生成式 AI 的讽刺：理解并减轻人机交互中的生产力损失
人机交互
2024-02-20 v1
摘要
生成式 AI（GenAI）系统为编程和写作等许多任务提供了提高用户生产力的机会。然而，虽然它们在一些研究中提升了生产力，但许多其他研究表明，用户在使用 GenAI 系统时效率低下，导致生产力损失。尽管这些可用性挑战看似新颖，但这种“自动化的讽刺”在人因工程研究中已被观察了三十多年，涉及航空、自动驾驶和情报等领域的自动化引入。我们借鉴这一广泛的研究以及最近的 GenAI 用户研究，概述了 GenAI 系统导致生产力损失的四个关键原因：用户角色从生产转向评估、工作流程的无益重组、中断，以及自动化使简单任务更简单而困难任务更困难的倾向。随后，我们提出了人因工程研究如何通过连续反馈、系统个性化、生态界面设计、任务稳定和明确的任务分配等方法，为 GenAI 系统设计提供信息以减轻生产力损失。因此，我们将 GenAI 系统可用性的发展建立在数十年的人因工程研究基础之上，确保这一快速发展的领域中的人机交互设计能够借鉴历史而不是重蹈覆辙。
引用
@article{arxiv.2402.11364,
title = {Ironies of Generative AI: Understanding and mitigating productivity loss in human-AI interactions},
author = {Auste Simkute and Lev Tankelevitch and Viktor Kewenig and Ava Elizabeth Scott and Abigail Sellen and Sean Rintel},
journal= {arXiv preprint arXiv:2402.11364},
year = {2024}
}