AI
人工智能（AI）正在影响人因工程领域——从我们如何分析行为，到如何评估系统、理解用户体验。在这个过程中，我们不仅需要明白 AI 能带来什么，也要清楚它无法替代什么。
AI正在改变我们的工作方式。在人因工程领域，它已经在影响我们分析行为、评估系统和解读用户体验的方法——比如加快数据处理速度，以及发现跨研究、跨地区的潜在规律。
AI 技术既带来了新机会，也带来了新风险。当我们把 AI 融入人因工程实践时，不仅要了解它的优势，也要认清它无法替代的东西。
在这篇文章中，我们将概述 AI 目前的应用方式，并指出如何有效使用它，同时保留优秀研究和设计所必需的判断力与严谨性。
焕然一新的数据分析
AI 最显著的优点之一是它能高速处理海量复杂数据。ATLAS.ti 、NVivo 等工具现在都增加了AI 功能，可以分析来自背景研究、人种学研究、焦点小组以及定性和定量调查的录音和录像。原先需要数周的手动分析工作，如今在几小时内就可以完成。
这种加速分析让研究人员能快速归类用户反馈、识别情绪趋势、提炼关键见解，从而减轻人工分析负担，加快研究周期。通过AI ，我们甚至能发现跨越多个研究和某个事件时间段的规律，获得我们孤立查看每个数据集时可能忽视的见解。
但这里有一个关键提醒：输出结果质量仍然高度依赖输入质量。音频或视频质量差、数据集不完整、研究设计自身的缺陷，这些因素都会导致错误的结论。即使拥有最好的工具，提出正确的问题与设计研究，是AI所无法替代的人类技能。
简化研究工作流程
提高工作效率，是运用AI 带来的好处。Otter.ai 和 Rev.com 等工具提供强大的转录服务，而 HeyMarvin 可以把转录文本链接到视频的具体时间点。查找原始材料、验证发现和制作支撑证据将变得更加容易。
AI 还能帮助识别相关的用户引用语句，并跨研究剪辑视频片段，让团队能专注于生成洞察，而不是花时间处理数据。这些功能使研究更敏捷、更便于协作。
不过，这种便利也伴随着风险。过度依赖 AI 工具可能会削弱从业者的批判性思维能力。此外，还有可能误解 AI 生成的结论，或者忽略其中的缺陷——尤其是当验证被推迟，或者验证者不熟悉研究背景时。
扩大研究的可及性与覆盖范围
AI 正在帮助人因工程团队在全球范围内开展工作。结合Rev.com 使用的DeepL翻译工具，可以快速、准确地实现数十种语言的转录，从而显著减少跨地区研究的语言障碍。
AI 支持更具迭代性、更实时的研究。在早期阶段研究中，它可以实现持续监测和快速反馈循环，让研究方法能够随时优化。以前需要数天才能生成的高层次输出，现在几分钟内就能完成。
展望未来，AI 在模拟和虚拟环境开发方面也有潜力。从虚拟患者到合成数据集，这些工具可以帮助减少研究偏差、支持培训，并以高保真度模拟真实场景。
不过，其中许多技术在日常人因工程工作中仍然存在成本过高的问题。在成本下降之前，从业者需要权衡收益与财务、后勤方面的限制。
走向平衡发展的道路
AI 正在改变我们的工作方式，但不应该改变人因工程的根基。批判性的观察、对研究背景的理解以及伦理责任，仍然是必不可少的。
要真正发挥 AI 的价值，我们必须将其与严谨的验证和审慎的使用结合。目标不是为了取代人的专业知识，而是进一步拓展它。
在 PDD，我们致力于将 AI 工具与成熟的人因工程方法相结合，以建立一种更具响应性和能力的方法来理解复杂系统。如果运用得当，AI 可以支持——而不是取代——优秀设计核心中的人类洞察。
AI在人因工程中存在的优势与风险
|
|
|
|
|
|
想探讨 AI 在研究中的作用吗？在 PDD，我们将新兴工具与成熟的研究方法相结合，打造能提升和改善人们生活的产品和体验。如果您希望更详细地讨论，欢迎关注PDD，联系我们！
在PDD ，我们关注医疗行业的新兴主题与未来趋势赛道。数字医疗的兴起增强了患者体验以及自我管理的意识，同时为医疗行业带来新机遇。近年来，为了更贴近远程医疗系统的加速需求，人工智能在医疗的投资实现显著增长。为患者提供医疗支持，我们在监测软件、智能分诊系统与家庭护理设备开发上的比重在增加，并且将某些监测与治疗服务从临床环境中转移出来。
以移动式健康 (mHealth) 形式出现的应用程序，越来越多地被临床医生作为可支持的产品。在少数情况下，它可作为药物的替代品。然而，尽管这些通过实时反馈和舒适便利的家庭场景下医疗接触点的增加提升了患者体验；但是患者的高放弃率的重大挑战仍然存在。
mHealth 通过推送通知、游戏化的元素、医疗保健专业人员或团体的支持来增强患者粘性。数字医疗系统有助于患者自我保健和管理的好处越来越引发重视，我们不禁提问：如何促进数字医疗保健系统与患者更深层次的联系，从而激励患者获取更好的依从性和积极长久的行为改变？
情绪与功能
以整体方式考虑患者需求或许可以作为一个起点，创造以患者为中心的解决方案，它不仅仅要考虑患者的生理症状，也需要兼顾症状带来的心理影响，如恐惧、不确定、怀疑、焦虑、忧虑、绝望、解脱、希望……
毫无疑问，数字健康解决方案需要专注于功能性、易用性和患者自信心建立；而他们往往缺乏“人情味”，这才是真正人与人交互的关键之处。情绪压力产生会增加患者对于同理心、理解、耐心、节奏、情境意识的需求，并要求对个别情况做出不同的反应。
情感智能(Emotional AI)是人工智能(AI) 的一个部分研究，是可以识别、解读和响应更多人与人交流情感的渠道，从而推动更自然和真实的人机交互 (HMI)发展。它使用人工智能来检测语言和非语言信号，从语音变化到面部表情，基本上创造了一系列行为生物标志物。
从智能家居系统到汽车，从数字营销到零售甚至是金融，情感智能广泛地应用于各个行业。所有应用程序的目的是通过可以预测需求的系统与用户建立更深层次的联系，并根据甚至最微妙的人类行为线索自动调整其系统输出，而无需由用户输入过多数据来实现。
接下来和我们一起看些相关案例，一同探索应用于未来的医疗领域的机会点。
人工智能的个性发展
人工智能会随着时间进化或许是个有趣的想法。这正是总部位于伦敦的机器人初创公司 Emotech 通过家用语音助理 Olly 所探索的概念。Emotech将其与智能音箱 Alexa、苹果语音助理Siri 和谷歌智能家电 Google Home 等其他类似系统区分，提议用机器学习算法允许用户训练Olly – “教会系统逐渐变成更像它的主人”。
它具有监测与解读面部表情、语音变化和语言模式，开启和用户的对话，并根据“观察到”的内容提出建议。除此之外对调度模式和情景感知的理解允许系统更敏锐地预测和响应用户需求。
自前几年首次提出概念以来，Emotech 已将注意力转向将系统软件（Olly 的大脑）授权给教育部门，从而开辟了大量新机会。
医疗领域的机会点:
如果mHealth能通过同理心的方式变得更像患者会怎样？证明在治疗过程中针对个人行为和情绪模式的鼓励、支持和建议。
例如：
- 系统能否从患者面部表情了解注射操作时的不适程度，并对下次替代技术使用提出建议？
- 系统能否通过实时操作监测患者是否无法跟上医疗设备视频指令的速度，而进行自动减慢或暂停播放的操作？
- 系统能否通过语音变化或面部表情识别湿疹患者在发作期间的低落情绪，鼓励患者可以继续参加预定的社交活动？
贴近用户场景
用于驾驶员辅助的智能人脸检测系统。
技术的进化让我们发现情境感知在人工智能中的重要性，主动系统不仅检测用户的身体情况，还可以监测环境条件并响应。汽车是该领域的领先行业，它通过结合生物标志物、行为生物标志物和环境感知采用整体方法进行监测。
在过去十年中，人工智能在汽车中的应用一直在稳步发展。健康、安全、福祉仍然是这些系统的重点；早期的应用结合了可穿戴设备、车载传感器和环境数据的传感技术来启动驾驶员辅助。
英国Exeros技术公司的人工智能人脸检测系统是一种车载摄像头系统，可通过检测驾驶时的疲劳和分心迹象来帮助驾驶员保持警觉。“该系统持续扫描驾驶员是否有疲劳、使用手机、吸烟和长时间分心的迹象”，发出音频警报从而警告驾驶员的行为，将注意力放回驾驶上。切割器系统还可以将信号发送到第三方硬件，例如 GPS 跟踪设备。
随着自动驾驶汽车变得越来越主流，更深入的人机交互需求将越来越大。不久后，我们可能会看到拥有自动驾驶技术的车辆在驾驶员未能响应警报的情况下获得控制权。基于实时驾驶员和情景数据，驾驶员在控制模式和自主模式之间将无缝切换。
医疗领域的机会点:
如果数字医疗软件和设备根据实时情景和患者状况的组合来响应或预测患者的需求，从而创建更量身定制的即时响应会怎样？
例如：
- 系统能否根据患者环境噪音自动切换为音频和触觉提醒或警报？
- 系统能否为焦虑症患者在外出时提供定制的激励和支持建议？
- 系统是否可以实时监控使用给药设备的患者并检测潜在的使用错误，创建警报或干预以防止伤害或滥用？
捕捉和塑造人脸的品质和属性
回到上一个案例中，在同理心方面，值得研究聊天机器人在未来医疗环境下的可能性。对多数人而言，聊天机器人即使在最好的状态下还是会有很多挑战，聊天机器人通常会制造烦恼和沮丧感。对于患者来说，很难通过电脑生成的的文本对话得到共情，即使屏幕出现仿真数字人头像。同理心需要一种更深层次的感官方法，这种方法依赖于双方微妙的语言和非语言暗示以建立关系和共情能力。
有感情的AI最好还是留在科幻电影里面，因为对很多人来说，很难想象人类与AI共存的世界。一个人工智能潜在发展领域是通过超逼真的数字头像来捕捉和塑造真实人类的品质和属性，例如移动 3D 扫描公司 The Scan Truck。他们的数字人类项目见证了他们与互动内容创作者 ICVR和演员Jason L White 合作，利用 3D 扫描摄影测量的优势创建真人 3D 模型，带来超逼真的数字人体验。
在金融领域，我们看到的仿真数字人是个不错的例子。几年前，投资银行 UBS 使用了数字人助理的服务，其中使用了瑞士首席投资官 Daniel Kalt的数字人头像。数字助理服务允许客户使用 Kalt 的数字人预订会议，通过语音和眼神交流与客户互动。UBS希望测试“在财富管理环境中对数字助理的接受程度”，探索为客户提供“无障碍访问”服务的替代方法。
在过去的几年里，其他行业的公司不断探索虚拟化身的潜力并拓展其服务范围，创造真实工作人员的“数字人”，通过数字平台试图与客户建立更深层次的联系。
医疗领域的机会点：
mHealth能否以基于医疗专业医护人员 (HCP) 数字人的形象，帮助患者完成治疗并缩减线下和数字医疗体验之间的差距。
例如：
- 我们能否为患者分配专业医护人员（HCP）的数字人化身，以创造更加个性化体验？
- 我们能否使用专业医护人员（HCP） 的数字人化身来增强数字心理健康服务和软件，变得更“人性化”？
- 我们能否通过面部识别来检测患者的情绪，并从专业医护人员（HCP）数字人化身的手势反馈，实时理解患者的感受？
聚沙成塔
通过更广泛地了解跨行业的情感智能（Emotional AI）技术和应用，我们可以学习和利用行为改变的机会。通过将洞察与行为科学的深入理解相结合，我们还可以探索数字医疗在未来提高患者的依从性的更多机会。归根结底，如果人工智能在医疗行业中的发展是为了通过数字医疗系统促进与患者更深层次的联系，那么我们需要一种更全面的方法。
以人为本的设计方法(HCD)可发现患者未被满足的需求、愿望和挑战。将以人为本的设计方法(HCD)应用于数字医疗的发展，以患者为创新的中心，开发洞察人心的解决方案，确保数字软件满足患者在治疗过程中更广泛的需求。
通过结合环境感知（物理指标、场景指标和情感指标），我们将更了解患者生理和心理的情况，形成更全面的图景；实时平衡功能需求和情感需求，激发高度个性化的反应，从而打造真正以患者为中心的创新解决方案。
阅读至此，如您有兴趣进一步了解更多PDD在医疗领域的案例，欢迎联络PDD医疗部商业策略经理，微信&手机号：18217464771