Паттерны интерфейсов ИИ-помощников: что стало нормой и где они ломаются
Подсказки, варианты ответа, источники, неуверенность, память и подтверждение действий агента: семь паттернов, у каждого — зачем он нужен, живой пример и типичная ошибка.
В 2023 году Нельсон Лю, Тяньи Чжан и Перси Лян проверили четыре генеративные поисковые системы: Bing Chat, NeevaAI, perplexity.ai и YouChat. Выяснилось, что в среднем лишь 51,5% предложений полностью подтверждаются приведёнными ссылками, а 74,5% ссылок поддерживают то предложение, к которому их приложили. Ответы при этом выглядели гладкими и убедительными.
Ссылки в интерфейсе стояли, но проверять по ним было нечего. Так бывает с большинством паттернов ИИ-помощников: кнопка или подпись есть, а пользователю она не помогает. Ниже разобраны семь паттернов, которые за последние годы стали привычными: подсказки запросов, уточнение намерения, варианты и перегенерация, источники, показ неопределённости, память и подтверждение действий агента с откатом и обратной связью. Для каждого — зачем он нужен, пример из реального продукта и типичная ошибка.
Опираемся на четыре источника: 18 принципов взаимодействия человека и ИИ от Microsoft (Amershi и соавторы, CHI 2019; их проверяли 49 практиков на 20 продуктах), руководство People + AI Guidebook от Google PAIR, каталог Shape of AI Эмили Кэмпбелл (Emily Campbell) и статьи Nielsen Norman Group. Цифры из исследований 2023 года относятся к тем версиям продуктов, которые тестировали авторы.
Пустое поле ввода: подсказки и уточняющие вопросы
Чистое поле для запроса требует от человека сформулировать задачу словами. Якоб Нильсен (Jakob Nielsen) в мае 2023 года назвал эту трудность «барьером артикуляции».
Трудность описать словами, чего ты хочешь, достаточно ясно, чтобы ИИ выдал полезный результат. Термин предложил Якоб Нильсен в блоге UX Tigers. Его оценка, что с этим не справляется около половины людей, — экстраполяция данных о чтении (исследование PIAAC), а не прямое измерение умения писать.
Первое средство — подсказки: примеры запросов, шаблоны, связанные вопросы. В апреле 2025 года Кейт Моран и Тим Нойсессер из NN/g написали, что подсказки должны быть уместны в контексте, персонализированы и соответствовать задаче и опыту человека. Если они стоят не там или кажутся бесполезными, люди их игнорируют. Нильсен в марте 2025 года описал шесть приёмов «усиления промпта»: галереи стилей, переписывание запроса, целевое переписывание, связанные запросы, конструкторы промптов и параметризацию. В каталоге Shape of AI такие приёмы собраны в группу Wayfinders («указатели»): Example gallery, Suggestions, Templates и другие.
Второе средство — уточнение. В справке OpenAI про Deep Research сказано, что перед началом работы ChatGPT может задать уточняющие вопросы, а предложенный план исследования можно просмотреть и поправить. Задача долгая, и неверное понимание стоит пользователю времени. Shape of AI относит такие вопросы к паттерну Follow up и отмечает их пользу перед тяжёлыми задачами вроде глубокого исследования.
Типичная ошибка — подсказки, не связанные с тем, что человек делает: одни и те же «Расскажи о…» для всех экранов. Вторая — уточнять там, где можно просто ответить и дать поправить: вопрос оправдан, когда неверный старт дорог.
Варианты ответа и перегенерация
Модель вероятностная, один запрос даёт разные результаты. Паттерн Variations в Shape of AI превращает это в функцию: пользователь сравнивает версии и берёт ту, что ближе к замыслу. В Midjourney для этого есть кнопки Vary (Subtle) и Vary (Strong). Первая вносит мелкие правки, вторая заметно меняет изображение, сохраняя основную идею (документация Midjourney). В Gemini ответ можно перегенерировать, а между версиями переключаться стрелками, но, по справке Google, перегенерировать можно только последний ответ в чате (справка Gemini).
Если вариантов нет, пользователь делает их сам. В исследовании NN/g 2023 года восемь участников работали с ChatGPT-3.5 (Сара Гиббонс, Тарун Мугунтан и Якоб Нильсен). Они раз за разом просили сократить или удлинить текст — авторы назвали это «аккордеонным редактированием» — и ссылались на прошлые ответы, что называется apple picking. Для ссылки приходилось вручную копировать текст. Длинная история чата заставляла прокручивать её вверх, и люди терялись.
Типичные ошибки здесь три. Новая генерация стирает предыдущую, и вернуться к удачной версии нельзя. Перегенерация доступна только для последнего ответа, хотя нужная версия была тремя сообщениями раньше. Выбранный вариант заменяет исходный текст без подтверждения, а Shape of AI прямо советует не перезаписывать оригинал без согласия пользователя.
Источники и неопределённость: как не обмануть доверие
Ссылки на источники — самый распространённый способ сделать ответ проверяемым. Perplexity подтверждает это в справке: каждый ответ содержит нумерованные ссылки на первоисточники, чтобы пользователь мог проверить информацию. Отчёты Deep Research у OpenAI тоже снабжены цитатами. Shape of AI называет паттерн Citations: встроенные в текст пометки с указанием источника.
Ссылка в интерфейсе — обещание проверяемости, а не сама проверяемость. Цифры Лю, Чжана и Ляна показывают разницу: почти половина предложений не была полностью подтверждена цитатами. Привязывайте ссылку к конкретному утверждению и делайте переход к месту в источнике как можно короче.
Второй вопрос — как сказать, что система не уверена. Принцип G2 Amershi и соавторов требует прояснять, насколько хорошо система справляется с тем, что умеет. PAIR предлагает показывать уверенность, только если она влияет на решение пользователя. Категории «высокая / средняя / низкая» нужны с чёткими границами и подсказкой, что делать в каждой. Числовые проценты рискованны, потому что предполагают, что у пользователя есть базовое понимание вероятностей.
Формулировка тоже влияет. В эксперименте Санни Ким и коллег (FAccT 2024, 404 участника) фраза от первого лица «Я не уверен, но…» снижала согласие с ответом и повышала точность решений участников. Общие обороты вроде «Неясно, но…» действовали в ту же сторону, но слабее и без статистической значимости (препринт). Есть и обратная сторона: в анонсе Deep Research (2 февраля 2025 года) OpenAI сама пишет, что модель слабо калибрует уверенность и часто не может точно передать неопределённость. Значит, оговорка в тексте должна опираться на реальный сигнал, а не на стиль.
Типичная ошибка — общая строка «ИИ может ошибаться» под полем ввода. Shape of AI задаётся вопросом, не привыкли ли пользователи такие предупреждения не замечать и помогают ли они вообще воспитывать критичность. Лучше работают оговорки, привязанные к содержанию, например «проверьте даты».
Память и контекст: пользователь видит, что ассистент помнит
Без памяти приходится повторяться, а память, о которой никто не знает, делает поведение необъяснимым. Принципы Amershi покрывают обе стороны: G12 («помни недавние взаимодействия»), G14 («обновляйся осторожно»), G17 («дай глобальные настройки») и G18 («сообщай об изменениях»).
Хороший пример — память ChatGPT. В анонсе от 13 февраля 2024 года OpenAI описала, что пользователь может попросить запомнить что-то, спросить, что запомнено, попросить забыть, посмотреть и удалить отдельные воспоминания или очистить все, а также совсем выключить память. Для разговоров без памяти есть Temporary Chat. После тестирования в сентябре 2024 года ChatGPT начал сообщать об обновлении памяти надписью «Memory updated» со ссылкой «Manage memories». В апреле 2025 года память расширили: теперь она учитывает и сохранённые воспоминания, и историю чатов, а каждый источник отключается в настройках отдельно.
Типичная ошибка — молчаливая память: ответ изменился из-за прошлого разговора, а человек этого не видит и не понимает, откуда взялся тон или допущение. Вторая ошибка — длинный чат как единственная форма контекста. В NN/g участники терялись в прокрутке, и авторы предлагают будущим инструментам делить ответы на части, давать править текст прямо в ответе и выбирать фрагмент указателем.
Агент действует: подтверждение, откат и обратная связь
Когда ассистент не только отвечает, но и нажимает кнопки, цена ошибки растёт. Отсюда паттерн «человек в контуре».
В анонсе Operator (23 января 2025 года) OpenAI описала несколько механизмов. Перед значимым действием, например отправкой заказа или письма, агент просит одобрения. При вводе логинов и платёжных данных он просит пользователя взять управление на себя (takeover mode) и не собирает то, что человек ввёл. На чувствительных сайтах, вроде почты и финансовых сервисов, включается режим наблюдения (watch mode): действия агента требуют пристального контроля, и человек сам замечает возможные ошибки. Банковские операции агент обучен отклонять.
Shape of AI под названием Verification советует соразмерять трение с риском: учитывать возможный ущерб, масштаб и обратимость. Обратимые действия можно проверять после выполнения, иначе пользователь устанет от запросов. Нужны и настройка «больше не спрашивать», и заметный знак, что подтверждения выключены.
Вторая часть контура — откат. В Claude Code перед каждым вашим запросом создаётся контрольная точка. Двойное нажатие Esc или команда /rewind открывают меню: можно вернуть код, разговор или то и другое (документация Claude Code).
Откат работает не на всё. Claude Code отслеживает правки, сделанные инструментами редактирования файлов, но не изменения от команд оболочки вроде rm или mv. В документации отдельно сказано, что контрольные точки не заменяют систему контроля версий. Если интерфейс обещает «отменить», а часть последствий остаётся, пользователь узнает об этом слишком поздно. Говорите заранее, что отмене поддаётся, а что нет (принцип G16 — сообщать о последствиях действий).
Третья часть — обратная связь по ответу. PAIR различает явную (оценки, палец вверх и вниз, текстовое поле) и неявную (поведение, например принятие или отклонение рекомендаций) и советует сообщать, что именно собирается и чем это полезно человеку. Варианты ответа должны быть взаимоисключающими и покрывать все случаи, поэтому «палец вверх/вниз» понятен всем. Принцип G15 предлагает дополнительно позволять детальные отзывы. В Gemini палец вниз используют, чтобы сообщить о галлюцинации (справка Gemini). Ошибка — собирать оценки молча, не объясняя, куда они идут.
Что проверить в своём продукте завтра
- Откройте пустой экран ассистента. Есть ли три-четыре подсказки, привязанные к текущему контексту, а не общий список для всех?
- Найдите самую дорогую задачу. Уточняет ли система намерение до старта и показывает ли план?
- Сгенерируйте ответ дважды. Сохранилась ли первая версия и можно ли к ней вернуться?
- Кликните по ссылке на источник. Попали ли вы к месту, подтверждающему утверждение, или просто на страницу?
- Найдите, где система говорит о неуверенности. Подкреплено ли это реальным сигналом и сказано ли, что пользователю делать?
- Спросите ассистента, что он помнит о вас. Можно ли это увидеть, исправить и выключить?
- Составьте список действий агента по обратимости. Подтверждение стоит перед необратимыми, а отмена честно описывает свои пределы?
Все семь паттернов решают одну задачу: человек должен понимать, что система может, насколько ей можно доверять и как всё исправить, если она ошиблась. Это формулировки G1, G2 и G9 из принципов Microsoft 2019 года, и разбор выше показывает, что они применимы к сегодняшним продуктам. Меняются формы интерфейса. Для каждого паттерна полезно спросить: что увидит и сделает пользователь, когда система ошибётся?
Источники
- Amershi et al., Guidelines for Human-AI Interaction (CHI 2019) — 18 принципов и их проверка на 49 практиках и 20 продуктах
- Google PAIR, People + AI Guidebook: Explainability + Trust — показ уверенности и объяснений
- Google PAIR, People + AI Guidebook: Feedback + Control — явная и неявная обратная связь
- Эмили Кэмпбелл, Shape of AI — каталог паттернов: Variations, Verification, Caveat, Follow up
- NN/g, Prompt Suggestions (Моран, Нойсессер, 2025) — какими должны быть подсказки запросов
- NN/g, Accordion Editing and Apple Picking (2023) — как люди итеративно дорабатывают ответы ИИ
- Якоб Нильсен, The Articulation Barrier (UX Tigers, 2023) — происхождение термина и оговорки к его оценкам
- Liu, Zhang, Liang, Evaluating Verifiability in Generative Search Engines (2023) — цифры о ссылках и подтверждении утверждений
Курсы
Хотите разобрать тему на практике? В курсах-тренажёрах — теория, разборы и задания с обратной связью.