PAIR Guidebook: как проектировать AI‑продукты вокруг человека

Что такое PAIR Guidebook

People + AI Guidebook — практическое руководство Google по проектированию AI-продуктов с фокусом на человека. Его подготовила команда People + AI Research: исследователи, которые изучают человеческую сторону искусственного интеллекта.

Руководство помогает дизайнерам, продактам и разработчикам договориться о том, какую задачу решает AI, как человек будет с ним работать и что произойдёт, если результат окажется неверным. Внутри — подробные главы, принципы, паттерны, примеры и упражнения для команды.

Первая версия вышла в мае 2019 года. Третья редакция, обновлённая в апреле 2025 года, уделяет особое внимание генеративному AI. Это позволяет применять её к продуктам, в которых пользователь получает открытый, вариативный результат: текст, изображение, рекомендацию или план действий.

Начать с пользы для человека

Первая глава PAIR предлагает связать потребности пользователей с сильными сторонами AI. Для этого нужно понять, кто пользуется продуктом, как сейчас решается задача и где возникает трудность. Затем определить, какой результат будет означать успех. User Needs + Defining Success ↗

Представим редактор рекламных текстов. Возможность сгенерировать двадцать заголовков сама по себе мало говорит о пользе. В проектной работе важнее выяснить, помогает ли редактор быстрее получить текст, который подходит аудитории, соответствует брифу и проходит согласование.

Для такого редактора можно измерять время до согласованного варианта, объём ручной доработки и частоту ошибок в обязательных формулировках. Это пример продуктовых критериев: они связывают работу AI с тем, ради чего человек открывает инструмент.

Шесть разделов, которые стоит держать рядом

Каждый раздел рассматривает отдельную сторону взаимодействия. Их удобно использовать по мере работы над продуктом: от постановки задачи до разбора ошибок после запуска.

1. 01

   Потребности и критерии успеха

   Какую проблему решает продукт? Где AI добавляет ценность? Что стоит автоматизировать, а где лучше помогать человеку действовать самостоятельно?

   User Needs + Defining Success ↗
2. 02

   Данные и развитие модели

   Как превратить потребности людей в требования к данным и модели? На каких примерах проверять качество? Как оценивать пользу и поведение AI до и после запуска?

   Data + Model Evolution ↗
3. 03

   Представления и ожидания

   Что человек думает о возможностях AI? Как объяснить ограничения, помочь освоиться и обновить ожидания, когда система меняется?

   Mental Models + Expectations ↗
4. 04

   Доверие и объяснения

   Когда пользователь может опереться на результат? Каковы последствия избыточного или недостаточного доверия? Какие объяснения помогут принять решение?

   Trust + Explanations ↗
5. 05

   Обратная связь и управление

   Как направлять AI, сравнивать варианты и корректировать результат? Что происходит после обратной связи и какую пользу это приносит пользователю?

   Feedback + Controls ↗
6. 06

   Ошибки и восстановление

   Что считается ошибкой в данном контексте? Насколько серьёзны последствия? Как помочь человеку исправить ситуацию и продолжить работу?

   Errors + Graceful Failures ↗

Доверие и контроль нужно проектировать

Выбирать подходящую степень автоматизации

Готовность делегировать зависит от задачи, опыта человека и усилий, необходимых для управления AI. Пользователь может хотеть автоматизировать рутину и сохранять самостоятельность там, где важен его замысел. PAIR предлагает учитывать эти различия при выборе уровня автономии. Принцип User Autonomy ↗

В редакторе это может означать разные способы работы: предложить варианты, изменить выделенный фрагмент или подготовить полный черновик. Выбор режима даёт человеку возможность соотнести помощь AI со своей задачей.

Соотносить доверие с возможностями системы

В PAIR используется идея калибровки доверия: человек должен понимать, когда результату можно довериться и когда нужна проверка. Для этого команда разбирает, как доверие формируется, что его разрушает и как объяснения помогают действовать. Trust + Explanations ↗

Применительно к нашему редактору полезно отделять сведения из брифа от предложенных моделью формулировок. Если AI добавил неподтверждённое утверждение, интерфейс должен помочь его заметить и проверить. Красиво оформленный текст сам по себе не подтверждает достоверность.

Давать содержательную обратную связь

Обратная связь помогает системе улучшаться, а человеку — понимать её поведение. Важно заранее определить, какой сигнал нужен команде и что пользователь получит после своего действия. Управление может включать настройку AI, сравнение вариантов и последовательную доработку результата. Feedback + Controls ↗

Например, замечания «слишком официальный тон» и «неверный факт» требуют разной реакции. В редакторе стоит разделить эти причины и объяснить, меняет ли действие текущий текст, сохраняет предпочтение или отправляет отзыв команде.

Предусматривать путь после ошибки

PAIR рассматривает ошибки системы, ошибки пользователя и несоответствия между ожиданиями человека и предположениями AI. Их последствия зависят от контекста. Поэтому восстановление нужно продумывать вместе с основным сценарием. Errors + Graceful Failures ↗

Если генерация не удалась, редактор может сохранить исходный бриф и последнюю версию текста, предложить уточнить запрос или продолжить вручную. Пользователь при этом сохраняет уже выполненную работу.

Как это выглядит в редакторе рекламных текстов

Соберём принципы в один сценарий. Редактору нужно подготовить несколько рекламных заголовков по брифу, выбрать подходящий и согласовать результат.

На дизайн-ревью такого инструмента можно пройти всю цепочку: от понимания брифа до исправления неудачного ответа. Так становится видно, где пользователю не хватает информации, возможностей управления или пути для продолжения работы.

Шесть вопросов для ближайшего дизайн-ревью

Практический способ начать — выбрать одну AI-функцию и обсудить её на примере реальной задачи. Эти вопросы можно использовать как основу встречи:

1. Польза. Что человек сможет сделать лучше и как мы это проверим?
2. Данные. Похожи ли наши примеры для оценки на реальные запросы и условия работы?
3. Ожидания. Что пользователь поймёт о возможностях и ограничениях AI при первом знакомстве?
4. Доверие. Как он определит, что результат требует проверки?
5. Управление. Как изменить, отменить или отклонить предложение AI?
6. Ошибка. Как завершить задачу, если AI не справится?

По итогам обсуждения полезно зафиксировать несколько конкретных решений: что изменится в сценарии, что нужно проверить с пользователями и по каким признакам команда оценит результат. Например: «добавить возврат к предыдущему варианту» или «проверить, замечают ли редакторы неподтверждённые утверждения».

С этого и удобно начинать работу с PAIR: выбрать ближайшую продуктовую проблему, открыть соответствующую главу и применить её вопросы к своему сценарию. Руководство даёт общий язык для обсуждения того, как AI помогает человеку и где эта помощь требует доработки.