AI与人交互设计及集中式创新必然性

探索AI交互设计精髓，揭秘产品创新的核心思路。
核心内容：
1. AI与人交互设计的关键要素
2. 产品设计中召回率与精确率的平衡
3. 集中式创新对产品创新的重要性

文章结构：

一、我们先谈如何设计 AI 与人的交互

二、更好的设计是什么

三、为什么“真正的产品创新不可能靠跨部门协作，只能是集中式创造”

四、后记&彩蛋

我们先谈如何设计 AI 与人的交互

这个话题很大，所以还是举例说明，尝试说清楚中间的一个点。现有的产品不多讨论，否则容易被误解为“广子”，错过了内容。所以，直接举之前的例子——以 Google Photo 和 iOS 相册为例，这曾经是我多年前面试 AI 产品经理的经典题目。如果严谨一点，当时招的叫“智慧产品的产品经理”。举这个例子是因为大家可能都用过类似的产品，也就是在相册里的输入框，输入关键词，搜索照片，比如搜猫、搜狗，或者某天跟朋友的合影。

同一个功能，二者的区别在哪里？你可能会发现，如果你拍了很多狗狗的照片，在 iPhone 里输入“狗”，能搜到不少狗狗，但有些可能搜不出来。而搜不出来的那些，可能是因为拍糊了，或者它看起来像猴子——比如我喜欢的猴面梗，它甚至像个小狮子或“小恶魔”，如下图。

总之，它看起来不太像大部分狗狗。但如果在 Google Photo 里搜索“狗”，你会发现，它基本上能把狗狗都搜出来，但可能也把你的毛绒玩具、甚至小狮子的屁股照片搜出来。所以，这两个产品在设计倾向上有明显区别。

这个区别是什么？在检索类产品里，有两个经典技术指标，做 RAG 也一样，需要看这两个指标：召回率（Recall）和精确率（Precision）。维基百科的解释如下：

召回率（Recall/查全率）＝检索到的正确目标数量 ÷ 全部目标数量。

精确率（Precision/查准率）＝检索到的正确目标数量 ÷ 检索返回的总数量。

召回率也叫查全率，精确率也叫查准率，名字上更容易理解。举例来说：

查全率说的是，你相册里有一百张狗狗的照片和一堆猫的照片，没有其他的。如果系统给你查到了100张狗狗，那就是最好。此时，查全率=100/100=100%，查准率也是100%。

即便同时把10张猫也捞上来，召回率依旧是100%，但查准率仅为100/(100+10)≈91%，因为它只看漏没漏真狗，查得全不全。

但如果只查到90张狗狗照片，有10张狗狗没找到，那就差点。此时，查全率=90/100=90%（漏掉了10张，不全），但查准率可能是100%，只要这90张都是狗狗。

查准率呢，如果系统查到了90张照片，且这90张都是狗狗，此时查准率=90/90=100%（即便还有10张狗没捞上来，查准率也是100%，它只关心捞上来的准不准），但查全率只有90%。

如果查到了90张，但里边还有10张猫的照片，只有80张是真的狗狗，那就不好。查准率=80/90≈89%（因为混进了10张猫），查全率也只有80%。

如下表：

也就是说，召回率关心：真狗有没有被全部捞上来；精确率关心：捞上来的是不是都是真狗。显然，模型的目标是不断优化，使二者同时提升，达到最佳状态。但现实世界里，如果模型能力等条件不变，仅通过调整置信度阈值来控制时，二者在一定程度上此消彼长。想“一个都不能漏”，就得把网撒得更大，难免混进猫；想“只要真狗”，就得收紧网眼，可能漏掉边缘的狗狗。

这两个指标像跷跷板的两头，这边高了那边就低了，称之为跷跷板效应。这在“检索”场景里是常见现象。最终怎么调节，要看业务场景。想“一个都不能漏”时倾向提高召回率；想“只要真狗”时倾向提高精确率。

那么，回到正题。你可以想象，如果设计 iOS 相册或 Google Photo，在搜索照片这个场景里，存在跷跷板效应，该如何抉择？如果你没想过这个问题，不妨停一下想想，再往下看。先公布他们的做法，然后由你来判断谁做得好。

iOS 相册整体采用的是精确率优先，而 Google Photo 采用的是召回率优先。优先的意思是，这边高一点，但那边也别掉太低。谁做得好？旗帜鲜明地说，在这里，Google 是对的，Apple 做得不好。

为什么？因为在搜索场景里，用户最需要的是搜到照片。即便有些猫猫、毛绒玩具混进来，对用户没有显著损失——既不影响你看狗，也不影响你分享，而且如果要制作图册，把非狗的部分删掉就好。但如果有些狗狗没搜出来，用户难以接受——难道是对它的爱不深沉？没拍到？还是记忆出了错？甚至怀疑是不是误删了？因为大部分用户并不知道产品背后的设计逻辑，他们会认为自己出了问题。

Apple 在这里可能延续了一向的设计风格“不要出错”，而 Google 延续了自己做搜索的风格“多找点”。但这背后隐含了一个问题：我们需要给用户做多少设计？作为工具和内容的生产者、产品开发者、交互设计者，我们一定是对的吗？应该完全为用户做决策吗？或者说，应当完全为用户做“主”吗？更进一步，这个隐含的问题是：生产者应当如何进行更好的设计？哪些交互过程交给用户？是否假设用户没有自己更懂他们？对于当前的 AI 产品设计、Agent 设计，这个问题更是普遍存在。哪些交给 AI？哪些交给用户？如何与用户互动？如何更优雅地互动？在 AI 能力日益强大的今天，相信产品开发者逐渐认识到“Less Structure, More Intelligence”。但因此需要假装 AI 无所不能，比你更了解你自己吗？如果不是，那么自然不必认为让用户确认需求、说明自己的愿望和约束条件，是一种丑陋的设计。视觉上的丑陋或优雅可以被设计，但能力上假装 AI 无所不能则是傲慢。这一点，在已经跑起来的优秀项目上已有所改进，只是可以更好。

回到相册案例，难道做到 Google Photo 这样就足够好了吗？

更好的设计是什么

就考虑在手机相册上输入短文字搜图这个具体场景，用一段话呈现一个更好的设计，因为很简单，就不让 AI 生成交互 demo 了：

1. 在用户输入文字后，查询的第一屏（或头两屏），采用精确率优先策略，尽可能保障搜到的都是真狗。

2. 在第二屏（或第三屏）往后，逐步采用召回率优先策略，直到精确率下降到明显伤害体验，可以有一个向下的点击询问用户：“是否要扩大搜索，找到尽可能多的狗狗照片”。这个询问的动作，甚至也可以发生在用户往下翻屏幕的速率太快时触发。

3. 更进一步，甚至可以在检索数量过少时，主动提示用户是否补充搜索信息、扩大搜索范围，或想搜索的其实是别的。这些操作也都可以设计得很“人性化”。

4. 考虑到好的 AI 产品应当主动构建“Profile、Preference、Context”三要素，理解用户档案、偏好、情境，并设计、收集好一些信号的反馈，进而实现更智慧、更个性化、更情景化以及更人性化的服务。用户体验的提升是没有止境的。

是的，与用户交互并不会显得产品很傻，反而很优雅。只不过这种交互并不像有些产品设计那样：“我把召回率和精确率做一个控制条，让用户自己拉不就好了”“我把精确率优先还是召回率优先，做一个二选一的选项给用户不就好了”。那这跟 ChatGPT 把一堆模型放到左上角让用户自己选用哪个有什么区别？跟 ChatGPT 把用户 Retry 时选择模型交给用户自己搞有什么区别？

注：以上 Google Photo 和 iOS 相册的策略取向，是早年前的感受，当前他们是否优化，可以重新审视。

真正的产品创新不是靠跨部门实现的，只能是集中式的；而 AI 产品的设计为什么需要集中式？为什么要靠组织创新来推动？

所以，回到开篇，以一个例子间接回答了那个问题。因为产品体验和流程的设计、交互的设计、指标权衡、方案设计等，需要一套快速闭环、快速迭代的非线性协作，传统的过于职业化的分工流程会阻碍智能的涌现。高度优化的用户体验，不是产品经理、UX 设计师、UI 设计师、用户调研、技术研发等任何一个人的事情，何况在传统的分工里，他们各司其职，缺乏频繁的、深入的、彼此信任的交流和共创。用户体验的极致从来不是某个角色的独奏，而是多角色的即兴合奏。要让 Jam Session 流畅，就必须把人凑到一起、把墙拆掉。用真正的 OKR 而不是伪装成 OKR 的 KPI。不要把手段当做目的，不要把技能当做职业。——《AI 帮你赢》

后记&彩蛋

文中吐槽了一把 ChatGPT 的产品设计，可能有一个回应是“OpenAI 是一家 focus 在底层模型能力上的公司，是去 AGI 的，产品设计无所谓不需要浪费资源”。这里贴一个链接，是跟元宝聊的这个相册设计的面试题。它答得很快，方向很对。只要问题是对的，答案就不会太远。当然，在多模态大模型的驱动下，体验可以不再依赖我们在“更好的设计是什么”里给出的方案，因为那依旧是预设的交互。它可以更智能，但整个系统的设计依然有人为的选择在里边。

昨天跟文锋、面面聚餐，顺便聊到了 AI/Agent 产品设计这个话题。以此文为记。此外，还聊到一个话题：战略上避虚击实，战术上避实击虚。一家之言，以后可以展开。另外，还把上篇文章《我教 Apple 做 Agent》里的一个快捷指令更新了，确实好用。能够在任意界面（比如微信）双击手机，自动帮你创建日程，然后 iOS 会实时计算出发时间等。继刚说因为这个指令，已经换回 iOS 原生日历了，原生的生态只要用心，体验一定可以很棒。接下来就看苹果发布的 AI 功能，按不按我写的剧本来演了。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：AI与人交互设计及集中式创新必然性要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题