随着人工智能技术快速演进，智能助手产品不断涌现，但在交互设计和用户体验上仍有不少短板。苹果机器学习研究团队近日发布论文《绘制计算机操作智能体用户体验设计空间》，通过系统分析与用户测试，梳理了用户对智能助手的真实期待，为该领域的产品设计与规范化发展提供了参考。研究团队首先对Claude Computer Use、OpenAI Operator、AutoGLM等9款主流桌面与移动端智能助手进行深入分析，并访谈8位行业资深从业者，提出一套包含“用户指令”“活动可解释性”“用户控制”和“心智模型”四个维度的分类体系。该体系覆盖了从用户发出指令、助手展示操作计划、处理错误到移交控制权的完整流程，为后续研究提供了统一框架。第二阶段的用户实验采用经典的“绿野仙踪法”，招募20名有人工智能使用经验的用户，完成度假租赁、在线购物等任务。为尽可能还原真实体验，研究人员由真人在后台模拟助手操作，受试者并不知道“助手”实际上是隔壁房间的研究员。此设计避免了技术不稳定带来的干扰，使结果更聚焦于交互与心理预期本身。实验结果体现为用户需求的细微平衡：用户希望了解助手的行动方向与决策依据，但并不愿意逐步“盯着做”，否则使用助手的意义会被削弱。不同场景下，透明度与控制权的需求差异明显。在探索性或不熟悉的任务中，用户更希望看到中间步骤与解释，用于理解和核验操作；而在支付、修改账户信息等高风险场景中，用户则更强调最终确认与否决权，不愿将关键决策完全交给智能助手。研究还强调，信任是人机交互的关键变量，但同样非常脆弱：当助手在选项含糊时不询问就自行决定，或在未提示的情况下偏离原计划，用户信任会迅速下降。用户并不期待助手为了“自动化”在不确定时贸然选择，更倾向于其主动暂停并请求澄清，尤其当决定可能带来实际损失时。这些发现对智能助手的交互设计具有直接启发。当前市场对智能助手投入持续加大，但在界面形态与交互逻辑上的探索仍显不足。一些产品过度强调自动化，忽视了用户对控制权与透明度的核心诉求。苹果的研究给出更清晰的方向：智能助手需要在自动化与用户控制之间建立可预测的边界，在关键决策点保留明确的确认机制，在日常操作中提供适度的过程说明，而不是单纯追求更“聪明”、更“自动”。
智能体的意义不在于替用户做决定，而在于让复杂流程更可控。越是涉及支付、账户与隐私等切身利益的环节，越需要克制的自动化与清晰的确认权。让技术在可解释、可控的轨道上运行，既是建立用户信任的前提，也是智能体走向规模化应用必须回答的问题。