第 3 课｜设计 AI 体验，而不只是聊天框
让用户知道它能做什么、为什么这样做，以及出错后下一步怎么办。
快速回顾
我们已经把机会写成可验证的问题。下一步不是立刻画聊天框，而是安排一段人机协作：输入从哪来，模型在何处介入，用户如何理解、控制、纠错和恢复。
AI 体验的四个时刻
开始前说明能做什么、不能做什么，需要哪些输入。
生成中给进度、可取消性和合理等待预期。
结果后让用户核验来源、编辑、重试或接管。
出错时说明发生了什么，并提供可行的下一步。
关键不是“解释模型”：大多数时候，用户需要的是行动线索——这个结果适合用来做什么、哪里需要检查、怎么改、错了怎么办。
校准信任：不过度承诺，也不让用户无所适从
用户会从名称、文案、动画、默认操作和错误反馈中形成心智模型。如果产品把系统称作“全能专家”，却无法处理模糊输入，第一次失败就会透支信任。更好的设计是逐步说明能力范围，并把不确定性转成具体核验动作。
| 场景 | 危险表达 | 更好的表达 |
|---|---|---|
| 能力说明 | 什么都可以问我 | 我可以基于已上传的合同提取条款并标出原文 |
| 不确定 | 我可能不太确定 | 付款日期在两处出现冲突，请核对第 3 页与第 8 页 |
| 失败 | 生成失败，请重试 | 文件扫描质量过低。请上传清晰版，或手动输入合同编号 |
给这个失败状态选择文案
场景
AI 读取报销单后，发现日期模糊、金额可能是 1,300 或 1,800 元。系统必须在提交前让用户处理。
等待选择用户需要知道哪里错、影响什么、下一步怎么做。
自动化阶梯：把控制权放在风险相称的位置
| 级别 | 系统行为 | 适合场景 |
|---|---|---|
| 提示 | AI 只高亮信息，人自己决定 | 高风险、能力尚未验证 |
| 建议 | AI 给候选方案，人确认 | 大多数 Copilot 第一版 |
| 代拟 | AI 完成草稿，人编辑后提交 | 内容生成、文档工作 |
| 自动执行 | AI 在规则范围内直接行动 | 低风险、高可逆、持续监控 |
自动化不是越高越先进。产品经理要根据错误损失、可发现性、可逆性和用户熟练度选择默认级别，并保留接管、撤销和申诉路径。
快速测验
1. 好的 AI 错误信息最重要的是？
正确。错误反馈的目的，是帮助用户恢复任务。
站在用户任务上想：他现在最需要什么信息才能继续？
2. 什么时候更适合“建议 + 人工确认”？
正确。它在价值、风险与学习速度之间取得平衡。
想想第一版如何同时创造价值和控制风险。
3. “置信度 61%”为什么常常不够？
正确。应把不确定性转换成核验对象和行动建议。
数值本身不等于可用的产品反馈。
思考练习：设计一个优雅失败
为“AI 没找到答案”写完整恢复路径
写清楚：系统应该告诉用户什么、提供哪两个下一步、记录什么反馈、何时转人工。
避免只写“重试”。可以提供：缩小问题范围、显示已搜索资料、让用户补充上下文、转交人工，并保留当前进度。
延伸阅读
Guidelines for Human-AI Interaction
按首次交互、使用中、出错时和长期使用组织 AI 体验设计。
Mental Models
理解用户如何形成对 AI 的预期，以及怎样分阶段校准信任。
Feedback + Control
设计有价值的反馈机制，并平衡自动化与用户控制。