המשתמש לא רוצה ‘לדבר עם AI’. הוא רוצה לפתור בעיה. כשמעצבים UI כאילו זו שיחה קלילה – זה מסתבך. עברנו על 15 מוצרי AI בשנתיים האחרונות. הרוב חוו dropoff של 80% אחרי אינטראקציה ראשונה. הבעיה כמעט אף פעם לא בטכנולוגיה – היא בעיצוב.

Empty state – השלב שהכי הרבה חברות מפספסות

המשתמש מגיע לצ’אטבוט ריק. מה הוא כותב? זה הרגע הכי קריטי. יש שלוש גישות שעובדות: (1) הצעות מוכנות – 3-4 prompts שהמשתמש יכול ללחוץ, (2) placeholder מפורט בשדה הקלט שמראה דוגמה, (3) הודעה פותחת של ה-AI שמסבירה מה הוא יודע לעשות.

מה שלא עובד: input ריק עם ‘How can I help?’. זה גורם ל-70% מהמשתמשים לצאת בתוך 5 שניות.

איך מציגים תשובת AI כשהיא ארוכה מדי

AI מחזיר לפעמים תשובות של 2000 מילים. איך להציג? יש כמה טכניקות: Progressive disclosure (הצג את החלק העיקרי, הרחב בקליק), summarization אוטומטי בראש, formatting חכם עם bullet points ו-headings, ואפשרות ‘show more’.

Streaming vs Batch – מה עדיף מבחינת UX

Streaming (מילה-מילה) נראה מהיר יותר. אבל יש חסרונות: הרבה חברות מתקשות ב-Markdown rendering בזמן stream, לפעמים המשתמש מתחיל לקרוא ויש שיבוש. Batch (התשובה שלמה) מרגיש איטי אבל מדויק.

המלצה: Streaming עם skeleton loader טוב + typing indicator. אם ה-latency נמוך (מתחת ל-3 שניות) – Batch יכול להיות עדיף.

Error handling ב-AI – כשהמודל טועה

מה קורה כשהמודל טועה או לא יודע? Retry אוטומטי? הודעה? השארת המשתמש עם התשובה?

הגישה שלנו: (1) confidence score – אם המודל ‘לא בטוח’, הצג disclaimer, (2) ‘תגיד לי אם זה לא מה שחיפשת’ button לפידבק מהיר, (3) fallback ל-human אם יש – לא כולם צריכים.

Trust indicators – איך לגרום למשתמש להאמין ב-AI

Confidence scores, מקורות (אם RAG), disclaimers (‘AI generated – verify important info’), human-in-the-loop indicators – כל אלו כלים שגורמים למשתמש לסמוך. הכי חשוב: להיות כנים על מה שה-AI יכול ולא יכול לעשות.

מבוסס על פרויקטים אמיתיים

המדריך הזה מבוסס על עבודה עם:

• TheraPlus
• chat-AI

קריאה נוספת

אם המדריך הזה עזר לכם, אולי תרצו לקרוא גם על עיצוב UX/UI – המדריך המקיף שלנו לתחום.