用户体验的 AI助手

原文： AI as a UX Assistant (opens new window) 翻译: UX Lib (opens new window)

摘要：生成型 AI 机器人通过充当内容编辑，研究助手，创意伙伴和设计助手来支持用户体验专业人员。

为了理解用户体验专业人士如何在日常工作中使用生成式 AI，我们进行了一项大规模的调查，共有超过 800 名受访者。**92% 的受访者声称他们至少使用过一种生成式 AI 工具；**在那些在工作中使用这些AI的人中，63% 的人至少每周使用它们几次（如果不是每天）。最常见的活动类型是文本内容的生成和编辑。

我们的研究

我们对 841 名用户体验专业人士进行了一项调查研究。该研究在 2023 年的 7 月和 8 月进行。

我们向受访者提出了关于以下内容的 15 个问题：

• 一般 AI 使用情况：参与者被问及是否已经使用过生成型 AI 工具（如 ChatGPT 和 MidJourney）进行工作或个人用途，并列出他们使用过的所有生成型 AI 工具。那些表示他们已经在工作中使用这些工具的人也被询问他们使用这些工具的频率以及用于何种工作相关活动。
• 生成型 AI 工具的一个特定用例：我们请人们回忆他们最近一次使用这些工具来协助他们的工作的情况。（这种类型的问题被称为关键事件技术。）
• 使用具有生成 AI 能力的 UX 工具的使用情况：受访者被问及是否使用过常见 UX 工具中的生成 AI 功能（例如，Dovetail 的摘要功能）。
• 背景信息（可选）：被调查者被要求分享他们的职位和工作年限。

广泛的 AI 在用户体验中的应用

92% 的受访者报告他们至少使用过一种生成型 AI 工具（95% 置信区间：90.3%-93.9%）。

然而，这项研究有一个重要的限制 - 我们通过电子邮件和社交媒体招募，并在我们的招募文本中使用了 “生成性 AI” 这个词。有可能对 AI 感兴趣的人更可能回应（选择性偏见）。虽然我们相信使用 AI 工具的 UX 专业人士的比例很高，但确切的数字可能不会到 92%。

平均来说，受访者使用了两种不同的生成型 AI 工具。最常被提到的两种工具类型是文本和多媒体生成器。

• 文本生成器：ChatGPT（90%），Bard（17%），Bing Chat（7%）
• 多媒体生成器：Midjourney（32%），Dall-E（15%），Adobe Firefly（5%）

在使用这些工具的人中，大多数（78%，95% 置信区间：74.6%-80.5%）都将 AI 工具用于工作和个人目的；8%（95% 置信区间：6.4%-10.4%）的人只将 AI 用于个人用途。

Many of those who used AI tools for work did so regularly: 63% (95% confidence interval: 59.3%-66.5%) used AI at least several times a week (24% reported using AI daily, while 39% used it several times a week).
许多在工作中使用 AI 工具的人都是经常使用的：63%（95% 置信区间：59.3%-66.5%）的人至少每周使用几次 AI（24% 的人报告每天使用 AI，而 39% 的人每周使用几次）。

在我们调查的 680 名用户体验专业人士中，有 63% 的人至少每周在工作中使用人工智能几次。（误差条代表 95% 的置信区间。)_

生成式 AI 在 UX 专业人士工作中的 4 个角色

我们确定了 UX 专业人士在工作中使用生成型 AI 工具的 30 种任务类型。我们将这些任务分为四个角色：内容编辑，研究助理，创意伙伴或设计助理。

• 内容编辑器：根据用户体验实践者给出的规格或副本，生成和编辑文本，从微型文本到社交媒体帖子
• 研究助理：准备桌面研究总结和特定的用户体验研究文档（如研究计划，筛选器和面试指南）
• 设计助手：生成和编辑图像、视频和设计成果，如人物角色、线框图和原型，以及旅程图
• 创意伙伴：探索内容的各种变化，包括文本和多媒体，在多样的粒度范围（从高级特性生成到细节设计），构思解决方案，并验证想法

文本内容编辑器

超过 75% 的受访者使用生成型 AI 进行文本相关的任务，具体包括：

• 创建或修改各种类型的文本，包括文案，导航标签，社交媒体帖子和用户故事。
• 建议替代词汇并传达特定的语气

AI 对内容生成的支持可以为 UX 实践者节省大量的工作，特别是如果他们没有专业写作背景，或者他们在没有专门的 UX 写作人员的组织中工作。

内容编辑任务

任务	示例
生成用户体验微文案，包括错误消息、导航标签、帮助文本	“我经常使用像 ChatGPT 这样的程序来帮助我重写或获取关于模态框和页面内文本的微文案的想法。我用它来帮助重新编写文案，使其简短、简洁，便于任何人理解。”
创建特定类型的内容（例如，新闻发布，工作描述，目标和关键结果 - OKR）	“我最近使用了 ChatGPT 来为公司正在开发的一款新产品撰写新闻发布稿。这款产品与投资相关，而我并非此方面的专家，所以它在以一种有意义的方式组织信息方面对我很有帮助。” “当我在带领我的团队进行 OKRs 工作会议时，我想快速找到一个好的 UX OKRs 示例。我陈述了愿景 / 使命声明（仍与我的工作领域相关），并要求 ChatGPT 生成一个目标，4 个关键结果，相关的倡议以及每个倡议的 KPI。”
根据限制或约束扩展、修剪、修改或总结文本	“我使用了 ChatGPT 来创建关于 UX 基准测试研究的概述，以便在我的报告引言中包含。我要求 AI 包含我提供给它的项目的细节。我对它提供给我的段落的质量感到印象深刻。” “在某个时刻，我需要一些有字符限制的描述，然后我使用了一个生成性 AI 工具，以获取这些副本在指定字符限制下可能的建议。在得到建议后，我对这些进行了一些修改，并能在有限的时间范围内完成任务。”
为特定的用户准备文本	“我使用了 ChatGPT 来生成一些与用户体验相关的术语和概念的定义，这是为了我即将给一些非用户体验同事做的演讲。” " 提高内容的可读性 - 为特定的等级或 FK 分数重写，要求它 “用简单的语言改善这个。”
执行特定的语气	“我使用它来帮助我为我团队正在创建的原生应用编写意图副本。我让它遵循一套提示，帮助我们保持相似的语气和说话方式，以便它与品牌保持一致。”
改写和校对	“我并非天生的优秀作家，通常会花费数小时进行这类写作，试图找到正确的词汇和语法 - 这个工具减轻了我很多这种压力，我不必再苦苦寻找那个恰好在我舌尖上的正确词汇。” “我会用自己的话来打字写邮件或者进行沟通，然后我会让 AI 重新组织语言。这有助于使我的想法更清晰、更简洁，但仍然包含我个人想要传达的信息，所以它仍然是我的声音。”

研究助理

生成型 AI 协助的第二大类活动是研究；大约一半的参与者使用这些工具来执行这个角色内的任务。

研究活动被划分为两个子类别：

• 桌面研究：寻求理解特定问题或领域的一般信息（例如，研究常见的设计模式，或为咨询项目研究新领域）
• 用户研究：了解目标用户群体以指导产品设计

桌面研究

由生成型 AI 带来的一个巨大效率优势是在信息寻找过程中的信息聚合 (opens new window)。专业人士可以要求 AI 为他们完成这项工作，而不是手动搜索相关资源，从每个资源中提取有趣的信息，然后将所有信息组合成一个连贯的结果。

有时候，受访者会将内容，比如一篇冗长且深奥的文章，输入到 AI 中，并要求它为他们总结关键点。

UX 专业人士报告在以下情况中使用生成型 AI 进行桌面研究。

任务	示例
学习一个新的主题	回答关于统计分析的问题 快速研究用户体验策略概念
检查特定类型的页面、元素、工作流或应用的最佳实践	“回答像‘在银行应用主屏幕上，哪些信息最常显示？’这样的问题” “我使用了 ChatGPT 来确保我覆盖了进行技术 SEO 检查所需的所有步骤。AI 生成的回应包含了我没有想到的几个步骤，所以我能够利用这些信息，增加我的流程步骤和项目地图。”
获取深度研究的资源推荐	“最近我在学习用户体验中的引导原理；我利用了人工智能来获取学习这个主题的正确资源。这非常有帮助。” “我使用了 ChatGPT 来获取关于在哪里以及哪种类型的网站或行业我可以找到一些特定的用户体验和交互模式的建议。”
为复杂产品获取新的领域知识	“我正在研究一个专注于 KYC 流程的 B2B 产品。由于我对 KYC[了解你的客户] 没有任何背景知识，所以我使用了 ChatGPT 来理解 KYC 的基础知识。我询问 ChatGPT 为什么要使用它，如何使用它，KYC 的最常见阶段或流程是什么。从收集到的这些数据中，我用它来为我的产品创建假设 / 假设，并通过实际用户重新验证它们。” “最近，我在研究一款会计软件，由于我并非来自这个背景，所以在决定应该包含哪些功能以及哪些功能对于该特定系统并不必要时，我遇到了很大的困难。当我开始向生成性 AI 提问时，它帮助我消除了大部分的困惑，也帮助我生成了新的功能想法和观点。”
根据用户提供的内容总结关键点	为我的笔记生成 AI/ML 相关概念的摘要 "复制并粘贴大量内容以获取摘要"

研究任务

除了寻求一般信息外，受访者还报告使用生成型 AI 工具在他们的用户体验研究项目的所有阶段提供帮助。

任务	示例
草拟研究方案，剧本，访谈指南	“我使用了 ChatGPT 来生成面试指南。目标是提出一些问题来验证新功能想法的几个方面。这个 AI 做得非常好，它提出了一些我甚至没想到的问题！” “今天我用它来给参与研究的参与者写了一封邮件，然后我用它来写一个脚本，包括我在一项可用性研究中会问的问题，以改进一个应用程序。”
微调任务措辞	“我用它来生成向用户提问的问题类型，而不带有偏见。”
生成招聘文本，如通信电子邮件，研究介绍文件	“我正在创建一个调查，并需要起草一些参与者在开始前会看到的简短描述。我遇到了写作障碍，无法撰写这个描述。于是我使用了 ChatGPT 为我起草了一些内容，然后我进行了编辑。”
从研究会议中总结洞察并提取主题	“内容分析。我进行了一项调查，并设置了两个开放式问题，想看看 ChatGPT 有多大的用处，于是我使用了它。我花了很多时间尝试和错误才找到了我想要的最佳方式，我会说它做得还不错。准确率 70%。”
生成研究报告和演讲大纲或幻灯片	“使用了带插件的 GPT-4 来生成与研究相关的概念摘要，并建议一种报告格式。将文献综述的粗略笔记输入到 GPT-4 中，得到了第一版的摘要草稿。”

参与者也使用生成性 AI 进行高级 ResearchOps 规划。一位参与者分享道：

“我们一直在考虑在我们的组织中建立一个用户体验（UX）实践社区。我不确定从哪里开始，所以我使用了 ChatGPT 来帮助我找出来，它给我提供了明确的步骤：‘定义社区的目的和目标；确定目标受众；建立规则和指导方针；计划和安排活动；推广社区。’这个大纲给了我一个开始的地方，所以我采纳了这些建议并开始实施。”

然后我回头去请它给我一些实践社区的规则和指导原则的例子，只是为了大概了解那可能是什么样子。虽然我并没有使用它建议的确切事物，但它给了我足够的理解，以便我能将这些适应到我们的组织中。

一旦我草拟了所有这些，我决定根据我们的目标和目的制定指导原则。我使用 ChatGPT 来改进标签并优化这些原则的总结。接下来，我用它生成了一些活动的想法，对结果非常满意，并使用了其中的大部分。我能够在不到 2 小时的时间内为我们的用户体验实践社区创建一份完整的提案——这是一个通常会拖延好几天的任务。

Ideation Partner 创意伙伴

使用生成型 AI 工具的第三大常见用途是寻找灵感和创意 (opens new window)。31% 的受访者表示，他们使用机器人生成一些初始内容，以克服空白页综合症。他们与 AI 进行协作，并在彼此的输出上进行构建，以推动前进。

在这个角色中，受访者将这些工具视为同事：他们共享背景信息，并一起探索应对特定挑战的可能解决方案。一位参与者指出：

“我发现这些工具通过指出你忽视的事情并给你提供另一个角度来考虑，帮助你克服个人偏见。”

任务	示例
在创作过程的不同阶段探索内容的变化（从总体概述或概念可视化到具体的词汇或色彩调色板）	“我询问了 ChatGPT 如何向非设计师解释什么是 UX 研究。我还要求了 PPT 演示的内容结构。我使用它是因为这种初始构思总是需要花费我一些时间。ChatGPT 将这个时间缩短到 30 秒，我可以继续前进。” “我使用了 ChatGPT-4 来探索新鲜的想法和设计概念。人工智能生成的回应提供了设计思路，从创新的导航概念到直观的手势和动画。”
构思场景和解决方案	“设计思维研讨会的破冰活动建议。” “我使用了聊天 GPT 来为人力资源软件的复杂表单生成想法。” “最近，我使用了 ChatGPT 来构思一个功能，让它生成相关的用户故事。由于 ChatGPT 提供的广泛输出，我能够朝多个方向思考。” 获取处理工作场景的不同方法的想法。 “在产品设计工作中，它帮助我找到更好的想法，并覆盖应用程序中的边缘情况。”
角色扮演：要求 AI 扮演特定角色（例如，利益相关者）并为给定任务提供评估或建议	“我为 ChatGPT 分配角色，然后我询问以提供特定任务的指示，或评估学习新主题。”
通过让 AI 检查特定的计划或行动序列，验证想法并识别出缺口	“快速提供我们产品的信息，以便快速识别可能被忽视的潜在特性和需求。” “有时候，我会让 ChatGPT 帮我审查一些东西的想法，比如用户流程。” “我使用了 ChatGPT 来确保我覆盖了进行技术 SEO 检查所需的所有步骤。AI 生成的回应包含了我没有想到的几个步骤，所以我能够利用这些信息，增加我的流程步骤和项目地图。”

设计助理

我们调查的回应者中有 24% 提到使用生成型 AI 工具进行设计相关的任务。这些包括生成和修改：

• 像图片和视频这样的多媒体
• 设计交付物，如人物角色、原型和旅程图

任务	示例
生成并编辑图片和视频	"根据现有的设计语言生成并匹配插图。" "我最近准备了一个情绪板，以向客户展示数字产品的视觉方面。为了实现这一目标，我依赖 Midjourney 来生成图像，参考其他图像，并导出我可以在 Photoshop 上轻松编辑的模拟图，以进行最后的修饰。"
创建人物角色（包括文本和视觉元素，如角色照片）	"我描述了我们的用户群体，并给出了一些关于 ChatGPT 中 [我们] 用户的重要特征，我得到了一些角色设定，经过一些修改，我可以用于我的项目。" "我为一个项目创建了角色，并使用了 ChatGPT。我希望角色的选择多样化，希望 AI 能考虑到我没有想到的角度。结果效果很好，AI 提出了我没有想到的痛点、目标和挫折。" "我使用了 Adobe Firefly 来生成角色的面部。"
创建故事板和用户流程	"我使用了 ChatGPT 来为一款绩效管理工具的功能创建故事板；起初，它给出的回应很平淡，但是，通过充分的细化，它能够生成具体的标题。我利用这些提示创建了一个带有插图的故事板。" "AI 生成的内容激发了我最初没有考虑到的新的用户流程可能性。GPT-4 提出了用户可以通过应用程序并与其功能进行交互的替代方式。"
生成线框图和原型	"我想设计一个订单列表页面；我想要它应有的详细信息，所以我向 ChatGPT 询问。" "我想创建一个商品卡片，所以我运行了 Automator（一个 Figma 插件）。经过几次尝试，我创建了一个包含图片、标题和副标题的卡片。"
提供色彩调色板推荐	"在我的设计系统中，每种颜色我都有 3 个值。我需要更多的值，所以我决定让 ChatGPT 生成对应的值。" "我刚开始我的个人项目，所以我使用文本转图片工具来生成我的品牌指南，比如标志设计思路、颜色，以及更多的插图照片。"
生成特定的用户体验图，如旅程图和共情图	"为一个无法进行研究且时间非常有限的客户创建客户旅程图的草案 - 作为讨论的焦点，以及将用户中心思维引入实施团队的方式。"

结合角色以实现更强大的问题解决能力

在我们许多参与者的回应中，AI 同时扮演了四个角色中的不止一个。

例如，内容生成任务通常伴随着构思。或者，设计助手活动包含了内容编辑器组件。结合角色提高了 AI 的问题解决能力和实用性。

当使用 AI 扮演多个角色来执行任务时，情况往往更为复杂，需要进行更频繁的双向沟通。这种复杂性不仅源于表达上的障碍，也因为用户在此过程中对问题领域有了更深入的理解，并逐渐缩小了他们的选择范围。

例如，一位受访者与我们分享了他们的错误消息构思过程。在这种情况下，ChatGPT 既是内容编辑器，也是构思伙伴：

“我需要一些错误信息，所以我向 ChatGPT 描述了使用案例，以获取一些可能的想法。我不得不对其进行细化，以适应一些 AI 无法知道的边缘情况 / 限制，然后将其实施在我的设计中。”

同样地，将研究助理和创意伙伴的角色结合起来，使得用户体验专业人士可以先了解一个主题，然后做出明智的决定，正如另一位回应者分享的：

“最近，我在研究会计软件，由于我并非来自这个背景，所以在决定应该包含哪些功能以及哪些功能对于那个特定系统来说并不需要时，我遇到了很大的困难。当我开始向生成性 AI 提问时，它帮助我消除了大部分的困惑，也帮助我生成了新的功能想法和观点。”

当更多的生成型 AI 工具被结合使用时，AI 可以支持更复杂的任务。一位受访者描述了他们如何使用 ChatGPT 和 Midjourney 来构思用户旅程和界面副本，进一步激发设计灵感。

我利用全自动的AI工具为一个应用市场设计了一套体验方案。这个产品的商业知识和需求由我们确定，我们运用了ChatGPT和Midjourney来设计用户旅程、布局结构建议、色彩调色板、文案以及错误和成功信息。之后，我们将所有这些元素导入到Figma中，并在短短两天内构建出了完整的体验方案。能够这么快速地开发出三种不同的设计方案，并准备与我们的用户进行测试和验证，这个过程确实令人印象深刻。

内容编辑：最常见的角色

在这项调查中，**用户体验专业人士更倾向于使用生成型 AI 进行文本生成，而不是多媒体生成。**这种差异在统计上是显著的（p < 0.001）。使用 AI 来帮助设计重点任务（如创建故事板、旅程图或色彩调色板）的情况在用户体验专业人士中提及的频率远低于研究重点任务（p < 0.001）或构思任务（p = 0.012）。

该图表显示了报告执行四种角色之一的任务的受访者的百分比。（误差线代表 95% 的置信区间。)_

我们相信，这种当前对文本生成的偏好是因为：

1. 用户体验专业人士需要做大量的写作。
2. 专用于用户体验的人工智能支持（目前）有限。
3. 许多用户体验专业人士还未学会如何使用人工智能来执行他们专业特定的任务。

我们认为，虽然这些解释可能都有一些真理，但最后两种解释有可能揭示这些生成型 AI 工具未来的发展方向。

#

用户体验专业人士需要做大量的写作

**写作是用户体验实践者工作的重要部分，因为用户体验是一个以沟通为中心的学科。**我们起草研究计划、报告、微文案、用户界面文案、功能文档和规划文件 - 这还不包括我们每天写的电子邮件和 Slack 消息。

文本生成工具简化了写作的工作流程。它们可以创建或完善草稿。作为一名英语为第二语言的用户体验专业人士，我也可以证明，文本生成工具对非母语者有很大的帮助。

#

专用于用户体验的人工智能支持有限

除了在用户体验（UX）中需要写作外，**基于 AI 的文本生成工具也比多媒体生成工具，或具有特定 AI 功能的 UX 设计和研究应用更为发达。**它们可靠的性能赢得了它们的流行，并使它们更可能被所有专业人士使用，包括 UX 专业人士。

目前，像 ChatGPT、Bard 或 Bing Chat 这样的通用 AI 工具对于启发式评估、专家审查或者主题分析等用户体验任务的支持，最多只能说是适度的。 （而且，我们对 AI 驱动的用户体验工具 (opens new window)功能的分析显示，这些功能在撰写本文时，还相当初级。）

实际上，大多数（如果不是全部）的**用户体验活动都需要对特定产品、用户和领域有深入的理解。**为了让通用的生成型 AI 工具能够帮助进行用户体验任务，需要向它们输入大量的背景知识和上下文信息。任务越复杂，它们的依赖性就越大，AI 需要的信息就越多，才能做出明智的建议。这可能解释了为什么我们的受访者较少提到构思任务。

需要向 AI 系统输入大量信息可能会使交互成本过高，甚至可能阻止从业者尝试使用 AI 进行用户体验任务。

例如，虽然有 6% 的受访者报告使用 AI 生成原型角色，但只有 0.5% 的人使用它来创建用户旅程——这可能是因为后者的活动需要专业人员导入更多的细节，AI 才能产生满意的结果。

此外，数据隐私和安全限制阻止许多组织与通用人工智能工具分享信息。有几位受访者提到了这个问题：

“由于我的项目中含有机密信息，我不能过于具体，所以我不得不对 Bard 给我的内容进行大量的研究。”

“我希望它不会使用我输入的信息进行训练。如果它是保密的，我会更愿意使用。”

此外，生成型 AI 工具可能产生听起来合理但实际上错误的答案。有少数受访者抱怨，即使他们成功地使用 AI 进行数据分析，结果也并非完全正确。

有限的人工智能熟练度

创建能产生有用结果的提示并不容易。这可能需要多次尝试和微调。许多用户体验专业人士还没有能力跨越表达障碍。我们调查中的受访者通常需要尝试多次才能让机器人产生他们想要的内容。其中一些人最终选择了放弃。

“我遇到了一个重大问题。当我在撰写协议并希望在提交给股东审查前对我的问题进行简练编辑时，ChatGPT没有达到我的预期。最终，我还是自己编写了协议。问题在于，ChatGPT的语言风格太过正式，即使我在指令中特别强调，它的回答仍然显得过于拘谨。”

生成式 AI 如何帮助用户体验专业人士？

以下是一些使生成式用户界面对用户体验专业人士更有用的想法。一些公司已经在着手研究，我们期待看到他们的影响。

• 将 AI 无缝融入现有UX工具。与其让用户为了UX特定任务而专门使用AI工具，不如将生成性AI平滑地集成进现有的UX工具，从而简化工作流程。举个例子，许多专业人士在他们的工作中依赖Figma的AI插件；如果有更多此类集成的AI功能，可以有效减轻他们在不同任务间转换所需的精力负担。，从而提高工作效率。
• 简化将相关资源导入AI工具的过程。目前，为了获取有用的答案，我们需要在提示中提供大量的细节和背景知识。支持多种输入格式可以让沟通过程更加直接。例如，ChatGPT最近新增了图像输入功能，这除了文本外，是一个重大进步。我们可以设想一个专门的数据分析工具（如Dovetail）会自动将项目的上下文和数据文件作为特定提示的输入部分。
• 建立透明的数据共享政策，确保用户可以选择不用机密项目信息来训练生成式AI模型，并能控制他们的输入数据如何被使用。
• 提升UX专业人员对AI的认识和使用能力。制作有效的提示语并非易事；AI工具应该能够加速这个过程。为顶级研究和设计活动创建分析模板，并主动索取相关数据，以帮助人们快速得出优质结果。（尼尔森诺曼集团计划在未来的文章和视频中对此提供帮助。）

我们仍处于 AI 时代的初期。用户体验领域需要关于如何有效、准确、负责任地使用 AI 的最佳指导。

资料下载

• (PDF) UX 专业人员借助生成式 AI 执行的常见 UX 任务