第 12 章 AI 时代的 ToB 设计（旗舰章）

这是第三篇的最后一个旗舰章,也是全书最具前瞻性、变化最快的一章。

我必须先说一句老实话:这一章讲的东西,正处在剧烈的演变之中。这本书写下的某些具体范式、某些产品案例,几年后可能就过时了。但我相信,这一章试图传递的那些底层判断,关于人和智能体的关系、关于信任、关于人始终该处于的位置,会比任何具体的范式都活得更久。所以请这样读这一章:记住原则,而不只是记住案例。当某个具体范式过时了,只要你守住了原则,你依然能为那时的新技术做出好设计。

先把这一章的核心命题立起来:ToB 设计正在从"设计功能"转向"设计智能体"。这是一次范式级的转变,它带来的设计问题是全新的,而这一代 ToB 设计师,将亲手定义这套新范式的设计语言。这既是挑战,更是机遇,你们站在了重新定义一门手艺的历史节点上,这样的机会,几十年才有一次。

12.1 从"功能"到"智能体":ToB 设计的范式迁移

要理解这次转变有多深,先看清"之前"和"之后"的根本不同。

过去,我们设计的是"功能"。这套范式的内核是:用户主动操作,系统被动响应。用户点这个按钮,系统做这件事;用户填这个表单,系统存这条数据。系统是一个工具,所有的主动性、判断、决策,都在人这一边。我们前面十一章讲的大部分内容,本质上都是在这套"人操作工具"的范式下,把工具设计得更好用,让按钮更好点、表单更好填、信息更好找。

现在,我们开始设计"智能体(Agent)"。这套新范式的内核是:用户表达意图,智能体自主地拆解、规划、决策、执行,人在关键节点介入和把关。系统不再是一个被动等待指令的工具,而是一个能主动行动、有一定自主性的"协作者"。用户不再事事亲为,而是把一部分工作"委托"给智能体。

这个转变有多大?它几乎颠覆了交互设计的根基。

过去我们设计的核心是"控件":按钮、表单、菜单,它们是用户操作工具的把手,我们琢磨的是怎么把这些把手做得顺手。而当系统能理解意图、自主行动,很多操作不再需要用户手动去点了,你只要说出你想要什么,智能体替你完成中间的一连串操作。交互的重心,从"怎么操作"转向了"怎么委托、怎么监督、怎么信任"。

打个比方:过去你设计的是一辆车的方向盘、油门、仪表盘,让司机能精准地操控;现在你要设计的,是司机和一个自动驾驶系统之间的关系,什么时候系统自己开、什么时候交还给人、系统在干什么怎么让人知道、人想接管怎么接管。这是完全不同的设计问题。

这个转变在 ToB 领域尤其重要,因为 ToB 的大量工作,恰恰是那种"流程明确、规则清晰、重复繁琐"的工作,这正是智能体最能发挥价值的地方。一个能自主完成"线索资格判定""工单分类与初步处理""数据录入与核对""合同关键条款提取"的智能体,能把人从大量机械劳动中解放出来,去做更需要判断的事。

业界对这个趋势的判断相当激进:有研究机构预测,到 2026 年底,大约百分之四十的企业应用会内置面向具体任务的 AI 智能体,而这个比例在 2025 年还不到百分之五。这是一条非常陡峭的增长曲线。它意味着,智能体设计不是遥远的未来,而是正在发生的当下。作为 ToB 设计师,你几乎一定会在职业生涯里,大量地设计这类智能体,可能就在明年。

12.2 六类 AI 设计范式

面对全新的范式,我们并非毫无依凭。这两年,业界已经在实践中沉淀出了一批可落地的 AI 设计范式。我把其中六类整理出来,它们是当下设计 AI 功能时最实用的工具箱。我会逐一解释,并指出它和本书前面哪些原则相通,你会发现,很多"新"范式,其实是老原则在新场景的延续。

一是渐进披露(用在 AI 上)。这其实是老朋友(第五章)的新用法。AI 能力强大但也复杂,不能一股脑全抛给用户。好的做法是循序渐进:先给一个简单的入口和明确的默认行为(比如一个搜索框、一句"告诉我你想做什么"),用户想要更多控制时,再逐层展开高级选项(调参数、看中间过程、改设置)。让用户从简单用起,逐渐深入,而不是一上来就被一堆 AI 参数和选项吓退。

二是意图导航(Intent-based navigation)。传统导航是"用户自己找路",在菜单和层级里点来点去,得先懂系统的结构。意图导航则是"用户说出目的地,系统带他过去",用户用自然语言表达想做什么("帮我找上个月华东区未回款的订单"),系统理解意图后直接把他带到对应的功能或结果。这把第十一章末尾、第六章命令面板的思路推到了极致:用户不再需要懂系统的结构,他只需要表达需求。对那些结构庞杂、菜单很深的 ToB 系统,意图导航是降低学习成本的利器。

三是生成式默认(Generative defaults)。让 AI 根据上下文,主动为用户预填、预生成一个合理的初始内容或方案,用户在此基础上修改,而不是从零开始。这接续了第四章"合理默认值"的思想,但 AI 让默认值变得智能、动态、贴合上下文。比如自动根据邮件内容草拟一份回复、根据历史数据预生成一份报告初稿、根据客户情况预填一份方案。它的价值是把用户从"面对空白页"的最难起步阶段解放出来,改一稿,永远比从零写一稿轻松。

四是环境化副驾(Ambient copilot)。AI 不是一个需要专门去"打开"的独立功能,而是像副驾驶一样,安静地伴随在用户的工作流里,在恰当的时机提供帮助,你写到一半,它适时给个建议;你卡住了,它就在手边。它的关键是"环境化":不打断、不抢戏,需要时在,不需要时隐。微软的 Copilot 走的就是这条路,它嵌在用户日常的办公和业务流程里(Word、Excel、邮件),尤其在文档、邮件这类场景中作为随时可用的助手存在,而不是一个要你专门切换过去的独立应用。环境化副驾的设计难点,恰恰在那个"分寸":出现得太频繁、太主动,就成了打扰(像那个著名的、人人喊打的曲别针助手);太隐蔽,又等于没有。

五是置信度表达(Confidence affordance)。这是 AI 设计特有、且极其重要的一类。AI 的输出是有不确定性的,它可能对,也可能错(甚至会"一本正经地胡说")。诚实地把这种不确定性表达出来,这个结果我有多大把握、这是确定的事实还是我的推测、这个数据是从哪来的,是建立信任的关键。一个假装永远正确的 AI,一旦出错(它一定会出错),就会彻底摧毁用户的信任:"它居然把这个错的东西说得这么肯定,那它说的别的我还能信吗?";而一个会说"这一项我不太确定,建议你核实一下"的 AI,反而更值得托付,因为它诚实,用户知道什么时候该信、什么时候该多看一眼。如何优雅地表达置信度(用语言、用视觉标记、用"我的依据是"),是 AI 时代设计师的一项新基本功。

六是临时个性化(Ephemeral personalization)。AI 能根据当下的上下文,临时地调整界面和行为,以贴合用户此刻的需求,而这种调整是"临时的"、随情境变化的,而非固化的设置。它让系统能动态地适应用户每一刻的真实处境。这一点和下一节的生成式 UI 紧密相关。

这六类范式,不是僵化的教条,而是一套灵活的工具箱。面对一个具体的 AI 功能,你可以从中挑选、组合。但要记住,所有这些范式,都要服从于下一节要讲的那条最高准则。范式是"术",下一节的准则才是"道"。

12.3 生成式 UI 与人机协作:让用户始终在驾驶位

AI 给设计带来的最激进的可能,是"生成式 UI(Generative UI)":界面不再是设计师预先画死的,而是由 AI 根据用户的意图和当下的上下文,实时地、动态地生成。

举个常被引用的设想:一个旅行类应用,当 AI 感知到用户正站在机场登机口,它不再显示那个此刻毫无用处的"预订机票"按钮,而是把界面动态地换成一张大大的登机牌二维码,外加一张去最近咖啡馆的地图。界面跟着用户的真实处境走,而不是让用户在一个固定的界面里自己去找此刻需要的东西。这是"临时个性化"的极致形态,也代表了交互的一种全新可能:界面从"为所有人、所有时刻设计的一个固定版本",变成"为这个人、这一刻生成的专属版本"。

生成式 UI 听起来很美,但它打开了一个危险的潘多拉魔盒。

如果界面可以被 AI 随意生成、随时改变,那么用户赖以建立的那种"确定性"和"掌控感"(第一章反复强调的)从何而来?如果每次打开系统看到的都不一样,用户怎么形成稳定的心智模型、怎么建立肌肉记忆(那个熟练工赖以高效的东西)、怎么信任这个总在变的系统?在低容错的 ToB 场景,一个今天这样、明天那样的界面,可能直接动摇用户对系统的信任根基。这是生成式 UI 必须面对的根本张力:动态适配带来的便利,和稳定可预期带来的掌控,二者天然冲突。

这就引出了整个 AI 设计的最高准则,我认为它高于前面所有的范式,是这一章最该被记住的一句话:

无论智能体多么自主、界面多么智能,用户都应该始终感觉自己"在驾驶位"上。

这句话的意思是:AI 可以替用户做很多事,但用户必须始终保有掌控权,他要能理解 AI 在做什么、要能在需要时介入和干预、要能否决和纠正、要能随时收回控制权。AI 是副驾,不是抢方向盘的人。用户是那个始终握着方向盘、随时可以踩刹车的司机。

这条准则,为生成式 UI 那个危险的魔盒,提供了缰绳。它告诉我们:动态、智能、自主,这些都好,但它们的边界是"不能剥夺用户的掌控感"。再聪明的 AI,也不能让用户陷入"我不知道发生了什么、也无力改变"的失控境地。一旦越过这条线,无论 AI 多强大,体验都是失败的,因为它违背了 ToB 最根本的需求:确定性和可靠性。

在 ToB,这条线尤其不能碰,因为这里的每一个操作都可能事关真金白银和合规安全(第一章的低容错)。一个在 ToC 里可以接受的"AI 自作主张帮你改了点东西",在 ToB 里可能就是一场事故。所以,ToB 的 AI 设计,要比 ToC 更克制地对待"自主",更坚决地守住"用户掌控"。

12.4 透明、可解释、可干预、可恢复,与风险治理

"让用户在驾驶位"这条准则,落到具体设计上,可以拆成四个要求。它们是把抽象准则变成可执行设计的抓手,你可以把它们当成 AI 功能的设计 checklist。

透明:让用户知道 AI 在做什么。智能体在自主行动时,不能是个黑箱。它正在做什么、做到哪一步、基于什么在做,这些要对用户可见。一个在后台默默替你改了一堆数据、你却毫不知情的智能体,是可怕的。透明,是掌控的前提,你得先知道发生了什么,才谈得上掌控。设计上,这意味着要让 AI 的行动"可见":正在执行哪一步、处理了哪些对象、有一份可查的操作记录。

可解释:让用户理解 AI 为什么这么做。智能体给出一个结论、做出一个决策,要能解释它的依据,它看了哪些信息、基于什么推理、参考了哪些数据。这在 ToB 尤其关键。有一个判断值得每个 AI 设计师记住:在企业场景,用户不会把任务委托给一个他无法理解其推理的智能体,所以界面要让"证据"优先于"简洁"。这和我们前面一直强调的"简洁"似乎矛盾(第五、七章一直在讲降噪、做减法),但在 AI 决策的场景下,这是一个重要的价值排序调整:展示推理依据、给出证据,比单纯的简洁更重要。因为没有证据,就没有信任;没有信任,用户就不敢用,你那个简洁的界面也就成了摆设。举个例子:一个 AI 把某笔交易标记为"高风险",如果它只甩出"高风险"三个字,审核员不敢据此行动;但如果它同时给出"因为:该账户近 1 小时内有 5 笔异地大额交易,且收款方在黑名单关联图谱中",审核员就能判断、就敢行动。后者信息更多、没那么"简洁",但它有用得多。

可干预:让用户能随时介入。在智能体行动的过程中,用户要能在关键节点暂停、修改、否决、接管。尤其是那些有重大后果的操作,绝不能让智能体一路自主执行到底而不给人介入的机会。设计"人在回路(human-in-the-loop)"的介入点,在哪些环节必须等用户确认、在哪些环节用户可以叫停,是 AI 设计的核心工作之一。这里有一个分级的智慧:不是所有事都要人确认(那 AI 就没意义了),也不是所有事都让 AI 自主(那太危险)。要按"后果的严重性和可逆性"来分级:低风险、可逆的,让 AI 自主做、事后可查可撤;高风险、不可逆的,必须停下来等人确认。这个分级,和第六章"可撤销 vs 二次确认"的判断逻辑是一脉相承的。

可恢复:让用户能纠正错误。AI 会犯错,这是必然的。所以当 AI 做错了,用户要能方便地纠正、撤销、回退。这其实是第六章"可恢复"原则在 AI 时代的延续和加强:当系统的自主性更高、能一次做更多事时,"能回退"就变得更加重要。一个能批量自主操作、却没有回退机制的智能体,是一颗定时炸弹,它正确时帮你做一百件事,出错时也能一口气搞砸一百件事。所以,智能体的自主程度越高,它的"刹车和倒车"就要做得越扎实。

透明、可解释、可干预、可恢复,这四个词,是"让用户在驾驶位"的具体落地。把它们设计到位,你的 AI 功能就有了让用户敢于信任、放心委托的基础。

最后,必须谈风险,因为 AI 给 ToB 设计带来的不只是机遇,还有真实的隐患,设计师有责任去防范。

一是界面同质化的风险。当大家都用 AI 来生成设计、套用同样的几套"被验证过的"模式,界面会越来越像、越来越雷同。有数据显示,用 AI 工具生成的界面里,相当大比例(超过四成)采用了高度相似的导航结构和组件。这种同质化,长远看会扼杀设计的多样性和创新,也会让产品丧失差异化,大家长得都一样,凭什么选你?设计师要警惕,别让 AI 把自己变成一个只会套模板的人。你的独特判断、对具体业务的深刻理解,恰恰是对抗同质化的武器。AI 能生成"通用的、平均的"界面,但生成不出"为这个特定业务、这群特定用户量身定制的"洞察,那需要前奏和第二、三章讲的对业务和用户的深入理解。这又回到了贯穿全书的护城河论:越是 AI 时代,理解业务、做出独特判断的能力越值钱。会被取代的是"套模板的手",不会被取代的是"懂业务的脑"。

二是可访问性被破坏的风险。动态生成的界面,可能打乱屏幕阅读器的朗读顺序、破坏键盘导航的逻辑,让依赖辅助技术的用户陷入混乱。生成式 UI 的灵活,不能以牺牲无障碍为代价,一个为视力正常用户"智能优化"的动态界面,对一个依赖屏幕阅读器的视障用户,可能是一场灾难。这要求在 AI 生成的边界上设置约束,并遵循专门的无障碍准则,这一点,下一章会专门展开。

三是信任的脆弱性。信任是 AI 产品的命脉,而它极其脆弱,建立起来很慢,崩塌却在一瞬。一次严重的、没有被恰当处理的 AI 错误,可能让用户从此再也不敢用这个功能("上次它把我坑惨了,再也不用了")。所以,前面讲的透明、可解释、置信度表达、可恢复,本质上都是在小心翼翼地呵护这份脆弱的信任。在 AI 设计里,信任不是一个软性的"加分项",而是决定生死的"基础设施"。一个不被信任的 AI 功能,做得再强大也没人用。

本章要点清单

读法:记住原则,而非只记案例——具体范式会过时,底层判断长存。
范式迁移:从"设计功能"(人操作工具)到"设计智能体"(人委托协作者);交互重心从"怎么操作"转向"怎么委托/监督/信任"。
六类范式工具箱:渐进披露、意图导航、生成式默认、环境化副驾(分寸是关键)、置信度表达、临时个性化。
最高准则(高于一切):让用户始终"在驾驶位"。AI 是副驾不是抢方向盘的人。ToB 因低容错,要比 ToC 更克制对待"自主"。
四个落地:透明(知道在做什么)、可解释(理解为什么——企业场景"证据优先于简洁")、可干预(按后果严重性/可逆性分级设介入点)、可恢复(自主越高、刹车越要扎实)。
三类风险:界面同质化(用"懂业务的脑"对抗)、可访问性破坏、信任脆弱(信任是生死基础设施,非加分项)。

小结

这一章,我们直面了 AI 给 ToB 设计带来的范式级转变:从设计功能到设计智能体。我们梳理了六类可落地的 AI 设计范式,但更重要的是确立了那条高于一切的最高准则:让用户始终在驾驶位。我们把这条准则拆解为透明、可解释、可干预、可恢复四个可执行的要求,特别厘清了"在企业场景,证据优先于简洁"这个重要的价值排序;最后我们正视了同质化、可访问性、信任脆弱这三类真实的风险。

请再次记住这一章开头的提醒:具体的范式和案例会过时,但"人始终在驾驶位"这个原则会长存。守住它,你就能在这场剧烈的变革里,不被潮流裹挟,做出真正经得起时间检验的设计。

第三篇"进阶"到此结束。在进入最后一篇之前,还有一个横跨各章、却必须专门正视的话题:安全、合规与可访问性。它们是 ToB 设计不可逾越的约束,也是 AI 时代愈发紧迫的责任(这一章已经两次预告了可访问性的新挑战)。下一章,我们就来谈它。