AI Agent بعنوان یک کاربر

فرض کن یه دستیار هوشمند داری و بهش می‌گی: «برو یه بلیط هواپیما برای هفته آینده بخر، ارزون‌ترین گزینه رو انتخاب کن.» دستیار بدون اینکه تو کار خاصی انجام بدی، مرورگر رو باز می‌کنه، سایت‌های مختلف رو می‌گرده، قیمت‌ها رو با هم مقایسه می‌کنه، فرم‌ها رو پر می‌کنه و در نهایت بلیط رو می‌خره. تو فقط آخر کار یه تأیید نهایی می‌دی. این دیگه آینده نیست. همین الان داره اتفاق می‌افته. AI Agent همین کارو می‌کنه.

اما اینجا یک سؤال مهم برای ما طراحان UX پیش میاد: وقتی این دستیار هوشمند داره محصول ما رو استفاده می‌کنه، چقدر می‌تونه درست و موفق عمل کنه؟ یا حتی مهم‌تر، آیا اصلا می‌تونه محصول ما رو درست بفهمه؟

AI Agent چیست؟

AI Agent یه سیستمه که برای رسیدن به یک هدف مشخص ساخته می‌شه و مرحله‌به‌مرحله جلو می‌ره. یعنی فقط جواب نمی‌ده، بلکه کار رو انجام می‌ده تا به نتیجه برسه. اینجا دیگه وارد توضیح مستقیم می‌شیم، نه داستان جدید. AI Agent از اول یک هدف داره و همه تصمیم‌هاش رو بر اساس همون هدف می‌گیره. مسیرش این شکلیه که یه کار رو انجام می‌ده، نتیجه رو بررسی می‌کنه و بعد می‌ره سراغ قدم بعدی.

در طول این مسیر فقط تحلیل نمی‌کنه؛ واقعا عمل می‌کنه. یعنی می‌تونه سراغ وب بره، داده‌ها رو بخونه، با سیستم‌ها کار کنه یا حتی دستور اجرا کنه. همزمان هم مدام چک می‌کنه چقدر به هدف نزدیک شده و اگر لازم باشه مسیرش رو تغییر می‌ده. اگر بخوای خیلی ساده ببینیش، AI Agent یه جور «مجری هدف‌محوره» است؛ یعنی بهش نمی‌گی چی کار کن، بهش می‌گی چی می‌خوای، و خودش راه رسیدن بهش رو پیدا می‌کنه.

تفاوت LLM و Agent

LLM (مثل ChatGPT معمولی) در اصل یک مدل زبانیه که متن تولید می‌کنه. ازش سوال می‌پرسی، جواب می‌ده و همون‌جا کارش تموم می‌شه. خودش وارد عمل نمی‌شه، پیشرفت رو دنبال نمی‌کنه و قدم بعدی رو هم تصمیم نمی‌گیره.

اما AI Agent یک لایه بالاتر از اینه. Agent دور همین مدل‌ها یه سیستم تصمیم‌گیری و ابزارهای مختلف اضافه می‌کنه. یعنی LLM بهش قدرت فهم و تولید زبان می‌ده، ولی خود Agent کار رو جلو می‌بره و بین چند مرحله تصمیم می‌گیره چی کار کنه.

مثلاً وقتی از ChatGPT معمولی بخوای وارد یه سایت مثل Alibaba بشه و داده استخراج کنه، معمولاً فقط مراحل رو برات توضیح می‌ده. اما یک AI Agent واقعی خودش وارد سایت می‌شه، کلیک می‌کنه، فیلترها رو تنظیم می‌کنه، اگر خطا ببینه دوباره تلاش می‌کنه و تا رسیدن به نتیجه کار رو ادامه می‌ده.

Agent‌ها UI رو نمی‌بینن

اینجا جاییه که این موضوع برای ما طراحان جدی می‌شه. ما سال‌ها برای انسان‌ها طراحی کردیم؛ برای چشم، برای احساس، برای درک بصری. اما AI Agentها وارد این لایه نمی‌شن و UI رو مثل انسان‌ها تجربه نمی‌کنن.

AI Agentها رنگ‌ها رو نمی‌بینن، انیمیشن‌ها رو درک نمی‌کنن و UI رو به شکل یک تصویر ذهنی هم نمی‌سازن. چیزی که برای اون‌ها مهمه، ساختار زیرین محصوله. اون‌ها بررسی می‌کنن داده‌ها چطور سازمان‌دهی شدن، APIها چه خروجی‌ می‌دن و آیا اطلاعات به شکل قابل پیش‌بینی و قابل دسترس ارائه می‌شن یا نه.

به همین دلیل می‌تونیم AI Agentها رو به‌عنوان یک نوع «کاربر جدید» در نظر بگیریم؛ اما نه کاربری شبیه انسان. این کاربر فقط با منطق سیستم کار می‌کنه و از محصول، ساختار و داده‌ها رو مصرف می‌کنه، نه ظاهر یا تجربه بصری رو.

AI Agentها چطور با محصولات دیجیتال کار می‌کنن؟

AI Agentها الان مثل کاربر واقعی با رابط‌های دیجیتال کار می‌کنن. اونا معمولاً سه روش اصلی برای تعامل دارن:

• روش اول، تعامل دیداریه (Vision-Based): در این روش Agent از صفحه اسکرین‌شات می‌گیره و با کمک مدل‌های بینایی محتوا رو تفسیر می‌کنه. این روش هزینه بالایی داره و خطا هم در اون زیاده.
• روش دوم، استفاده از Accessibility Tree: در این حالت Agent از همون ساختاری استفاده می‌کنه که screen readerها هم ازش استفاده می‌کنن. این روش اطلاعات رو دقیق‌تر و تمیزتر در اختیار Agent می‌ذاره و عملکردش بهتره.
• روش سوم، دسترسی مستقیم به API: در این روش Agent اصلا وارد UI نمی‌شه و مستقیم با داده و سرویس‌ها کار می‌کنه. این مسیر احتمالا در آینده بیشتر استفاده می‌شه.

نکته مهم اینه که Agentها UI رو مثل انسان‌ها نمی‌بینن. اونا به ساختار صفحه، لیبل‌های واضح، ترتیب درست عناصر و معنا در طراحی وابسته‌ان. این همون چیزیه که در طراحی برای دسترس‌پذیری (Accessibility) اهمیت داره.

پس ما به‌عنوان طراح UX باید چی کار کنیم؟

در کوتاه‌مدت بهتره اصول Accessibility رو جدی‌تر بگیریم. محصول رو طوری طراحی کنیم که هم انسان‌ها راحت‌تر استفاده کنن، هم سیستم‌های هوشمند بهتر بتونن اون رو بفهمن.

برای این کار، اول باید از HTML درست و معنی‌دار (Semantic HTML) استفاده کنیم. یعنی به‌جای اینکه فقط ظاهر صفحه رو بسازیم، از تگ‌هایی استفاده کنیم که معنی هم داشته باشن. مثلا به‌جای اینکه همه چیز رو داخل divهای بی‌نام و نشان بذاریم، از تگ‌هایی مثل button برای دکمه، nav برای منو، و header برای بخش بالای صفحه استفاده کنیم. این کار باعث می‌شه ساختار صفحه برای سیستم‌ها قابل فهم‌تر بشه.

در قدم بعدی باید برای تمام عناصر مهم صفحه، لیبل (Label) واضح و قابل فهم بذاریم. هر دکمه، فرم یا ورودی باید دقیق مشخص کنه که چه کاری انجام می‌ده. مثلا به‌جای یک دکمه با متن «اینجا کلیک کن»، باید بنویسیم «ثبت سفارش» یا «جستجوی محصول»، تا هم انسان‌ها و هم Agentها دقیق بفهمن این دکمه چه کاری انجام می‌ده.

همچنین باید ساختار صفحه رو منطقی و قابل پیش‌بینی طراحی کنیم. یعنی اطلاعات مهم در جای درست خودش قرار بگیره، ترتیب محتوا مشخص باشه و کاربر (چه انسان، چه Agent) بتونه راحت مسیر صفحه رو دنبال کنه بدون اینکه گیج بشه.

این کارها فقط برای Agentها نیست. وقتی ما این اصول رو رعایت می‌کنیم، تجربه کاربری برای انسان‌ها هم واضح‌تر، ساده‌تر و قابل فهم‌تر می‌شه. در بلندمدت احتمالا مسیر تعامل تغییر می‌کنه. انسان‌ها همچنان به یک رابط بصری ساده و قابل درک نیاز دارن، اما AI Agentها کم‌کم کمتر به UI وابسته می‌شن و بیشتر مستقیم با داده‌ها و APIها کار می‌کنن.

هفت اصل ساده که Agent رو تبدیل به یک کاربر واقعی می‌کنه؟

تحقیقات نشون می‌دن وقتی این چند اصل ساده رو رعایت کنیم، Agentها خیلی راحت‌تر و موفق‌تر می‌تونن با محصول کار کنن و تسک‌ها رو کامل انجام بدن.

• تغییرات واضح بعد از هر کار

وقتی Agent روی یک دکمه کلیک می‌کنه، باید سریع بفهمه چه اتفاقی افتاده. مثلاً دکمه رنگش عوض بشه، متنش تغییر کنه، یک پیام در حال انجام نشون داده بشه یا دکمه موقتاً غیرفعال بشه. اگر هیچ تغییری دیده نشه، Agent فکر می‌کنه کلیک انجام نشده و دوباره همون کار رو تکرار می‌کنه.

• طراحی پایدار و قابل پیش‌بینی

جای عناصر صفحه نباید مدام تغییر کنه. اگر یک دکمه هر بار یه جای متفاوت ظاهر بشه، Agent مسیرش رو گم می‌کنه. هم برای انسان‌ها گیج‌کننده‌ست، هم برای سیستم‌های هوشمند.

• حذف لایه‌های نامرئی روی صفحه

بعضی وقت‌ها پیام‌های حاوی اطلاعاتی که در زمان بازدید از یک سایت برای شما ارسال میشه (Cookie) یا پنجره‌های تبلیغاتی به‌صورت شفاف روی صفحه می‌افتن و جلوی کلیک واقعی رو می‌گیرن. در این حالت Agent فکر می‌کنه روی دکمه اصلی کلیک کرده، ولی در واقع روی همون لایه نامرئی کلیک شده.

• استفاده از ساختار درست در صفحه

بعضی وقت‌ها یه بخش در صفحه از نظر ظاهر شبیه دکمه‌ست و کاربر هم راحت روش کلیک می‌کنه، ولی برای Agent همیشه واضح نیست. Agent فقط ظاهر رو نمی‌بینه، دنبال اینه بفهمه این بخش واقعاً برای کلیک ساخته شده یا فقط شبیه دکمه طراحی شده. اگر درست تعریف نشده باشه، ممکنه اصلاً به عنوان دکمه تشخیصش نده.

• مشخص بودن قابل کلیک بودن عناصر

وقتی موس روی یک دکمه میره، بهتره شکلش عوض بشه تا معلوم بشه قابل کلیکه. این چیز ساده‌ست، ولی برای بعضی Agentها یه نشونه مهمه.

• توضیح واضح برای فیلدهای ورودی

هر کادر باید دقیق بگه برای چی استفاده میشه. اگر این توضیح واضح نباشه، Agent ممکنه فرم رو اشتباه پر کنه یا اصلاً متوجه هدفش نشه.

• اندازه مناسب دکمه‌ها و لینک‌ها

اگر دکمه‌ها و لینک‌ها خیلی کوچیک باشن، هم کاربر انسانی سخت‌تر باهاشون کار می‌کنه، هم Agent ممکنه اصلا اون‌ها رو نبینه یا درست تشخیص نده.

جالب اینجاست که تقریباً همه این‌ها همون اصول دسترس‌پذیری هستن که سال‌ها برای کمک به کاربران دارای محدودیت استفاده می‌کردیم. الان همون اصول دارن به Agentها کمک می‌کنن تا محصولات دیجیتال رو بهتر بفهمن و راحت‌تر باهاشون کار کنن.

نتیجه‌گیری

AI Agentها دارن به سرعت به بخشی از کاربران محصولات دیجیتال تبدیل می‌شن. حتی اگر انسان نباشن، باز هم کاربر محسوب می‌شن. این تغییر ما رو وادار می‌کنه طراحی‌مون رو فراتر از «انسان» ببینیم و برای سیستم‌هایی که به ساختار، معنا و قابلیت اطمینان نیاز دارن هم فکر کنیم. هر سرمایه‌گذاری که امروز روی Accessibility و معماری معنادار صفحات انجام بدیم، در واقع برای دو نوع کاربر همزمان ارزش ایجاد می‌کنه: انسان‌های امروز و Agentهای فردا. این دیگه یک گزینه لوکس یا روند موقتی نیست، بلکه یک ضرورت رقابتی در دنیای طراحی تجربه کاربری محسوب می‌شه.

منابع

• NNgroup
• cintra.run