在竞相添加“智能”功能的浪潮中，许多产品陷入了陷阱：部署AI是因为能够做到，而非应该做到。当团队急于自动化时，往往忘记停下来思考：AI在此处的角色是什么？它应该接管用户，还是辅助用户？应追求完美，还是只需快速有效？
为了指导更优决策，我提出AI意图矩阵——这个框架能帮助团队更高效利用资源，特别是最小化令牌成本和算力浪费。每次调用大型语言模型都伴随着实质与技术成本。那些不必要默认高精度、全自动模式的功能，可能在用户不需要或不信任的输出上浪费令牌。
该矩阵建立在两个维度上：增强↔自动化与满意即可↕优化。通过明确功能需要优化质量还是仅需达标，以及应该自主运行还是接受监督，产品团队能更负责任地界定AI功能范围。这减少了过度工程，降低了服务成本，更重要的是确保AI真正有用——而非仅仅炫技。
维度一：增强 vs. 自动化
增强意味着使用AI辅助提升人类能力——人类保持参与循环，指导或批准AI输出。自动化则指AI以最小人工干预自主替代或执行任务。这个维度定义了功能中人类的参与程度。
AI增强（人在回路）：在此模式下，AI作为智能助手或副驾驶。系统可能提供建议、洞察或草稿，但最终由人类决策或润色。当任务复杂、依赖情境或需要人类判断时，增强模式应用广泛。它在涉及细微差别、伦理考量或AI尚未完全可靠需要监督的场景中表现突出。例如社交媒体平台使用AI标记有害内容，但由人工审核员最终裁定。这种模式在“决策具有重大伦理或法律后果”或“技术尚未成熟到无需人工输入可靠运行”时不可或缺。代价是人工参与可能限制速度和扩展性。
AI自动化（完全自主）：此模式下，AI系统独立完成任务或决策。自动化适用于定义明确、高频或实时任务，此时人类速度或可用性成为瓶颈。当AI能独立达到可靠准确度，且任务规模超出人力处理范围时效果最佳。典型案例包括自动分类垃圾邮件的过滤器，或无人参与的月度薪资处理算法。完全自动化能显著提升效率，但需确保AI在极少监督下正确运行。同时需警惕自动化自满风险：用户过度依赖AI可能导致故障发现滞后。
需要强调的是，增强与自动化并非严格二元对立。许多成功方案融合二者——自动化子任务，同时保留人类最终决策权。产品设计需思考：用户是否需要监督？他们享受该环节的自主操作，还是希望AI代劳？
理解这个维度帮助团队正确定位AI功能。若用户重视过程控制（如许多人享受照片编辑或文本创作的乐趣），纯自动化方案可能因剥夺人性化元素适得其反。此时提供可调整的AI建议能保留用户主动权。反之，对繁琐任务（如从数千日志中筛选异常），自动化能释放效率，让用户专注高阶工作。
维度二：优化 vs. 满意即可
并非每个AI功能都需产出完美结果。有时“足够好”即是最好。这个维度关注AI输出的质量标准和目标。
优化（最高质量输出）：此端要求尽可能准确、优质或最优的结果。医疗诊断AI或法律合同生成等高风险场景属于此类，需要达到或超越专家水平。优化通常需要复杂模型、大量训练数据和严格评估来最小化错误率。
满意即可（达标输出）：此端接受基本达标的输出，尤其当更高精度需不成比例的资源投入时。该术语由诺贝尔奖得主赫伯特·西蒙提出，描述寻求满意解而非最优解的决策。内容创作者可能更看重AI快速生成草稿而非耗时数小时的“完美”文章，因为初稿仅需提供创作起点。满意即可强调实用主义——在边际收益递减时，略微提升可能不值得复杂实现。
2×2矩阵解析
将两个维度交叉，形成四个象限：
高风险副驾驶（增强+优化）：如医疗影像AI辅助放射科医生，在保持人类监督的同时优化诊断精度。设计需注重透明度和渐进信任建立，例如初期以“静默模式”验证AI准确性。
日常AI助手（增强+满意即可）：如Gmail智能撰写，通过快速建议提升效率。设计关键在于无缝交互和用户控制，允许轻松覆盖AI输出，并明确设定辅助预期。
自主精密系统（自动化+优化）：如云平台自动故障响应系统，需严格验证和故障保护机制。建议采用分阶段实施策略，从增强模式逐步过渡到全自动化。
自主实用工具（自动化+满意即可）：如电商推荐引擎，通过规模化近似匹配创造价值。设计需关注容错机制和可度量标准，允许快速迭代而不强求完美。
聚焦价值核心
在AI炒作泛滥的时代，关键问题不是“我们能自动化什么”，而是“什么值得自动化”。AI意图矩阵提供了实用视角：
- 将AI置于真正提升体验之处，而非徒增复杂性
- 在用户需要控制的领域保持人类主导
- 避免技术超限使用
- 权衡AI引入是否带来实质改进
该矩阵既防止过度自动化（如用户更倾向协作的场景），也揭示无需AI的解决方案。正如Google PAIR指南所建议，AI引入应以显著提升用户体验为依据。
相反，矩阵也能识别黄金机会——或是让用户感觉拥有AI伙伴的增强功能，或是默默处理庞杂任务的自动化方案。重要的是使雄心与团队能力、技术支撑相匹配。从解决真实需求的“足够好”AI功能起步，往往是明智之选。
结语
AI时代容易陷入“万物皆可AI”的迷思，但智慧在于明辨：有些应留给人性，有些可托付机器。优秀AI功能要么赋能用户，要么隐入背景处理琐务。通过AI意图矩阵的双维考量，产品团队能在无限可能中做出更优选择。精心规划的小范围成功，远胜于过度设计的失败。
阅读原文：https://uxdesign.cc/designing-ai-with-purpose-the-ai-intention-matrix-04f1ab20bd91