10 ошибок в UX ИИ-продуктов, которые я вижу в каждом втором стартапе (и как их чинят)

Последние полгода я делаю Figma-киты для интерфейсов ИИ-продуктов — чат-боты, копайлоты, автономные агенты. Побочный эффект такой работы — насмотренность: через тебя проходят десятки чужих интерфейсов, и ты начинаешь замечать, что все ломаются в одних и тех же местах.И вот что важно: почти всегда это не проблема модели. GPT, Claude, ваша дообученная Llama — они справляются. Ломается не интеллект, а то, как продукт сообщает пользователю о своём состоянии. Модель думает — интерфейс молчит. Агент сделал 12 действий — интерфейс не показал ни одного. Ответ — догадка — а оформлен как факт.

Я собрал картотеку таких ошибок. Ниже — пять самых частых, разобранных очень подробно, с конкретным «как чинить». Полный список из 27 паттернов и чек-лист на 50 пунктов — в конце, но и этих пяти хватит, чтобы заметно поднять доверие к вашему продукту.

Ошибка 1. Вечный спиннер

Пользователь нажал «отправить». Крутилка. Пять секунд. Десять. Пятнадцать. Ничего не происходит — по крайней мере, так это выглядит снаружи. Проблема в том, что любое ожидание дольше 5 секунд без слов читается как «сломалось». Не важно, что под капотом идёт сложная генерация или агент лезет в три источника — если экран не говорит об этом, пользователь думает, что продукт завис, и уходит перезагружать страницу (теряя контекст, см. ошибку 4).

Как чинить. Озвучивайте стадии реальными словами: «Ищу в документах… читаю 3 файла… формирую ответ». Латентность та же — восприятие надёжности другое. А для процессов дольше 15 секунд показывайте прошедшее время: счётчик, который тикает, психологически убеждает, что система работает, лучше любой анимации.

Ошибка 2. Исчезающий черновик

Пользователь написал вдумчивый промпт на 400 слов. Нажал отправить. Случилась ошибка — упал rate limit, отвалился бэкенд, что угодно — и его текст исчез вместе с ошибкой. Это — кардинальный грех UX ИИ-продуктов. Именно длинные, продуманные промпты пишут ваши самые ценные пользователи — те, кого вы больше всего хотите удержать. И именно их вы наказываете за каждый сбой сети.

Как чинить. Ввод пользователя не должен пропадать никогда — ни при ошибке, ни при переключении вкладки, ни при перезагрузке, ни при регенерации ответа. Черновик живёт до тех пор, пока пользователь сам его не отправит успешно. Это, как правило, правка на один день, а retention она двигает измеримо. Проведите аудит: возьмите последние 50 реальных сообщений об ошибках у себя в проде. В большинстве команд больше половины из них уничтожают пользовательский ввод. Почините только это — и уже выиграете.

Ошибка 3. Костюм уверенности

Ответ звучит абсолютно уверенно. Категоричный тон, ровный синтаксис, может быть даже бейджик «проверено» рядом. Вот только под этим бейджиком нет никакого пайплайна проверки, а сам факт — галлюцинация. Опасность здесь не в том, что модель ошиблась (она будет ошибаться), а в том, что **интерфейс придал догадке вид факта**. Пользователь один раз ловит вас на этом — и перестаёт доверять всему продукту, включая те ответы, что были верны.

Как чинить. Во-первых, выражайте неуверенность словами — «насколько я могу судить», «стоит перепроверить». Во-вторых, никаких бейджей «verified», за которыми не стоит реальная верификация. В-третьих — ставьте цитаты прямо у утверждения, а не общим списком в конце, и показывайте по наведению сам фрагмент источника, а не голый URL. Пользователь должен за две секунды проверить, откуда взялась цифра.

Ошибка 4. Лавина подтверждений.

Из благих побуждений команда добавляет диалог подтверждения на каждое действие агента. «Выполнить?» «Точно выполнить?» «Вы уверены?». Кажется, что это безопасно. На деле происходит обратное: пользователь приучается жать «да» вслепую. И когда наконец появляется тот единственный диалог, который действительно важен — необратимое удаление, отправка денег, публикация — он прожимает и его на автомате. Гиперопека убивает то самое внимание, ради которого затевалась.

Как чинить. Градуируйте подтверждения по «радиусу поражения». Обратимо и приватно (поправить черновик) — просто делайте, без вопросов. Трудно обратимо или направлено наружу (отправить письмо, списать деньги, удалить данные) — покажите превью и спросите. И дайте пользователю повышать доверенные действия до «всегда разрешать». А ещё лучше — там, где технически возможно, замените подтверждение на отмену. Действие, которое можно откатить в один клик, почти не нуждается в диалогах. Undo дешевле, чем approval: агент, у которого все действия обратимы, требует минимума разрешений. Архитектура — это и есть UX.

Ошибка 5. Немой апгрейд.

Однажды вы молча меняете модель под капотом или переписываете системный промпт. Метрики качества, может, даже растут. Но пользователи, у которых были откалиброванные под старое поведение сценарии, вдруг получают «другой» продукт — и не понимают, почему их отлаженные промпты перестали работать.

Как чинить. Одна строчка чейнджлога стоит ноль. «Мы обновили модель — ответы могут стать точнее, но иначе сформулированными». Люди прощают изменения, которые им объяснили; они не прощают, когда земля уходит из-под ног без предупреждения.

Ещё пять — и полный список.

Это только половина «зала позора». В том же ряду: фейковый человек (агент с человеческим именем и аватаром без раскрытия, что это ИИ), свалка логов (сырой JSON и стек-трейсы прямо в диалоге), пленённый ответ (ни кнопки «копировать», ни экспорта — ответ заперт в чате), бесконечная единственная ветка (нет сессий, поиска, заголовков — один тред на четыре месяца) и непрозрачный токен (usage-биллинг, где стоимость всплывает только в счёте).Каждую из этих ошибок можно чинить по отдельности. Но удобнее иметь под рукой систему. Поэтому все 27 паттернов — от первого запуска и пустых состояний до потоковой генерации, прозрачности действий агента и восстановления после ошибок — я собрал в отдельную книгу-справочник «Designing AI Agent Interfaces». Каждый паттерн там в формате «проблема → правило → конкретный do/don't», плюс полный список анти-паттернов и чек-лист из 50 пунктов, который команда прогоняет перед релизом любой ИИ-фичи (меньше 40 из 50 — значит, у вас есть известные утечки доверия). Книга на английском (потому что основной рынок там), читается за вечер.

А вопрос к вам, раз уж дочитали: какую из этих ошибок вы ловили в чужих (или своих) ИИ-продуктах? Собираю материал для следующего издания — интересные кейсы из комментариев туда и попадут.

Связаться: Telegram @VesperEIS.