Главный вопрос в AI UX Research - не “удобно ли это?”, а “предсказуемо ли это?” 🌟🌟

В классическом UX пользователи ошибаются, потому что не понимают, куда нажать.
В AI UX пользователи ошибаются, потому что не понимают, что система умеет / не умеет - и что именно влияет на качество результата.

Частый паттерн: пользователь один раз получает отличный результат, но не может объяснить, почему сработало и как это повторить.
Это воспринимается как “повезло”> доверие падает > использование падает.

Поэтому в AI UX Research важно отдельно проверять калибровку ожиданий:

🌟 Рычаги качества: Могут ли пользователи назвать 1–2 действия, которые стабильно улучшают качество результата?
(например: дать пример, указать формат, указать негативный пример…)

🌟 Воспроизводимость: Могут ли пользователи снова получить похожий результат за 1–2 попытки?

🌟 Восстановление после ошибки: Когда результат “почти правильный”, понимают ли они, какой следующий шаг лучше (например: отредактировать ввод, уточнить, перегенерировать или переключить режим)?

🌟 Триггеры доверия: Какие сигналы помогают пользователю решить, что результат можно сохранить / использовать, а когда его нужно перепроверить. Это очевидно?

🌟 Границы системы: Понимают ли пользователи, в каких случаях система работает хуже, и меняют ли они своё поведение с учётом этого?