كيف تشكل تجربة المستخدم التبني التوليدي للذكاء الاصطناعي

حسنًا، تقول أننا نعيش. سننتظر لمدة ثانية أو نحو ذلك لنرى ما إذا كنا سنحصل على مشاهدين. نعم، لدينا أول مشاهد. لذلك نحن على قيد الحياة. رائع، دعونا نبدأ. أهلا ومرحبا بكم في ضباط الزخم. اسمي ياش وانضم إليّ المؤسسان جاي وكوشيك لمناقشة موضوع الأسبوع، كيف تؤثر تجربة المستخدم على تبني الذكاء الاصطناعي التوليدي.

هدفنا هو تزويدك برؤى قابلة للتنفيذ واستراتيجيات عملية يمكنك تطبيقها على عملك الخاص. طوال الجلسة، نشجعك على التفاعل معنا من خلال طرح الأسئلة ومشاركة أفكارك. هذه فرصة رائعة للتعلم من بعضنا البعض واكتساب رؤى جديدة يمكن أن تساعد في دفع مبادراتك إلى الأمام. لذلك دعونا نبدأ. جاي، كوشيك، كيف حالكم اليوم؟ جيد، جميل. انتهى اجتماع العميل والعمل كالمعتاد.

خلفية جاي أفضل اليوم. جاي، هل خلفيتك اليوم أفضل من المعتاد لدينا في مكتبنا؟ نعم، لأنني أسافر الآن وأنا في إحدى مساحات عملائنا وأستكشف مبادرات تجارية جديدة أيضًا. لقد كان تعلم أشياء جديدة واستكشاف فرص جديدة واستكشاف فرص جديدة ونعم، تجهيز الأشياء. زيارة مساحة عملائنا والقيام بعملنا.

وهو مستوى آخر من الإنتاجية. لذا، الحياة الراقية والجانب العلمي أعمل بمبادرة منا. لذا، أخبرني كوشيك، ما هو موضوع اليوم؟ لماذا نناقش هذا؟ لأنني عندما قرأت عنوان الموضوع لأول مرة، شعرت أنه لا يوجد سوى سام ألتمان هو الشخص الوحيد الذي سيكون هذا الموضوع منطقيًا بالنسبة له.

فلماذا نتحدث عن تجربة المستخدم والذكاء الاصطناعي التوليدي؟ أخبرنا قليلاً عن هذا. هذا. لذا فإن حالة الاستخدام الأكثر شيوعًا لاعتماد الذكاء الاصطناعي التي نراها والتي ستكون أيضًا هي اعتماد الجيل الثاني من الذكاء الاصطناعي. لذا إذا سألتني، فما هو التبني الآخر الموجود؟ هذا هو السؤال التالي. هل هذا يعني أنك أشرفت على التعلم. لقد أشرفت على التعلم.

ياش شاه (02:26.274)

يجب أن أقدم لكم مثالاً سريعًا جدًا. فلاتر البريد العشوائي الخاصة بك هي في الأساس تعلم خاضع للإشراف. بشكل أساسي، في الإدخال، لديك مجموعة معينة من رسائل البريد الإلكتروني، ويتم تدريب الذكاء الاصطناعي على مجموعة من رسائل البريد الإلكتروني، ثم تريد أن يكتشف الإخراج ما إذا كان هذا بريدًا عشوائيًا أم لا. هذا هو التعلم الخاضع للإشراف. إن الذكاء الاصطناعي المستخدم داخل سياراتك ذاتية القيادة هو في الواقع تعلم خاضع للإشراف. إذن ما تفعله هو أنه يقوم في الأساس بالتقاط صور لكل شيء من حولك.

ومن ثم يحتوي أيضًا على رادار يعطي موقعًا نسبيًا وعمقًا بين كل كائن داخل الصورة. وهذه هي المدخلات التي تقوم بتدريب النموذج عليها. ومن ثم فإن الناتج الذي تريد أن يتخلى عنه النموذج هو في الأساس ما هي مسافة السيارة التالية أمامي أو الكائن التالي أمامي. إذن هذا هو التعلم الخاضع للإشراف، أليس كذلك؟ لذا فإن ما يعطي مخرجات محددة مسبقًا أريد أن أعرفها بنعم أو لا يوجد نوع من الموقف هو ما يحدث.

الذكاء الاصطناعي التوليدي هو التحول الكبير الجديد في الذكاء الاصطناعي، أليس كذلك؟ عندما تقدم إدخالًا، يتم إنشاء المخرجات بناءً على المدخلات التي قدمتها. الإدخال هو شيء قمت بالتخطيط له أو تجميعه معًا ثم تقوم بتحديثه، ولا يكون الإخراج شيئًا لا يكون فيه مخرجًا واحدًا فقط، يمكنني الاستمرار في إنشاء أكبر عدد ممكن من المخرجات. الآن، وخاصة عندما وصل GenAI، إلى حد ومستوى يتم استخدامه فيه.

عبر الشركات في منصاتها، وعبر المنتجات في منصاتها، وتجربة المستخدم لكيفية تصميمها وتجربة المستخدم لكيفية مساعدتنا لمنصة GNI. تساعد UX هنا أيضًا المنصة على التحسن. لذلك، حسب التوقيت المناسب. لذا نعم، هذا ما نحاول فهمه. إذن ما هي التدابير التي تحتاج إلى اتخاذها والتي ستساعد في تطوير المنتج داخليًا أيضًا.

حيث تلعب UX دورًا كبيرًا في هذا في الواقع. هذا ما نناقشه. فقط للحصول على نفس الشيء، على سبيل المثال، دعنا نقول ما إذا كنت مؤسسًا لـ SaaS قام ببناء منصة لجدولة الوسائط الاجتماعية، مثل Buffer أو شيء مثل Hootsuite. وإذا كنت أقوم ببناء القدرات داخل منصة جدولة الوسائط الاجتماعية الخاصة بي،

ياش شاه (04:50.979)

لكي يتمكن المستخدمون من إنشاء منشورات، وإنشاء صور لوسائل التواصل الاجتماعي الخاصة بهم، وكتابة تعليقات على Instagram الخاص بهم، مهما كانت الحالة. من المرجح أن يكون غلافًا لدردشة GPT أو سيكون غلافًا لنوع آخر من LLM أو Lama أو أي شيء آخر. ومع ذلك، فإن تجربة المستخدم، سأضطر إلى بنائها داخل أنظمتي. تجربة المستخدم هذه...

هو ما نتحدث عنه. هل هذه طريقة عادلة لقول ذلك؟ نعم، تجربة المستخدم للتطبيق النهائي، يمكن أن تكون واجهة قائمة على الويب أو يمكن أن تكون واجهة قائمة على التطبيق، تعتمد على قاعدة المستخدمين الموجودة. ولكن هناك المزيد من الفروق الدقيقة في ذلك. على سبيل المثال، سأعطيك مثالاً واحدًا، أليس كذلك؟ يأتي الإخراج كثيرًا في وحدة معالجة الرسومات الخاصة بالدردشة الخاصة بك، كما سترى رمز الإعجاب لأعلى والإبهام لأسفل. كل إخراج واحد موجود.

إذن كيف تعرف لماذا يجب حتى فرض رسوم عليها - أي أن التعليقات تمثل جزءًا كبيرًا من تطوير النموذج فيما يتعلق بالتطبيق بأكمله نفسه. هذا ما يجعل التطبيق الفعلي أفضل في خدمتك مع إعطائك مخرجات أفضل. الآن، كيف يمكنك تصميم تجربة المستخدم الخاصة بتجربة المستخدم للأخطاء لـ GenAI نفسها هي موضوع. لذا فإن الطريقة التي تعاملنا بها مع الأخطاء وصممناها سابقًا مقابل الطريقة التي يتعين علينا بها تصميم الأخطاء الآن نفسها تتغير.

لذا فإن هذه الاختلافات الرئيسية هي ما نتحدث عنه. حصلت عليه. مثيرة للاهتمام.

ياش شاه (06:24.687)

لذا كان لدى كوشيك هذا السؤال إلى حد كبير مهما كانت أدوات GenAI التي نراها، فإن معظمها يحتوي على واجهة الدردشة هذه، كما تعلمون. والآن لدينا أيضًا واجهة صوتية حديثًا. هل الأمر إلزامي أم لا، هل يمكنك إلقاء بعض الضوء على متى يجب أن يفضل شخص ما واجهة الدردشة على أي خيارات أخرى؟ إنها حالة استخدام. مرة أخرى، لدينا ثلاث فئات منا. جيناي،

قد يكون إخراج الإدخال لدينا إدخال يمكن أن يكون أي شيء يمكن أن يكون الإخراج نصًا يمكن أن يكون صورة يمكن أن يكون صوتًا يمكن أن يكون مقطع فيديو أيًا من هذا، معظم التطبيق عبارة عن نص إلى نص صحيح، لذا فأنت تقوم بإدخال بعض النص، فأنت الإخراج الذي يتم إنشاؤه، وبعض النصوص ذات الاستخدام بالنسبة لك الآن في هذا عندما يتعلق الأمر بالدردشة، تعد الدردشة أحد جوانبها. هناك كتابة، هناك قراءة، ثم هناك دردشة، لذا يمكن أن تقع حالة الاستخدام الخاصة بك في أي من هذه الفئة.

على سبيل المثال، إذا كنت أقوم بإنشاء مساعد موارد بشرية داخلي للفريق، حيث يمكن لأي موظف يريد أن يسأل أي شيء عن الشركة أن يحتاج على الفور إلى مكان يذهب إليه ويسأل شيئًا ويحصل على المعلومات الصحيحة، فهذا هو المكان الذي أحتاج فيه إلى إنشاء روبوت دردشة هناك. الآن، دعنا نقول ما إذا كنت مطعمًا يحاول بناء، كما تعلمون، استنادًا إلى المراجعات التي تأتي إلى مطعمي على منصات مختلفة ومختلفة، فقد يكون Zomato.

هذا الفيديو أو في أي مكان، Google أو في أي مكان. أريد تحليلًا للمشاعر يجب بناؤه، والذي يعطيني أساسًا معلومات عن عدد التعليقات أو المراجعات الإيجابية التي حصلت عليها في اليوم، وكذلك عدد المراجعات السلبية التي حصلت عليها في اليوم وأي جزء من اليوم حصلت على نتيجة إيجابية، وفي أي جزء من اليوم أصبحت سلبيًا. إذا كنت أرغب في الحصول على تلك البيانات، فأنت لست بحاجة إلى واجهة دردشة هناك، بل هناك تمثيل، أو رسم بياني أو شيء من هذا القبيل

لذا فإن حالة الاستخدام الخاصة بك تحدد الواجهة النهائية التي يجب أن تكون. لذا فإن الدردشة ليست إلزامية لكل شيء. نشهد المزيد من الدردشة نظرًا لأن المزيد من الدردشة هي تطبيق الويب للأغراض العامة. وأيضًا، هناك سبب آخر. يحدث معظم اعتماد JNA حاليًا في خدمة العملاء والمبيعات وتطوير المنتجات في تلك المناطق التي تكون فيها الدردشة هي حالة استخدام الأغلبية. الآن دعنا نقول معظم...

ياش شاه (08:52.271)

وهو ما يحدث، ولكن بمجرد أن يبدأ في الحدوث، فإنه يبدأ في الحدوث في سلسلة التوريد، ويبدأ في الحدوث في مناطق مختلفة، تبدأ في الرؤية. نعم، نعم. وعلى سبيل المثال، لدينا عميل كان الذكاء الاصطناعي التوليدي بالنسبة له حالة استخدام قائمة على اللوحة، أليس كذلك؟ هذا هو المكان الذي كنا نبني فيه الخرائط الذهنية وأشياء من هذا القبيل. لذا هناك،

كان الذكاء الاصطناعي التوليدي مثل الاستجابة التي ستحصل عليها أو حتى بعض أجزاء المطالبة كانت تحدث أيضًا مثل، لا أعرف، تسمى لوحة قماشية، أليس كذلك؟ أو سبورة بيضاء من نوع ما. مثل المحرر، نعم. نعم، مثل المحرر، أليس كذلك؟ لذلك هناك أنواع مختلفة من الواجهات بشكل أساسي، كما تعلمون، هناك، إذن جاي، ما تتحدث عنه هو حالات الاستخدام القائمة على المطالبة، حيث يمكن أن تعمل واجهة الدردشة نوعًا ما في بعض الأحيان.

ولكن بعد ذلك هناك حالات استخدام قائمة على اللوحة، ومكونات واجهة المستخدم التكيفية، وواجهات الصوت أولاً أيضًا، وما إلى ذلك، على ما أعتقد. حصلت عليه. آخر، فيما يتعلق بأحد التحديات التي أرى الكثير من مؤسسي SaaS يحاولون إصلاحها من خلال بناء غلاف فوق LLMs ثم

إن تقديم هذه القدرات ضمن منتجاتهم هو تحدي زمن الوصول. وعلى الرغم من أن وقت الاستجابة يمثل مشكلة تقنية، إلا أن الهندسة والتكنولوجيا لا يمكن إصلاحهما إلا إلى حد معين. لذلك سيصبح الأمر أفضل عندما تصبح التكنولوجيا أفضل، وهو ما يمكننا جميعًا انتظاره، لكن العملاء لن ينتظروا ذلك. هل هناك أي طرق UX لإصلاح وقت الاستجابة؟

نعم، لهذا، هذا هو المكان الذي توجد فيه الحاجة إلى الموضوع أيضًا. من الجيد أنك طرحت هذا السؤال. لذلك يجب على مصممي UX أيضًا فهم هذه المفاهيم مثل وقت الاستجابة والمطالبة أيضًا، وما هي الهندسة السريعة وما هي نتيجة المخرجات. يرتبط وقت الاستجابة الآن بالهندسة السريعة. سأخبرك لماذا من منظور UX. لذلك أعطي جودة المخرجات التي أحصل عليها تعتمد على المدخلات التي لدي.

ياش شاه (11:19.341)

الآن، يمكنك تحسين تجربة المستخدم بطريقة تجعلك عندما تقدم مطالبة سيئة أو واجهة الدردشة أو أيًا كان ما هو موجود، يمكن أن تطرح أسئلة يمكن أن تبني المطالبة. ثم يتم تقديم ذلك في النهاية ثم يأتي الإخراج الأفضل. الآن هذه إحدى حالات استخدام UX التي نحاول التوصل إليها، أليس كذلك؟ مثل، إذن أعطيت 20٪ من المطالبة الجيدة، ما نوع الأسئلة التي يجب طرحها بحيث تصبح، كما تعلمون، مطالبة أفضل.

لذا فإن واجهتك، UX، تساعدك على هندسة الموجه نفسه، ثم يتم إرساله، ثم معالجته. لكن مصمم UX يجب أن يأتي بهذه الفكرة. لذلك يجب أن تقول، حسنًا، يجب أن يكون لديك هذا النوع من المستوى المسبق حيث يجب أن نكون قادرين على مساعدتهم في بناء المطالبة ثم إرسالها. ولنفترض أيضًا أنك أرسلت المطالبة حتى على مستوى الإخراج.

يمكنك محاولة جلب مسودات متعددة للإخراج في نفس الوقت أيضًا. لذلك في كل مرة بدلاً من القيام بهذه النقرة الإضافية للحصول على مخرجات جديدة، يمكنك إنشاء أربعة مخرجات، وهي أربع مسودات ويمكن للمستخدم مقارنة المسودات واختيار المسودة التي يريد المضي قدمًا فيها. يمكن أن تكون هذه طريقة أخرى. الآن هذه القرارات عبارة عن تدفقات UX بسيطة لإجراء وقت الاستجابة. الآن،

بالعودة إلى سؤالك، يصبح وقت الاستجابة تلقائيًا أفضل إذا كان الإدخال أفضل. وتجربتي، تصبح تجربة المستخدم أفضل تلقائيًا بمجرد إعطائي المزيد من الخيارات للاختيار من بينها للحصول على أفضل خيار للاختيار من بينها. لذلك يأتي كلاهما كمزيج. إذن هذه إحدى الطرق التي يمكننا من خلالها حلها. لذا فإن هذا النوع من المبادرات وأيضًا هذا هو المكان الذي تلعب فيه الأخطاء أيضًا دورًا كبيرًا. أنا أعطي ردود فعل جيدة.

كيف تحصل على التعليقات بشكل متساوٍ؟ مثل عدد المرات، أعني أنه يمكننا طرح هذا السؤال على أنفسنا، أليس كذلك؟ مثل كم مرة نضغط على زر الإعجاب لأعلى ولأسفل للحصول، كما تعلمون، على الإخراج الذي يأتي؟ وهذا يعني أن مصممي UX يجب أن يفكروا في خيار التحديث المكافئ أيضًا لما هو الإعجاب، مما يعني أن المستخدم لم يحصل على الإخراج الصحيح. لقد رأينا الآن بعض الواجهات، مثل على سبيل المثال مقابلات Zapier ووكلاء Zapier أين

ياش شاه (13:46.302)

الطريقة التي يتم بها بناء Zapier Agents هي أنه عندما يأتي الإخراج، فإنه سيعطيك مسودة منه، ثم لكل مسودة موجودة، يتم طمسها في البداية ثم تفتح واحدة تلو الأخرى. لذلك دعونا نقول في الثانية أنك سعيد بها. يفتحه الناس، ثم لا يتعين عليك فتح الآخر. ولكن هناك بعض أوجه القصور في هذا أيضًا، حيث يبدو الأمر، لماذا أريتني أربعة منها؟ هذا النوع من الأشياء التي تستمر في الظهور.

تستمر في التكرار لمعرفة نوع تطبيقات الأخطاء الأفضل التي يمكنك القيام بها بحيث تكون قدرة زمن الوصول أسرع بكثير وأشياء أخرى.

لذلك كان هناك سؤال يتعلق به. غالبًا ما رأينا الكثير من الأدوات التي تعرض كيفية معالجة الإخراج بمجرد إدخال الإدخال. هل هذا مرتبط أيضًا بهذه الزاوية المحددة حيث مجرد انتظار توليد المخرجات بدلاً من أن تعرض ذلك، أعني، تتم معالجته، ويتم تحليله، وهذه هي الطريقة التي تسير بها عملية التفكير من جانب النموذج. ثم تعرض النتيجة. أردت أن أعرف

من وجهة نظري الفردية الشخصية: في بعض الأحيان لا يعجبني، أريد فقط الحصول على الإجابة، وفي بعض الأحيان أعني أنني لا أقرأ العملية في كثير من الأحيان، ما الذي تتم معالجته في حالات معينة أود أيضًا أن أعرفه ولكني أردت أن أعرف بشكل عام هل هذا يزعج المستخدمين و/أو هل يفضل الناس أيضًا ذلك، حسنًا، كيف تتم معالجة الإخراج، أريد أن أعرف حتى أدرك جيدًا أن الجهاز قد فهمه بشكل صحيح جدًا.

أعتقد أن ما تتحدث عنه هو الجانب المنطقي الذي نراه حاليًا حيث تقوم بالإدخال ثم يقول إنني أفكر في ذلك وأنا أفعل ذلك. لذلك هناك جانبان لذلك. الأول هو أنه دعنا نقول أنهم يظهرون لك ذلك بحيث تجعلك تفهم أن وقت الاستجابة الذي يستغرقه القيام بذلك يتم تغطيته بشكل جيد. ولكن لنفترض أنك شخص لا يزال

ياش شاه (15:53.172)

قراءة المنطق. ثم لنفترض أيضًا أنها تقوم بمنطق معين، فهي تُظهر خطوة معينة حيث أفكر في ذلك ولا تريد أن يفكر الذكاء الاصطناعي في ذلك. لا توجد طريقة لإيقافه. أوقف العملية بأكملها وأعطِ مرة أخرى مطالبة أفضل أو شيئًا يجعلك تشعر بمزيد من الإحباط لأنك تفعل ذلك بشكل مزدوج. لذلك لا تزال هذه مشكلة، هذه مشكلة جاءت مع الابتكار.

لذا مثلما توصل أعماق البحار إلى جانب التفكير، بدأ الجميع في اعتماده. عندها كان الفرق الذي حدث هنا هو أن الوصول إلى الإنترنت لم يكن موجودًا في السابق. يتوفر الآن الوصول إلى الإنترنت، وهي كمية كبيرة من البيانات التي يجب معالجتها. ومن هنا يأتي وقت الاستجابة المتزايد الذي يحدث. لكنها مشكلة تقنية كاملة، والتي ستستغرق وقتًا طويلاً لحلها أيضًا. ولكن ما سيكون أفضل هو أنك لست بحاجة

مثل هذه الوثائق المنطقية الضخمة التي تعرضها. ما قمت بإنشائه كطريقة لتحويل الأشخاص عن فهم وقت الاستجابة المتأخر أصبح محبطًا تقريبًا الآن لرؤية المستندات الطويلة هناك. يمكن أن يكون كل ذلك في النهاية، ولكن بدلاً من ذلك يمكننا الحصول على نسخة أكثر بساطة منه تتمثل في عرض أربع أو خمس مهام في المرة الواحدة، ثم المهام الأربع التالية، المهام الأربع التالية. ما يحدث حاليًا هو أنه يظهر

إذا كان يقوم بإجراء 50 خطوة، فسيتم عرض جميع الخطوات الخمسين في وقت واحد. لذلك لا يعجبك، وهو أمر لا يفيد المستخدم، أليس كذلك؟ يبدو الأمر كما لو كنت تعرض الخطوات الأولى، والخطوات الأربع التالية، والخطوات الأربع التالية، وسيساعد تصميم نافذة أصغر. إذا لم تظهر الأمر على هذا النحو، فقم بتحصيل الرسوم حتى مع التكرار معه، كما هو الحال مع UX أيضًا، مثل عدد قليل من المستخدمين الذين بدأوا في رؤية هذا الشيء حيث تريد، فلن ترى الوثائق بأكملها. سترى تحميلًا بسيطًا للبيانات التي يتم تحميلها.

أو أفضل طريقة للتعامل معها هي أن الذكاء الاصطناعي يقوم بالبحث أو أن الذكاء الاصطناعي يقوم بالشيء. يمكنك ذلك، يمكن أن تعطي رسالة تفيد بأنه يمكنك الذهاب والقيام بأي شيء تريده. بمجرد أن تصبح الرسالة جاهزة، سنقوم بإعلامك أو ظهور نافذة منبثقة أو إشعار فوري. هذه تجربة مستخدم أفضل بكثير بحيث تقول، كما تعلمون، أنك تذهب وتفعل ما تريد. عندما يكون جاهزًا، سأعلمك بذلك. لذلك، هذه تجربة مستخدم أفضل بكثير. هذا ما حاولنا القيام به في أحد المنتجات التي جربناها.

ياش شاه (18:15.314)

يجري البحث، بمجرد الانتهاء منه، يأتي إشعار فوري وتعود إلى المنصة وترى، حسنًا، هذا ما سأفعله. نعم، وهكذا فقط في هذه المقالة، صحيح، كنت أستمع إلى محادثة مع الرئيس التنفيذي لشركة Pervispity. وأحد الأشياء التي ذكرها هو أنهم، بدلاً من إرسال الردود، بدأوا في بث الاستجابة. ما يعنيه ذلك بشكل أساسي هو أن هناك فرقًا بين كيفية استخدام الذكاء الاصطناعي

يولد استجابة وكيف يولد الإنسان استجابة. لذلك إذا طرح جاي سؤالاً، فسأفكر أولاً في الإجابة الكاملة ثم سأبدأ في التحدث عن الإجابة. ولكن هذه ليست الطريقة التي يعمل بها الذكاء الاصطناعي. يتم توليد الذكاء الاصطناعي أثناء التنقل. لنفترض أنك إذا طلبت مطالبة وولدت ردًا يتكون من 300 كلمة، فلنبدأ في بث الرد إليك بمجرد كتابته مثل 50 كلمة.

عندما يكتب 50 كلمة، فإنه لا يعرف ما هي آخر 50 كلمة. لا يحدث ذلك، بل مجرد الانتقال كلمة تلو الأخرى. ولهذا السبب، سترى أن OpenAI و Gemini، مثل ChatGPD و Gemini و Purvelity، لن تشعر بهذا القدر من الكمون لأن الاستجابة يتم بثها إليك. ستستغرق قراءة 50 كلمة وقتًا أطول مما تستغرقه

قم بالدردشة مع GPT لكتابة الكلمات الخمسين التالية. لذلك تبدأ في الحصول على الاستجابة بسرعة كبيرة جدًا. ومع ذلك، تصبح هذه مشكلة كبيرة لمنتجات SaaS التي تتصدر قائمة مغني الراب لأنها لا تستطيع بث الاستجابة. يجب عليهم انتظار دردشة GPT لبث الاستجابة إليهم ثم إرسالها إلى المستخدم. وهذا هو سبب الحل، وهذا هو السبب في الحلول التي يتحدث عنها كوشيك، أليس كذلك؟ وهي الطريقة التي تتعامل بها مع وقت الاستجابة داخل منتج SaaS الخاص بك، وهو مغني راب فوق بعض LM الأخرى.

كيف تتعامل مع ذلك؟ نظرًا لأن المستخدم يستخدم منتجك بالإضافة إلى دردشة GPT ومن ثم يشعر المستخدم أن دردشة GPT أسرع بكثير وأنت، وهو مغني راب في الدردشة، فإن GPT بطيء للغاية. ولهذا السبب يجب إصلاحه نوعًا ما. لكن هذا النوع يقودني إلى نقطة أخرى، مثل سؤال آخر لدي أيضًا من حيث التبني التوليدي للذكاء الاصطناعي من قبل مؤسسي SaaS وعملائهم والذخيرة غير المنفجرة.

ياش شاه (20:38.76)

وإلا كيف، ما هي المقاييس التي توصي بقياسها لمؤسس SaaS أو مقياس مدير المنتج بحيث يعرفون أن تغيير UX الذي قاموا به يعمل بالفعل؟ على سبيل المثال، إذا قمت بإجراء تغيير في تجربة المستخدم وإذا بدأت في رؤية المزيد من الأشخاص يستخدمونه بشكل متكرر، فقد يكون ذلك أيضًا بسبب ضعف محركي وبالتالي يحتاج الناس إلى استخدامه كثيرًا.

للحصول على الرد أو قد يكون أيضًا أن محركي ذو قيمة كبيرة وبالتالي ما هي المقاييس التي من شأنها أن تخبر مدير المنتج أنك تعرف عملًا جيدًا على واجهة UX. لذا فإن المجموعة المعتادة من الأشياء التي سنلاحظها أو سنبحث عنها هي ما هو لديك، ما هو الرقم في الساعة؟

قدرة القراءة للمستخدم الخاص بك. إنه مقياس مختلف. ما نتحدث عنه هو أن متوسط قدرة الإنسان على القراءة هو 250 كلمة في الدقيقة هو متوسط القدرة البشرية. لذا يا للروعة، إنها أربع كلمات في الثانية. أعني، أنت فقط تنظر إلى الأمر وتذهب. لذا دعنا نقول الآن ما إذا كنت بشكل عام

هناك بحث من OpenAI يقول أيضًا أن 30000 كلمة هي ما يستطيع الإنسان القيام به، و 30000 كلمة ناتجة هي ما يمكن للإنسان، ولا يوجد 15000 كلمة مخرجة، و 15000 كلمة إدخال، و 15000 كلمة إخراج هي ما يمكن للإنسان فهمه في الساعة. الآن هذا هو ما يستخدمونه للقيام بتكلفة الرموز وكل شيء. لهذا السبب تأخر البحث. لنفترض الآن أنك صممت أي منتج من منتجات GenAI، أليس كذلك؟

الآن يتم إنشاء مخرجات. لنفترض أنك أنشأت مخرجًا مفصلاً جدًا لدرجة أنه غير مفيد للمستخدم. هذا ما يحدث في كثير من الأحيان. في الواقع، في نموذج التفكير، عند النقر عليه، يكون الإخراج الذي يأتي تقريبًا على مستوى الصفحات والصفحات الموجود. من المحتمل أنك تستخدم الذكاء الاصطناعي مرة أخرى لتلخيص تلك المخرجات التي خرجت. لذلك تحاول فهم ما هو مقدار الإخراج الصحيح؟

ياش شاه (23:02.644)

التي يمكن للمستخدم فهمها مهمة جدًا. لذلك يعد هذا مقياسًا يمكنك البحث عنه. وهذا يحسن أيضًا أن هذا شيء سيبلغه مصمم UX إلى مدير المنتج قائلاً، حسنًا، هذه هي مجموعة الأشياء التي ظهرت. ثم هذا هو الناتج الذي جاء من LLM الآن، ثم سيعتقد مصمم UX الخاص بك أنني متأكد تمامًا من أن المستخدم الخاص بي سيقول إنني أريد تلخيص ذلك. إذن ما هي طرق التلخيص؟ إذن هل يجب أن أعطي آليًا؟

كما تعلم، قم بتبسيط هذا الزر هناك بحيث يتم تبسيطه تلقائيًا عند النقر عليه. هل يجب علي تقديم بعض الابتكارات الجديدة هناك بسبب هذا العامل المحدد؟ هذه واحدة. ثم كمية التعليقات التي تأتي بشكل منتظم. هذا مقياس آخر يجب أن تبحث عنه بشدة. إنه مقياس لسببين. أي منتج JNI يتم بناؤه ليس مثاليًا.

يجب أن تكون مستعدًا لتكون غير راضٍ عن الناتج الذي تقدمه. يتم إعطاء هذا لأن العملية نفسها تعتمد على البحث. مفتاح السعادة هو التوقعات المنخفضة. نعم، توقعات منخفضة للغاية. لذا فإن الطريقة التي تعمل بها هي انحراف بسيط ولكن بسرعة كبيرة سأوجز هذا فقط. تقوم بتحديد نطاق منتجك، بغض النظر عن الميزة أو ميزة الذكاء الاصطناعي التي تحاول القيام بها، ثم تقوم بنشرها.

تعتقد أن هذا هو المكان الذي يتم فيه ذلك. إنه يمثل 10٪ فقط من منتج الذكاء الاصطناعي الخاص بك. ثم يأتي التقييم الداخلي حيث يكون مهندسو الذكاء الاصطناعي لديك هم أساسًا ما يحاولون القيام به هو أنهم يقدمون مدخلات ويرون ما إذا كان الإخراج الصحيح قادمًا. لن يأتي الإخراج الصحيح. لذا فإن ما يفعلونه هو الاستمرار في العودة وضبطه بشكل منتظم حتى يقتنعوا بأنه جاهز للنشر. وبمجرد الانتقال إلى النشر، ستبدأ في رؤية التحيزات. حسنا. ولكن سأعطيك مثالا.

كان هناك روبوت محادثة تم نشره في صناعة الرعاية الصحية، وما لاحظوه أثناء النشر هو أنه إذا قمت بالكتابة، فإن الجراح يحتاج إلى القيام بذلك، فماذا يجب أن يكون الناتج؟ أي شيء من هذا النوع. يقول الإخراج أنه يجب أن يأتي بشيء من هذا القبيل. الآن كيف تم التوصل إلى استنتاج مفاده أن الجراح يجب أن يكون هو الرجل الوحيد؟ أليس كذلك؟ لذلك هذا هو الشيء الذي

ياش شاه (25:30.068)

لن تلاحظ ذلك، لا يمكنك ملاحظة ذلك لأن بعض المستخدمين يكتبون وهذا هو الإخراج القادم. إذن ما هي كل تجربة المستخدم، لذلك إذا كان المستخدم يقوم بالإبلاغ عنها أو أي نوع من التحيزات، فأنت بحاجة إلى تصنيف تعليقاتك أيضًا إلى هذه التحيزات. هذه، كما تعلمون، مشكلات مناسبة تستند إلى وقت الاستجابة الفوري. يجب عليك تقسيم التعليقات نفسها في هذه الحالة ثم الإبلاغ مرة أخرى. لذا عدد التعليقات التي تحصل عليها وكذلك جودة التعليقات التي تحصل عليها.

يحتاج إلى مراقبة مستمرة. لذلك هذه بعض الأشياء التي تحتاج إلى الاهتمام بها. أود أن أذهب إلى حد ما لأقول إنه إذا كنت تقدم مخرجات متعددة المسودة، فإن الجودة بين كل ناتج، وكم عددها، وأي مخرجات يتم النقر عليها أكثر من غيرها؟ آسف، ماذا قلت؟ متعدد ماذا؟ إذن مشروع الخيار الذي ذكرته، أليس كذلك؟ مسودة متعددة. حسنا. لذا فإن ما يحدث في الغالب هو المسودة الأولى، المسودة الثانية، المسودة الثالثة، المسودة الرابعة.

من المحتمل أن تعمل المسودة 2 على نموذج دقيق مشابه جدًا. المسودة 3 على خيار آخر تم ضبطه بدقة. المسودة 4 على خيار آخر تم ضبطه بدقة. لذلك بغض النظر عن السؤال، لا تزال المسودة 2 تعمل على نفس الخيار الدقيق. لذلك إذا اختار المزيد من الأشخاص المسودة 3 أو المسودة 2، فهذا يعني أن هناك خطأ ما في المسودة 2 التي تم ضبطها بدقة. لذلك تحتاج إلى العودة والتحقق من ذلك. لذا فإن نسبة النقر داخل مسودة الإخراج هي أيضًا شيء يجب البحث عنه.

لذا فإن هذا النوع من الأشياء هو بعض العوامل الرئيسية على الأقل في هذه المرحلة للبحث عنها. إنه أمر مثير للاهتمام للغاية لأنني كنت بالأمس فقط، قبل يوم أمس، أحاول تجربة منتج قطع وعدًا بالقول إننا سننشئ كتبًا إلكترونية في ثوانٍ. كما أتذكر موقع الويب الذي يقول اكتب كتبًا إلكترونية في ثوانٍ وليس أسابيع. كنت أفكر يا إلهي هذا مذهل، أنت هذا سيغير اللعبة، هذا سيغير عالمي.

وقد جربته وكان الأمر محبطًا للغاية. ربما يتحدث أيضًا عن استحقاقي في التفكير في أنني سأضع مطالبة وسيعطيني بالضبط ما أحتاجه عندما أحتاج إليه. ولكن نعم، بحيث تكون هذه مشكلة حقيقية حقيقية. ولكن آسف جاي، كان لديك سؤال. نعم، نعم. لكن لا، أعني، هذا مختلف قليلاً ولكن لا يزال أكثر ارتباطًا بـ UX و JNI. لذلك رأينا وأنا في الواقع

ياش شاه (27:49.596)

اقرأها في إحدى المقالات ذات السياق المختلف ولكنها ذكرت أن هناك المزيد من النقاط المنسدلة في أدوات Know JNI التي تحتوي على واجهة محمولة مقارنة بسطح المكتب، فهل هناك أي سبب محدد اكتشفته أو تعرف أنك تعرف سبب وجود المزيد من حالات الانقطاع في الهاتف المحمول لماذا يفضل الناس استخدامه فقط على سطح المكتب؟ هذا يعتمد على سببين: الأول

لذلك إذا كنت قد لاحظت، فإن OpenAI أصدرت أيضًا النسخة المحمولة في وقت لاحق جدًا. لقد قدموا إصدار الويب أولاً. والسبب في ذلك هو أنه من منظور نموذجي بحت. عادةً ما تعمل LLMs بشكل رائع في البداية عند ظهورها. الآن أصبحت فعالة للغاية. في البداية، عندما ظهرت، كانت جيدة جدًا في الويب، لكنها كانت سيئة جدًا لنشرها على الهاتف المحمول. حاليًا، نشهد مشكلات مماثلة مع SLMs أيضًا.

ما زلت أعاني من ذلك، حيث قد يكون سطح المكتب قادرًا على العمل بشكل جيد، ولكن عندما يتعلق الأمر بالواجهات متعددة المستويات التي يجب أن يكون عليها، سواء كان هاتفًا محمولًا أو إذا كان، على سبيل المثال، إذا كنت تعمل في مجال الرعاية الصحية وفي صناعة الرعاية الصحية، فسيكون لديك، إذا كنت تريد عرض بعض مخرجات Gen AI داخل جهاز الجهاز الطبي، فهذا موجود.

ثم لم تصل إلى هذا المستوى حيث يمكنني إرسال تلك البيانات وعكسها هناك. لذلك توجد هذه الأنواع من القيود الصغيرة. إنها مشكلة قائمة على التكنولوجيا في الواقع، وليست مشكلة قائمة على تجربة المستخدم. لا ينبغي أن تكون عمليات التسليم موجودة لأنه من الناحية الفنية إذا كنت تعتقد ذلك، فإننا نقول دائمًا الهاتف المحمول أولاً. بالنسبة لأي منها في السابق، حتى بالنسبة لمواقع الويب، نقول الجوال أولاً. من الأفضل أن يكون الذكاء الاصطناعي في الواقع متحركًا أولاً لأنه...

من الناحية التقنية، كان هناك بعض التأخير. ومع ذلك، أعتقد حتى اليوم أنه حتى الجوزاء يعاني من كونه على الهاتف المحمول. بالمقارنة مع، ونحن نتحدث عن أحد رواد التكنولوجيا الموجودين هناك. لقد جاءوا مؤخرًا على الهاتف المحمول. إنهم يمتلكون أندرويد. امتلك أندرويد. لذا فهي صعوبة نشر التكنولوجيا التي نراها وهي أساسًا على الهاتف المحمول.

ياش شاه (30:10.105)

وهناك شيء آخر أيضًا وهو أنه على سبيل المثال، لديك المزيد، لنفترض أنني أكتب رمزًا لإنشاء لعبة. يمكنني عرضها في نوافذ متعددة داخل الشاشة. لدي مساحة أكبر لذلك. في الهاتف المحمول، لديك مساحة لعرضها. ربما يتعين علي التمرير مرتين أو ثلاث مرات وإظهاره. بحيث تصبح مشكلة مرة أخرى. فهل سأرى الكود أم سأرى المعاينة؟ لذا فهذه في حد ذاتها مشكلة. إذن تلك UX.

من منظور UX، هذه هي الأشياء التي يجب تعديلها. على سبيل المثال، ليس لدي درجة. يمكنني الحصول عليها كعلامات تبويب متعددة في الأعلى. ما عليك سوى الانتقال من الكود إلى المعاينة والمعاينة إلى الكود. يمكنني الاستمرار في التحرك. لكن الكود لمعاينة نفسه جاء قبل أسبوعين. أعتقد أن المضي قدمًا هو ما ستراه هذه التغييرات. بلى. مثيرة للاهتمام. وأريد أن أذكر شيئًا واحدًا

معلومات مثيرة للاهتمام لجميع مشاهدينا ومستمعينا ولكن ربما فاتك كلاكما أيضًا هذا هو أنه مساء أمس فقط عقدنا حدثًا حيث تحدثنا عن كيفية تشكيل الذكاء الاصطناعي لتجربة المستخدم وأنت تعرف مطالبات البكسل والقوة، وكيف تعرف أن الذكاء الاصطناعي التوليدي هو أفضل صديق لمصمم UX واليوم نتحدث عن كيفية تشكيل UX لاعتماد الذكاء الاصطناعي التوليدي، أليس كذلك؟

لم يتم التخطيط لذلك حتى، لم يكن من المخطط أن يحدث ذلك بهذه الطريقة ولكن النجوم تتماشى بطريقة أو شكل أو شكل ما وها نحن نتحدث بشكل أساسي عن التعاون العميق بين الذكاء الاصطناعي وتجربة المستخدم. إذن ما تفعله UX للذكاء الاصطناعي ثم أيضًا ما يفعله الذكاء الاصطناعي لتجربة المستخدم أيضًا ولكن هذا يقودنا إلى نهاية محادثتنا لهذا اليوم. شكرا لكل من

الذين انضموا إلينا ونأمل أن تكون هذه المحادثة قيّمة وذات مغزى بالنسبة لك. إذا كنت أحد مؤسسي SaaS وقمت بإنشاء غلاف فوق أي LLM داخل منتجك وتبحث عن تحسين تجربة المستخدم، فأنت تواجه تحديات من حيث اعتمادها من قبل المستخدمين أو العملاء، أو تواجه تعليقات نقدية عليها على منصات المراجعة الخاصة بك أو في دعم الدردشة، ففكر في التواصل معنا. لقد فعل كوشيك.

ياش شاه (32:29.883)

كمية مثيرة للاهتمام للغاية من البحث. يسعدنا أن نشارك معك الأشياء التي تعلمتها، وبعض الأمثلة التي يمكنك التعلم منها وتنفيذها أيضًا. الشيء الآخر الذي أود أن أذكره أيضًا هو أن ميزانية القطط لدينا تعتمد على اشتراكاتك. إذا قمت بالاشتراك في القناة، إذا قمت بالتعليق، إذا أردت، فإن قطتنا تحصل على الطعام.

إذا كنت لا تفكر فينا، فكر في القطط والطعام الذي لا تقدمه لهم من خلال عدم الاشتراك. لذا يرجى التفكير في الاشتراك أو الإعجاب أو التعليق. لقد قدمنا للتو قطة Scrooge من خلال هذا البيان فقط. تعيش القطة أو تموت بناءً على الاشتراك. صحيح، بناءً على الاشتراك، أليس كذلك؟ لذا فهي في حالة من عدم اليقين. ولكن بمجرد النقر فوق الاشتراك، سنكون متأكدين.

ولكن حتى تصل إلى ذلك، ستكون في حالة من عدم اليقين. ولكن شكرا لك على وجودك معنا. وسنراكم مرة أخرى الأسبوع المقبل بموضوع مثير للاهتمام حول كيفية عمل SAS و AI معًا. حتى المرة القادمة. إلى اللقاء.