В прошлом посте я писал, что AI-продукт не обязан быть чатом. Хороший пример уже есть у Spotify: чтобы получить Discover Weekly, не нужно объяснять сервису свой вкус. Достаточно слушать музыку.

За обычным плейлистом работает машинное обучение. Spotify учитывает историю прослушивания и подбирает треки под конкретного человека. В интерфейсе это всё тот же плейлист, который можно открыть и включить.

Мне интересен этот подход: использовать то, что продукт уже знает о человеке, чтобы избавить его от лишних объяснений. 🌟

В Strava Athlete Intelligence разбирает данные после тренировки и показывает персональный вывод прямо на экране активности. Пользователь пришёл посмотреть, как пробежал. Здесь же он получает разбор, без отдельного запроса и переноса данных в чат.

У Oura поводом для подсказки становится изменение в показателях. Health Radar следит за данными и выводит сигнал в Today, когда замечает что-то значимое. Человеку даже не нужно заранее знать, о чём спросить.

У Apple похожая логика знакома по Health, где собраны данные о сне, пульсе и активности. Workout Buddy использует показатели текущей тренировки и историю занятий для персональных подсказок во время нагрузки. Контекст уже накоплен, а помощь появляется там, где человек занимается.

Pigment Frames позволяет использовать AI и для сборки самого интерфейса. Под задачу можно создать дашборд, форму, экран для проверки сценариев или отдельное рабочее представление. Всё это связано с реальными данными и учитывает права доступа.

Здесь меняется и работа дизайнера. Нужно решить, какие данные учитывать, в какой момент показать подсказку и какой вид ей придать. Плейлист, разбор тренировки и рабочий экран требуют разных решений, хотя за каждым может стоять AI.

Данные о человеке, контекст и его задача вместе определяют, какой опыт продукт должен ему предложить. Для меня в этом и есть смысл такого AI UX: человеку меньше приходится объяснять, а нужный результат проще получить в привычном сценарии.