ينشئ مساعد ذكاء اصطناعي مسودة استبيان.
تبدو الأسئلة مرتبة، لكنها لا تناسب الجمهور وتتضمن سؤالاً يوجّه الإجابة.
يضغط المستخدم على «لم يعجبني»، ويصل إلى الفريق تقييم سلبي. المشكلة ما زالت قائمة: المستخدم يحتاج مسودة قابلة للاستخدام، والفريق يحتاج أن يفهم سبب الاعتراض.
عند تصميم ملاحظات المستخدم في منتج AI، أرى أن علينا معالجة هذين الاحتياجين معاً: مساعدة المستخدم على استكمال مهمته، وتوفير سياق يساعد الفريق على تحسين التجربة.
ما الذي يضيفه البحث الجديد؟
نُشرت في ٢ أكتوبر ٢٠٢٦ نسخة بحثية أولية بعنوان Designing the Future of User Feedback for Generative AI. يصف ملخصها دراسة متعددة المراحل بالتعاون بين باحثين أكاديميين وeBay،
ويشير إلى مشكلات في سهولة العثور على أدوات الملاحظات، ووضوح المصطلحات، والاهتمام بالقيمة التي يحصل عليها المستخدم.
كما يذكر تصميم نموذج لجمع الملاحظات واختباره.
أستند هنا إلى ملخص البحث المنشور، وليس إلى مراجعة الدراسة كاملة. أما المقترحات التالية فهي إطار عملي أقترحه لاختباره مع مستخدمي المنتج، وليست نتائج مثبتة لكل واجهة أو جمهور.
افصل بين إصلاح النتيجة وإرسال الملاحظة
«إعادة الإنشاء» و«الإبلاغ عن مشكلة» يخدمان احتياجين مختلفين. الأول يساعد المستخدم على متابعة عمله، والثاني ينقل المشكلة إلى فريق المنتج. دمجهما دون توضيح قد يجعل المستخدم يتوقع إصلاحاً فورياً بمجرد إرسال الملاحظة.
في مساعد إنشاء الاستبيانات، يمكن إتاحة تعديل السؤال، أو تغيير الجمهور، أو إعادة إنشاء جزء محدد. تبقى أداة الإبلاغ متاحة بجانب هذه الخيارات. وتقدم إرشادات Microsoft للتفاعل بين الإنسان والذكاء الاصطناعي أساساً لهذا التوجه، من خلال تسهيل التصحيح، وتشجيع الملاحظات المحددة، وتوضيح أثر إجراءات المستخدم.
اطلب أقل قدر من التفاصيل المفيدة
التقييم السلبي إشارة بداية.
سؤال متابعة قصير واختياري قد يوضحها.
في مثال الاستبيان، يمكن اختبار أسباب مثل «الجمهور غير مناسب»، و«السؤال يوجّه الإجابة»، و«موضوع مهم مفقود»، و«سبب آخر». يجب أن تعكس هذه الخيارات المهمة الفعلية، وأن تتغير عندما تكشف الملاحظات عن أسباب لم نتوقعها.
لا تجعل استكمال نموذج طويل شرطاً للعودة إلى المهمة. اسمح بإرسال ملاحظة سريعة وإضافة تفاصيل اختيارية، ثم اعرض تأكيداً واضحاً. اشرح إن كان الإجراء يرسل تقريراً، أو يعدّل النتيجة الحالية، أو يؤثر على تخصيص التجربة مستقبلاً. اكتب ما يفعله المنتج فعلاً، دون وعد بتحسن تلقائي.
مسار عملي يمكن اختباره
يختار المستخدم «الإبلاغ عن مشكلة» بجانب السؤال الذي أنشأه المساعد.
تظهر لوحة صغيرة تسأل «ما الذي يحتاج إلى تحسين؟»، مع أسباب مناسبة للمهمة وحقل تعليق اختياري.
بحث جديد يعيد طرح سؤال مهم: هل تساعد ملاحظات المستخدم فريق المنتج على اتخاذ قرار، أم تكتفي بجمع التقييمات؟ إطار عملي لتصميم التصحيح وتحويل الملاحظات إلى تحسينات قابلة للقياس.
توضّح اللوحة السياق الذي سيرسل، وتتيح مراجعته قبل الإرسال.
بعد الإرسال، تظهر رسالة «وصلتنا ملاحظتك»، مع إمكانية العودة إلى التعديل أو إعادة إنشاء السؤال.
هذا مثال افتراضي لتصميم مقترح. اختبره على الهاتف، وباستخدام لوحة المفاتيح وقارئ الشاشة، وبالعربية والإنجليزية. في المنتج ثنائي اللغة، تحقق أن أسماء الأسباب تنقل المعنى نفسه، وأن اتجاه العرض لا يعوق استخدام الخيارات أو قراءة التأكيد.
اربط الملاحظات بمسؤولية واضحة عن المنتج
جمع التقارير دون مسؤول عن مراجعتها ينتج قائمة انتظار. حدد من يراجع الأنماط المتكررة، وكيف تتحول إلى قرار. صنّف الملاحظات بحسب المهمة ونوع المشكلة، مع الاحتفاظ بالسياق اللازم لفهمها.
خلال تنقيح قائمة العمل، حوّل النمط إلى فرضية قابلة للاختبار. مثلاً: «إظهار الجمهور المحدد قبل إنشاء الأسئلة قد يقلل المسودات غير المناسبة له». يمكن عندها تنفيذ التغيير وتقييمه في دورة عمل. لا تفترض أن كل شكوى تحتاج تعديل نموذج الذكاء الاصطناعي؛ قد يكون السبب مدخلاً غير واضح، أو تحكماً مفقوداً، أو طريقة عرض النتيجة.
قس قدرة المستخدم على استكمال مهمته
أقترح متابعة نسبة إكمال الإبلاغ، والتخلي عنه، والوقت اللازم لتصحيح النتيجة، وإكمال المهمة بعد ظهور المشكلة. اقرأ هذه المؤشرات بجانب التعليقات وأنماط الأخطاء المتكررة. زيادة التقارير قد تعني أن أداة الإبلاغ أصبحت أسهل في العثور عليها، لذلك لا يكفي عددها وحده للحكم على جودة المنتج.
ابدأ بمهمة واحدة ذات قيمة، وعدد محدود من أسباب الإبلاغ. سجل الوضع الحالي للمقارنة، واتفق على مسؤول المراجعة، وحدد الدليل الذي سيبرر التغيير التالي.
وجهة نظري
القرار القوي في المنتج يخلق قيمة واضحة للمستخدم وقيمة مستدامة للأعمال. وينبغي أن تخدم الملاحظات الطرفين: طريقاً عملياً لاستكمال المهمة، ودليلاً يساعد الفريق على اختيار التحسين المناسب. قيمة زر الملاحظات تتضح في التجربة التي تليه، وفي القرار الذي يتخذه الفريق بناءً عليه.
المصادر
Frik وBernd وKarami وTahaei — Designing the Future of User Feedback for Generative AI. نسخة بحثية أولية نُشرت في ٢ أكتوبر ٢٠٢٦؛ تم الرجوع إلى الملخص.
Microsoft Research — Guidelines for human-AI interaction design. إرشادات قائمة للتفاعل مع الذكاء الاصطناعي، وليست إصداراً جديداً في أكتوبر ٢٠٢٦.
لم يُنشر في أي مكان آخر. هل مررت بتجربة مشابهة؟