[AI 專業好書陪讀] 第12章：AI 優先應用的現代資訊架構
Chapter 12: Modern Information Architecture for AI-First Applications
今天許多被視為「AI 優先」的應用都基於聊天，正如 Jakob Nielsen 精闢地指出：「聊天是新的命令列。」雖然自然語言處理的命令列無疑比 Linux 命令列友善得多，但即使是最簡單的應用場景，它也無法構成一個完整的應用程式。即使是像「AI 女友」這樣「聊天導向」的應用，你仍然需要偶爾設定你的新虛擬寵物雞，為它添加服裝、帶它去吃晚餐，以及處理這種虛擬伴侶所需的其他維護和編輯任務。當然還有訂閱付款之類的事。
重點是，單憑聊天在大多數使用情境下並不是一個完整的介面。正如我們在第七章「SaaS Copilot 設計的 UX 最佳實踐」中詳細討論的，Copilot 最常見的實作方式是在側邊欄，它並不是一個 AI 優先的應用程式。它充其量只是現有功能的附加元件，旨在提供建議和輔助，而應用程式的原始資訊架構（IA）保持不變。
如今，所有這些聊天的限制都被認為可以透過時下流行的模式來超越：畫布（Canvas）。
當紅設計模式：畫布
由 ChatGPT 引入的畫布 (2) 風靡一時，許多設計師似乎認為它將解決他們當前和未來所有的 IA 問題（見下圖）。
再一次，很抱歉讓你失望了——即使你現在可以將你的新虛擬朋友從聊天中彈出到一個新視窗，讓他們大放異彩，你仍然需要一個個性編輯畫面、歡迎體驗、訂閱等級畫面和付款歷史等。作為一般規則，
無可否認，新的畫布模式確實非常棒，不一定適合或甚至必要於你的 SaaS 或電子商務應用程式。正如我們在本書第一部分所討論的：你的使用情境決定一切！
資訊架構已死？
在 AI 聊天擴散的時代，許多 UX 人士似乎認為 IA 已經死了。我想提出一個不同的看法。根據我對 35 個 AI 驅動專案的研究，如果你的 AI 優先體驗始於聊天也終於聊天，客戶通常很難理解你的應用程式是做什麼的，以及它能提供什麼具體價值。客戶也需要幫助來想出能帶來最大價值的查詢。根據你的應用程式，客戶還需要被告知某些時間敏感的發展，例如警報、促銷等等。
聊天並不適用於所有情況，因為它通常只是等待用戶提問，這對每個應用程式來說都遠非理想，因為：
注意 給予某事或某人指令真的很難。你只需要玩一下著名的派對遊戲「做三明治」就能明白這有多真實！
儘管現代大型語言模型（LLM）在解讀不精確指令方面比人類歷史上任何電腦都強得多，但有時你還是會希望有一些預設的查詢和不錯的起點，甚至只是為了理解你的應用程式中發生了什麼。這在數位領域尤其重要，因為我們無法接觸到環境背景，也與 AI 代理沒有共享的歷史。
注意 要把 AI 優先做對，你需要資訊架構。(重要再講兩遍你需要資訊架構! 你需要資訊架構!)
幸運的是，這個問題可以用我新的 AI 優先資訊架構框架相當容易地解決。不過，我必須先警告你（並會不斷重複這一點）：
注意 請不要僅僅複製這個想法；相反地，請將其作為你為自己的應用程式解決客戶獨特使用情境的靈感。
為了展示這種新方法，讓我們比較一下傳統 Amazon.com 頁面的 IA 和一個可以想像的 AI 優先的 Amazon.com。
Amazon.com：傳統方法
讓我們使用電子商務網站的典型例子，回到我在 2011 年我的第一本書《設計搜尋：電子商務成功的 UX 策略》(3) 中寫到的最早的例子之一：強大的 Amazon.com。
為了本次練習，我們可以將該網站大致分為五個部分。
「AI-減」？首頁
正如你無疑知道的，Amazon.com 在很大程度上已經是一個 AI 優先的應用程式，其首頁很容易地反映了這一點，根據演算法認為用戶可能喜歡的東西來誘惑他們進行促銷（見下圖）。
「AI-減」——Amazon 首頁上大多是無用的垃圾。
資料來源：UX for AI, GREG NUDELMAN (2025)
不幸的是，這個演算法似乎完全不知道我真正需要或想要什麼（正如我們在上一章中已經詳細討論過的）。例如，我已經買了一些草坪家具，那麼我再買更多的可能性有多大？一個人需要多少個豆腐壓製器？為什麼它固執地一直建議我需要更多《V 怪客》的海報？
傳統搜尋結果頁面
搜尋頁面是典型電子商務網站的核心，通常佔據了整體流量的絕大部分。雖然 Amazon.com 的結果是業界羨慕的對象，但對於複雜的自然語言處理查詢，如「不恐怖的懸疑小說」，搜尋基本上是失敗的，正如我們在第十章「搜尋 UX 革命：LLM AI 在搜尋使用者介面中的應用」中所回顧的。圖 12.3 顯示了一個類似的查詢，這次限制在產品類別「書籍」。
資料來源：UX for AI, GREG NUDELMAN (2025)
「不恐怖的懸疑小說」的書籍結果是各種搜尋結果的混雜，實際恐怖程度各不相同。
就像我們在第十章回顧這個查詢時一樣，書籍產品類別的結果也包括了各種各樣的命中。從童書到史蒂芬·金非常恐怖的《如果它流血》，再到大概很嚇人的《不要閉上你的眼睛》，後者承諾是「一本絕對扣人心弦的心理驚悚小說，其轉折會讓你徹夜難眠」。
結果幾乎完全不是我們真正想要的。顯然，現代 LLM 的能力在這裡沒有多少體現！
AI-加 商品詳情頁面
與搜尋結果相反，商品詳情畫面是 Amazon.com 的 LLM 功能真正發揮作用的地方，如下圖所示。
資料來源：UX for AI, GREG NUDELMAN (2025)
AI 驅動了這裡的大部分內容，從「尋找特定資訊」的問題提示，到重要的品牌特定趨勢，最後到一個被廣泛使用且深受喜愛的評論摘要功能，這無疑是非常出色的。請注意，頁面頂部的主搜尋框仍然保留了我們最初的查詢。如果我們想在這個巨大的頁面（它垂直滾動超過 20,000 像素）中搜尋某些內容，我們必須使用瀏覽器的頁面搜尋（Command+F；Ctrl+F）、特定的問答搜尋框，或搜尋用戶評論——所有這些都是獨立的搜尋框！
傳統維護頁面
最後，我們還有一組維護頁面，這些頁面今天完全是戰術性的，幾乎沒有 AI 功能。這些頁面主要由基於時間的 LIFO（後進先出）排序演算法的直接列表組成。每個頁面也都有自己的目標搜尋框。
現在，讓我們來看看像 Amazon.com 這樣的網站如何使用我們的新框架重新設計為「AI-優先」。
AI-優先 Amazon.com 重新設計
正如我們前面討論的，僅僅啟用一個基於 LLM 的搜尋，雖然是一個好的開始，但並不能滿足 Amazon.com 所涵蓋的每一個使用情境。我們可以做得更多！我們新的「AI-優先 Amazon」網站的幾乎每一個功能都可以由 AI 驅動。
重要的是，沒有必要徹底改變舊 IA 的重點，但我們當然可以更好地適應現代 AI 的能力。一個極好的起點是以下五種類型的頁面：分析總覽、類別分析、LLM 搜尋結果、商品詳情和維護。這些構成了 AI-優先資訊架構框架的核心。到目前為止，新舊 IA 之間沒有太大區別，但正如他們所說，魔鬼藏在細節中。
讓我們仔細看看。
AI-優先分析總覽頁面
舊的首頁可以被一個 AI-優先的分析頁面所取代。雖然這看起來只是一個小小的轉變，但變化可能是廣泛的。例如，在我寫這篇文章的時候，正是假日購物季——這意味著所有的零售商都會在這一年一度的時刻齊心協力，通過瘋狂搶購來自中國的折扣商品（但很快就會被課以重稅）來分散民眾對通常的右翼不滿和全球暖化驅動的大規模颶風的注意力。
我絕無意干涉這樣一個神聖的美國年度傳統！事實上，我建議使用 LLM 來加倍推動這場慣常的狂熱。下圖展示了一個由 ChatGPT 4o 製作的快速線框圖。只要想像一些商品圖片細節（也許還有一張人群為最後一個 Tickle Me Elmo 玩具殊死搏鬥的動態鏡頭），你就身臨其境了。
資料來源：UX for AI, GREG NUDELMAN (2025)
雖然 AI-優先的分析頁面可能看起來與目前的 Amazon 頁面非常相似，但有一些顯著的差異：
LLM 文字摘要：提及這個黑色星期五的獨特性質
為何現在購物：利用人們當前的恐懼來提供購物理由（因為恐懼能促進銷售！很好。非常貼切。）
禮物/折扣類別：專門針對熱門禮物和折扣，而不是用戶可能直接感興趣的東西。
令人印象深刻，不是嗎？這就是今天使用 LLM 技術開箱即用的功能。
AI-優先類別分析頁面
隨著 LLM 的運行，系統現在可以理解和偵測人們感興趣的類別、地點、事物或想法。試試這個小實驗：把你過去在 Amazon.com 的訂單倒入 ChatGPT，問它這位顧客對哪些類別和消遣感興趣，以及他們接下來可能想買什麼。
我必須承認，即使我抱有相當高的期望，現代的 LLM 還是讓我大吃一驚。ChatGPT 不僅理解了類別（釣魚、園藝、健身、狗等），還理解了邏輯上後續購買的商品細節。例如，由於我最近買了一個新的輕量級紡車輪，它從過去的訂單中確定我現在有兩個捲線器但只有一根釣竿，因此我可能很可能會再買一根釣竿、輕量釣線和鱒魚擬餌，並為每一項都提出了極好的建議，而無需任何微調或外部來源的幫助（見下圖）。
資料來源：UX for AI, GREG NUDELMAN (2025)
關於此頁面有幾點需要注意：
類別-商品特定的 LLM 摘要：摘要再次位於頁面的右上方。然而，這個特定的摘要更具針對性，針對我最近的購物和興趣，正如類別頁面所預期的那樣。
主視覺圖：這不僅僅是視覺上的趣味，這張圖片是由 Midjourney 根據 ChatGPT 的動態提示生成的，而提示內容又基於頁面內容。它是一個客製化的盛宴，展示了頁面正文中提到的一些精美產品。（是的，它有點粗糙，但很快會變得更好。）
商品順序：同樣，這是由 ChatGPT 自行選擇的，以反映你現在最可能需要的東西。
現在讓我重申： Midjourney 根據來自 ChatGPT 的動態提示生成了主視覺圖，而 ChatGPT 同時也創建了畫面的內容。
這是不是比一堆商品好一點？你說對了。它在告訴你使用這些商品釣到你夢想中的魚的冒險故事，而不僅僅是商品本身。（注意：當然，你也會有單獨的圖片。這只是將它們聯繫在一起的主視覺圖。）
注意 現在，內容是一個故事。它環環相扣。它還能引發情感共鳴。這就是我所說的「AI-優先設計」。
這對於釣魚愛好者來說，相當於視覺上的古柯鹼。而我只花了幾分鐘就「設計」（更像是「組合」或「編排」）了這個基於 ChatGPT 輸出的頁面。現在想像一下，你的用戶真正關心的每一個類別，都經過精心分析，可能打折的商品被突顯出來，還有一個特別為你的興趣和購物習慣挑選的客製化商品盛宴。這種個人化程度完全把目前的體驗，呃，甩在了身後。
注意 請注意，我把「設計」放在引號裡，因為這不是大多數人今天做 UX 設計時那樣的像素推敲。當 Figma 最終消亡（或把頭從屁股裡拔出來）並轉向程式碼優先的設計系統時，我們將會做這種「設計編排」，正如我們在第 19 章「RITE，你 AI 研究的基石」中詳細討論的那樣。
AI-優先 LLM 搜尋
我們在本書前面已經討論過這一點，但值得重複：LLM 可以輕鬆解決需要複雜推理的自然語言處理查詢，例如「不恐怖的懸疑小說」（見下圖）。
資料來源：UX for AI, GREG NUDELMAN (2025)
只要想像一下加上商品圖片，你就身臨其境了。關於此頁面有幾點需要注意：
機器的查詢解讀：「享受這些引人入勝的故事，保證懸疑有趣而不會讓你徹夜難眠！」（在頁面頂部）。它既俏皮又精準。它用自然語言捕捉了你所要求的精神。今天沒有任何電子商務網站這樣做（還沒有）。回想一下，我們在第九章「LLM 設計模式」中介紹了「重述」和其他基於文字的 Copilot 設計模式。
結果特定的 LLM 摘要：這個摘要更了不起，因為它基本上是根據解讀即時構建的。
出色的結果：檢查完畢。
「恐怖等級」：一個自訂指標，與商品摘要（為幫助用戶解讀其自然語言處理查詢結果而明確創建）一起，幫助用戶評估商品的適用性，並鎖定他們甚至不知道自己想要的確切商品。
篩選器保留：沒有理由僅僅因為舊的篩選器與傳統搜尋結果的溫吞洗澡水混在一起，就把它連同嬰兒一起倒掉。篩選器非常有益，並且被許多搜尋者頻繁使用。沒有理由因為我們使用 LLM 就省略它們——事實上，篩選器本身可以被 LLM 動態增強，以包括所述的「恐怖等級」和其他自訂指標，視情況而定。它們可以包括更豐富的篩選器子集，不僅取決於商品元數據，還取決於查詢本身——這是一種全新的搜尋工具能力！
自訂圖像：同樣，這裡我們有一個由 Midjourney 生成的自訂圖像，使用來自 ChatGPT 的摘要提示構建。
簡而言之，這些由 LLM 產生的結果不僅在內容上更優越（無需任何額外輸入或微調），在體驗上也更優越。這個 AI-優先的搜尋結果頁面努力在顧客問題的背景下講述故事。AI 用顧客的語言與他們交談。它不僅易於理解；它還是個人化的（參見本章後面 Jakob Nielsen 關於個人化 UX 的觀點以及 Josh Clark 的「感知設計」和「智慧介面」的觀點）。AI 提供適合它所理解的顧客試圖解決的任務的解釋、評分和篩選器。
需要多層次對話和特定細化的任務相關查詢，例如「我的巴塔哥尼亞之行可能需要哪些物品？」或「我需要一個適合我經典捷豹的門墊圈」，也應該沒有問題。歡迎來到下一個層次！
AI-優先商品詳情
忘掉傳統的商品詳情頁面，其中每個部分（問答、詳情、評論）都需要用自己的搜尋框來搜尋。在新的 AI-優先範式中，我們可以在螢幕頂部使用「提問欄」來創建一個簡單的一站式搜尋和問答體驗，這個提問欄已經通過一個可編輯/可移除的橙色標籤（取代了通常的類別下拉選單）被情境化到這個特定商品（見圖 12.8）。
資料來源：UX for AI, GREG NUDELMAN (2025)
關於此頁面有幾點需要注意：
情境化、一站式的問答和搜尋：忘掉多個搜尋框的舊範式吧！既然搜尋/提問已經針對此商品進行了情境化，頂部的欄位就能完成你需要的一切，包括回答關於商品細節的問題，以及推測（甚至視覺化展示！）該商品如何融入你活躍的生活方式。（需要搜尋其他東西？只需刪除橙色標籤。想問一個關於最近看過的另一個商品的問題？點擊橙色標籤來更改它，讓 LLM 建議一個替代商品列表來鎖定目標。）
商品特定、用戶特定的 LLM 摘要：此頁面也有一個文字摘要，但這個摘要是針對該商品的，並且理想情況下是通過預測該特定用戶可能想問的問題來創建的。你的用戶是否有寬腳、內旋或足底筋膜炎？摘要將會談論該商品與用戶關切點的關係。
用戶特定的後續步驟問題：注意摘要下方的標籤；這些是摘要中未包含的額外問題，是結合了用戶下一步可能想問的問題，以及其他與他們相似的用戶在看到摘要後下一步問了什麼，再加上通常的 DOI「AI 智慧」。這是一個強大的組合，將構成新競爭格局的「秘密武器」。（參見第十一章「AI-搜尋第二部分：『眼球肉』與 DOI 排序演算法」。）
用戶特定的圖像：也許可以將該商品與用戶之前購買過的東西一起展示？（不是這張圖——我從不買白色衣服。句點。白色手錶？說真的？呃。即使它有 Helvetica 字體我也不會買。）
用戶興趣特定的圖像：也許可以展示一個稍微有點宅（但長得好看！）刮乾淨鬍子的男人在釣魚，穿著這雙新鞋？（同樣，不是這張特定的圖——我不在小徑上跑步。我健行。那樣體面多了。）
重點是，這個摘要再次講述了一個關於商品如何與用戶相關的引人入勝的故事——這就是 AI-優先的意義所在。
注意：這也可能導致一些非常愚蠢和錯誤的組合——例如，如果一個對 DIY 專案沒有興趣的配偶為他們的伴侶買了很多電動工具。另一方面，這可能會很有趣——用戶可能會讓 AI 為了娛樂而繼續幻想奇怪的活動！好吧，好吧，我們在開玩笑！實際上，已經有一種直接且廣為接受的方法來解決這個問題：只需避免所有與 AI 相關的猜測廢話，讓用戶自己選擇他們為誰購物的個人資料，就像 Netflix 或 Amazon Prime 在電影選擇上所做的那樣……因為並非所有事情都需要用 AI 來完成！（見圖 12.9）。
資料來源：UX for AI, GREG NUDELMAN (2025)
（關於這個問題以及其他解決棘手問題的巧妙非 AI 驅動技術的更多討論，請參見第二章「選擇正確使用案例的重要性」中 David Andrzejewski 的側欄。）
AI-優先維護頁面
LLM 的魔力也可以應用於維護頁面。設定頁面可以在設定過程中提供持續的 AI 驅動指導和故障排除，例如驗證送貨地址和修正過期信用卡的日期。它們基本上也可以成為獨立的 AI 代理，可以用自然語言回答簡單的戰術性問題和解決日常任務——例如，回答與訂單相關的問題，如下所示：
「我的訂單什麼時候會到？」
「『處理中』或『已出貨』是什麼意思？」
「我可以更改或取消我的訂單嗎？」
「我該如何退貨？」
「我什麼時候會收到退款？」
還有更多的問題可以用對話式問答的形式來提問和回答——這是新 LLM 的拿手好戲。到現在，你大概可以填補剩下的部分了：一個與訂單相關的 LLM 摘要，一份充滿了關於批量購買必需品和省錢（當然，同時也花更多錢……多得多，多得多。哇哈哈哈！）想法的迷你報告。
資訊架構萬歲！
我們今天所涵蓋的一切現在都唾手可得。所需要的只是有人來夢想這些新體驗並提出簡單的線框圖。（嗯，這實際上正迅速成為簡單的部分——說服領導層優先考慮這些新型體驗並投資於能讓它們真正發光發熱的技術堆疊……同時拋棄傳統的設計。這現在成了困難的部分！）然而，我希望本章能對你理解可被視為「AI-優先」的應用程式的 IA 基礎有所幫助。
但請讓我再次提醒：請不要僅僅複製這些想法；相反，將它們作為靈感，為你自己的應用程式解決你獨特客戶的使用案例。花時間去理解情境化敘事、類別、概念和想法的識別、情境化摘要、聯合對話式搜尋、約束搜尋和後續步驟的重要性——所有這些都使這個資訊架構框架作為一個新的 AI-優先 UX 策略發揮作用。
最重要的是，試著看看這個新框架如何提供卓越的體驗：
注意 AI-優先的應用程式努力在顧客需求的背景下講述故事。AI 用顧客的語言與他們交談。所有的內容都是高度個人化的。AI 提供適合它所理解的顧客試-圖解決的任務的解釋、評分和篩選器。
我們在這裡討論的任何內容都不意味著要拋棄傳統應用程式 IA 中收集的智慧和洞見。它意味著以一種新的 AI-優先的方式來思考那些舊的洞見。IA 萬歲！
參考文獻
Nielsen, J. (2023). AI: First new UI paradigm in 60 years. NNGROUP. www.nngroup.com/articles/ai-paradigm
Canvas (n.d.) OpenAI. https://openai.com/index/introducing-canvas
Nudelman, G. (2011). Designing search: UX strategies for eCommerce success. Wiley. https://a.co/d/8w6s6F9
觀點：生成式 UI = 個人化 UX
作者：Jakob Nielsen
「生成式 UI」簡單來說就是應用人工智慧來自動生成使用者介面設計，利用演算法根據指定的參數或數據輸入產生各種設計。目前，這通常在 UX 設計過程的早期階段完成，然後由人類設計師進一步完善 AI 生成的 UI 草稿，再將其融入傳統應用程式中。在這種方法中，所有用戶看到的 UI 都是相同的，並且每次訪問應用程式時 UI 也都相同。用戶體驗可能會在小範圍內進行個人化，但當前的工作流程假設 UI 在人類設計師簽署同意後基本上是固定的。我建議將這種在產品發布前 AI 只修改 UI 的固定設計稱為第一代生成式 UI。
我預見一種更激進的生成式 UI 方法將很快出現——也許在大約五年內。在這種第二代生成式 UI中，使用者介面在用戶每次訪問應用程式時都會重新生成。最重要的是，這意味著不同的用戶將會得到截然不同的設計。這是我們真正幫助殘障用戶的方式。然而，新鮮生成的 UI 也意味著體驗將隨著用戶對系統的了解而適應。例如，可以向初學者展示一個更簡化的體驗，並為專家用戶引入高級功能。
轉向第二代生成式 UI 將徹底改變 UX 專業人員的工作。我們將不再設計用戶將會看到的確切使用者介面，因為 UI 對每個用戶都將是不同的，並在運行時生成。相反，UX 設計師將指定 AI 用來生成 UI 的規則和啟發式方法。
不要恐慌。
雖然設計師對精確控制的喪失在生成式 UI 中被指數級放大，但這與響應式網頁設計引入的變化非常相似。在響應式設計之前，許多網頁設計師旨在對其創作進行像素級的完美控制。然而，隨著響應式設計的出現，這變得不可能，因為設計元素會根據每個用戶的視窗大小在螢幕上移動（有時出現或消失）。
傳統上，電腦製作一個單一的圖形使用者介面（GUI）來代表底層的功能和數據。有視力的用戶會直接使用這個 GUI。盲人用戶則首先使用螢幕閱讀器將 GUI 線性化並轉換為文字。然後這串文字會被大聲朗讀出來供用戶聆聽。這種間接性顯然產生了糟糕的用戶體驗：在 2D 環境下，有視力的用戶可以視覺掃描整個螢幕並挑選出感興趣的元素。相比之下，盲人用戶被迫聽完所有內容，除非他們使用跳過功能（從而完全錯過）某些部分。
通過生成式 UI，AI 訪問底層數據和功能，並將其轉換為為個別用戶優化的使用者介面。對於有視力的用戶，這很可能是一個 GUI，而對於盲人用戶，這將是一個聽覺使用者介面。
有視力的用戶可能會得到看起來與他們以前擁有的 UI 相似的介面，儘管生成式 UI 將針對該用戶在閱讀水平和其他需求方面進行優化。對於盲人用戶，生成式 UI 繞過了在 2D 佈局中表示數據和功能的方式，這種方式在線性呈現時永遠不會是最佳的。
除了為盲人用戶創建優化的一維表示之外，生成式 UI 還可以通過其他方式優化用戶體驗。由於聽比視覺掃描文本要慢，為盲人用戶生成的版本可以更簡潔。此外，文本可以調整到每個用戶的閱讀水平，確保每個人都能輕鬆理解。
關於 Jakob Nielsen
Jakob Nielsen 博士，是一位擁有 41 年 UX 經驗的可用性先驅。他是 UX Tigers 的創始人，並開創了快速廉價迭代設計的折扣可用性運動，包括啟發式評估和 10 項可用性啟發式原則。他闡述了同名的雅各布網際網路使用者體驗定律。他著有 8 本書，並擁有 79 項美國專利，主要關於讓網際網路更易於使用。 在
觀點：感知設計與智慧介面
作者：Josh Clark
不要把 AI 看作一個工具、一個功能，甚至一種賦能技術。相反，把它看作一種材料。當你將智慧編織進數位介面的結構中時，什麼樣的可能性會出現？
感知設計（Sentient design）是已經到來的智慧介面未來：一種在回應使用者需求時感覺幾乎具有自我意識的體驗。感知設計超越了靜態呈現，將使用者體驗轉變為一個徹底適應性的故事。這些由 AI 媒介的體驗是根據你當下的意圖即時構思和編譯的。它們是適應人的體驗，而不是強迫人去適應。
對所有感知設計體驗來說，至關重要的是它們既是有意識的又是徹底適應性的。由 AI 驅動的聊天機器人和助理引入（但遠未完成）了這個概念；它們允許你將對話引向任何方向，充滿了轉折和不連貫之處。這是一種跟隨你引導的體驗——徹底適應你設定的路徑。這種交流不僅順應當下的奇想，它就是為那一刻而發明的。
現在，超越聊天來思考。網站介面可以用同樣的方式生成，在你探索它們時被發明出來。在 Salesforce，情境感知的儀表板會根據即時需求改變佈局、內容和互動。更進一步，AI 可以將一張白紙變成你在當下需要或想要的確切介面或應用程式。你可以在像 Apple 的 Math Notes 這樣的地方看到這種情況發生，它讓你可以隨手畫出當下需要的任何基於計算器的應用程式的介 D-2。
Claude 的 Artifact 功能讓你描述一個簡單的應用程式（「我想玩 Asteroids！給我做個遊戲」）並即時開始使用它。（應用程式的發現過去依賴於搜尋或策展；現在你可以顯化你需要的東西，有時甚至無需請求。）
所有這些都是徹底適應性的體驗，而且它們已經存在了。在這種新型的 AI 媒介體驗中，內容、格式、互動介面、溝通媒介、語氣和美學——甚至系統的目標本身——都可以在與其服務的人們的新的、靈活的協作中轉變和適應。
這不再是過去的舊網站了。要實現這些機會並想像這些新的互動，需要新的視角和技術。這就是為什麼感知設計不僅描述了這種新體驗的形式，還描述了一個應用它的有意框架和務實哲學。隨著介面變得更加用心，設計師也必須如此。
感知設計關乎 AI……但也不全是。雖然機器智慧提供了賦能技術，但目標不是「製造 AI 產品」。感知設計讓我們能夠以迄今為止不可能的方式提供有意義的人類成果。預期的成果本身可能不會改變——我們的創作應始終專注於人類目標——但感知設計縮短了人們實現這些成果所需付出的努力，甚至可能首次使某些成果變得可行、可負擔或有吸引力。
關於 Josh Clark
Josh Clark 和 Veronika Kindred 是《感知設計》一書的作者，該書為創建 AI 媒介的、徹底適應性的體驗提供了框架和視角。他們在數位代理公司 Big Medium 為客戶創建智慧介面和智慧設計。
注意 接下來的兩章將重點介紹預測和異常檢測，這兩章在數學方面有些繁重，與我們本書一直在討論的 llM 設計模式有所不同。如果數學和數據視覺化不是你的強項，可以隨意跳到第 15 章，該章重點介紹 AI 代理，並在需要時再回來看這部分內容。
copyright © PrivacyUX consulting ltd. All right reserved.
關於本刊作者
Gainshin Hsiao 是 Agentic UX（代理式使用者體驗）的先驅，在人工智能與使用者體驗設計領域擁有超過 15 年的開創性實踐。他率先提出將用戶隱私保護視為 AI 產品設計的核心理念，於 2022 年創立 Privacyux Consulting Ltd. 並擔任首席顧問，積極推動隱私導向的醫療 AI 產品革新。此前，他亦擔任社交 AI 首席策略官（2022-2024），專注於設計注重隱私的情感識別系統及用戶數據自主權管理機制。
Agentic UX 理論建構與實踐
AI 隱私保護設計準則
負責任 AI 體驗設計
在 Cyphant Group 設計研究院負責人任內（2021-2023），他探索了 AI 系統隱私保護準則，為行業標準做出貢獻。更早於 2015 至 2018 年，帶領阿里巴巴集團數位營銷平台體驗設計團隊（杭州、北京、上海、廣州）、淘寶用戶研究中心並創立設計大學，從零開始負責大學的運營與發展，不僅規劃了全面的課程體系，更確立了創新設計教育理念，旨在為阿里巴巴集團培育具備前瞻視野與實戰能力的設計人才。其課程體系涵蓋使用者中心設計、使用者體驗研究、數據驅動設計、生成設計等多個面向應用。
活躍於國際設計社群，在全球分享 Agentic UX 和 AI 隱私保護的創新理念。他的工作為建立更負責任的 AI 生態系統提供了重要的理論基礎和實踐指導。
學術背景
Mcgill - Infomation study/HCI -Agentic UX, Canada
Aalto Executive MBA-策略品牌與服務設計, Singapore
台灣科技大學：資訊設計碩士- HCI, Taiwan
中原大學：商業設計學士- Media and marketing design, Taiwan