AI产品设计中的核心挑战：用户心理模型 - AI功能的透明度和可解释性本身不足以建立用户信任和保证用户留存，关键在于AI功能与用户现有心理模型的关联性 [1][2] - 即使功能完善且解释清晰，若未考虑用户习惯的工作方式，AI功能仍可能被用户忽略或弃用 [2] - 在开发生成式引擎优化工具时，公司发现其展示的“提示”覆盖策略与营销人员习惯的“关键词”思维模式不匹配，通过调整为突出“关键词”解决了协作中断问题 [1] 构建有效人机协作的基础 - 高效的人机协作与团队协作类似，需要建立在共享的思维模型之上 [3] - 共享心智模型能促进创造力、强化与工作相关的冲突和创新，并深刻影响团队决策过程 [3] - 研究人员已验证，形成相互的心理模型对于实现有意义、高效且值得信赖的人机协作至关重要 [3] 实现共享心理模型的四个关键步骤 - 步骤一：评估技术舒适区与任务风险，用户对技术的日常使用水平影响其对新技术的接受度和信任度，寻找用户乐意外包的“安全”任务是引入AI的切入点 [5][7][9] - 步骤二：理解人类对任务或协作设置的心理模型，设计应顺应而非强行改变用户现有的问题解决逻辑，可借鉴拟物化设计等利用用户熟悉事物的方法 [5][11] - 步骤三：理解人类对人工智能特征的心理模型，需管理用户预期、清晰沟通价值并确保可解释性，通用对话AI（如ChatGPT）因功能范围模糊易使用户形成“魔法盒子”等无效心理模型 [5][12] - 步骤四：考虑人类认知能力与AI速度的匹配，科技发展加速与人类注意力持续时间缩短存在矛盾，过快迭代可能导致用户迷失 [5][13] - 设计应适应人类认知局限而非强求用户理解AI局限，核心原则是“别让我思考得更快”，需衡量并减少产品造成的认知延迟 [14] - 谷歌设计库框架建议，若需学习大量新UI操作，主要用例应基于用户熟悉事物；若产品行为特别动态，应使用大量可识别模式以降低用户认知负荷 [14] 对AI产品设计的总结与启示 - 解决AI信任问题的首要步骤是目标一致性，确保AI功能理解用户的使用习惯、逻辑、节奏和舒适区，而非仅仅增加解释和引导 [16] - 可解释性是建立信任的第二步，若第一步的目标一致性未达成，即“敲错了门”，则后续解释将无效 [16]