收益：
- 能够在设计原创性、版权、数据隐私和暗模式道德方面负责任地构建人工智能的使用
- 能够根据任务选择 Figma、Miro 和基于大语言模型的 UX 工具并将其集成到工作流程中
- 能够创建个人和企业人工智能使用政策和验证清单
在本模块中，我们在用户体验工作流程的每个阶段都使用人工智能作为加速器。最后一个单元将所有这些权力放入一个负责任的框架中：道德界限、数据隐私、版权和知识产权，以及为正确的工作选择正确的工具。对于设计师来说，这些并不是“额外的关注”，而是职业的核心；因为设计指导着数百万人的行为，而这种力量可能会被滥用。人工智能并没有消除这种责任，而是增加了这种责任：当工具代表您进行快速生产时，输出的道德和法律结果仍然是您的。
黑暗模式：滥用权力
深色模式是一种欺骗用户采取他们不想要的操作的设计：隐藏取消按钮，以尴尬的方式写“不”（“不，我不想保存”），故意让取消订阅、预先勾选的复选框变得困难。这些指标会在短期内夸大指标，但会破坏用户信任，并越来越受到法律制裁（许多国家的消费者保护法规禁止这样做）。
AI可以让你更轻松地制作深色图案；像“使取消按钮不明显”这样的请求在技术上是可以得到答复的。但这个要求是不道德的，应该被拒绝。车辆不是借口；责任始终在于设计师。道德设计的试金石很简单：“如果用户理解这个设计，他们还会接受它吗？”
注意：“人工智能建议”并不是一种辩护。不道德输出的责任在于在产品中使用它的设计师。
数据隐私和 KVKK：从开始到结束
自第一个单元以来我们一直强调的原则在这里得到了全面的体现。用户体验研究涉及个人数据，KVKK 保护这些数据。使用人工智能时，三个规则保持不变：
- 匿名：掩盖姓名、联系人、工作场所等标识符。
- 保持在同意的范围内：不要超出您告诉参与者的预期用途。
- 了解工具的数据策略：控制数据的存储位置以及是否用于模型训练；选择公司认可的工具。
将关键数据输入免费工具可能会将数据暴露给第三方。在企业环境中，请务必使用信息安全团队认可的工具。
版权、知识产权和原创性
人工智能产生的图像、图标和文本在版权方面是不确定的。图像生成器可能会产生与它所训练的工件过于相似的输出；这会产生侵犯他人知识产权的风险。对于商业用途来说，三个控件是必不可少的：
- 许可条款：您有权将该工具的输出用于商业用途吗？
- 相似风险：产出看起来与现有品牌或作品是否危险地相似？
- 原创性和透明度：必要时声明人工智能在创意作品中的贡献；请勿将他人的作品作为自己的原创作品呈现。
教育和创意领域的原创性也是一种职业道德。人工智能可能是一个起点，但最终的作品必须承担你的投入、判断和责任。
工具生态系统：用正确的工具完成正确的工作
人工智能工具大致分为三组。两者都不适合所有工作；按任务选择。
车辆类型
用法示例
他的实力是
注意
大语言模型（文本）
研究综合、用户体验写作、文档
文本生成和分析
幻觉、数据隐私
嵌入设计工具中的插件（例如 in-Figma）
线框、内容填充、布局
设计流程速度
一致性、组件粘合度
协作板插件（例如在 Miro 中）
亲和力图，头脑风暴
研究综合、分组
人工验证
图像/图标生成器
插图、概念视觉
快速的视觉创意
版权、许可、相似性
实用方法：用于文本和分析的语言模型、用于设计生成的工具内插件、用于合成的白板插件、用于视觉效果的生成器 - 但在每个模块中都适用该模块的验证反射。
三个迷你箱子
案例 1 — 拒绝深色图案请求。一位产品经理要求设计师“让取消流程变得如此困难，以至于没有人可以取消。”设计师解释说，这是一种暗色图案，带有信任和法律风险；相反，他设计了一个诚实的流程，为那些取消订单的人提供了另一种选择。取消率仍然可控，信任得以维持。
案例2——版权风险被发现。一个团队想要使用人工智能生成的类似徽标的图标。在合规性检查过程中，发现该图标与知名品牌存在危险相似性，因此未被使用。教训：始终检查视觉输出的相似性。
案例 3 — 防止泄露机密。一位设计师打算将客户对话和个人数据上传到未经批准的工具。制度政策阻止了这一点；数据首先被匿名化，并使用了经过认证的工具。教训：政策和匿名化是从一开始就应用的，而不是事后应用。
可复制的提示
从道德角度评估此设计请求：“<<请求>>”。是否误导用户，限制选择自由，是否是暗模式？ Litmus 测试：如果用户理解这一点，他们还会接受吗？如果有问题，建议一个诚实的替代方案。
检查此AI图像/图标输出是否用于商业用途：1）是否存在与知名品牌或作品相似的风险？2）在许可/商业用途方面我应该注意什么？列出要检查的要点以及必要时的“获得法律批准”警告。图像描述：<<文本>>
给我们写一份人工智能使用政策草案（供用户体验团队使用）：哪些数据可以/不能上传、匿名规则、批准的工具、输出验证步骤、版权控制、道德界限。给出简短、可操作的要点。
哪种类型的人工智能工具最适合这项任务？ “<<任务>>”。选项：语言模型/设计工具插件/白板插件/图像生成器。选择最合适的一项，证明其合理性并写下要考虑的风险。
弱提示/强提示
弱者：“我可以使用这张图片吗？”
结果是：做出模糊、肤浅的反应，无法评估风险。
Güçlü：“检查此图像输出是否用于商业用途：是否存在相似风险，在许可方面我应该注意什么，是否需要法律批准？”
结果：具体的风险清单和所需的批准通知。
区别：强提示分别查询相似度+许可+审批维度。
常见错误
- 通过说“人工智能建议的”来逃避责任。道德和法律结果取决于设计师。
- 将深色图案误认为是“优化”。任何欺骗用户的设计都会破坏信任和声誉。
- 使用不受版权控制的视觉输出。相似性和许可风险可能会导致业务灾难。
- 将关键数据输入未经授权的车辆。 KVKK 违规和数据泄露。
- 对每项工作使用单一工具。不根据任务类型选择车辆会降低效率和质量。
综上所述
人工智能的力量并不能消除责任；放大。道德设计拒绝欺骗用户；黑暗模式为了短期利益而牺牲信任和法律安全。数据隐私受到 KVKK 框架内的匿名、同意和批准工具的保护。版权和原创性需要相似性和许可控制，尤其是在视觉和创意输出方面。根据任务选择工具生态系统：语言模型到文本、工具插件到设计、电路板到综合、生成器到视觉 - 但在每个工具生态系统中，验证反射保持不变。制定您自己和您团队的人工智能政策；因此，速度与责任是平衡的。
应用任务
- 根据第三个提示，为您的用户体验团队制定一份简短的人工智能使用政策草案。
- 将该策略与该模块的身份验证和隐私策略进行比较并填补任何空白。
- 在第一个提示下将有问题的设计请求提交给道德试金石。
- 根据第二个提示检查您正在使用或将要使用的任何人工智能图像的版权。
- 创建自我验证清单并将其挂在办公桌上。
清单
- [ ] 我拒绝了深色图案的请求并提出了一个诚实的替代方案。
- [ ] 我应用了道德试金石（“如果用户理解它，他们会接受它吗？”）。
- [ ] 我对个人数据进行了匿名处理，并仅使用经批准的工具。
- [ ] 我检查了视觉输出的版权和相似性。
- [ ] 我将任务与正确的车辆类型相匹配。
- [ ] 我创建了 AI 使用政策和验证列表。
模块考试
1. 一位UX设计师在不看任何引用的情况下，将AI从20次采访中得出的“用户想要速度”主题放入他的研究报告中；在演示中，利益相关者问“在哪次会议上？”追问之下，也找不到依据。这种情况的主要教训是什么？
- A) 将人工智能输出与真实的采访引文连接起来并在未经验证的情况下使用； ✔ 忽视建立证据追踪的责任
- B) 严禁在研究合成中使用人工智能
- C) 会议次数应为 50 次，而不是 20 次
- D) 主题未以表格形式呈现
描述：人工智能可以产生流畅但毫无根据的主题（幻觉）。并非每个综合输出都应该在未经验证并链接回实际用户报价和来源的情况下进入报告或决策；责任在于设计者。
2. 以下哪项任务使用人工智能的风险最高，并且必须得到设计者的最终批准？
- A) 为线框生成三种不同的布局变化
- B) 为按钮文本提出五种替代方案
- C) 最终决定界面是否可访问并满足用户需求 ✔
- D) 总结会议记录
描述：关于无障碍审批和实际用户需求的最终决定是高风险的，因为它直接影响人们的体验。生成线框草稿或文本变体的风险较低；最终的判断和认可属于设计师。
3、将用户通话记录上传至AI之前，最关键的一步是什么？
- A) 按原样上传成绩单以及所有个人数据
- B) 匿名化个人数据（姓名、联系人、工作场所）并在同意和公司政策的范围内工作✔
- C) 首先将成绩单翻译成英文
- D) 将文字记录转换为视觉效果
描述：访谈记录包含姓名、电话和工作地点等个人数据。根据 KVKK 和同意限制，这些数据在转移到人工智能之前必须进行匿名或屏蔽；必须使用经单位认可的车辆。
4. 人工智能生成的角色包含诸如“老年用户害怕技术”之类的句子。什么是正确的做法？
- A）保持句子不变，因为人工智能是中立的
- B）完全删除人物角色
- C) 标记原型，用真实数据测试，如果不支持则删除✔
- D）进一步强调句子
解释：人工智能可能会因其所训练的数据而带有刻板印象和偏见。人物角色必须基于真实的细分数据；刻板印象应该被标记并根据数据进行测试，并且应该消除没有支持的概括。
5. 定性研究综合中的“亲和力映射”是什么意思？
- A) 通过对相似的观察结果和引用进行分组来达到主题的方法 ✔
- B) 衡量用户彼此亲密程度的调查
- C) 选择调色板的技术
- D) 原型动画的一种
说明：邻近图是将个人观察和引用根据相似性进行分组，并将其转化为主题。人工智能可以加速初始分组，但分组的含义必须经过人工验证。
6. 一位设计师告诉人工智能“编写按钮文本”，然后得到一个没有上下文的单字结果。应该添加什么才能使提示更强烈？
- A）只是说“写得更好”
- B) 用英语写出提示
- C) 多次重复相同的提示
- D) 显示的目的、用户背景、品牌基调、长度限制以及提供所需的变化数量 ✔
描述：强大的提示提供了背景信息：屏幕的目的、用户当前正在做什么、品牌基调、长度限制和变化数量。无上下文请求会产生通用且不可用的输出。
7. 在确定可用性测试结果的优先级时，如何确定“严重性”？
- A) 根据发现问题的人的资历
- B) 根据问题对用户的影响、频率和业务影响✔
- C) 根据报告中发现的顺序
- D) 根据人工智能给出的随机评分
描述：严重性由问题对用户影响的程度（是否妨碍任务完成）、已看到的用户数量以及业务影响等标准确定。人工智能可能会建议选秀排名，但最终的权重决定取决于设计师和他的团队。
8. 关于人工智能辅助功能建议（例如替代文本），哪一项是正确的？
- A) 人工智能认证保证可访问性，无需额外测试
- B）可访问性仅与颜色选择有关
- C) 不需要替代文本
- D) 人工智能产生草稿；辅助技术和用户测试证实了真正的可访问性✔
描述：人工智能可以为替代文本和对比度生成快速草图，但真正的可访问性只能通过屏幕阅读器和实际辅助技术用户的测试来确认。自动建议是初步的，而不是证据。
9、界面文字中，AI提示错误信息“您的操作失败，请重试”。 UX 写作方面最好的改进是什么？
- A) 将技术错误代码添加到消息中，不要打扰用户
- B) 完全删除该消息
- C) 用清晰且非指责性的语言写下发生了什么、可能的原因以及用户将采取的具体步骤 ✔
- D) 用大写字母写“ERROR”
描述：一条好的错误消息清楚地说明发生了什么、为什么以及用户应该做什么；这不会是指责。 “发生了什么+为什么+下一步”公式让用户保持在正轨上。 AI草图就是按照这个标准改进的。
10. 对于由文本生成界面的人工智能工具生成的线框，最正确的态度是什么？
- A) 直接使用输出作为最终设计
- B）根本不使用输出，因为它毫无价值
- C) 仅使用输出的颜色
- D) 将输出视为快速启动草稿，并通过内容、边缘案例和可访问性使其成熟✔
描述：这些工具可以生成快速入门草案，但缺乏实际内容、边缘情况、可访问性和心智模型等内容。输出是一个起点；设计师应该对此进行批评和成熟。
11. 人工智能在设计系统工作中最合适的用途是什么？
- A) 制作组件文档和使用文本草稿并由团队验证 ✔
- B) 无需审批自动发布整个设计系统
- C) 在不询问设计师的情况下更改品牌颜色
- D) 未经用户测试从系统中删除组件
描述：人工智能在快速生成组件文档、使用脚本、做/不做示例和令牌命名草稿方面功能强大。然而，他们的建议应该被检查是否与现行系统相冲突；单一性和一致性的决定取决于团队。
12. 设计师要求人工智能“让取消按钮不引人注目”，以实现隐藏设计，将用户重定向到不需要的订阅。这是什么问题？
- A）无害的微交互改进
- B) 无障碍改善
- C) 标准设计系统规则
- D) 误导用户、不道德且带有法律风险的暗色图案 ✔
描述：误导用户采取不良行为的设计是“黑暗模式”，这是不道德的，并且越来越受到法律制裁。 AI虽然是代理人，但责任在于设计者；应拒绝此类请求。
13. 在产品中使用人工智能生成的图像或图标集之前需要进行哪些控制？
- A) 无需控制，AI输出自由
- B) 验证车辆的许可条款、版权和接近类似作品的风险 ✔
- C) 仅检查文件大小
- D）计算图像的颜色数量
描述：人工智能图像在许可、版权和品牌相似性方面可能不确定。在商业使用时，应验证工具的许可条款、与类似作品的过度接近性以及知识产权风险；如有必要，必须获得法律/合规批准。
14.人工智能在用户旅程地图上产生的“情感”线的正确做法是什么？
- A) 用真实的研究数据确认情绪，将没有根据的标记为假设✔
- B）将人工智能的情绪预测视为绝对真理
- C）完全忽略情感线
- D）用随机颜色标记情绪
说明：人工智能可以合理地预测情绪和痛点，但这些都是假设，除非有真实用户数据的支持。该地图应通过研究引用进行确认；毫无根据的感觉应标记为假设。