根据麦肯锡的调查，对人工智能缺乏理解和策略仍然是大多数组织采用人工智能的最大障碍。人们仍然经常认为人工智能是科幻小说，而不是他们可以用来推动增长的工具。其他组织担心，更有效地利用他们的数据需要的数据实践可能会使消费者失去兴趣。
缺乏普遍理解和可访问性阻碍了该领域的发展，并伤害了许多可以从更具战略性的人工智能部署中受益的企业。这是一种耻辱，因为人工智能可以帮助企业更好地满足不断变化的客户需求，特别是在即使是最困难的行业也能让品牌具有竞争力的事情上，比如更好的定制和更个性化、更高效的服务。
那么，从事人工智能工作的专业人士如何才能让普通的非技术人群更容易接触到它呢？我们必须从一开始就优先考虑积极的用户体验或 UX。UX 通常可能不是人工智能专家的优先选择，但如果我们想继续实现更高的采用率和效用，UX 必须在列表中排名更高。
Adeolu Eletu 在 Unsplash 上拍摄的照片
没有人工智能可以完全独立运作；最终，一个人将提供输入或与输出交互。那么，也许让普通人更容易接触到人工智能的最重要的方法是从一开始就在设计人工智能时考虑到他们。有效的人工智能既有以人为中心的界面，也有功能。为此，我们必须通过提供实用的、自主解决方案来创建解决正确问题的模型，用户可以很容易地付诸行动。
从模型设计的角度来看，这意味着:
(一)人工智能解决了用户面临的一个现实问题
(b)人工智能以不与其他优先级冲突的实用方式解决该问题
(c)人工智能可轻松集成到其他操作中
(d)人工智能界面和输出易于使用和理解
换句话说，AI 不可能是一刀切的解决方案。它需要定制，以符合最终用户的需求和优先事项。没有人愿意在一个工具上花费时间，而这个工具对于理解它所需要的努力来说最终只带来很少的投资回报。
相反，我们必须被问题所驱动，“这将如何帮助我的最终用户？”。所有新的功能和工具都应该根据实际的业务需求来设计，而不是根据我们自己的想法来扰乱他们的领域。这就是为什么今天所有的数据科学家也是商业科学家。除非我们完全理解商业环境和最终用户面临的问题，否则我们无法设计出完全满足他们需求的人工智能。以人为中心的人工智能最终比最具创新性的模型更受欢迎，因为这些模型对最终用户来说太复杂了。
例如，在我的公司 Evo ，我们创建了一个 Excel 插件，允许用户在 Excel 电子表格中计算预测并提供建议，而不是根据他们的喜好在我们的定制仪表板上提供。为什么？因为我们的客户已经在使用 Excel 了。他们喜欢 Excel。Excel 工具可能不像我们使用 Shiny 定制的仪表板那样“酷”或具有创新性，但这个界面更符合客户的需求。我们可以调整我们的人工智能，以适应最终用户的当前现实，而不影响重要的事情(即提供自动化、准确的定价和供应链建议)。最终，人工智能必须解决客户的问题，而不是制造新的问题。这意味着我们适应他们的流程(例如与 Excel 集成，而不是总是需要一个全新的工具)，并为我们自己设计的任何工具提供干净、简单的界面，没有“无用”的功能。
AI 旨在改善我们的生活；没有以人为中心的设计，这是不可能的。
“通过在人工智能中引入以人为本的价值观，我们可以带来思维和学习的新复兴。”—马克·泰西耶-拉维尼，斯坦福大学校长
一旦你设计了正确的人工智能工具，你仍然必须为它的性能设定现实的期望，否则就有可能疏远那些感觉没有得到承诺的最终用户。人们经常期望人工智能同时比它实际上更聪明和更笨。他们对人工智能转型有很高的期望，但仍然依赖于他们自己对人工智能建议的直觉。冲突导致不可避免的失望。当人工智能没有兑现其最崇高的承诺时，用户会觉得好像有什么东西坏了。
结果，过度承诺助长了负面的 UX。你可能会认为少承诺一些，然后给用户一个超出预期的惊喜会更好。不幸的是，这也可能使人工智能变得不那么容易接近。人们通常只愿意投资学习一种新技术，如果它能显著改进旧方法的话。通过设定较低的期望值，你可能会无意中激励人们不正确地使用技术——或者根本不使用人工智能。这些负面情绪会延续到 UX，让你的 AI 看起来像个废物。
唯一的解决办法是诚实。为 AI 设定现实的期望，并满足它们。这应该包括承诺你的人工智能将随着时间的推移改善结果，因为它从实践中学习。当人们确切了解人工智能能为他们做什么时，他们更有可能觉得自己有能力尝试，并相信人工智能能给出可靠的结果。
当然，设计和期望只是让非技术用户更容易接触到人工智能的一部分。无论我们多么专注于为人工智能工具创造一个友好的用户界面，或者确保期望符合人工智能的实际目的和效用，如果人工智能没有实现它的承诺，UX 将会是负面的。最终，最重要的是你的人工智能是否有效。
“设计不仅仅是它看起来和摸起来的样子。设计就是它的工作方式。”——史蒂夫·乔布斯
人工智能的用户体验很大程度上取决于结果。如果一家公司转向人工智能预测，并获得比没有人工智能时更糟糕的结果，他们显然会抵制变化。积极的结果将鼓励人工智能应用的扩展。可能只需要一次对你的人工智能的负面体验就能阻止它的长期使用。即使是不相关的人工智能技术也会破坏一个人与整个人工智能类别的关系，尤其是当涉及到商业时。
在把人工智能交给最终用户之前，我们需要投资让它变得正确。你的模型不需要完美。毕竟那是一个不可能实现的梦想。然而，你确实需要确保你已经创建了一个健壮的算法，它现在可以提供准确的见解，并在未来学习做得更好。
你的模型应该具备自我学习能力，能够适应干扰，并且随着时间的推移会变得更加准确。这种人工智能不仅可以避免模型漂移，而且变得更容易接近。在危机期间仍然有用的人工智能为最终用户实现了更多的价值——这比任何其他功能都更有利于积极的 UX。
安妮·斯普拉特在 Unsplash 上的照片
对于我们这些从事人工智能工作的人来说，好消息是一个更好的 UX 与我们自己的目标同步。为了 UX，人工智能应该以人为中心，但这种需求确保了我们的模型具有实用性。由于 UX 要求设定正确的预期，数据科学家和工程师有机会诚实地评估他们模型的优势和局限性。最后，人工智能的 UX 依赖于运行良好的模型——我们都同意这是每个相关人员的优先事项。
毫不奇怪，UX 和数据可视化专家现在需求量很大。从事人工智能工作的人发现，除非最终用户能够轻松利用技术本身及其推荐，否则即使是最好的模型也是无用的。即使在全球经济危机期间，人工智能的 UX 也是聪明的人工智能公司和部门正在投资的东西。在 Evo，我们目前正在招聘数据可视化开发人员。UX 已经成为对未来的投资，这对任何计划扩大人工智能影响的人来说都至关重要。
人工智能有可能在未来十年彻底改变经济，但前提是公司继续在其业务的更多领域采用和使用人工智能。只有从事人工智能工作的每个人都承诺让人工智能尽可能地为大众所用，这才有可能。是时候揭开人工智能的神秘面纱，并将其作为一种工具来改善每个人的生活——而不仅仅是我们这些了解更深层技术的人。
感谢 Kaitlin Goodrich 对本文的贡献。
想了解 Evo 的更多信息吗？
[## 你应该停止在 Linkedin 上发布商业内容的 5 个理由
entrepreneurshandbook.co](https://entrepreneurshandbook.co/avoid-linkedin-5-reasons-to-publish-business-content-on-medium-ac96e138aa69) [## 克服人工智能的“蠕变因素”
medium.com](https://medium.com/swlh/overcoming-the-ai-creep-factor-b3fbb6489319) [## 数据科学的 5 个后疫情趋势
medium.com](https://medium.com/swlh/5-post-pandemic-trends-in-data-science-4f1b4bf147ad)