简而言之：AX 是一门新兴学科。为了更详细地探讨它，我将分析 UX，阐述它们的相似之处，并解释为什么 AX 不是 UX 的演进，而是一个全新的角色。
免责声明：我理解用户体验设计作为一门学科，并非商业战略的核心。用户体验院校教授的一种误解是，用户体验设计师会负责调研、定义问题、开发解决方案、制作原型并最终交付。
如果你在大公司担任用户体验设计师，或者可能在大多数类型的企业中担任用户体验设计师，你就会知道，日常工作并不像双钻模型那样精确。
这两个菱形分别代表了先更广泛或更深入地探索问题（发散思维），然后采取有针对性的行动（收敛思维）的过程。这表明设计过程应该包含四个阶段：
- 探究：理解问题，而不是仅仅假设问题是什么。
- 定义：根据探索阶段收集到的见解，客观地定义挑战/问题。
- 发展：专注于明确定义的问题，从其他地方寻求灵感，并与各种不同的人共同设计。
- 交付：小规模地对不同的解决方案进行测试/原型设计，并改进用户满意的解决方案。
然而……大多数情况下，现实情况是：
从项目经理或产品负责人那里收到书面需求，将其可视化（例如用户旅程图、线框图、创建高保真原型），展示成果，收集反馈，然后交给开发人员进行开发。开发完成后，您将……大概以后再也不用测试了。你会根据 RICE 评分标准，或者凭借个人意见、“出资最高的利益相关者要求做这件事”之类的因素，从待办事项列表中选择下一个要处理的项目，有时……还会凭感觉。
或者，等它建成之后，你会进行测试和迭代，那时你的工作环境会非常好。
在大多数情况下，用户体验设计师会将书面需求转化为可视化的原型，进行调研和测试（以了解风险），以便产品负责人能够向开发人员提供更完善的规格说明。讨论的重点是产品路线图中的功能，以便开发人员进行估算，并最终实现这些功能。大多数情况下，最终的决定权在于高级利益相关者，他们会根据掌握的信息做出判断。你的职责就是将这些信息传递给这些高级利益相关者。因此，我认为，如果用户体验设计师能够有效地沟通原型设计和测试后产品发布过程中存在的风险，他们就能出色地完成工作。
与大多数用户体验学校的教学内容不同……用户体验设计师并非从探索到交付的驱动力。用户体验设计师只是众多决策团队中的一个，其他团队成员还包括市场营销、产品定位、法务、产品、品牌、文案、开发等等。用户体验并非核心。
免责声明结束🤝
代理人
如果您还不了解代理人是什么或代理人能做什么：
智能体是一种软件，它接收目标，将其分解为多个步骤，并利用人工智能进行推理、决策和行动，从而自主执行这些步骤。它集成在您现有的系统中：例如您的收件箱、客户关系管理系统、订单管理工具和内部数据库。它无需用户界面。它可以接入您现有的基础设施，并在后台静默运行，以人类无法企及的规模和速度完成您定义的任务。
我让 Claude 生成一个图表，结果生成了这样的图表：
按回车键或点击查看完整尺寸的图片
哪些药物可以部分或完全消除
机械重复：每周重复性任务、分类和路由、根据规则、策略进行验证以及参考数据。
文档：会议摘要、提取杂乱的输入、简明解释、文档和版本比较、批量分类（如标签标注）。
协调：系统之间的交接、状态检查、突出显示障碍、大规模授权和判断，例如同时对数千个案件做出裁决。
通过代理人采取的步骤，几乎瞬间即可完成：
- 写作
- 提取
- 总结
- 起草
- 路由
- 设计
- 分类
- 比较
- 验证
- 监测
这些都是业务流程。
重要的是要明白，这种纪律存在于商业环境中。你在家使用 ChatGPT 来询问烧烤炉的比较表，或者询问最好的鱼油胶囊，并不会让你变成“代理人”或 AXer。
如果你使用 chatGPT 或 Claude 或其他 AI 工具来购买商品或提供服务，这仍然是用户体验，因为你（用户）正在体验一家企业满足你的需求。
AX 的主要作用是自主创建内部工具或优化内部业务流程。它也是一种为最大限度减少人为干预做好准备的方式。AX 关注的业务目标可能与满足用户需求无关。
作为一名视觉型学习者，我希望这些图表能够帮助大家明白，AX 不是 UX 的演变，而是一门新的学科。
用户体验 (UX)
按回车键或点击查看完整尺寸的图片
AX（代理体验）
Press enter or click to view image in full size
黄色区域是值得关注的部分。一旦智能体确定了目标、规则和防护措施，它便会自行运转：它能够同时处理成千上万个变量，进行推理、连接、检索、比较和决策，其方式是人类手动操作无法企及的。这并非因为它更聪明（尽管它可能确实更聪明……），而是因为它的运行规模和速度已经超出了人类认知的范畴。
你可以定义输入，你可以定义成功的标准，你可以定义护栏、规则和规范。但是，代理到达目标的路径呢？这部分超出了任何人的完全预测能力。这就是三角形所代表的。它并非空白，也并非文档的缺失，而仅仅是机器的领域。
用户体验设计始终以人为本。
我们为人类解决了问题。
我们了解了（由人类需求产生的）商业问题
我们的用户都是……人。
如果要解决的问题并非针对人类，甚至不需要任何界面，会发生什么？（这才是关键问题）
价值不在于代理本身，而在于构建代理之前提出的问题。
正如任何优秀的UX实践一样：UX的价值不在于问“我们如何构建这个？”，而在于“我们应该构建这个吗？”。
或者更简单地说：
“问题是什么？为什么我们必须解决它？”
企业在智能代理/人工智能领域不会失败，不是因为团队不知道该做什么，也不是因为技术不够好。它之所以失败，是因为没有人事先正式地问过正确的问题。
- 哪些流程真正值得自动化？
- 这种工作流程中有哪些不成文的规则：那些存在于某人脑海中但从未被写下来的规则？
- 大规模执行的正确性是什么样的？如果一夜之间在无人监管的情况下出了问题，你又该如何知道？
用户体验设计师研究用户体验问题的方式，与应用用户体验设计师研究业务流程问题的方式相同。
AX 设计差距
任何公司如果想提高自动化程度，都可以做到……首先识别障碍 > 编写场景脚本 > 运行自动化程序。但几周或几个月后，某个环节会以意想不到的方式崩溃，原因在于有人在没有完全理解流程的情况下就将其自动化了。
- 一个无人记录的极端案例。
- 一条存在于某人脑海中的规则。
- 不愿分享信息的员工把关人（哦，太多了）。
- 事后看来显而易见，事前却无法察觉的故障模式。
需要解决的问题是特工部署前的调查工作。
我认为这个差距有一个名字：AX Designer。
AX可能扮演的三种角色
侦探（与用户体验学科最接近）
侦探的工作是提出在特工被制造出来之前没有人问过的问题。
- 哪些流程真正值得自动化？
- 存在于某人脑海中但从未被写下来的规则是什么？
- 大规模执行的正确性是什么样的？
- 你怎么知道在无人监管的夜晚发生了什么事？
这是调查工作。要绘制出实际运行的真实工作流程图，而不是照搬文档描述。要找出极端情况、关键环节以及维系流程的非正式逻辑。要确定自动化是否是正确的解决方案。如果是，则要清晰地定义“正确”的标准，以便工程师或代理能够据此进行构建。调查员并不负责构建代理，而是确保构建的代理能够正确无误地满足需求。
促成者
开放你的工具。这个角色能让设计系统、API 和平台代理变得易于阅读。让 AI 能够利用你构建的内容进行消费和创作。
智能体不会点击按钮，它们需要工具描述，决定是否调用该工具，解读结果，然后继续执行。你定义结果，智能体就会在你设计的系统中自行找到路径。这可能意味着编写清晰的工具描述，开放正确的 API，构建设计系统以便 AI 能够使用和创建，或者仅仅是确保你已构建的内容无需重新构建即可供智能体使用。这项工作并不光鲜亮丽，但如果没有它，每个智能体都得从零开始。
建造者（一种更技术性的方法）
用户体验设计师会问“这应该给用户带来怎样的感受？”，而构建者则会问“这个流程需要做什么，才能可靠、大规模地运行，并且无需人工监督？”最终的成果并非界面，而是一系列的规则、连接和规范，这些契约告诉智能体它能做什么、不能做什么，以及成功的标准是什么。这可能意味着需要在智能体平台上工作，编写规范和 Markdown 文件，定义人工智能技能，配置插件，或者对 MCP 有足够的了解，从而知道哪些功能是可行的。构建者不必是工程师，但他们需要比大多数设计师更自在地与机器打交道。
例如：AX调查涉及的内容
这其中是有方法论的（顺便说一句，我还在学习）。它包含几个步骤，每个步骤的核心都是一个问题。
步骤 01：绘制出实际流程图。
并非如文档所述那样运作，也并非如经理认为的那样运作，而是像每天实际操作的人那样运作：包括例外情况、变通方案，以及那些从未被写下来但人人都心照不宣的规则。
步骤 02：确定自动化是否是正确的解决方案。
并非所有流程都应该自动化。
有些事项变数太大。有些事项涉及法律或伦理问题，每一步都需要人为判断。有些事项成本很低，自动化带来的成本超过了收益。首要问题不是“我们如何实现自动化？”，而是“我们是否应该实现自动化？”
这里也是绘制故障模式图的地方。“有哪些我们没有预料到的情况？当代理出错时，谁该负责？”
步骤 03：明确正确执行方式。
代理可以接收哪些输入？它必须产生哪些输出？哪些业务规则决定了有效结果？什么情况构成失败，以及何时应该重试、升级或停止？
模糊的需求会导致代理程序难以预测。AX Designer 的职责在于帮助明确需求路径，以便构建代理程序的工程师（或构建代理程序的代理程序）能够对成功有一个清晰、可测试的定义。“如果这个程序一夜之间运行了 10,000 次，你怎么知道它成功了？什么才能证明它成功了？”
步骤 04：构建优秀原型。
在动工之前，先将愿景具象化。创建概念验证、原型（或任何可视化成果/示意图）。将复杂的书面需求转化为可视化呈现，一直是AX设计师的强大能力之一。如果大多数利益相关者、同事或团队成员都无法完全理解代理的功能，那么企业又如何从中获得价值呢？
没有方向的调查只能是一份报告。
团队需要看到明确的目标。“伟大是什么样的？”
经纪人目前正在做什么
OutSystems 案例
当OutSystems（代理系统平台）调查 B2B 客户实际遇到的困难时，发现痛点在于：可观察性、调试、日志记录、错误处理、路由和可靠性。
以下是一些智能体应用示例：
一家金融服务公司利用代理人收集盈利报告，大大加快了投资报告的撰写速度，以往分析师需要花费数天时间才能完成这些报告。一家物流公司安排代理人阅读收到的订单邮件，提取结构化数据，并根据业务规则进行验证，然后将其归档到订单管理系统中：这一流程以前每个订单需要 50 分钟，现在只需 10 分钟。一家制药公司利用代理人撰写强制性监管合规报告，而以往这项工作需要数月时间。
这些不是聊天机器人，而是大规模执行业务逻辑的自主进程。
为什么2026年很重要
人工智能发展迅猛，智能体体验发展也日新月异。那些正在构建智能体战略的组织正在学习并树立行业标杆，供其他企业效仿。
率先行动的组织不仅能更好地利用人工智能，还能在这个新兴领域拥有专家，在构建智能体之前提出正确的问题。
这个角色现在有了名字，叫做AX设计师。而定义代理工作含义的领域仍在发展之中。