#48 AI Case Study: AI's Transformative Role in UX with Jascha Goldermann
34:23 Share

欢迎收听另一期“UX的未来”播客，这是面向具有前瞻性思维的设计师和科技爱好者的首选节目。我是Patricia Reiners，今天我们很高兴邀请到一位真正身处UX和AI交叉领域的特别嘉宾Jascha Goldermann。Jascha是Booking.com的设计经理，Booking.com是全球领先的数字旅游公司之一。他将分享他关于将AI集成到产品设计的专业知识，并提供他一个引人入胜的AI案例研究——AI行程规划器的见解。 Jascha在将焦点从UI转向AI方面发挥了重要作用，并提供了一些关于提示设计和负责任AI使用的优秀技巧。因此，无论您是经验丰富的UX专家还是刚刚入门，您都一定不要错过这次深入探讨设计和技术未来的机会。

ADPList

⁠⁠ AI for Designer⁠ ⁠课程（1月份上线）

⁠⁠⁠⁠免费的每周UX见解和更新：UX时事通讯⁠⁠⁠⁠

📸 ⁠⁠⁠⁠Instagram @ux.patricia⁠⁠⁠⁠ 🐦 ⁠⁠⁠⁠Twitter @ux_Patricia⁠⁠⁠⁠ 🎨 ⁠⁠⁠⁠领英 Patricia Reiners⁠⁠⁠⁠ 📝 ⁠⁠⁠⁠我的UX设计博客 ⁠⁠⁠⁠ 🎥 ⁠⁠⁠⁠YouTube  </context> <raw_text>0 大家好，欢迎回到另一期“UX的未来”播客，这是面向具有前瞻性思维的设计师和科技爱好者的首选节目。我是Patricia Reiners，今天我很高兴邀请到一位在UX和AI交叉领域工作的嘉宾：Jascha Goldermann。Jascha是Booking.com的设计经理，Booking.com是全球领先的数字旅游公司之一。

我上个月在柏林的一个会议上认识了Jascha，他在会上谈到了他在Booking.com上正在进行的一个案例研究：一个AI旅行代理。我想，好吧，这非常有趣。我一定要邀请他来参加播客，以便他能与大家分享他的经验。

所以他现在来了。他将分享他关于将AI集成到产品设计的专业知识，并将提供他正在进行的一个案例研究的见解，即Booking.com的AI行程规划器。Yasha在将焦点从UI转向AI方面发挥了重要作用，并提供了一些关于提示设计和负责任AI使用的优秀技巧。所以

无论您过去是否使用过AI，都不用担心。这是一期适合初学者的节目，所以您一定不要错过这次深入探讨设计和技术未来的机会。所以，请欣赏与Jascha Goldemann的这一期节目。很好。好的。欢迎Jascha来到“UX的未来”播客。我很高兴今天能邀请到你。欢迎，欢迎。

非常感谢你的邀请。我也很高兴来到这里。太棒了，很高兴邀请到你。在我们深入探讨AI或AI产品的UX之前，我想请你介绍一下自己，谈谈你的背景以及你目前的工作。当然可以。我的名字是Jascha Goldermann。

我现在是Booking.com的设计经理。我管理着不同团队的设计师，主要致力于改进Booking的搜索体验，这真的是产品的核心。

我住在阿姆斯特丹，Booking的总部就在那里。在此之前，我在不同的UX职位上工作了10年，主要是在柏林，其中大约一半是在领导UX职位上。我曾经是高级设计师、首席设计师。我之前也担任过设计主管。我的背景是平面和视觉设计。

是的，这就是我的简短介绍。哇，酷。不错。相当精彩的旅程。非常有趣。而我对你真正感兴趣的另一件事是，你不仅专注于搜索，还在探索一些未来主题，特别是AI。这是你在Hedge Conference上的一次演讲中分享的内容。请告诉我们一些你正在进行的关于AI的项目。

是的。在我开始介绍这个项目之前，我想指出的是

Booking多年来一直在试验AI和机器学习功能。许多不同的团队正在将不同的机器学习模型用于各种用例。因此，仅在搜索方面，您可以想象我们也在探索使用机器学习来改进

人们如何找到最佳住宿以及他们旅行的所有要素的不同方法。但在今年年初，随着机器学习中大型语言模型的功能变得越来越广泛，越来越公开可用，

我们在公司内部讨论了这对我们意味着什么？就像我们已经有使用机器学习模型的经验，我们有整个机器学习组织和我们的机器学习中心。现在有一种新的技术可用，是的，基本上现在任何人都可以使用这种技术，至少对于某些用例来说，它会显著地、戏剧性地增强功能。

大型语言模型所做的实际上是使机器学习模型能够处理、理解，然后生成数据。这可能是文本。对于大型语言模型来说，它是文本，因为它被构建来理解语言，并且产生语言。因此，我们正在研究这对

我们来说意味着什么，对吧？这可以解锁许多用例。而似乎最直接的一个是，好吧，如果你可以像与任何旅行社交谈一样与我们的预订助手（它已经经过机器学习增强）交谈会怎么样？所以，真正利用大型语言模型的功能，让

这个在线旅行代理感觉就像与一个自然人交谈一样。现在，大型语言模型和普通机器学习模型的区别不仅仅在于它可以产生语言，而且它还可以真正地，它在连接上下文方面要好得多。例如，如果

它已经产生了回应，然后用户对这个回应做出回应。然后它将连接这些回应之间的意义，并且它将以对该意义的理解来跟进。因此，它将跟进之前的提问，并且它可以，我们人类所说的，甚至可以“阅读字里行间”。因此，您不必专门阅读

提供的信息，它将像我们使用这些术语来谈论人类对话一样被理解，例如理解、知道和思考和学习，实际上它并没有做这些事情，但它产生的输出

与人类做这些事情非常相似。所以想法是，好吧，让我们构建一个AI行程规划器，我们称之为。所以让我们构建一个AI增强的虚拟旅行代理。并且

因为我们得到了公司领导的支持，而且项目背后也有一些紧迫性。我们组建了一个“虎队”。基本上是由来自不同领域的专家组成的团队。我们有一些机器学习专家、许多开发人员、设计师、研究人员和撰稿人。我负责领导那个UX工作流，直到发布该AI行程规划器的第一个MVP。

所以这与我过去在Booking使用过的或为Booking的不同目的而实现的机器学习模型的所有其他用例都不同，因为它确实像，就其功能而言，这是一个巨大的进步，比如说。大型语言模型和生成式AI总体上是一项改变游戏规则的技术。

所以，是的，这就是AI行程规划器基本诞生的方式。你能告诉我们一些关于开始这样一个项目的过程吗，特别是从UX的角度来看？这总是非常有趣的，对吧？因为你需要记住用户，并且真的需要确保你正在解决正确的问题，而不仅仅是因为你可以而且因为它很花哨而添加AI。

你需要确保它确实在解决问题。你的过程是怎样的？这个过程与你处理任何项目的方式类似。

复杂项目。就像你说的，首先，你真的需要了解问题领域以及用户的目标和挫败感是什么。我们已经有一个预订助手，所以我们可以从那里开始。我们可以基本上研究用户已经从中获得的价值是什么以及缺少什么。所以我们的研究可以专注于

有了这种额外的功能，我们可以解锁哪些额外的价值？我们如何改善用户的体验？

你是否已经进行了你所研究的研究，或者你是否进行了任何新的研究会议？两者都有。我们也进行了不同类型的研究。一方面，我们进行了概念研究，即使用探索基本上启用AI或使用大型语言模型改进的某种辅助功能的原型进行概念测试。

同时，我们也进行了市场研究。所以真正研究其他竞争对手的发展方向或市场总体发展方向以及这种技术总体上解锁了哪些价值。所以也从那里获得了一些灵感。然后，当然还有新的研究。因此，当我们聚在一起并开始合作时

创建我们的新概念，我们几乎同时，在几乎并行的情况下，我们也试图用用户来验证这些类型的概念。非常有道理。你认为你发现的主要问题是什么，你认为，好吧，AI实际上可以在哪里发挥作用？

这实际上很有帮助。用户的一些最大痛点是什么，你提出的一些目标是什么，你想用AI来解决？是的。如果我们在对话体验的上下文中使用AI，就像我们所做的那样，那么你获得的主要增强在于它如何真正地将对现实世界的理解应用于对话。

如果你看看之前的预订助手，它已经经过机器学习增强，但没有LLM功能，它会做的是，你可以用自然语言与它交谈，它会尽力识别正确的关键词来理解你试图实现的目标。它接受过针对特定主题的机器学习模型的训练。例如，一个关于宠物的机器学习模型。

因此，如果你想问你感兴趣的酒店或你预订的酒店是否允许携带宠物，那么它会理解这一点，因为它对该特定主题有很好的理解。但它非常有限，因为它正在寻找关键词，并且它正在寻找它接受过训练的主题，而且它并没有真正保留上下文。所以如果你两次问同一个问题，你会得到两次相同的答案。但现在有了大型语言模型，

它基本上对大量主题有了解，因为它接受过真正大量数据的训练，这些数据是某种意义上被抓取的。并且

将不同主题的知识应用于你想要谈论的任何内容。所以如果你谈论这家酒店是否允许携带宠物，并且它给你一个相关的答案，那么稍后如果你问一个不同的问题，它仍然可能，它会理解你带着宠物旅行，并且它会将这种理解贯穿整个对话。它会让这种理解保持活跃。

这也有局限性，但就其本身而言，即使你将其限制在一个会话或其他什么内容中，就其本身而言，这在用户可以从这次对话中获得多少价值方面是一个巨大的改进。总的来说，对话式体验、对话式UI已经具有特定功能

价值，比如说，他们试图解锁。所以有些人可能更愿意使用他们的语音，例如，来

计划他们的旅行，如果他们可以的话，而不是与UI元素交互。这可能也有可访问性的原因。所以也许他们无法与视觉UI交互，但他们可以使用语音UI。因此，仅对于这种情况，如果你构建了一个可以理解然后以与人类相同的方式生成语言的系统，

显然，你会得到一个比仅仅试图寻找特定关键词更有帮助的助手。是的，绝对是这样。我的意思是，这听起来是一个巨大的改进。

我还没有尝试过AI助手，但我的意思是，我觉得这是一个巨大的升级，当你真的与这个助手进行良好的对话并真正通过它预订你的旅行时。所以，我的意思是，这听起来太棒了。但是，你知道，我从UX的角度考虑这个问题。

你经历了整个思考过程，是的，我想集成ChatGPT API。我制作了一个原型，然后我最终得到了我测试的结果。你认为你从这个过程中获得了哪些经验？因为我认为这与设计基本的聊天界面非常不同，对吧？

那么，当你是UX设计师并开始这样一个项目时，你需要记住哪些事情？是的，有很多事情。通常情况下，使用这项技术，你会失去一些我们作为设计师通常非常习惯的控制权。因此，当我们设计体验时，通常我们知道我们基本上定义了体验应该是什么样的，并且我们可以控制它。

但是，当你将生成式AI技术添加到你的产品中时，你会放弃一些这种控制权，因为你无法

100%地计划它将如何回答问题，例如，如果这是一个对话体验。所以你需要做的是，或者我们必须在我们案例中做的是，我们必须规划出某种情况，并通过提示工程来尝试训练AI如何处理这些情况，而不能100%

能够准确定义每次交互将如何进行。所以我们确实试图确定哪些主题是如此敏感，以至于我们将基本上接管，并且我们将只显示一个模板消息。所以我们确实有一些我们可以保证总是100%符合我们想要回应的回应。但我们需要相信它

我们能够识别出我们需要基本上那样做的场景。对于其他情况，如果这是一个完全有效的问题，例如，我应该打包什么或者你去某些目的地旅行时你会推荐我参观什么，我们需要某种程度上训练AI以我们想要的方式做出回应，然后相信某种意义上的应用这种训练。所以

使用大型语言模型的好处是它理解并生成类似于人类的语言，但它也带来了同样的风险和责任，你必须像考虑训练人类一样考虑它。所以，比如说，如果你雇佣一个旅行社，他们

对旅行一无所知，他们也不知道如何与顾客互动，那么你不会让他们在你的公司工作并为旅行者提供建议。你首先要训练他们。

同样，在提示工程中，我们正在训练这个AI，基本上提供关于你的客户是谁、你的用户是谁、你是谁、你的价值观是什么、你的目标是什么以及他们的目标是什么的上下文，当然还有伦理方面的考虑。而且，你知道，你还必须训练它使用什么样的语言？我们在那里的经验教训是，

你训练AI进行提示工程的方式，使用你希望AI使用的相同语言是有意义的。我们一开始几乎犯了一个错误，但我认为这在尝试使用这项技术时通常可能会犯的错误是，我们认为我们只是在提供规则。通常，当你提供规则时，你会非常简洁、精确和切中要害，并且你基本上说，

做这个，不要做那个，但这并不是你自然会与你正在训练的代理交谈的方式，这也不是你训练这个AI的真正方式。所以基本上，在我们的提示中，这基本上是包含AI所有各种上下文的冗长的文档，你几乎像进行对话一样说，

我们希望你将自己称为这个，我们不希望出现这种情况，就像你交谈的方式一样。这种语言会影响AI的表达方式。这不仅仅是说，不要使用复杂的语言。这不仅仅是说，不要太不正式或类似的东西。

是的。将尝试从它接受训练的方式来理解它应该如何产生数据。非常有道理。

我认为有时很难准确表达你最终想要它变成什么样。我认为这是一个很大的挑战。你是如何做到这一点的？还有谁负责培训部分？你是否也参与了整个模型的培训，或者团队中的其他人。那是怎么进行的？是的。这也是我们某种程度上必须自己弄清楚正确流程的地方。所以对于设计师和撰稿人来说，我们已经对我们认为不同情况下的体验应该是什么样有了某种规划，对吧？所以我们基本上也知道我们希望AI如何处理某些情况的指导。

但随后由机器学习工程师将此转换为提示。因为提示存在于代码中，至少目前是这样。我的意思是，这可能在我们说话的时候就已经在改变了。也许很快我们就会有这样的工具，你可以使用更直观的界面来制作这些工具。但当我们工作时，提示基本上存在于代码中。

代码。而我们必须自己弄清楚的是，这些提示的制作方式确实会影响用户随后与我们的AI行程规划器交互的体验。因此，仅仅让工程师制作这些提示是不行的。我们需要让设计师和工程师并肩工作，查看这些提示，并进行调整，因为这才是你定义体验的方式。

然而，棘手的一点是，好吧，你对如果你以某种方式编写提示，它将生成什么样的输出有某种期望。但至少目前，在这个时刻，我们还没有工具能够即时进行测试。

所以很难进行任何原型设计，比如说。作为设计师，我们创建了一个交互式原型，它只是我们为用户交互而需要重新创建的用户流程。但是你如何做到这一点？

当你的原型中内容取决于它将接收到的输入，并且每次都可能不同时，你如何创建这样的原型？你还没有这些工具。所以我们必须做的是结合尝试弄清楚提示是如何工作的。

可能会转化为AI通过测试生成的內容，例如使用ChatGPT。所以我们有一些引物和提示，我们也在ChatGPT上使用它们来弄清楚这将如何以它回应的方式影响这个模型。

然后，当然，我们必须尽快获得一个非常非常早期的粗略测试版。所以尝试获得一些东西，你知道，它不像UI完全未经处理一样。只是为了尝试看看当我们以这种方式调整提示时会发生什么，它会生成什么样的输出？所以真正获得一个非常早期的粗略测试版，然后你可以测试和玩弄它。

并通过这种方式学习如何改进它。即使在我们到达感觉，好吧，很多事情都完成并结束了，我们已经有UI准备好了，我们已经有大部分提示已经设计好了，我们仍然通过自己测试和互动发现了很多情况，是的，

我们需要调整提示才能更好地处理这些情况。所以这是另一个方面。有太多的场景，你几乎无法考虑所有情况。你真的需要确保你为各种情况进行了测试，并且你也考虑了所有敏感的主题。是的，这是100%。这是一个很大的挑战，我可以假设。因为我的意思是，首先提出场景，

当然可能是一个挑战，但也要考虑所有出现的子场景，所有边缘情况，在大多数情况下都不是边缘情况，对吧？嗯，你提到了提示工程，我真的很想听听你对此的看法，现在围绕提示工程这个话题肯定有很多讨论，这对我们作为设计师来说，学习真正深入地了解它的工作原理是否非常重要？

这会不会成为一个你可以成为提示工程师的完整工作，或者这会不会逐渐消失，因为我们将拥有更多直观的界面，我们只需使用我们的自然语言？你对此有什么看法？

这有点难以说，因为它是一个快速发展的领域。我知道已经有很多人在担任提示工程师了，但我怀疑我们不会将其作为，我不认为我们将继续将提示工程师作为特定的角色，而是提示工程本身或提示设计本身是一项更广泛的技能

被期望不同的角色拥有。所以对于UX设计师来说，也需要了解提示工程，以及工程师，当然，还有机器学习科学家等等。所以

我们肯定会看到工作描述，其中那些试图在其产品中添加生成式AI功能的公司正在寻找具有这种经验的设计师。然后，也许他们特别寻找的技能之一是，你如何使用提示，以及你如何与机器学习工程师和科学家一起合作来制作这些提示以及基本上制作这种体验。好的。

所以这将我们带入了一个非常有趣的领域，这也是目前特别是UX设计师需要学习和掌握哪些技能才能跟上一切的步伐并保持相关性？因为我们生活在一个快节奏的世界中。事情变化得如此之快。所以，从你的角度来看，你认为目前哪些对我们来说非常重要？

我认为现在只是要尝试了解机器学习模型提供的不同机遇以及风险，尝试更好地了解AI的学习领域。

即使我们现在谈论AI时，通常我们会谈论生成式AI，而且我们经常在基于文本的生成式AI和大型语言模型的上下文中谈论生成式AI，因此你并不一定需要了解人工智能这个庞大而广泛的学习领域，你可以非常专注于生成式AI，我认为这是在消费者产品中应用最广泛的领域，目前最常用的领域。所以，研究生成式AI工具及其功能以及正在发布的不同模型。它们不仅仅是我们所知道的模型。还有开源模型，这项技术正变得越来越容易获得和负担得起。所以不久之后

初创公司基本上可以说，嘿，有一个开源模型。我们只需要雇佣一位了解如何帮助我们将该模型的功能应用到我们产品的ML工程师。所以我们将看到这些用例出现在我们周围。所以对于设计师来说，某种程度上

赶上AI和LLM、机器学习模型、它们如何工作、它们的局限性是什么、有哪些不同的模型可用，这很有意义。这是我将关注的主要技能。你如何做到这一点？

好消息是所有这些信息大多都是公开的。当然，有很多公司正在研究这些模型，我们无法访问他们的最新进展，但我们确实可以访问非常非常高级的不同模型版本，我们可以使用

当然，像ChatGPT、Bard和Bing等等大型模型，一旦你开始研究这些工具，一旦你开始寻找大型语言模型和

像提示工程这样的主题，你会发现很多资源、游乐场，甚至是你设计工具的插件。就像在Figma或Miro中一样，你会看到你可以用来玩弄你可以用这些模型生成的内容的插件。

然后，当然还有关于这个主题的新闻。所以我们周围已经有一些工具正在使用这些功能，比如Miro、Grammarly和GitHub，我们可能无论如何已经在使用的所有这些工具都包含了一些这些功能。所以对我们来说，至少尝试一下是有意义的。

还有关于它的新闻和播客。所以我认为信息或信息的易访问性并不缺乏，而且也不缺乏访问这些模型本身和用于测试这些模型的游乐场的途径。嗯哼。

我觉得目前一个很大的挑战，而且我认为这在未来会变得更糟，那就是真正地整理这些信息。因为那里有太多信息了，播客也是如此，书籍也是如此。你如何找到适合你需求的完美选择？我认为这是一个价值百万美元的问题。

如果一家公司能解决这个问题，那就太好了。你有一个问题，然后你会得到一本完美的书或一本书的章节，它会以完美的方式向你解释某个问题。但目前，我认为很多人，我绝对可以把自己包括在内，都感到被所有现有的内容和所有共享的内容所淹没。

并且真正理解目前哪些是相关的。所以你是否关注任何特定的播客，也许是任何你真正喜欢阅读和享受的时事通讯或其他内容？是的，所以我完全理解。我完全理解你的感受。信息几乎太多了，以至于无法知道在哪里寻找，消费什么以及忽略什么。而且还有很多信息只是

高度情境化的建议，因为这个领域正在发展，而且很多人可能会将自己定位为该领域的专家，然后写一篇文章。但是也许