以約束型設計實現介面的個別最佳化

概述

提出一套機制：輸入關於認知特質的個人資訊，參照介面的基本設計原則、安全與無障礙條件，以及關於人的特質的研究知識，生成貼合這個人的介面。

其中採用了「約束型設計」的思路——由人設計必須守住的條件與適用範圍，在這個範圍之內由生成式 AI 提出具體方案。以車用導航為題材，從包含感官與身體特質在內的十三種虛構人物誌生成介面，並在另一道工序中檢查是否符合條件，實作了一個 PoC。

比較之中，有一個案例確認到由身體特質帶來的明顯畫面結構變化；而多數生成結果並未出現大的視覺變化。實際的易用性與安全性尚未驗證，但這項工作釐清了可以交給生成式 AI 判斷的範圍，以及那些收窄了個別化餘地的設計條件。

背景 —— 一套介面究竟能涵蓋到哪裡

多數產品會設計並提供一套盡可能多人可用的通用介面。然而，一次能掌握的資訊量、注意力投放的難易、語言表述的理解難度、精細操作的順手程度，都因人而異。通用介面照顧到了很多人，卻未必貼合其中的某一個人。

以群體為單位的評估同樣有其侷限。例如美國 NHTSA 於 2013 年公布的自願性指引中，關於視線的各項接受標準要求 24 人中至少 21 人達標。這並不是一個意味著所有人都能同樣使用的條件。[1]

即便產品可以更改字級或顯示資訊量，使用者也必須先注意到設定的存在，把它和自己的不便連結起來，再選出合適的調整。設定功能是不是沒有被充分利用，人們就這樣在不合適的狀態下繼續使用？這個疑問是本專案的起點。

在車用導航中，看螢幕與做操作會與駕駛所需的注意力相競爭。[1] 如果與介面的不匹配可能加重這份負擔，那麼在開始使用時就準備好貼合這個人的狀態，從易用性與安全兩方面都值得探討。

藉助生成式 AI，已經可以把「由個人資訊與設計知識具體化出介面」的工序做成原型。於是我思考：如何在減輕逐人手工設計畫面負擔的同時，把貼合個人的介面交到他們手中。

設定功能的使用率，以及與介面的不匹配對事故的影響，本專案並未驗證。

提案 —— 把個人資訊與兩類設計知識連接起來

輸入的是關於該使用者認知特質的資訊。AI 將其與事先整理好的兩類知識對照：一類是介面的基本設計規則，另一類是由人的特質通往建議介面的知識。

在此基礎上，AI 在允許的範圍內把介面具體化，並檢查其是否符合條件。輸出的是貼合這個人的介面，以及改了哪裡、為什麼改的說明。

輸入：關於這個人的資訊

例如，一次記住並處理資訊是否得心應手，是否容易被其他刺激吸走注意力，哪一類說明更容易理解。實作中還把視覺表現與手指操作特質納入對象。畫面不是由診斷名稱決定的，處理的是與介面使用相關的個人資訊。

參照知識 A：介面得以成立的規則

整理介面的基本設計原則：一致性、對操作的回饋、資訊的分組、文字與操作對象是否易見等。在此之上，把車用介面的操作限制與無障礙條件，連同其適用情境一併定義。

參照知識 B：由特質通往建議介面的知識

把研究中確認的人的特質，連接到資訊呈現的原則，再連接到介面設計。例如針對「一邊記住資訊一邊操作會有負擔」這一特徵，考慮「減少需要記住的內容」這個方向，進而落到把必要資訊留在畫面上的設計。

不過，關於特質的研究未必能直接給出車用導航的設計取值。研究已經釐清的事，與本專案由此得出的設計判斷，要加以區分。 對所有人都同樣有效的改進歸入基本規則，不計入個別化的成果。

理想的體驗 —— 在第一次乘車時，一起確認怎樣才好用

面向未來的構想。 透過對話完成初始設定，在本次 PoC 中並未實作。

買下車、第一次坐進駕駛座時。在停車狀態下，AI 代理詢問平時的使用方式。使用者不必去挑選專業的設定項目，而是談談平時的困擾，以及自己覺得好用的方式。

1. 首次乘車：開始對話

   AI「為了把畫面調整到您用著順手，能否告訴我幾點您平時的使用方式？也可以稍後再開始。」

   使用者理解其目的，選擇現在開始還是稍後再說。

2. 訪談：談談困擾

   AI「當導航提示接連出現時，通常在哪些地方會變得不好理解？」

   使用者「下一條說明一來，我有時就忘了剛才那條的內容。」

   AI 詢問具體情境，整理出與資訊保持、注意力投放相關的使用困難。

3. 確認理解：可以糾正 AI 的理解

   AI「比起記住步驟再往下走，讓需要的資訊留在畫面上會更好用——我這樣理解對嗎？」

   使用者確認並糾正這一理解。對話中獲得的自述，與認知功能的測量值或診斷分開處理。對需要測量的項目，另行準備確認的方法。

4. 提案與試用：聽過理由，再試畫面

   AI「為減輕需要記住的負擔，我提議一種能同時看到目前操作與下一步的畫面。」

   使用者在停車時試著選擇目的地等。可以說「之前那個更清楚」「這裡想換個說法」，必要時可以調整提案，或退回原來的介面。

5. 開始使用：使用確認過的介面

   把使用者確認過的介面儲存為初始狀態。行駛中維持使用者已經記住的基本結構。想重新調整時，可以在停車時再作調整。

對話的目的不是把使用者一次性歸類，而是透過一段他本人能夠說明、能夠糾正的往來，把開始使用時的狀態整備好。

實作 —— 把須守住的條件與交給 AI 的判斷分開

本次實作的是這樣一套機制：接收個人的特質資訊，生成介面，再檢查、繪製並比較。作為替代對話詢問的輸入，定義了十三種特質各異的虛構人物誌。

選擇車用導航作為驗證題材，是因為畫面面積、操作對象的大小、可顯示的資訊量、行駛中的操作等條件都能被具體地處理。

名為約束型設計的推進方式

本專案所說的約束型設計，是由人來設計須守住的條件與適用範圍，並在其內部由 AI 提出具體解的方法。

在基於規則的參數化變更中，輸入與取值或選項的對應是事先定好的。本次構想不去填滿全部對應，而是定下允許的範圍與判斷依據，把尚未確定的具體取值與表述留給生成式 AI 裁量。實作上把由計算決定的部分與由生成式 AI 決定的部分組合起來。

把研究知識落到介面上時，記錄了出處、適用條件與設計判斷。透過與介面一併輸出變更理由，使「為什麼對這個人是這樣的畫面」可以被追溯。

在另一道工序中檢查生成的介面

介面以帶有畫面元素與版面配置的結構化資料生成，再由這些資料繪製。數值與結構方面的條件由程式碼檢查，少數需要解釋語意的條件由 LLM 的另一道檢查確認。自動判定之外的項目，以及材料不足而無法確認的項目，也一併記錄。

檢查所確認的是「是否符合已定義的條件」。實際是否好用、安全性是否提升，則需要由使用者來評估。

設計階段若發現條件之間存在矛盾，由 AI 指出相應位置，再由人來判斷並修訂條件。不做成每次生成時 AI 都按自己方便更動條件的機制。

介面比較 —— 變化很大的例子與幾乎沒變的例子

比較基準是不輸入個人特質、以通用預設值生成的介面。在功能集合相同的前提下，比較輸入個人特質後的輸出。

以下圖像是原型的輸出，並非市售車用導航改造前後的對比。 人物誌也不是對真實使用者的再現，而是為確認特質影響而設的虛構輸入。

操作對象變大的例子

PS-12｜帶有「精細觸控操作困難」這一身體特質的人物誌

與作為基準的 PS-01 在年齡、認知、感官特質上保持一致，只改變手指操作特質。在所示圖像中，各操作對象變大，畫面中央排列的項目由 7 項減為 4 項。底部的固定按鈕不計入這一數量。

通用預設介面

輸入個人特質後生成的介面

把操作對象放大是有代價的：同一畫面上一次能選擇的項目變少了。設計上功能集合得以保留，但僅憑這一畫面，無法評估通往後續畫面是否依然順暢。

結構幾乎沒有變化的例子

PS-01｜設為基準的人物誌

字級上雖有細微差別，但項目數量、版面配置、觸控區域的大小幾乎相同。在本次的規則與輸入組合下，並未得到相對通用預設介面大幅改變結構的結果。

通用預設介面

輸入個人特質後生成的介面

結果與討論 —— 生成的自由度留在了哪裡

生成式 AI 特有的價值未能充分展示

以作者的目視比較，能被認作畫面結構明顯變化的是 PS-12。其他輸出雖在措辭與設定上有差異，但從畫面外觀上難以辨識出價值上的顯著不同。

PS-12 的更動也在「調整顯示尺寸與顯示量」的設定所能實現的範圍之內。不必自己去找設定、初始狀態就已整備好——這種體驗是有潛力的。但這種體驗的價值，與「生成介面是否需要生成式 AI」，必須分開驗證。

本次 PoC 並未證明貼合認知特質能改善操作成績，也未證明生成式 AI 做出的介面優於基於規則的方式。

本次建構的設計空間過窄

在確保文字與操作對象所需尺寸、並套用畫面面積與顯示量的條件之後，可選的結構就越來越有限。實作上由計算或固定結構決定的部分也不少，AI 在多個妥當方案之間挑選的餘地很小。

措辭的改寫上還留有自由度，但這類差異不像畫面結構那樣顯眼，本次目視評估難以充分捕捉其價值。我認為，要確認生成式 AI 的價值，需要可選方案本身具有幅度，且這些差異對使用者的體驗具有意義。

這一結果只針對本次收集的規則、採用的介面參數與實作的表現範圍，不能說是車用導航整體或個別化介面整體的極限。

另外，我並未逐一直接查閱 JIS、ISO 等相關標準的全部正文，而是以論文、官方指引、公開資料、部分標準正文或預覽等可取得的資料為基礎構成設計知識。參照範圍有可能影響了可採用的設計選項。不過，細讀標準正文究竟會拓寬自由度，還是會因附加條件而進一步收窄，仍有待日後確認。

與 AI 的協作，帶來了規則本身的改進

成果同樣出現在「設計用於生成的條件、並使其可被檢查」的過程之中。

AI 指出問題，人來判斷，再反映到設計中。經由這樣的往返，哪些要共同守住、哪些可以貼合個人變得清晰了。

今後 —— 確認體驗的價值與生成式 AI 的價值

接下來想把兩個問題分開驗證。

其一，不必自己設定、開始使用時介面就已整備好，這樣的體驗究竟有多大價值。為此要實作對話詢問、糾正理解直至試用的全過程，確認輸入資訊的可靠程度與帶給使用者的負擔。

其二，在什麼樣的設計對象上，生成式 AI 帶來的方案差異才會轉化為體驗的改善。希望拓展到這樣的對象：在守住必要條件的同時，資訊結構與操作流程上仍留有多個妥當方案。

在真實使用者的評估中，把通用預設介面、由個人資訊按規則調整的介面、由生成式 AI 具體化的介面放在同一任務下比較。透過操作時間、誤操作、視線、主觀負擔等指標，分別考察「貼合個人」的效果與「使用生成式 AI」的效果。

同時推進對相關標準的查證，更新「研究已確認之事」與「設計判斷」之間的界線。除了條件可被檢查之外，把「在條件之內為使用者留下有意義的選項」作為下一個課題。