多智能体人工智能以速度为代价，带来更深入的结果。
这种感知上的迟缓可以通过用户体验设计加以管理。
用户应能够通过文本、语音、文档或图形用户界面自然地交互，并在各种交互方式之间无缝切换。
我们正迈入人工智能（AI）的新时代，这一时代由多智能体AI系统驱动——即多个相互作用的智能体协同工作，以实现更智能、更具适应性和协作性的数字体验，从而达成最终目标。
这些系统有望彻底改变各类组织处理复杂任务的方式；多个专业化智能体将携手合作，以前所未有的速度、敏捷性和智能解决问题。
然而，要释放这一潜力，仅靠技术卓越是不够的。尽管多智能体AI系统具有显著的性能优势，但与人们已习惯的传统软件即时响应相比，它们有时会让用户感觉更慢。
这并非效率低下所致，而是因为多智能体AI系统在幕后进行了更深入、更具语境性的推理。各智能体相互协作、交换见解，并在作出回应前反复完善其分析。
要充分释放其潜力，组织必须设计能够最大限度减少感知延迟的系统。打造让人感觉快速且直观的体验，是建立用户信任、实现下一代AI真正商业价值的关键。
拓展我们的交互方式
由多模态大语言模型（LLM）驱动的多智能体AI系统，正在改变用户与企业计算机系统的交互方式。这些模型不再局限于文本输入，现在能够处理语音、图像、文档、结构化数据等多种内容。
专业化智能体可嵌入各个业务职能部门——从人力资源到财务和IT——使用户能够以自然、对话式的方式提出问题、请求更新并实现工作流程自动化，具有很高的灵活性。
与人类协作一样，交互模式必须值得信赖且透明。有时，需要有人参与其中（human in the loop）来批准决策；在其他情况下，智能体可以在极少监督下自主行动。每种交互方式都带来独特的用户体验（UX）设计挑战。
除延迟问题外，这些挑战还包括可能缺乏透明度的问题——当用户将AI视为“黑箱”时，便会产生不信任感。当用户通过聊天、语音、上传等多种方式进行交互时，打造无缝体验也十分困难。此外，各智能体的角色定位可能也存在模糊之处。
这正是设计必须超越基本可用性的原因。多智能体AI系统需要能够清晰传达可信度、透明度和控制力的体验，尤其是在平衡人类输入与机器自主性时。
用户需要理解系统正在做什么、为何这样做，以及在每一步中自己拥有多大的影响力。
自适应界面的历史借鉴
这些挑战并非新问题。二十年前，我们在一个名为CRUSE（Context Reactive User Service Environment，情境响应式用户服务环境）的项目中探索了自适应自然语言系统，这是一款能够响应用户情境的移动界面。
例如，若用户指向某张图片并说“帮我找更多类似的”，系统会基于该视觉情境推断意图，而不仅仅依赖文字本身。
CRUSE采用了多智能体架构；这些智能体会根据最能使交互直观的方式，动态生成按钮或表单。这一原则至今依然适用：系统应当适应用户，而非用户去适应系统。
如今，无论用户是员工还是客户，组织的AI系统都应支持多种交互方式和入口。用户可能从聊天机器人开始，切换至表单，上传文件，或直接与特定智能体展开对话。系统必须从明示和隐含的线索中推断用户意图。
设计以人为本的多智能体用户体验
在为多智能体系统设计用户体验时，以下是需要考虑的几种关键交互方式：
文本：核心界面——自然、富有表现力且快速。
语音： 在免提场景或客户支持中很有帮助，但通常属于可选功能。
图形用户界面集成： 对混合工作流程至关重要。用户应能够在表单与聊天之间流畅切换。
附件：PDF、URL和结构化输入可丰富智能体的理解能力。
音频/视觉线索： 属于可选功能，但在情感感知类应用场景中价值显著。
入口与直接访问
用户应能够通过熟悉的平台与智能体交互，包括万维网、Slack或Microsoft Teams，并且能够直接与相关领域的智能体（例如人力资源或法务部门的智能体）互动，而不仅限于集中式界面。这有助于节省关键成本要素，并减少用户的挫败感。
管理对延迟的感知
多智能体AI系统通常通过协调跨领域的专业化智能体，提供更优质、更全面的决策。但这种复杂性是在幕后运行的；若缺乏合适的用户体验设计，对于习惯即时反馈的用户而言，可能会产生不透明和不确定感。
要弥合这一感知差距，我们必须让无形之物变得可见。周到的用户体验设计，能够将感知上的停滞时刻转化为建立信任、增强参与度和提升用户信心的机会。有效策略包括以下几点：
使工作过程可见： 展示智能体的进行状态（“智能体Alpha正在整合见解……”）。
解释等待原因： 说明延迟的原因（“正在分析供应商合同……”）。
采用渐进式披露： 提供预览、中间结果或智能体活动指示器。
实现零点击更新： 无需用户干预，自动交付结果。
构建人性化叙事： 从视觉和功能两方面突出不同智能体的角色。
异步且富有同理心的反馈
即使用户必须等待，体验也无需显得被动。异步且富有同理心的反馈能够确保用户随时掌握信息、安心无忧，而无需持续参与。实现方式如下：
任务完成时通知用户： 结果就绪后，通过电子邮件、聊天或应用程序发送提醒，让用户可以暂时离开。
提供透明的预计完成时间：分享预计完成时间，有助于管理预期并减少不确定性。
运用个性与语气：幽默或富有同理心的措辞（“仍在思考……今天的网络有点闹脾气”）能让等待显得更具人情味。
融入多感官反馈： 通过细微的音效提示、以颜色区分的智能体状态或简单动画，强化活动与进度。重新思考基准。
用户已习惯于传统应用程序的速度与稳定性。但多智能体AI系统追求的是另一种价值：洞察力、细腻度与智能协作。评估此类系统时，不应以应用程序的速度标准衡量，而应以人类水平的工作流程为参照，在这些流程中，深度与适应性比即时性更为重要。
一次耗时10秒、却能替代数小时人工协调的响应，并非延迟。它代表着生产力与洞察力的飞跃，我们必须重新审视智能系统的响应速度。
从工具到团队伙伴
多智能体AI系统正助力组织从被动式软件转向主动、自适应的服务。然而，工作的完成并非仅靠增加智能体数量。成功需要一种全新的用户体验语言，将交互视为一场对话，将延迟视为叙事的契机，并使人类与机器共享主导权。
每一次更新、每一次等待、每一项洞察，都是建立信任、塑造协作的时机。正是这样，我们才能从助手走向协作者，从智能工具走向智能团队。
