Vi träffade Giles Colborne, medgrundare och VD för cxpartners. Colborne är ett av världens ledande oberoende erfarenhetsdesignkonsultföretag och är författaren till Enkelt och användbart, en bok om ämnet enkelhet riktad specifikt till interaktionsdesigners.
Vad finns kvar efter chatbot-hype? Vem / vad kommer att överleva?
Giles Colborne: Problemet med hype är att det får människor att lägga saker där ute utan att diskriminera om det är bra eller inte, och det uppmuntrar människor att anta att allt är möjligt, så de överskrider vilt. Det är samma historia med ny eller framväxande teknik.
Så efter hype förväntar jag mig några bra, solida, enkla, robusta exempel och mönster som vi långsamt bygger mer komplexa upplevelser på. Det är underbart att lyssna på hype och att drömma, men om du bygger ett system för människor att lita på bör du inte vara rädd för att göra något enkelt och funktionellt.
Jag tror att med alla system som är beroende av maskininlärning (och många naturliga språkgränssnitt är beroende av maskininlärning) kommer människorna med stora datamängder att ha en fördel. Jag skulle hoppas att det inte blir plattformslås.
Tillbaka i början av konsumentens internet undvek vi plattformslåsning tack vare webben, som hade en öppen specifikation som vem som helst kunde använda. Det är svårt att se något liknande hända den här gången - lagstiftning kan behöva spela in. Men allt detta är förmodligen fortfarande år borta.
- Hur man utformar en chatbotupplevelse
Vilka är fördelarna med chatbots och konversationsgränssnitt?
GC: Först bör jag göra en åtskillnad mellan chatbots och konversationsgränssnitt och fullständiga naturliga språkgränssnitt (NLI). Chatbots ber ibland användaren att välja bland ett antal möjliga svar - snarare som de hemska IVR-systemen som sorterar röstsamtal på telefonlinjer ("tryck 1 för balansförfrågningar, 2 för kundtjänst etc."). Med NLI kan du skriva ett svar på ditt språk och sedan svara baserat på det. Jag är mer intresserad av NLI och det är mitt fokus.
Vad jag tycker om NLI är att det nästan inte finns något användargränssnitt att lära sig. Appar som Facebook Messenger är bland de mest använda apparna på smartphones idag. Användargränssnittet är enkelt och tanken bakom dem är lätt att förstå. Så att bygga tjänster utöver det välbekanta, allmänt använda gränssnittet ser ut som en bra idé - så länge själva tjänsterna är lätta att använda.
Vad mer är, om du kan bygga ett gränssnitt som fungerar på något riktigt enkelt som SMS, så fungerar det på Facebook Messenger eller WhatsApp eller någon annan chattplattform - så det finns ett löfte att du kan utöka din räckvidd.
Inställningen för chattjänster växer när du tittar på yngre målgrupper. De har vuxit upp med sociala medier och de verkar föredra att interagera med den typen av tjänster snarare än telefon eller e-post. Men det är naturligtvis ett gränssnitt som till sin natur är tillgängligt för personer med syn- eller hörselnedsättning och som är lätt att förstå för användare i alla åldrar.
Vad som fascinerar mig är dock att Natural Language Interfaces betyder att vi kan designa system som känns mer mänskliga. Mänsklig konversation har många intressanta egenskaper som grafiska användargränssnitt kämpar med.
Om du till exempel ber en person om hjälp med att hitta något, som en flygbiljett, börjar du ofta med en ganska vag beskrivning och sakta nollställer ett par bra val. Vi kan göra det i fasetterade sökgränssnitt just nu, men människor kämpar för att använda dem effektivt - särskilt på små skärmar. Det du brukar få på små skärmar är en serie menyer som du bor i. Det kan kännas klumpigt eller förvirrande. Naturliga språkgränssnitt kan kringgå det.
Slutligen handlar nästa datavåg inte om bärbara datorer eller mobiltelefoner - det handlar om miljöer fulla av smarta enheter som känner dig och som interagerar med dig. Du vill inte ha en pekskärm på varje enhet eller en app för varje enhet på din smartphone. Du vill ha ett gemensamt gränssnitt som känner dig och som du enkelt kan kommunicera med. Det är därför jag tror att NLI och artificiell intelligens har en så viktig roll att spela i nästa generations användarupplevelse.
Och vilka är några av fallgroparna i samtalsgränssnitt och hur kan vi undvika dem?
GC: Jag tror att den största fallgropen är att skapa samtal som ser ut som flödesdiagram - sådana där dialogen kartläggs i detalj. I själva verket är konversationerna ganska vaga och blåsiga. Om du försöker kartlägga dem i detalj saknar du komplexiteten - eller bara skapar du ytterligare ett av dessa IVR-system.
Om du till exempel frågar någon om namnet kan en person ge dig deras fullständiga namn inklusive titel, medan en annan bara kan ge dig deras förnamn. Du måste låta dem göra det och sedan ringa tillbaka för att få information som saknas. Det är inte ett fel, det är bara ett annat sätt att besvara frågan.
Hur kan vi förbättra bots för att förbättra användarupplevelsen?
GC: När du lyssnar på personer som använder röstsystem särskilt handlar en stor del av konversationen om att användaren räknar ut hur man ställer frågor och lär sig vad systemet kan och inte kan göra. Jag tror att de flesta NLI: er gör ett fruktansvärt jobb för att hantera dessa situationer.
Säg till exempel att du ber din röstassistent att spela en låt, som ”Bohemian Rhapsody”, men du får namnet fel och du kallar det ”Mama, just kill a man”. Ur användarens synvinkel och en människas lyssnande har användaren gett en giltig och användbar begäran. Men de flesta röstassistenter misslyckas med att matcha titeln och ge upp och användaren är tillbaka på rad.
Den här typen av saker händer hela tiden med röstassistenter, men en människa skulle försöka använda informationen och ställa en förnuftig uppföljningsfråga som "Kan du komma ihåg vem det var efter?" Eller "Är det titeln eller en rad från låten? '. Om vi ska göra dessa system acceptabla måste vi ägna mer tid åt att tänka på hur systemet ska svara när det inte förstår.
Vilka är några av egenskaperna hos chatbots eller konversationsgränssnitt som gör saker rätt?
GC: Många av de bästa konversationsgränssnitten och chatbotsna försöker inte göra för mycket. När du till exempel kör och ber din smartphone att ge dig vägbeskrivning hem, pågår inte mycket av en "konversation" - ju kortare desto bättre. Men du får mycket output (en timmes körinstruktioner) för minimal inmatning ("få mig vägbeskrivning hem"). Och ingången hålls minimal eftersom smarttelefonen använder mycket kontextuell information för att fylla i tomrummen - det förutsätter att du menar vägbeskrivning, den får din nuvarande position från GPS och den hittar din hemadress från dina smartphone-inställningar.
Jag skulle säga att det är ganska bra designmaxim: håll konversationen kort, använd kontextuppgifter, erbjud maximal utmatning för minsta inmatning.
Var går konversationsdesignen vidare?
GC: Det händer många intressanta saker just nu. Det finns röstassistenter som skiljer mellan olika människor i rummet och röstassistenter som hanterar den emotionella underströmmen i konversationen, inte bara informationsutbytet.
Det finns också verktyg som gör komplexa funktioner lättare för designers att komma åt och gränssnitt som blandar röst och grafik (så att du exempelvis kan se en resplan som du pratar med en virtuell resebyrå). Det är en spännande tid.
