איך נכון לאפיין ולעצב מוצרי AI (שבאמת עובדים)

לפני כחודשיים ישבתי עם צוות מוצר בסטארט-אפ SaaS שבנה כלי AI לניהול משימות. הם הראו לי את המוצר והדבר הראשון שראיתי היה מסך עם תיבת טקסט ריקה וכיתוב "Ask me anything". שאלתי את המשתמשים שלהם מה הם מרגישים כשהם פותחים את הכלי בפעם הראשונה, והתשובה הכי נפוצה הייתה: "אני לא יודע מאיפה להתחיל." מוצר עם טכנולוגיה מצוינת, אבל חוויית משתמש שלא נתנה כיוון.
בשנתיים האחרונות יצא לי לעצב מוצרי AI, מכלי SaaS ועד מוצרים פנימיים בחברות גדולות. בהתחלה כל פרויקט הרגיש שונה לגמרי, אבל לאט לאט התחלתי לראות דפוסים שחוזרים על עצמם שוב ושוב.  בדקתי כלים כמו Cursor, Perplexity, Lovable, Figma AI, Make, Notion AI, ומוצרי SaaS שעיצבתי בעצמי. תחומים שונים, קהלים שונים, אבל אותן שאלות בדיוק.

אני רוצה לשתף אתכם בשישה דפוסים שזיהיתי שיכולים לעזור לכם לעצב מוצרים מבוססי AI. הדפוסים האלה יעזרו לכם להבין איך בונים אינטראקציה עם AI שמשתמשים באמת יכולים לסמוך עליה. לא בגלל שהטכנולוגיה מושלמת, אלא בגלל שהממשק נותן להם שליטה והבנה של מה קורה מאחורי הקלעים.

1. תיבה ריקה זה לא מספיק (States Empty Guided)

פותחים כלי AI חדש בפעם הראשונה. יש תיבת טקסט, והיא ריקה. אנשים כבר יודעים לכתוב לצ'אט, ChatGPT לימד את זה את כולנו. אבל שימו לב להבדל: כשמגיעים לכלי ספציפי, לרוב לא יודעים מה הוא יכול לעשות בדיוק, מה הגבולות שלו, ואיפה הוא באמת מוסיף ערך לעומת כלי כללי.
ב-Lovable, ה-placeholder כבר מספר משהו ספציפי. לא "anything me Ask", אלא הצעה קונקרטית שמלמדת מה הכלי עושה ומה אפשר לצפות ממנו. ב-Make Figma הלכו צעד נוסף: יש כפתורים שמתחילים פעולה מיידית, לא רק הצעות, אלא נקודות כניסה שמפחיתות את החיכוך בין "אני רוצה לנסות" ל"אני מתחיל לעבוד." ב-ChatGPT תראו גישה שלישית: Dropdown שנותן למשתמש להבין את האפשרויות של מה שאפשר לעשות. וב-AI Notion, שילבו את ה-AI בתוך תפריט commands slash שכבר מוכר למשתמשים, כלומר במקום ללמוד ממשק חדש, המשתמש משתמש בדפוס שהוא כבר מכיר ומגלה יכולות AI בתוכו.

Lovable — Guided Empty State

Figma Make — Clickable Starting Points

העצה שלי: תנו למשתמשים נקודת התחלה ברורה. ככל שהמוצר ספציפי יותר, ההנחיה צריכה להיות יותר ממוקדת. אם המוצר שלכם עושה דבר אחד טוב, תראו את הדבר הזה כבר במסך הראשון. אם יש כמה יכולות, סדרו אותן לפי התרחישים הנפוצים ביותר.

2. להראות את החשיבה, לא רק את התוצאה (Thought of Chain ו-Processing Transparency)

יש כאן שני דברים שנראים דומים אבל שונים, וחשוב לי לחזור ולהדגיש את ההבדל כי הוא משפיע על איך אתם מתכננים את הממשק.
הראשון הוא Thought of Chain: ה-AI מראה את שלבי החשיבה שלו בזמן אמת, לפני שמגיע לתשובה. "ראשית בדקתי X, אחר כך שקלתי Y, ולכן הגעתי ל-Z. "ב-Cursor אפשר לראות את זה בפועל, שלב אחרי שלב, לפני שהקוד מוצע.

זו לא רק שקיפות, זה מאפשר למפתח לזהות בדיוק איפה ה-AI הלך לכיוון שגוי ולתקן אותו מוקדם, לפני שמשקיעים זמן בפתרון לא נכון. ב-Claude הוסיפו thinking extended, שמראה את תהליך החשיבה המלא, כולל ספקות ושיקולים. ב-Perplexity זה קצת שונה: החשיבה והמחקר קורים ביחד, רואים את
ה-AI סורק מקורות ומעריך אותם בזמן אמת, כך שתהליך החשיבה הוא גם תהליך האיסוף עצמו.

Perplexity — Chain of Thought Reasoning

השני הוא Processing Transparency ברמה רחבה יותר. ב-Claude Codeרואים בזמן אמת אילו קבצים
נקראים ואילו פקודות מורצות. וב-Notion AI, כשמבקשים סיכום של מסמך, רואים אנימציה שמראה שה-AI "קורא" את הטקסט. זה נראה כמו פרט קטן, אבל זו בדיוק הנקודה: כשה-AI מבצע פעולות בעולם האמיתי, לא רק כותב טקסט, השקיפות הזו הופכת להיות קריטית.

שני הדפוסים פותרים את אותה בעיה בסיסית: ה-AI לא צריך להיות קופסה שחורה.

כמה דרכים לשלב את זה בתכנון:

• אם המוצר שלכם עושה חיפוש או מסיק מסקנות, הראו את מקורות המידע ולא רק את התוצאה.
• אם יש תהליך חשיבה (reasoning), חשפו אותו גם אם הוא ארוך, משתמשים יכולים לדלג עליו אבל הם צריכים את האופציה.
• אם ה-AI מבצע פעולות (כלים אג'נטיים), הראו כל פעולה לפני שהיא מתבצעת ואחריה.

3. שליטה לפני ואחרי (Draft-First, Iterate, Undo)

לפני כמה חודשים ראיתי כלי AI בחברת B2B שמתזמן פגישות אוטומטית. שולח מיילים בלי לשאול, מפרסם תוכן, מעביר משימות. הרעיון היה לחסוך זמן, אבל אחרי טעות אחת, אחת בלבד, שבה נשלח מייל לא נכון ללקוח, הצוות הפסיק להשתמש. זו לא בעיה טכנית, זו בעיה של עיצוב. כשה-AI פועל בלי לשאול, המשתמש
מאבד שליטה. וכשמשתמשים מרגישים שאיבדו שליטה, הם מפסיקים לסמוך.

שליטה קיימת בשני שלבים:
לפני שה-AI פועל: ב- GitHub Copilot, קוד מוצע מופיע באפור, Tab פירושו "כן" ו-Esc פירושו "לא". שליטה מלאה בלי לשבור את הזרימה. ב-Google docs הטקסט שה-AI מציע מופיע בצבע אחר עם כפתורי Discard/Accept. ה-AI מציע, האדם מחליט. ככל שכלים הפכו לאג'נטיים יותר, הדפוס התפתח: במקום לאשר
כל שלב, חלק מהכלים נותנים לבחור מראש את רמת האוטונומיה. ב-Cursor למשל,  Plan Mode ,Ask Mode ו-Agent Mode הם שלוש רמות שונות של שליטה, והמשתמש בוחר לפי ההקשר.

שלוש שאלות שעוזרות להחליט מתי צריך אישור:

• האם הפעולה ניתנת לביטול? )אם לא, חובה לשאול(
• האם היא משפיעה על גורמים חיצוניים? )שליחה, פרסום, מחיקה(
• האם היא עלולה לגרום נזק אם תהיה שגויה?

אחרי שה-AI הציע יש שני סוגים של שליטה שכדאי להבחין ביניהם.

הראשון הוא Fine tuning: ב-Midjourney, אחרי שה-AI מייצר 4 אפשרויות, כפתורי V (וריאציה) ו-U(שדרוג) נותנים שליטה מדויקת על הכיוון, בלי לכתוב prompt מאפס. ב-AI Figma אפשר לבקש וריאציות על עיצוב שנוצר ולהשוות בין גרסאות זו לצד זו.
השני הוא undo, ורמה שונה לגמרי. זה לא לכוון את מה שה-AI עשה, אלא לחזור אחורה לפני שהוא עשה אותו.
ב-Lovable אפשר לחזור לכל גרסה קודמת של הפרויקט, כולל history git מלא. ב-AI Notion כל שינוי שה-AI עשה אפשר לבטל ב-Z+Cmd פשוט. אנשים מוכנים לנסות דברים חדשים כשהם יודעים שאפשר לחזור אחורה, וזו נקודה שמעצבים רבים לא נותנים לה מספיק משקל.

Lovable — Revert to Previous Version

Figma AI — Undo / Compare Options

4. חשיפה הדרגתית של יכולות (Disclosure Progressive)

5. כמה אפשר לסמוך על התשובה (Confidence indicators)

ה-AI תמיד נשמע בטוח. זה אחד האתגרים הכי גדולים בעיצוב מוצרי AI: המשתמש לא יודע אם התשובה מבוססת על נתונים מוצקים או על ניחוש סטטיסטי. בשיחה חופשית זה לא תמיד בעיה, אבל בהחלטות שיש להן השלכות, כמו רפואה, כספים, או משפטים, זה הופך לקריטי.

שתי דרכים עיקריות לתת למשתמש את המידע הזה:

Tooltip — Indicator Confidence המציג את רמת הוודאות של ה-AI

אהבתם את הפוסט? אולי תאהבו גם את עמוד הפייסבוק שלנו, אנחנו מעלים טיפים יומיים על נושאים שמרגשים אותנו.