Stephen Patterson：计算机操作代理暴露与人类相同的糟糕 UX

计算机使用智能体无法猜测、即兴发挥或询问同事。这使它们成为我们见过的最诚实的可用性测试员。

第一次看到智能体在供应商门户上失败时，我立刻认出了这种失败。不是因为我不理解模型。而是因为我自己在完全相同的地方也失败过。

例如，我看到一次运行中，智能体到达了一个有两个按钮分别标记为“Continue”和“Submit”的表单，选择了错误的那个，导致运行停滞。这不是智能体的错，是糟糕的用户体验（UX）。

我在 Deck 设计产品，我们为计算机使用智能体构建基础设施：即像人一样登录网站并操作它们的软件，包括点击、输入和导航。我们的智能体在其中工作的许多门户从未被设计用于自动化。它们是公用事业账户、供应商付款页面和没有 API 的后端工具，为人而建，往往连人都勉强能用。

在这些门户中观察数千次智能体运行教会了我一些意想不到的东西。智能体卡住的地方几乎从不罕见。它们正是人们卡住的地方。区别在于人们会隐藏这一点。

人类会忽略糟糕的设计。智能体做不到。

Steve Krug 多年前在《Don’t Make Me Think》中指出，人们很少能弄清楚网站是如何工作的。他们只是摸索着前进：猜测、回溯，一旦某样东西似乎可行就继续下去。这种摸索是一种无形的劳动，它掩盖了大量的设计债务。

当按钮标签含糊不清时，人会试一个看看会发生什么。当菜单仅在悬停时出现时，人会挥动鼠标直到它显示出来。当会话在填写表单中途过期时，人会叹气，重新登录，然后重新开始。当他们真的无法解决某个问题时，他们会问上个月学会这个技巧的同事。这些都不会在分析数据中显示为失败。它们显示为“任务时间”，或者根本不显示。

智能体无法做到大部分这些行为。它不记得上个月的技巧。它不能凑过去问别人。它可以重试，但它无法直觉地判断两个标签相同的按钮中设计师指的是哪一个。因此，人类默默吸收的债务变得可见，在一次又一次的运行中表现为中断的步骤。

这就是为什么智能体是异常诚实的测试员。它们不会感到沮丧，但它们揭示了每一个依赖某人猜对才能运作的设计之处。

智能体卡住的地方

失败集中在少数几种模式中。其中任何一种都不会让设计师感到惊讶。这正是重点所在。

1. 只有在你已经知道的情况下才有意义的标签。 同一页面上的“Manage”、“Edit”和“Settings”。没有文本的仅图标按钮。两个都写着“Continue”的按钮。Don Norman 关于指示符（signifiers）的理念——即告诉用户某个动作会产生什么结果的线索——在这里至关重要。当缺少指示符时，人依靠记忆或实验。智能体两者都没有。

2. 隐藏的状态。 仅在悬停时存在的菜单。没有解释为何禁用的按钮。纯粹通过颜色传达的状态。Jakob Nielsen 的第一条可用性启发式原则——系统状态的可见性——是为人编写的。事实证明，这也是对智能体的首要要求。如果界面不说明其处于何种状态，任何操作它的程序都无法知晓。

3. 中断。 Cookie 横幅、“评价您的体验”模态框、第三次访问时出现的促销插页、滑过提交按钮的聊天小部件。这些每一项都是对人类注意力的小额征税。对于智能体而言，意外的覆盖层可能导致运行终止。这是一面有用的镜子：如果一次中断足以让机器完全停止，那么值得问问它给你的 用户带来了什么代价。

4. 时间。 会话在任务中途过期。一次性验证码在到达之前就已超时。页面在多步骤流程中“为了你的安全”将你登出。人们勉强容忍这些情况。对于任何自动化或委托工作来说，它们往往是失败的最大单一来源，并且表明系统的设计是围绕单次短暂访问进行的，而不是围绕实际 工作。

5. 不自我宣告的成功。 这是我最关心的一点，因为我在支付领域为此花了多年时间。你提交了一笔付款，然后回到仪表板却没有确认信息。它成功了吗？一个人会检查电子邮件、刷新页面或打电话询问。智能体必须决定任务是否完成，如果界面没有明确说明，它就做不到。在我为 UX Collective 撰写的上一篇文章中，我主张对金融产品的信任存在于这样的时刻。智能体从另一面提出了同样的论点：除非界面告诉你任务已完成，否则任务就不算 完成。

我们以前见过这种情况：路缘坡效应（curb-cut effect）

这并非新领域。这就是无障碍性。

许多有助于智能体的修复措施，同样也有助于使用屏幕阅读器、键盘导航或放大功能的人：真正的文本标签而不是仅含图标的按钮、被宣告而不是被暗示的状态、可预测的结构、不存在仅在悬停时才显示的内容。WebAIM Million 报告年复一年地记录了这些基本差距在网站访问量最高的主页上有多普遍。

Angela Glover Blackwell 将这种模式称为路缘坡效应：为具有特定限制的人群进行设计，最终会为所有人改善事物。路缘坡是为轮椅建造的，但每个推着婴儿车的父母都会使用它。清晰的标签和可见的状态是无障碍技术所要求的，它们帮助每一个疲惫、匆忙或 新手用户。

从某种意义上说，智能体是最新的受限用户。它们推动的方向与无障碍倡导者几十年来一直推动的方向相同，这是一件好事。使门户对智能体可读的工作，很大程度上是我们本应已经为人们做好的 工作。

类比失效之处

如果说“为智能体设计，人类受益”就太简单了。有三个地方变得复杂：

有些摩擦是应该存在的。 我之前写过关于渐进式仪式（graduated ceremony）的内容：根据行动的后果来匹配确认的重量。某些步骤的存在正是为了放慢速度。转移资金前的确认，删除账户前的二次检查。通过移除这些步骤使其“对智能体友好”是一个错误。更好的答案是明确地为委托进行设计：让人类预先授予智能体特定的、有限的权限，这样仪式就会发生在交接的时刻，而不是完全消失。

并非每个网站都欢迎智能体。CAPTCHA 和机器人检测的存在有其正当理由：欺诈、爬取、滥用。某些服务有合理理由需要知道是否有人类用户在场。“对智能体可读”和“允许智能体访问”是两个不同的问题，设计师将不得不越来越多地刻意回答第二个问题，而不是偶然为之。

智能体也会在某些人类不会失败的地方失败。它们可能会误读一个视觉上密集的布局，而人类能瞬间解析；或者遗漏人类从周围页面中获取的上下文信息。因此，智能体的失败并不是人类失败的完美替代指标。它们是强烈的信号，而非最终判决。当智能体和人在同一处都遇到困难时，这种重叠正是我首先会关注的地方。 

使用智能体作为可用性透镜

你不需要为智能体构建产品就能从中学习。以下是我现在在每次设计评审中都会问的几个问题，无论智能体是否会触及 屏幕：

• 一个无法猜测的人能完成这个任务吗？如果路径依赖于尝试两个按钮，那就是标签 问题。
• 是否每个状态在不悬停、不记忆或仅凭颜色的情况下都可见？
• 成功是否有明确提示？如果任务完成的唯一证明是没有任何错误发生，那么它还没有被设计 好。
• 每个中断是否都有其存在的价值？如果它会阻止机器运行，那么它给用户带来的成本比你想象的 更高。
• 这个流程能否经受住真实任务的时长考验？为单次快速访问设计的超时机制会破坏每一个更长的过程，无论涉及的是人还是 非人。

多年来，可用性测试意味着招募人员并观察他们摸索前行。这仍然是不可替代的。但现在有第二种测试者出现在我们的界面上，它从不摸索，从不猜测，也从不默默吸收我们的错误。它卡住的地方，是一张地图，标示着我们一直要求人们承担的 设计债务。

信任始终存在于细节之中。智能体只是不再让我们侥幸跳过 这些细节。

参考文献与延伸阅读

• Steve Krug, Don’t Make Me Think
• Don Norman 关于 signifiers, The Design of Everyday Things
• Jakob Nielsen, “10 Usability Heuristics for User Interface Design”
• WebAIM Million annual accessibility report
• Angela Glover Blackwell, “The Curb-Cut Effect,” Stanford Social Innovation Review
• UX Collective 中的 “The hidden UX of payments”