许多组织都在努力扩展新一代人工智能（Gen AI）和智能体人工智能（Agentic AI）的应用规模。但推广应用的挑战并非技术层面，而是体验层面。
各组织在人工智能领域投入数十亿美元，员工也越来越多地使用这项技术。然而只有极少数公司报告称，使用人工智能带来了显著或可衡量的收益。这就是新一代人工智能的悖论：这项技术几乎无处不在-唯独在盈利方面没有体现。
这并非人工智能能力的问题。我们已经创造出了能够推理、创造甚至行动的系统。相反，这是一个体验问题：我们仍然在使用为人工智能时代之前设计的交互模式，例如搜索栏和聊天框（chatbox)。如果组织想要充分发挥人工智能的潜力，就必须学会创造员工和客户都乐于接受的新型人工智能体验。
要做到这一点，领导者需要重新思考许多长期以来根深蒂固(long-standing assumptions)的假设。几十年来，软件一直遵循着一个基本模型：用户指定结构化的输入，系统则以结构化的输出作为响应。生成式人工智能和智能体人工智能从根本上打破了这一模型。如今，系统能够解读用户意图，生成全新的输出，并需要用户输入才能与这些输出进行交互和改进。这是一次巨大的交互方式转变：界面不再是固定的“命令与执行”控件，而是一个“协作与迭代”的模型。
然而，大多数组织仍然沿用着过去的工作流程——将人工智能叠加到传统系统之上，而不是重新构想这些系统。结果是工具仍然彼此脱节，无法实现真正的变革。大多数使用人工智能的公司仍处于试点或实验阶段，三分之二的公司表示尚未开始在整个组织内推广人工智能。问题不在于模型本身，而在于这些工具游离于工作流程之外，迫使用户采用不熟悉的交互模式，同时又无法让用户了解决策是如何做出的。
解决这个问题需要的不仅仅是培训人员快速提升技能。它意味着要设计能够将人类判断直接融入交互模型的系统。在当今许多人工智能工具中，用户往往在不加批判地接受输出结果和在结果令人失望时放弃工具之间摇摆不定。人工智能原生体验必须让协作、审查、纠正和干预感觉像是工作流程中自然而然的一部分。
新技术带来新的设计挑战
新一代人工智能和智能体人工智能工具往往反应迅速，通常能在几秒钟内以充满自信的语音回应查询。但速度并不等同于理解，自信的语言也可能掩盖推理的不足。(speed is not the same as comprehension, and confident language can mask shallow reasoning.)当企业或消费者试图构建变革性的人工智能体验时，这一点会很快显现出来。一般来说，领导者会遇到四个必须克服的关键难题：
意图歧义：未能理解用户的需求。即使对于最熟练的沟通者而言，语言也可能混乱、受语境影响，且往往不够明确。大型语言模型可以近似理解含义，但它们并非总能推断出提示背后的完整意图，从而导致误解和输出不准确。此外，尽管一些人工智能系统会提出后续问题，但许多体验仍然缺乏有效的澄清机制。因此，歧义往往无法消除，误解在任务执行前也未得到纠正。
语境缺失：未能了解所需信息。系统并非设计用于识别、请求或检索执行任务所需的全部信息。虽然用户信任系统“知道自己需要什么”，但人工智能通常仅对语境有部分理解。这使得用户需要承担预测问题的责任，并通过冗长的提示提供详尽的细节——这造成了摩擦、效率低下和结果不一致。
通用输出：未能具体应用标准。系统并非设计用于学习和应用组织标准。用户期望获得相关、深入且高质量的答案，但由于人工智能无法理解特定的业务模式和需求，因此只能提供通用结果，令人失望，需要大量修改。
非协作式迭代：未能与用户共同改进工作。系统并非设计用于促进双向协作。人工智能倾向于交付输出，而不是与人类用户共同思考并真正协作。
如果无法了解决策是如何做出的、行动的原因以及何时需要人工干预才能产生最佳结果，用户信任就无法真正建立。因此，人工智能工具无法扩展，也无法产生有意义的、全组织范围的影响。这种不匹配并非技术问题，而是体验问题。对于人工智能工具而言，界面是人类判断和机器智能之间的协作层——意图在此表达，智能在此响应，信任在此建立。但我们才刚刚开始为此进行设计。
打造高效原生AI体验的四大设计原则
在与全球领先的运营、市场营销、销售和客户体验机构（涵盖银行、生命科学和保险等行业）合作开展AI项目的过程中，以下是四大设计原则来指导AI的演进：
- 清晰导向：设计系统时，应使其逻辑、假设和输出清晰明了，使用户能够自信地理解输出结果。
- 持续性设计：在交互过程中保持上下文和记忆，从而随着时间的推移，创造连贯、个性化且无缝的体验。
- 深度构建：支持丰富的、多步骤的、特定领域的工作流程，超越单一交互，以支持有意义的端到端成果。
- 协同创造：创建人类专家和人工智能代理能够流畅协作的环境——无论是实时协作还是跨学科协作——以扩大影响力。
人工智能实验的新时代
几十年来，人工智能一直在幕后默默运行，而用户则被训练成在狭隘的输入输出限制下进行交互。如今，这些界限正在改变。我们开始意识到新的格局需要什么：设计人与智能系统之间的体验架构，需要整个组织转变思维模式。
对于领导者而言，至关重要的是要为人工智能如何重塑组织创造价值的方式设定清晰的愿景。这并非是增加更多工具，而是围绕共享的工作流程，将技术、设计、数据和运营进行协调。领导者必须创造跨职能协作的条件，因为协作将决定人工智能是成为战略资产，还是又一个永远无法规模化的试点项目。
对于设计师而言，工作范围正在从设计界面转向设计人与系统如何协同工作。工作不再是使屏幕直观易用，而是理解人类和人工智能代理之间判断、纠正和协调的流程。设计师必须倡导新的交互模式，使团队能够共享上下文、协商意图，并在工作过程中建立信任。用户不再仅仅是人；它是由人员、工具和智能代理组成的网络。
对于产品经理而言，生成式人工智能和智能体人工智能从根本上改变了产品定义的逻辑。需求不再是功能，而是结果；交互模型更具适应性，确定性更低。领导团队的关键在于平衡应对不确定性，同时帮助用户适应新的交互方式。成功的衡量标准将从功能交付转变为能够学习、改进并在整个工作流程中创造价值的系统。产品经理比以往任何时候都更需要理解业务成果和驱动因素，以便共同打造全新的用户体验。
对于技术人员而言，未来的工作不仅仅是算法设计或选择合适的工具和平台。工程师、数据科学家和平台工程师必须确保设计的可读性、可审计性以及与人类决策的一致性。这需要与业务部门的产品经理、设计师和领域专家建立更深入的合作关系。任务不再是构建孤立的模型，而是创建能够集成和适应，同时又可控的智能系统。
能够取得突破的组织并非那些一味追求更优模式的组织，而是那些从根本上重新思考工作方式的组织。它们的优势将源于设计出人们信任、依赖并乐于使用的体验的能力。也就是说，人工智能的下一个前沿领域将是设计协作架构——使智能易于理解、可管理且可大规模应用的系统。这自然而然地延伸了领先组织多年来所理解的理念：设计并非表面功夫，而是提升绩效的关键驱动力。