近两年，很多AI产品都采用了对话（Chat）的形式，这导致很多人认为对话式交互是对普通图形界面的改进，其实不然。
这种误解或许源于人们将AI技术等同于对话式交互，而当看到AI技术的快速发展时，人们也认为对话式交互更优。
但这种交互形式被很多AI产品采用，只是因为这波AI最大的技术进步就是大语言模型，大语言模型的核心功能之一就是生成内容，而且这种形式最早被使用，后来也被沿用。
2017年左右的上一波AI浪潮，主要的技术发展方向是计算机视觉，人脸识别、自动驾驶、OCR等都源自计算机视觉技术。
由于其技术突破不在语言方向，所以并没有产生对话形式，由此可见对话交互只是一种附属形式，并不是一种优越形式。
1、对话式交互相对于图形界面有哪些缺点？
1. 运营效率
GUI的操作过程其实就是眼睛、手、预设信息的配合，眼睛瞄准，手点击，预设信息触发相应操作，但在Chat形式下，几乎完全依赖手，因此操作效率降低。
事实上，很多在图形界面上点击几下就能解决的问题，在对话形式下可能需要多轮、多次描述才能完成，比如典型的外卖订餐场景：
使用图形界面是这样的：
对于 4 种不同的设置，只需点击 4 次，但如果您使用聊天，它可能是这样的：
系统：您要大杯的还是小杯的？
用户： 大杯
系统：零卡路里糖还是蔗糖？
用户：0卡路里
系统：常糖还是半糖？
用户：普通糖
系统：热、温还是冰？
用户：热门
可以看出一个在图形界面上点击4次就能完成的操作，需要经过好几轮对话才能完成，整体效率很低，这个表单也很实在，如果不通过手机下单而是直接到店下单，店员确实需要问所有这些问题。
不过 Chat 表单在所有场景下的效率并不比 GUI 表单低。比如用手机语音助手创建日程表时，可以直接用语音下达指令：明天下午三点提醒我抢火车票，而不用打开待办事项 app-点击创建待办按钮-输入待办事项各个字段的文字-点击保存。
因此还是有一个临界值，需要从点击次数、路径长度、流失程度、沟通渠道场景等多方面综合衡量。
Chat格式的每一次交互都包含操作+对象+修改内容的具体描述。比如修改代码时需要给出指令：将登录按钮的宽度增加到500PX。在GUI交互中需要用自然语言来描述修改方式、修改对象、修改值等，这会降低操作效率。
2. 操作模糊性
由于操作过程完全依赖自然语言的描述，当用户输入的文字不准确、有错别字、有多重含义时，可能会产生不正确的结果，用户输入的准确率较低。
一旦出现错误，就需要额外进行一轮对话来澄清，这进一步影响了运营效率。
例如，用户想搜索“苹果的营养价值”，却不小心输入了“……”，AI可能会将“”理解为一个不常见的词或者不存在的词，从而无法提供正确的苹果营养信息，或者给出不符合用户预期的结果。
这是因为“apple”是常用词，但“”可能不是，导致AI无法正确理解用户的查询意图。
同样，笔者的真实经历是，在电商平台上搜索“苹果”，显示一堆手机，但笔者其实想买几个红富士苹果，这个问题在多义词的对话式交互中很容易出现。
当然，我们可以通过提供更加完整的描述来避免误解，但是输入更加完整的描述本身就意味着更高的运营成本。
3. 自我描述能力
GUI 格式会直接在用户界面体现产品的能力，比如搜索框、时间选择器、下载等能力。Chat 格式最大的问题是需要用户能够想到，这一步将产品设计从要求产品变成了要求用户，对产品清晰度影响较大。
下图中，用户可以清楚的知道某一条笔记是可以导出的，而且可以导出多种格式，但是Chat这种形式，需要用户自己先考虑清楚。
4. 用户习惯
工具需要细分，手指甲剪脚趾甲剪都要细分，更别提各种大需求了，微信可以打车，滴滴APP还有几亿的日活。
打破用户习惯不是不可以，但是新方案的体验一定比老方案的体验+迁移成本要好。
人类会按照自己习惯的方式去解决问题，路径依赖会影响人们在拥有多种工具时的选择，而GUI在过去10年中已经为用户形成了极其强大的操作习惯。
生活中一些潜意识的习惯也会有影响，比如两个人聊天的时候，往往不会就一个话题进行多轮对话，可能会同时有两三个话题，这时候AI理解起来就会比较困难（因为会出现与上下文无关的句子）。
在使用多个模型/提示词/代理的产品中这个问题可能更加明显，因为当用户在对话过程中切换话题时，不确定是否可以立即切换到其他模型/提示词/代理来回答。
5. 能力提炼
尽管模型能力越来越强大，但很难想象如果把所有应用放在一起会是什么样子。分类是人类处理任务/信息的方式，由人脑的生理结构决定。“一体化”工具是一个伪命题。
现在的通用聊天大多可以用来写代码、画表格，但是通用的效果肯定不够精细，切分能力也不够强。
以绘制表格为例，一般可以快速将数据填入表格，但不一定能将某一行固定下来，更复杂的科学计算公式也无法实现。
以WPS为例，它的功能非常丰富，需要使用十几个标签+每个标签下几十个子功能来呈现。
很难想象使用通用工具如何能帮助用户达到这些功能，而且这只是WPS中的一个功能点，所以笔者坚信全能工具产品是一个伪命题。追求通用工具必然导致细化能力的不足，就像我们设计师常用的设计规范一样，在追求通用性的时候，在不同业务场景下的个性化能力就会被削弱。
6. 多语言适配
图形用户界面在面对产品国际化、多语言适配问题时，只需要翻译界面中出现的文字即可，部分文字可以用图标代替，具有更强的通用性。
但大型模型在输入和输出中都会用到大量的文本，所以能否很好地支持多种语言是一个问题。
对于一些小众语言来说，可能没有足够的数据进行模型训练，模型提供高质量服务的可能性就更小了。
以上就是对话式交互的六大弊端，我们来简单说一下
2.对话式交互的优势
1.易学性
对话式交互非常直观，用户不需要学习复杂的界面或命令，直接用自己的语言与系统沟通即可。就像我们经常在功能很多的产品中找不到需要的功能一样，对话式交互不存在这个问题，因为它不需要在复杂的界面中寻找。但用户还是需要有【这个产品用到这个功能】的知识。
2.灵活性
用户可以通过对话的方式表达复杂的命令，比如手机语音助手只需要一句话就可以创建待办事项列表。不过要注意的是，这里说的“复杂命令”并非“复杂命令”，后者只能解决多步问题，每一步都比较简单。
在图形用户界面中，用户只能点击当前显示的元素（如按钮），操作依赖于屏幕的显示范围。而对话式交互不存在这个问题，因为已经用[描述]替代了必须显示在屏幕上的功能。
3.设备适应性强
对话式交互可以很方便的融入到移动设备、智能音箱或者其他IoT设备中，只要设备有麦克风、扬声器、处理器，就可以满足基本的对话式交互（具体来说是语音交互），降低了设备中屏幕的成本。
这方面已经有很多例子，比如小米的智能音箱、商场的服务机器人等。
4.可扩展性
新功能和服务的添加不需要用户下载更新或学习新的交互方式，因为没有了图形界面的限制，添加功能时无需考虑界面显示能力，也不用像GUI时代那样争抢有限的入口。
但这也会带来暴露的问题，因为功能的扩展对于用户来说是一个不可见的过程，即便使用新版功能指南，用户也只能看到一次（事实上有很大概率一次都看不到，会点击关闭）。
与GUI不同，它没有固定的显示位置，可以经常被用户看到。
专栏作家
