革命性的思维工具不只是提高某个操作效率,而是改变人们表示、探索和组合思想的方式。文章区分狭义工具与更广泛的思维媒介,回顾符号系统和编程语言等案例,并追问为何技术行业很少长期投入这类基础创新。开发此类工具需要把认知研究、界面实验和真实使用反馈结合起来。
利用大语言模型做产品设计,首先要理解它通过语言模式预测输出,而不是稳定执行传统程序。文章结合 Elicit 等研究工具,讨论如何用模型探索用户表达、生成候选方案和处理非结构化信息。设计重点是把不确定能力放进可检查的流程,并让用户看见来源、状态和可纠正空间。
打造下一代的用户体验 作者:Jon Friedman和Kurtis Beavers 看一下微软365应用程序的新Copilot体验 经过多年稳定但渐进的创新,正在出现的技术将产生真正的巨变。乍一看,大型语言模型--像OpenAI的ChatGPT或DALL-E这样的下一代人工智能背后的技术--似乎是最终适应人类的用户界面的可能性所缺少的一块。3月16日,我们宣布了Microsoft 365 Copilot--你的工作副驾驶。Copilot将大型语言模型(LLMs)的力量与你在Microsoft Graph和Microsoft 365应用程序中的数据--你的日历、电子邮件、聊天记录、文档、会议等--结合起来,将你的话语变成这个星球上最强大的生产力工具。Copilot是对话式用户体验的先驱,这是用户界面设计的一个新领域,就像第一个触屏设备一样改变了范式。对于Copilot,我们重新思考了从视觉识别到交互设计的一切,因为我们旨在创造一个真正有价值的用户体验。
对于B2B生成式人工智能应用,少往往比多更有价值。第一波应用擅长发散信息,能生成广告文案、冷邮件、草稿和头脑风暴材料,但在企业场景中,真正被衡量的是决策质量、准确性和工作流效率,而不是产出字数。越是涉及法律、销售、产品发布或专业判断,模型生成的长文本越需要人重新研究、校对和改写,额外步骤可能抵消效率。下一波机会在于综合信息:从会议记录、客户反馈、销售线索、支持工单、财报和新闻中提炼少量关键判断,帮助人更快做决定。理想形态不是用短提示生成长回答,而是把海量资料压缩成可行动的洞察。护城河也会从通用模型能力转向专有数据、特定领域模型和嵌入工作流的能力。胜负不取决于谁的演示更炫,而取决于谁能拥有并改善企业每天必须完成的关键流程。