如何为企业设计代理工具

文章

如何设计用于工作的代理工具

与 Google Cloud AI 用户体验和设计负责人 Sheta Chatterjee 和 Figma 编辑 Jenny Xie 的对话。插图由 Pedro Sanches 提供。

Gemini Enterprise 团队分享了他们使复杂多代理工作流程变得简单、直观和值得信赖的方法。

设计代理体验意味着要在让 AI 易于接近和强大之间找到平衡。在商业环境中，这个任务更具挑战性：除了让复杂的协作高风险工作变得直观外，还需要赢得用户的信任。这就是 Google Cloud AI 团队在设计 Gemini Enterprise 时所追求的目标。“我们的指导原则是用户应该始终专注于他们的目标，而不是管理 AI，”用户体验和设计负责人 Sheta Chatterjee 表示。“同时，明确用户可以干预这一点至关重要。人们正在处理敏感信息并做出影响实际业务结果的决策。”

考虑到这一点，Sheta 及其团队在工具的每个部分都优先考虑简洁性和透明度，包括聊天界面、视觉仪表板、自定义代理构建器和共享项目空间。在分解每一个决策时，Sheta 揭示了他们如何构建一个代理体验，该体验主动解决我们在工作中面临的挑战——团队孤岛、多种工具、竞争截止日期——同时保持人们的流畅性。

你们团队是在 Gemini 消费者应用的基础上进行建设的。你们是如何处理这些体验既感觉相关又有所区别的？

从高层次来看，应该感觉像是一个品牌。火花图标、引导渐变、圆润形状和有意的动画统一了两种体验。我们区分的地方在于功能层面。例如，虽然提示框与消费者应用一致，但在提示时会更突出连接器。与您企业使用的工具（如 Google Workspace、Jira 和 Notion）集成是确保助手拥有所有正确上下文的关键。

但我们还想超越提示框思考。未来的工作正从单一命令转向编排。您正在使用多个工具，从多个来源提取数据，并将复杂任务委托给多个代理。我们引入了 AI 收件箱：一个实时仪表板，显示您的代理正在做什么、已完成什么以及需要您干预什么。您可以一目了然地看到市场分析将于明天早上到期，并且已准备好审核。视觉工作流更像是团队检查，而不是来回聊天线程。

这是另一个关键区别：这不是一个单独的生产力工具。团队合作的需求如何塑造设计？

我最自豪的设计决策之一是从个人聊天线程转变为持久的共享项目空间，在这里 AI 像是团队的另一名成员——执行任务、总结讨论、调用项目文件。

它在每个人都可以查看和引用的空间中完成所有这些任务，每个请求都归因于团队成员。这一简单的设计决策对于问责制至关重要，也让其他人理解代理行动的背景。通过在协作空间中保持存在，助手填补了团队的知识空白，因此如果工程师上传了技术规范，设计师可以询问细节而无需自己追踪规范。当今工作最大的问题是孤岛，AI 创建了一个单一的真实来源。正是这种自然整合 AI 的方式将其提升为团队智能放大器。

你们是如何考虑 AI 在不干扰的情况下帮助用户连接点的？

一个真正代理系统需要能够预测您的需求，因此我们希望确保 AI 是一个积极的合作伙伴。我们正在试验非侵入性的提示——比如，“您有一个项目截止日期即将来临。我是否应该起草一份状态更新？”或者，当您在聊天中时，如果它有话要说，它会举手吗？这些建议应该感觉神奇，而不是中断，所以我们正在迅速发展我们的设计模式，使其更符合您每天的工作方式。我们确保无缝工具集成是我们设计的基础支柱，以便 AI 对您的世界有深入的理解。

企业用户还需要感觉到他们可以信任 AI 处理敏感信息。你们如何在不让人感觉受限的情况下建立控制感和治理感？

透明度至关重要。消费者应用程序实时叙述其操作；企业版本则以更详细的粒度扩展这种思考状态。例如，如果你让代理跟踪最近发布的健康状况，它会陈述其计划：理解项目、在SurveyMonkey中分解客户反馈、在Jira中分析支持票证，并起草一份强调关键要点的备忘录。这是一种刻意的暂停和设计摩擦时刻，确保用户拥有最终决定权。所有响应中都会包含来源引用，以便人们能够确切了解信息来自何处。

当你创建自定义代理时，我们的Agent Designer允许你定义一个“框架”——一个治理层，规定代理可以访问哪些数据、可以使用哪些工具以及何时必须停止并请求许可。这将安全性和逻辑控制直接交到用户手中。

代理AI的能力正在不断增长。如何决定构建什么，并且如何在众多界面中保持一致性？

Figma是我们唯一的事实来源，从最早的构思工作一直到发布。我们在前端使用FigJam来绘制用户目标、理解旅程并投票选择想法。然后我们进入更高保真度的工作阶段。

当我们考虑做出改变时，我们必须考虑到它如何级联和扩展到我们想要添加的所有功能，因为我们才刚刚开始这段旅程。对于这样一个规模的系统，在Figma中构建、记录和维护设计系统至关重要。我们可以达到在Figma中所需的细节水平，这是通过感觉编码无法实现的，可以细化细节并管理复杂状态。由于我们只有一个事实来源，我们可以与消费者团队交叉参考，确保一方的成功实验在另一方也能得到反映。

在Shortcut上获取Sheta对当前AI设计领域的广泛看法。

喜欢你看到的内容吗？

订阅《The Long & Short of It》，直接发送到你的收件箱。