ทำให้การกระทำของ AI ตรวจและ Undo ได้
ใช้ preview, diff, confirmation, draft, version, undo และ rollback ตามผลกระทบ
เป้าหมาย: กำหนด friction ที่เหมาะกับการส่ง แก้ และธุรกรรม · ใช้เวลาประมาณ 15 นาที
Orient → Explain → Control → Learn
ทุกสถานะต้องช่วยให้ผู้ใช้เข้าใจและทำขั้นตอนต่อไปได้
Orient
บอกขอบเขต สถานะ และสิ่งที่กำลังเกิด
Explain
แสดง source, change, uncertainty และผลกระทบ
Control
ให้แก้ ยกเลิก อนุมัติ undo หรือส่งต่อ
Learn
เก็บ feedback ที่วินิจฉัยได้และ retest
องค์ประกอบประสบการณ์
undo
ออกแบบ undo ให้ผู้ใช้เข้าใจและควบคุมผลลัพธ์
แสดงในจังหวะที่เกี่ยวข้อง ไม่ซ่อนในหน้าข้อกำหนดยาว
rollback
ออกแบบ rollback ให้ผู้ใช้เข้าใจและควบคุมผลลัพธ์
การกระทำที่มีผลควร preview สิ่งเปลี่ยน แยกการอนุมัติ และมี undo หรือ rollback; สิ่งย้อนกลับไม่ได้ต้องเพิ่มการยืนยัน
preview
ออกแบบ preview ให้ผู้ใช้เข้าใจและควบคุมผลลัพธ์
การกระทำที่มีผลควร preview สิ่งเปลี่ยน แยกการอนุมัติ และมี undo หรือ rollback; สิ่งย้อนกลับไม่ได้ต้องเพิ่มการยืนยัน
อนุมัติ
ออกแบบ อนุมัติ ให้ผู้ใช้เข้าใจและควบคุมผลลัพธ์
การกระทำที่มีผลควร preview สิ่งเปลี่ยน แยกการอนุมัติ และมี undo หรือ rollback; สิ่งย้อนกลับไม่ได้ต้องเพิ่มการยืนยัน
Dark pattern ของ AI
ใช้คำมั่นกว้าง
ผู้ใช้เชื่อเกินความสามารถ
บอก task-specific limitation
ซ่อน uncertainty
คำตอบดูแน่นอนเกิน evidence
แสดงสาเหตุและ next step
feedback ไม่มี owner
ผู้ใช้รายงานแต่ระบบไม่ดีขึ้น
route, fix และ retest
ออกแบบ interaction จากสถานการณ์
AI เสนอแก้ข้อมูลสินค้า 120 รายการและเผยแพร่ทันที
กำหนด expectation, status, evidence, control, feedback และ escalation
ดูคำตอบตัวอย่าง
บอกขอบเขตก่อนเริ่ม แสดงสถานะจริงและเวลาคร่าว ๆ ผูกผลกับ source และ uncertainty ให้ preview/diff ก่อนอนุมัติ มี cancel, edit, undo หรือ rollback เก็บ feedback พร้อมเหตุผล และส่งต่อคนเมื่อผลกระทบสูง
- expectation
- status
- source/uncertainty
- control/undo
- feedback
- escalation
บันทึกช่วยจำ
- ทดสอบภาษาไทยกับผู้ใช้จริง ไม่ใช้คำเทคนิคแทนคำอธิบายผลกระทบ
- accessibility และ keyboard/focus ต้องทำงานในทุกสถานะ
สรุปบทเรียนนี้
- บอกขอบเขต
- แสดงหลักฐานและความไม่แน่ใจ
- ให้ควบคุมและเรียนรู้จาก feedback