通用选项，手机软件会在特定时刻推荐最适合你的。
超个性化不仅仅停留在推荐上。有了生成式人工智能和足够的背景，技术最终可以满足我们的各种需求。我们不是一成不变，我们的偏好、兴趣和需求会根据环境而变化。超个性化认识到这一点并进行相应的调整。
最终，这是为了确保技术为我们每个人服务，而不仅仅是把我们装进盒子里。为受众设计意味着每个用户都感到真正被理解和重视。
随着人们对超个性化体验的渴望日益增长，问题不是这些体验“是否”会发生，而是“如何发生”。人工智能是解锁无限定制和配置的关键。我们不再需要将我们的意图转化为具体的命令，相反，我们表达我们想要的东西，然后人工去智能处理。
让我们举个例子。想象一下您需要引用一篇论文。在旧的范式中，您需要分解选择一种风格、学习其规则、收集信息以及正确格式化每个引文的任务。这是一项耗时且细致的工作！在新的范式中，你表达你的意图——“使用哈佛风格引用本文中的来源。人工智能将其转化为必要的步骤，执行这些步骤，并呈现结果供您查看。您专注于自己的目标，而不是复杂的事情。
这种体验更好，因为它更加以人为本。您自然地提出要求，人工智能就像乐于助人的同事一样。这种人性化的互动将为每个人打开数字世界，从帮助您找到最完美的答案到在下一篇论文中轻松引用资源。
现在我们已经进入了基于意图的交互的新范式，需要逐步导航的传统软件任务正在变得过时。
如果人工智能是为我们超个性化体验提供动力的隐形引擎，那么我们如何为这个沉默的合作伙伴进行设计呢？
静态的人工智能流程对于用户体验设计来说是一把双刃剑。实时总结或人工智能驱动的旅行计划等功能提供了令人难以置信的价值，但它们的背景性质可能会让用户感到困惑。像进度条这样的传统技巧通常是不够的，特别是对于人工智能代理处理的复杂任务。
关键在于制定新的设计模式、优先考虑透明度和建立信任。可以将其视为为非技术用户设计。不要使用通用的加载消息，而是在整个用户旅程中巧妙的提示。这可能涉及描绘人工智能活动的微动画、例如“你的人工智能助手正在制定完美的行程！”之类的上下文消息。或平静的视觉效果，表明后台处理正在进行中。
通过战略性地实施这些新的透明度措施，即使人工智能的强大力量在幕后努力工作，我们也可以确保无缝的用户体验。
我们经常认为熟悉的用户体验模式（例如无限滚动）是理所当然的，而忘记了它们诞生的无数迭代和实验。生成式AI体验的主要交互模式仍然是发现，但有一点是确定的：如果不进行实验，我们就无法找到它们。
探索在用户体验设计中至关重要，即使它最初会导致看似不寻常或非常规的结果。事后看来，我们的许多早期尝试可能显得奇怪甚至滑稽。尽管如此，通过持续的迭代和集体努力，我们可以发现真正引起共鸣并经得起时间考验的设计。
为了了解生成式AI设计的现状，让我们用移动计算器回顾一下记忆。Wayback Machine 将我们带回到 2011 年，当时一些流行的移动计算器应用程序展示了一系列设计方法，可能会让你想知道，“我们在想什么？”我们见证了设计师如何应对视觉元素以及与这些数字工具交互的新方式。他们模仿现实世界的体验（现实主义）和利用数字世界的独特可能性（可供性）之间存在着明显的不和谐的关系。
两年之后：拟物化的阴影和笨重的按钮已经一去不复返了，取而代之的是极简的平面设计（在本例中）集成了用于货币兑换的新颖的可滑动抽屉。这就引出了一个问题：用户从一开始就能直观地理解滑动功能吗？或者各种设计迭代的旅程对我们用户来说至关重要吗？
David Haong 清楚地总结了这一情况，他说我们正在等待人工智能的拉动刷新时刻 —— 一种定义性的用户交互，将为未来的界面设定标准。当我们过渡到人工智能时代时，挑战是探索超越传统的设计，等待变革性的想法。
一个充满新交互和用户体验模式的世界正在等待被发现。
生成式AI的“拉动刷新”时刻会是什么？我们只能通过实验、合作和对话才能知道答案。
很难将这个行业时刻与比较机会放在一起，但我脑海中浮现的一个时刻是视频游戏从平台游戏（2D 左右移动）转向开放世界（3D 自由移动）游戏的时刻。虽然大部分游戏逻辑和叙述都是可移植的，但用户代理发生了明显的变化。生成式AI使我们能够实现同样的飞跃，但我们必须确保提供适量的约束，以保证用户的安全，同时鼓励他们使用他们想要的方法享受服务或完成任务。
如果你曾经踏上运动场，你会注意到草地上有各种奇怪的标记。这些只是对球员的一个层面的限制，它们有助于塑造比赛，有助于形成叙事和球迷基础，使球队和一项运动团结起来。我们还看到体育界之外的限制，想象一下一位导演巧妙地为电影拍摄一个适合 16:9 屏幕的镜头，或者一位履行专家改变了包装方法并帮助以更有效的方式将更多产品运出工厂。
我们人类寻求约束，因为它们帮助我们理解情况并开始适应。
作为设计师和产品专家，我们有责任在我们的体验中建立限制，为其提供背景信息。传统上，我们通过限制个人在任何给定时间可用的路径数量来做到这一点，我们通常将其描绘成一个漂亮的树图。这里的挑战是，与人工智能的交互没有固有的路径，每个人的目标和背景将驱动他们的流程。因此，我们需要定义系统的某些规则，就像开放世界游戏中的墙一样，定义不可能的事情，而不给出有限的可能性列表。这将使用户在没有我们的系统的情况下感到自由，同时始终保持他们的安全和我们的品牌传播。
我们可以用一种方式来描述我们正在讨论的系统，那就是开放世界用户体验。开放世界用户体验有几个显著的特点，它们是可预测和一致的，它们提供清晰的叙述，并允许定制体验。开放世界用户体验体验需要确保对于每个用户输入或操作，都有一致且预期的响应，并根据场景微调变化（读取准确度）。这就像一位艺术家，他准确地知道两种颜料混合后会出现哪种颜色，但在某些情况下，他愿意接受细微的惊喜。开放世界用户体验体验还创造了清晰的叙述，确保用户的旅程具有清晰度、目的性和方向性。最后，设计师可以通过调整约束集来微调这些体验，就像作曲家在管弦乐队中添加或删除乐器，从而影响可以演奏的内容和演奏方式。
对于设计师和产品专家来说，这些开放世界的体验为真正定制的交互、自适应布局和即时反馈循环创造了机会。设计师可以为用户策划特定的交互，确保每个接触点都给人个性化的感觉。在定义的约束条件下，设计可以动态适应用户偏好。最后，设计中的任何变化或增强都可以立即反映出来，从而允许根据用户反馈进行实时（非预定）迭代。
UX 领域经历了许多变化，但线性用户旅程仍然是基础。这些旅程根据用户研究和业务目标，逐步引导用户实现预先定义的目标。然而，组织经常错过为客户群长尾用户提供服务的机会，认为这不值得投资。有了生成式人工智能作为协调器，设计师现在可以创建适应每个用户的背景和目标的动态旅程。通过在我们的服务中使用模块化方法，我们为用户提供量身定制的体验，确保他们得到他们所需要的。
在数字界面发展的早期，许多用户发现数字交互令人困惑。线性流程为用户和机器提供了一种易于理解的结构，尤其是对于设置设备或完成在线购买等连续任务而言。它们的优势在于简单、指导性、可预测性和易于实施。清晰、直接的路径消除了困惑，并帮助用户完成目标。此外，线性旅程让用户能够轻松预测接下来会发生什么。这些清晰、可预测的步骤可以轻松转化为编程功能，使其易于构建。
真正的个性化是现代用户体验中日益增长的必要条件，但它在线性设计的限制下却举步维艰。线性旅程本身难以满足个性化的偏好、行为和情境。例如，使用线性方法的音乐应用可能会引导用户完成一系列步骤来创建播放列表（创建、命名、添加曲目等）。相比之下，动态模型会将其简化为单个步骤（创建播放列表），同时考虑用户偏好和趋势等外部因素。
如今，数字环境需要更具适应性和个性化的方法。
线性旅程应被视为用户与我们的产品或服务交互的元级别。
例如，购买新外套的线性旅程（浏览、选择商品、购买）可以在这些步骤中加入动态元素。每个用户都可以按照自己喜欢的方式浏览，例如通过语音、使用推荐或跟随潮流。在人工智能的推动下，走向动态旅程，让我们可以自由地塑造自己的体验。
动态用户习惯是实现超个性化体验的关键。习惯由人工智能协调，该人工智能利用个人的背景和目标来即时组合富有成效的体验。
想象一下，你想去最近的火车站，但手头只有一张纸质地图。你可能会先确定自己的位置，然后考虑哪些道路或交通系统可以带你去火车站。你甚至可能在地图上画出你的路线。此外，你可能会仔细注意相关的街道名称，以便在行走时确定方向。最后，你会得到一组带你去火车站的路线，然后你就可以出发并按照计划行事了。
相反，如果你有 GPS，情况会怎样？在这种情况下，你会输入目的地“火车站”，然后查看并选择你的出行选项（公共交通、步行、骑自行车等）。然后点击开始。如果发生交通拥堵或火车延误等意外情况，GPS 会立即实时重新校准。尽管发生了意外变化，你的注意力仍集中在目的地上，而不是街道名称或地铁站上。这是一次动态旅程。
我们的动态用户习惯与Nielsen的断言完全一致，即我们正处于基于意图的结果规范时代。借鉴游戏设计，我们可以将每个用户的旅程视为一系列要实现的目标或“级别”，其中线性元旅程是总体叙述。随着用户的进步，系统会进行调整，提供正确的工具、内容和路径，就像一款游戏一样，每个级别都会根据玩家的技能提供独特的挑战。
这给设计师和产品专家带来了新的挑战：帮助用户明确目标，同时确保他们了解人工智能的后台流程。创建一个透明且支持性的环境至关重要，让用户能够轻松表达自己的需求，让人工智能能够有效地满足这些需求。需要创新的设计解决方案来弥合用户意图与人工智能为实现这些意图而执行的复杂流程之间的差距。
我们相信，我们已经到达用户体验设计的关键时刻，用生成式人工智能改变用户体验。从线性旅程到定制地形，我们现在可以拥抱这项创新技术带来的个人旅程。我们不再需要适应技术；技术现在会适应我们。这种转变是为了为一个受众——长尾——每个人——进行设计。
为什么这很重要？因为它让我们的体验更加人性化。通过适应每个用户独特的偏好、行为和环境，技术变得更加直观和可关联。想象一下，你所有的数字体验都像 GPS 一样工作：适应实时变化，专注于让你到达目的地，而不是遵循固定的路径。
线性旅程提供结构，但动态习惯响应您的独特需求，创造更加个性化和引人入胜的体验。
这种方法不仅提高了用户满意度，还使技术更易于获取和普及。它打破了障碍，让每个人都能享受个性化、直观的交互，无论他们的技术专长如何。通过使技术更加人性化和以用户为中心，我们确保数字产品具有包容性、赋能性，并真正满足个人需求。
本文标志着我们首次深入探讨 GenAI 优先的前景。我们只是触及了可能性的表面。
关于作者：
Marc Seefelder 是 MING Labs 的联合创始人兼首席创意官。
Miles Johnson 是 MING Labs 的人工智能体验主管。
我们专注于创造和实施以人为本的生成式AI优先体验。我们的使命是让任何人在人工智能的帮助下更好地完成工作，通过为您量身定制的生成式AI解决方案增强每一次互动并提升您的效率。
感谢您的阅读！
