NNGroup: Дизайн AI-ассистентов — почему доступ к контексту важнее мощности модели
Кейлеб Спонхайм из Nielsen Norman Group опубликовал эту статью 9 октября 2026 года, основываясь на структурированном тестировании трёх AI-ассистентов — оригинальной Siri, обновлённой Siri AI и ChatGPT — на реальных задачах после поездки: найти недавний чек, вспомнить разговор на прошлой неделе, проверить маршрут перелёта. Главный вывод неочевиден: менее мощная модель с доступом к реальному контексту пользователя может превзойти более мощную модель, которой нужно, чтобы пользователь предоставлял информацию вручную.
Тест делает механизм наглядным. ChatGPT, несмотря на более сильные языковые способности, требовал от пользователей описать ситуацию, вставить нужный текст и воссоздать контекст, который уже присутствовал на устройстве. Обновлённая Siri AI с доступом к данным устройства, сообщениям и календарю справлялась с теми же задачами без этой нагрузки. Оригинальная Siri с доступом, но слабыми возможностями, не справлялась с интерпретацией. Полезная комбинация — это обе составляющие: доступ к контексту и способность эффективно его использовать.
Спонхайм формулирует шесть принципов дизайна, следующих из результатов. Первый: AI-ассистенты должны снижать усилия пользователя, автоматически подключаясь к релевантным источникам данных. Второй: если запрос выходит за пределы доступных данных, ассистент должен объяснить, где и что он искал, — пользователи не могут устранить проблему, которую не видят. Третий: интерпретация запроса должна быть прозрачной, чтобы пользователь мог исправить ошибочное понимание до выполнения действия. Четвёртый: высокозначимые действия требуют подтверждения перед выполнением. Пятый: при неоднозначности запроса ассистент должен спросить, а не угадывать. Шестой: контекст должен сохраняться на протяжении всей задачи, включая переход в целевые приложения.
Статья также указывает на методологическую особенность, которую большинство оценок AI-ассистентов упускают: весь рабочий процесс нужно измерять от начала до конца, включая целевое приложение. Ассистент, который правильно отвечает, но теряет нить при переходе пользователя в другое приложение, не завершил задачу.
Полезно для дизайнеров, работающих с интерфейсами AI-ассистентов, on-device AI-функциями или любым продуктом, где AI-компонент должен решать: сколько контекста запрашивать, а сколько выводить из доступных данных.