एआई-आधारित उत्पाद डिज़ाइन: एआई-प्रधान उत्पाद कैसे बनाएँ, न कि एआई-आधारित।

एक एआई-नेटिव उत्पाद वह होता है जिसमें मॉडल को हटाने पर कुछ भी उपयोगी नहीं बचता। आज अधिकांश उत्पाद जो खुद को एआई-नेटिव कहते हैं, वे एआई के बिना भी ठीक से काम कर सकते हैं, जिसका अर्थ है कि वे एआई-नेटिव नहीं हैं। वे एआई-बोल्टेड-ऑन हैं, और अंतर ब्रांडिंग का नहीं, बल्कि आर्किटेक्चर का है।

सबसे सटीक परीक्षण विलोपन परीक्षण है। उत्पाद खोलें, और मानसिक रूप से प्रत्येक मॉडल कॉल, प्रत्येक चैट पैनल, प्रत्येक स्पार्कल बटन, प्रत्येक "एआई सारांश" पंक्ति को हटा दें। क्या बचता है? यदि उत्तर एक पूर्णतः कार्यात्मक उत्पाद है जिसमें कुछ अतिरिक्त विशेषताएं कम हो गई हैं, तो उत्पाद एआई-बोल्टेड-ऑन है। यदि उत्तर एक खोखला ढांचा है जिसमें उसकी प्राथमिक सतह नहीं बची है, तो उत्पाद एआई-नेटिव है। Linear विलोपन परीक्षण में केवल अपनी नई सतहों पर ही उत्तीर्ण होता है। कर्सर विलोपन परीक्षण में तुरंत विफल हो जाता है क्योंकि मॉडल के बिना कुछ भी नहीं बचता। अधिकांश एंटरप्राइज SaaS जिन्होंने 2024 में चैट साइडबार पेश किया, वे विलोपन परीक्षण में इसलिए उत्तीर्ण होते हैं क्योंकि उनमें कुछ भी महत्वपूर्ण नहीं खोता, और यही इसका प्रमाण है।

यह लेख उस परीक्षण का व्यावहारिक संस्करण है। इसमें छह सिद्धांत शामिल हैं जो AI-नेटिव और AI-बोल्टेड-ऑन को अलग करते हैं, साथ ही Linear, Cursor, Granola, Perplexity और Arc सर्च से लिए गए पांच वास्तविक उत्पाद विश्लेषण भी हैं जो दिखाते हैं कि प्रत्येक सिद्धांत कैसे लागू होता है, दो ऐसे उत्पादों की चेतावनी भरी कहानियां हैं जिन्होंने AI को साइड पैनल पर जोड़ा और उससे कोई लाभ नहीं हुआ, और एक प्री-शिप चेकलिस्ट है जिसे कोई भी टीम शिपिंग से पहले एक कार्यशील बिल्ड पर चला सकती है।

AI-नेटिव का अर्थ है कि मॉडल ही उत्पाद है, कोई फीचर नहीं

"AI-नेटिव" शब्द का प्रयोग OpenAI कुंजी और ग्लो इफेक्ट वाले हर उत्पाद के लिए किया जाता है, जिससे इस शब्द का अर्थ खोखला हो गया है। इसकी व्यावहारिक परिभाषा अधिक स्पष्ट है। एक AI-नेटिव उत्पाद वह है जहां मॉडल प्राथमिक सतह है और बाकी UI मॉडल को उपयोग करने योग्य, उत्तरदायी और तेज़ बनाने के लिए मौजूद है। चैट पैनल, फॉर्म फ़ील्ड, डैशबोर्ड, साइड रेल, ये सब ढांचा मात्र हैं। मॉडल ही असली आधार है।

यह बात तब तक स्पष्ट लगती है जब तक आप यह नहीं देखते कि उत्पाद वास्तव में कैसे लॉन्च होते हैं। 2024 का मानक एंटरप्राइज़ पैटर्न यह था कि मौजूदा डैशबोर्ड को बरकरार रखा जाए और दाईं ओर एक चैट पैनल जोड़ दिया जाए। मॉडल उत्पाद में मौजूद है, लेकिन उत्पाद इसके इर्द-गिर्द नहीं बना है। उपयोगकर्ता चैट पैनल को अनदेखा कर सकता है और मूल यूआई का उपयोग करके अपने सभी कार्यों को पूरा कर सकता है। यही AI-बोल्ट-ऑन की परिभाषा है, चाहे स्पार्कलिंग आइकन कितना भी प्रमुख क्यों न हो।

इसी उत्पाद के AI-नेटिव संस्करण में प्राथमिक वर्कफ़्लो को मॉडल के इर्द-गिर्द पुनर्गठित किया जाता। डैशबोर्ड एक प्रॉम्प्ट बन जाता। फॉर्म एक बातचीत बन जाता। निर्यात एक जनरेशन बन जाता। मॉडल अब ऐसी चीज़ नहीं है जिसे आप अनदेखा कर सकते हैं, यह स्वयं सतह है। ऐसे उत्पाद को लॉन्च करना कहीं अधिक कठिन है, यही कारण है कि अधिकांश टीमें बोल्ट-ऑन से संतुष्ट हो जाती हैं।

एआई-आधारित उत्पाद डिज़ाइन के छह सिद्धांत

मॉडल को मुख्य आधार मानना, प्रॉम्प्ट को इनपुट के रूप में उपयोग करना, एजेंसी को डिफ़ॉल्ट रूप से प्राथमिकता देना, पारदर्शिता वाले आधार, जानबूझकर मॉडल को प्रकट करना और विलंबता को डिज़ाइन की बाधा मानना। अध्ययन करने योग्य प्रत्येक एआई-आधारित उत्पाद में इन छह सिद्धांतों का कुछ संयोजन अवश्य होता है।

ये सिद्धांत कोई चेकलिस्ट नहीं हैं, यानी कि छह में से चार सिद्धांतों को पूरा करने से ही कोई उत्पाद एआई-आधारित बन जाता है। ये एक दृष्टिकोण हैं। जो टीम पहले दिन से ही मॉडल को आधार मानती है, वह स्वाभाविक रूप से इनमें से अधिकांश सिद्धांतों को प्राप्त कर लेगी। जो टीम मॉडल को बारहवें स्प्रिंट में जोड़ी गई एक विशेषता मानती है, वह इन सभी सिद्धांतों में विफल हो जाएगी और केवल एक चैट साइडबार ही उत्पाद में शामिल करेगी।

नीचे दिए गए सिद्धांतों को निर्णयों के रूप में प्रस्तुत किया गया है, न कि विशेषताओं के रूप में। प्रत्येक सिद्धांत का एआई-आधारित उत्पाद के लिए एक डिफ़ॉल्ट दृष्टिकोण और एआई-आधारित उत्पाद के लिए एक डिफ़ॉल्ट दृष्टिकोण है। इन दोनों दृष्टिकोणों के बीच का अंतर ही कर्सर को कोपायलट प्लगइन वाले किसी भी टेक्स्ट एडिटर से अलग करता है।

मॉडल मुख्य सतह है, साइड पैनल नहीं

पहला सिद्धांत सबसे सरल है, लेकिन इसका सबसे अधिक उल्लंघन होता है, क्योंकि चैट साइडबार वाले हर एंटरप्राइज SaaS सॉफ़्टवेयर में यह सिद्धांत पहले दिन से ही विफल हो जाता है।

मुख्य सतह का अर्थ है कि उत्पाद खोलते ही उपयोगकर्ता सबसे पहले मॉडल तक पहुँचता है। साइड पैनल का अर्थ है कि मॉडल मौजूदा UI के बगल में स्थित होता है, आवश्यकता पड़ने पर उपलब्ध होता है, लेकिन डिफ़ॉल्ट रूप से अनदेखा किया जाता है। Perplexity मुख्य सतह है। Notion AI का स्लैश कमांड लेखन संदर्भ में मुख्य सतह है। Cluely पूरी स्क्रीन पर ओवरले के रूप में मुख्य सतह है। किसी भी मानक SaaS डैशबोर्ड के दाईं ओर स्थित चैट स्पार्कल आइकन साइड पैनल का आदर्श उदाहरण है।

परीक्षण यह है कि उत्पाद खोलते ही उपयोगकर्ता कहाँ पहुँचता है। यदि उसे सबसे पहले प्रॉम्प्ट फ़ील्ड, उत्तर सतह या मॉडल-आधारित प्राथमिक दृश्य दिखाई देता है, तो उत्पाद मुख्य सतह है। यदि उपयोगकर्ता को सबसे पहले कोने में चैट आइकन वाला मूल डैशबोर्ड दिखाई देता है, तो उत्पाद एक साइड पैनल है और पहले सत्र के बाद कोई भी AI को अनदेखा कर देगा।

मौजूदा उत्पाद के लिए समाधान आसान नहीं है। चैट पैनल को दाईं ओर डॉक करके नहीं रखा जा सकता। मॉडल को या तो मुख्य इंटरफ़ेस को बदलना होगा या इसे एक प्राथमिक कार्रवाई के रूप में केंद्रीय वर्कफ़्लो में शामिल करना होगा। यह एक रीडिज़ाइन है, कोई फ़ीचर नहीं, इसलिए अधिकांश टीमें इसे करने से इनकार करती हैं और इसके बजाय साइडबार को ही शामिल करती हैं।

प्रॉम्प्ट-एज़-इनपुट, फ़ॉर्म-एज़-इनपुट की जगह लेता है

दूसरा सिद्धांत इनपुट मॉडल से संबंधित है, जहाँ ड्रॉपडाउन, मल्टी-स्टेप विज़ार्ड और खाली फ़ॉर्म की जगह प्राकृतिक भाषा का उपयोग किया जाता है।

प्रॉम्प्ट-एज़-इनपुट का अर्थ है कि उपयोगकर्ता अपनी इच्छानुसार शब्दों में टाइप करता है और मॉडल संरचना का पता लगाता है। फ़ॉर्म-एज़-इनपुट का अर्थ है कि उपयोगकर्ता उत्पाद द्वारा पूर्वनिर्धारित संरचित फ़ील्ड भरता है और मॉडल को कुछ भी करने की आवश्यकता नहीं होती है। कर्सर का Cmd-K प्रॉम्प्ट-एज़-इनपुट है। Linear का कमांड पैलेट और AI, प्रॉम्प्ट-एज़-इनपुट है। Perplexity में पूरा उत्पाद ही प्रॉम्प्ट के रूप में है। Krea का इमेज इनपुट फ़ील्ड, संदर्भ छवियों के साथ प्रॉम्प्ट-एज़-इनपुट है। Lovable एक ऐसा ऐप है जो एक वाक्य से पूरा ऐप बनाता है।

फॉर्म-एज़-इनपुट हमेशा गलत नहीं होता। कुछ संरचित डेटा वास्तव में फॉर्म में ही होना चाहिए, और हर इंटरैक्शन को प्रॉम्प्ट के माध्यम से करना एक तरह का डिज़ाइन दोष है। मुख्य बात यह है कि मॉडल किन इनपुट को फॉर्म से बेहतर तरीके से संभाल सकता है, और फिर सबसे पहले उन फॉर्म को बदलना चाहिए। कॉन्फ़िगरेशन स्क्रीन, सर्च फ़िल्टर, रिपोर्ट बिल्डर, क्वेरी इंटरफ़ेस, ये सभी इसके लिए उपयुक्त हैं। लेकिन उपयोगकर्ता का नाम, ईमेल और क्रेडिट कार्ड इसके लिए उपयुक्त नहीं हैं।

अधिकांश उत्पादों में पाई जाने वाली त्रुटि यह है कि वे हर फॉर्म को बरकरार रखते हुए एक प्रॉम्प्ट को वैकल्पिक प्रवेश बिंदु के रूप में जोड़ देते हैं। अब उपयोगकर्ता को एक ही काम करने के दो तरीके सीखने पड़ते हैं, जो किसी एक तरीके से करने से भी बदतर है। प्रॉम्प्ट को फॉर्म की जगह लेना चाहिए, न कि उसके साथ मौजूद रहना चाहिए, और टीम को प्रॉम्प्ट के बेहतर प्रदर्शन करने पर फॉर्म को बंद करने के लिए तैयार रहना चाहिए।

डिफ़ॉल्ट रूप से एजेंसी का अर्थ है कि उत्पाद कार्य करता है, पूछता नहीं

तीसरा सिद्धांत स्वायत्तता का दृष्टिकोण है, जहाँ AI-आधारित उत्पाद अनुमति की प्रतीक्षा किए बिना काम करते हैं और AI-युक्त उत्पाद प्रत्येक कीस्ट्रोक पर पुष्टि मांगते हैं।

डिफ़ॉल्ट रूप से एजेंसी का अर्थ है कि उत्पाद उपयोगकर्ता द्वारा इरादा व्यक्त किए जाने पर कार्रवाई करता है, फिर दिखाता है कि उसने क्या किया और उपयोगकर्ता को पूर्ववत करने की अनुमति देता है। डिफ़ॉल्ट रूप से अनुमति का अर्थ है कि उत्पाद कार्रवाई करने की पेशकश करता है, उपयोगकर्ता पुष्टि पर क्लिक करता है, उत्पाद फिर से पूछता है, और उपयोगकर्ता हार मान लेता है। कर्सर का एजेंट बिना पूछे फ़ाइलों को संपादित करता है। ग्रैनोला बिना पूछे नोट्स को ट्रांसक्राइब और संवर्धित करता है। Arc सर्च बिना पूछे ब्राउज़ करता है, सारांशित करता है और उत्तर प्रस्तुत करता है। उत्पाद कार्य कर रहा है, बातचीत नहीं कर रहा है।

समझौता वास्तविक है। डिफ़ॉल्ट रूप से एजेंसी के लिए पूर्ववत करने की सुविधा, एक ऑडिट ट्रेल और मॉडल द्वारा किए गए कार्य के लिए एक स्पष्ट सतह की आवश्यकता होती है। इनके बिना, एजेंसी शत्रुतापूर्ण हो जाती है, उत्पाद उपयोगकर्ता की इच्छा के विरुद्ध कार्य करता है, और विश्वास समाप्त हो जाता है। अनुशासन यह है कि एजेंसी को रिकवरी सतह के साथ ही भेजा जाए, न कि केवल एजेंसी भेजकर यह उम्मीद की जाए कि कुछ भी खराब नहीं होगा। यही समझौता व्यापक एजेंट यूआई डिज़ाइन पैटर्न चर्चा पर भी लागू होता है, जहाँ स्वायत्तता स्लाइडर एक उत्कृष्ट नियंत्रण है।

सावधानीपूर्ण उदाहरण वह उत्पाद है जो प्रत्येक क्रिया पर "क्या आप चाहते हैं कि मैं..." पूछता है। प्रत्येक पुष्टि के लिए एक क्लिक करना पड़ता है, प्रवाह बाधित होता है, और यह संकेत मिलता है कि मॉडल को बनाने वाली टीम वास्तव में उस पर भरोसा नहीं करती है। यदि टीम मॉडल पर भरोसा नहीं करती है, तो उपयोगकर्ता भी नहीं करेगा, और एजेंसी की स्थिति को तब तक बढ़ाया जाना चाहिए जब तक कि घर्षण सुरक्षात्मक महसूस करने के बजाय कायरतापूर्ण महसूस करने लगे।

पारदर्शिता सतहें मॉडल को जवाबदेह बनाती हैं

चौथा सिद्धांत विश्वास चक्र है, जहाँ उत्पाद दिखाता है कि मॉडल ने क्या देखा, क्या निर्णय लिया और क्यों, एक ऐसी सतह पर जिसे उपयोगकर्ता वास्तव में पढ़ सकता है।

पारदर्शिता का अर्थ सिस्टम प्रॉम्प्ट को उजागर करना नहीं है। पारदर्शिता का अर्थ है कि उपयोगकर्ता मांग पर तीन प्रश्नों का उत्तर दे सकता है। मॉडल को किस संदर्भ तक पहुँच प्राप्त थी? मॉडल ने क्या कार्रवाई की? मॉडल ने क्या परिणाम दिया और उसका स्रोत क्या था? Perplexity प्रत्येक दावे पर संदर्भों के साथ यह जानकारी प्रदान करता है। कर्सर प्रत्येक संपादन पर अंतर (diff) प्रदान करता है। ग्रैनोला संवर्धित नोट्स के साथ मूल प्रतिलेख (raw transcript) प्रदान करता है। उपयोगकर्ता को कभी यह संदेह नहीं होता कि मॉडल ने कुछ मनगढ़ंत बनाया है, क्योंकि स्रोत एक क्लिक दूर है।

इसके विपरीत, मैजिक-बॉक्स पैटर्न है, जहाँ मॉडल एक आउटपुट देता है और उपयोगकर्ता के पास उसे सत्यापित करने का कोई तरीका नहीं होता। Notion AI की पुरानी सारांश सुविधा कुछ समय तक इसी तरह उपलब्ध थी, जहाँ सारांश दिखाई देता था और उपयोगकर्ता को उस पर भरोसा करना पड़ता था। इसका समाधान संदर्भों को जोड़ना और यह देखने का तरीका प्रदान करना था कि किस सामग्री का सारांश दिया गया है। इससे यह सीख मिलती है कि AI-आधारित उत्पाद में पारदर्शिता सुविधाएँ वैकल्पिक नहीं हैं, बल्कि ये वह विश्वास तंत्र हैं जो उत्पाद को भ्रम पैदा करने वाली मशीन बनने से रोकते हैं।

अनुशासन यह है कि पारदर्शिता सुविधा को पहले दिन से ही उपलब्ध कराया जाए, न कि विश्वास कम होने के बाद इसे बाद में जोड़ा जाए। बिना संदर्भों के लॉन्च किया गया उत्पाद, जिसे अब संदर्भों के साथ लॉन्च किया जा रहा है, नुकसान की भरपाई करने का प्रयास है। वहीं, पहले संस्करण से ही संदर्भों के साथ लॉन्च किया गया उत्पाद अपना काम बखूबी कर रहा है।

मॉडल विवरण डिफ़ॉल्ट रूप से छिपाएँ, आवश्यकता पड़ने पर दिखाएँ

पाँचवाँ सिद्धांत तापमान, मॉडल नाम और सिस्टम प्रॉम्प्ट को कब प्रदर्शित करना है, इस बारे में अनुशासन से संबंधित है, और इसका उत्तर लगभग कभी भी मुख्य सतह पर नहीं होता है।

उपयोगकर्ता को इस बात से कोई फर्क नहीं पड़ता कि कौन सा मॉडल वेरिएंट चल रहा है। उन्हें इस बात से मतलब होता है कि उत्तर सटीक, त्वरित और सत्यापन योग्य हो। मुख्य सतह पर मॉडल नाम प्रदर्शित करना उत्पाद टीम के मानसिक मॉडल का उपयोगकर्ता के दिमाग में रिसाव है, और यह संकेत देता है कि टीम ने अभी तक यह तय नहीं किया है कि उत्पाद वास्तव में क्या है। ChatGPT पहले मॉडल पिकर को प्रमुखता से प्रदर्शित करता था, फिर चुपचाप इसे हटा दिया क्योंकि अधिकांश उपयोगकर्ताओं को यह नहीं पता था कि GPT-4-Turbo का GPT-4o से क्या संबंध है, और यह विकल्प मूल्य प्रदान करने के बजाय निर्णय लेने में असमंजस पैदा कर रहा था।

इसका अपवाद पावर यूजर सतह है। कर्सर मॉडल चयन को प्रदर्शित करता है क्योंकि इसके उपयोगकर्ता डेवलपर हैं जो यह विकल्प चाहते हैं। Claude Code भी इसी कारण से मॉडल चयन को प्रदर्शित करता है। Krea जनरेशन पैरामीटर प्रदर्शित करता है क्योंकि इसके उपयोगकर्ता उन्हें ट्यून करना चाहते हैं। पैटर्न यह है कि उपभोक्ता इंटरफ़ेस पर मॉडल विवरण डिफ़ॉल्ट रूप से छिपाए जाते हैं, फिर उन्हें सेटिंग्स पैनल या उन्नत मोड में उन उपयोगकर्ताओं के लिए प्रदर्शित किया जाता है जो स्पष्ट रूप से नियंत्रण चाहते हैं।

त्रुटि यह है कि मॉडल पिकर को ऐसे उत्पाद की होम स्क्रीन पर भेज दिया जाता है जिसके दर्शकों को यह नहीं पता होता कि मॉडल क्या हैं। प्रत्येक उत्पाद लॉन्च डेक में अभी भी हीरो स्क्रीनशॉट पर मॉडल पिकर होता है। इनमें से अधिकांश उत्पादों के लिए इसे छिपाना और टीम को सही मॉडल तक अदृश्य रूप से निर्देशित करने देना बेहतर होगा।

विलंबता एक महत्वपूर्ण डिज़ाइन बाधा है

छठा सिद्धांत यह है कि यदि मॉडल को स्ट्रीमिंग शुरू करने में दो सेकंड से अधिक समय लगता है तो AI-आधारित उत्पाद धीमा लगता है, और इंजीनियरिंग से पहले डिज़ाइन को इस धारणा को ठीक करना होगा।

विलंबता केवल एक प्रदर्शन संख्या नहीं है, यह उत्पाद की लय है। पहले टोकन से पहले दो सेकंड का विराम एक बेकार समय है, और उपयोगकर्ता उस समय को संदेह से भर देता है। इसका समाधान प्रतिक्रिया को टोकन-दर-टोकन स्ट्रीम करने (ताकि उपयोगकर्ता को गति तुरंत दिखाई दे), प्रतिक्रिया आने का संकेत देने वाली स्केलेटन या शिमर स्थिति दिखाने, और उपलब्ध होते ही आंशिक परिणाम प्रदर्शित करने का संयोजन है। Perplexity ये तीनों कार्य करता है। कर्सर भी ये तीनों कार्य करता है। अधिकांश एंटरप्राइज़ SaaS चैट साइडबार इनमें से कोई भी कार्य नहीं करते और हर बार उपयोग करने पर असंबद्ध महसूस होते हैं।

इससे उत्पन्न होने वाली डिज़ाइन संबंधी बाधा यह है कि मॉडल की वास्तविक विलंबता का परीक्षण किए बिना उत्पाद को डिज़ाइन नहीं किया जा सकता। एक तेज़ मॉक मॉडल के विरुद्ध चलने वाला प्रोटोटाइप विलंबता संबंधी समस्याओं को उजागर नहीं करेगा, और टीम एक ऐसा उत्पाद जारी कर देगी जो डिज़ाइन समीक्षा में तो कारगर साबित हुआ लेकिन उत्पादन में धीमा महसूस होगा। अनुशासन यह है कि पहले प्रोटोटाइप से ही वास्तविक विलंबता को ध्यान में रखकर डिज़ाइन किया जाए, फिर या तो धारणा को ठीक किया जाए या आर्किटेक्चर को तब तक बदला जाए जब तक कि लय सही न लगे।

पांच AI-आधारित उत्पाद, व्याख्या सहित

ये सिद्धांत तभी मायने रखते हैं जब वे जारी किए गए उत्पादों के साथ प्रयोग में खरे उतरें, इसलिए यहां पांच ऐसे उत्पाद दिए गए हैं जो आज सही ढंग से काम कर रहे हैं।

प्रत्येक विश्लेषण संक्षिप्त और ठोस है। उत्पाद प्रत्येक सिद्धांत पर कैसा प्रदर्शन कर रहा है, कहाँ यह सफल है, और कहाँ यह लाभ नहीं दे पा रहा है। इनमें से कोई भी परिपूर्ण नहीं है। ये सभी AI-युक्त आधारभूत स्तर से कहीं बेहतर प्रदर्शन कर रहे हैं, यही कारण है कि इनका अध्ययन करना महत्वपूर्ण है।

Linear, AI-आधारित एक शांत कमांड इंटरफ़ेस

Linear का AI तब तक अदृश्य रहता है जब तक आप इसे सक्रिय नहीं करते, सक्रिय होने के बाद यह उत्पाद में किसी भी क्रिया तक पहुँचने का सबसे तेज़ मार्ग बन जाता है।

सतह: AI मौजूदा कमांड बार के भीतर मौजूद है, जहाँ Linear के प्रमुख उपयोगकर्ता अपना अधिकांश कार्य करते हैं, इसलिए यह मॉडल महत्वपूर्ण उपयोगकर्ताओं के लिए मुख्य सतह है। त्वरित प्रतिक्रिया: प्राकृतिक भाषा के आदेशों के माध्यम से सीधे इनपुट के रूप में त्वरित प्रतिक्रिया। सक्रियता: उच्च स्तर की सक्रियता, AI बिना किसी बातचीत के समस्याएँ उत्पन्न करता है, विवरण संपादित करता है और उनका समाधान करता है। पारदर्शिता: क्रिया सामान्य Linear घटना के रूप में टाइमलाइन में दिखाई देती है। खुलासा: मॉडल के विवरण छिपे हुए हैं, यहां तक ​​कि ट्रिगर भी AI फीचर के बजाय Linear फीचर जैसा लगता है। विलंबता: स्ट्रीमिंग प्रतिक्रियाएं, तत्काल ट्रिगर।

Linear कहां चूक जाता है? AI कमांड बार के पीछे छिपा हुआ है, जिसका मतलब है कि नए उपयोगकर्ता इसे देर से खोज पाते हैं। एक स्पष्ट AI-प्रथम ऑनबोर्डिंग से पावर उपयोगकर्ताओं के लिए गोपनीयता भंग किए बिना, नए उपयोगकर्ताओं के बीच इसका उपयोग बढ़ेगा।

कर्सर, संपादक की तरह ही AI-आधारित

कर्सर तब बनता है जब आप VS Code में AI को जबरदस्ती जोड़ने के बजाय, संपादक को मॉडल के आधार पर पुनर्निर्मित करते हैं, और इसका परिणाम अब तक का सबसे स्वच्छ AI-आधारित डेवलपर टूल है।

सतह: मॉडल हर जगह मौजूद है, Cmd-K, एजेंट मोड, ऑटो-कंप्लीट, चैट, सब कुछ संपादक की सतह में समाहित है। प्रॉम्प्ट: प्रॉम्प्ट-इनपुट प्राथमिक क्रिया है, संपादक में अभी भी मेनू हैं लेकिन प्रॉम्प्ट अधिकांश कार्य करता है। एजेंसी: एजेंट मोड में उच्च स्तर की एजेंसी, उत्पाद फ़ाइलों को संपादित करता है, कमांड चलाता है और अंतर भेजता है। पारदर्शिता: प्रत्येक परिवर्तन एक अंतर है जिसकी उपयोगकर्ता समीक्षा करता है, प्रत्येक क्रिया लॉग की जाती है। प्रकटीकरण: मॉडल विवरण प्रदर्शित होते हैं क्योंकि दर्शक डेवलपर हैं जो उन्हें चाहते हैं। विलंबता: स्ट्रीमिंग, समानांतर कॉल, ऑप्टिमिस्टिक यूआई।

कर्सर कहाँ चूकता है? एजेंट मोड यूआई अभी भी कुछ प्रवाहों पर संपादक से जुड़े चैट पैनल जैसा लगता है, जबकि इसे इनलाइन अनुभव में अधिक एकीकृत होना चाहिए। इस एकीकरण को मजबूत करने से कर्सर कोर-सरफेस क्षेत्र में और आगे बढ़ेगा।

ग्रैनोला, एक मस्तिष्क के साथ मूक प्रतिलेखन के रूप में एआई-नेटिव

ग्रैनोला मॉडल को एक परिवेशी परत के रूप में मानता है जो उपयोगकर्ता द्वारा मैन्युअल नोट्स लेते समय चलती है, और फिर मीटिंग के बाद चुपचाप उन नोट्स को संवर्धित करती है।

सरफेस: मॉडल संपूर्ण संवर्द्धन चरण है, जो उत्पाद का प्राथमिक मूल्य है। नोट लेने वाला सरफेस स्वयं पारंपरिक है, लेकिन यह मॉडल के ऊपर की झिल्ली है। प्रॉम्प्ट: अधिकांश उत्पादों की तुलना में प्रॉम्प्ट को इनपुट के रूप में कम और पोस्ट-प्रोसेस के रूप में अधिक उपयोग किया जाता है, जहाँ उपयोगकर्ता के मैन्युअल नोट्स ही संवर्धन के लिए प्रॉम्प्ट बन जाते हैं। सक्रियता: उच्च, संवर्धन बिना पूछे ही हो जाता है। पारदर्शिता: मूल प्रतिलेख और संवर्धित नोट्स साथ-साथ मौजूद होते हैं, उपयोगकर्ता किसी भी दावे की पुष्टि कर सकता है। प्रकटीकरण: मॉडल विवरण छिपे होते हैं, उपयोगकर्ता को यह नहीं पता होता कि कौन सा मॉडल चला। विलंबता: बैठक के बाद, इसलिए विलंबता वास्तविक समय की चिंता का विषय नहीं है।

ग्रैनोला यहीं पर लाभ खो देता है। उत्पाद को प्रॉम्प्ट-एज़-इनपुट पर और अधिक ध्यान केंद्रित करने की आवश्यकता हो सकती है, यदि उपयोगकर्ता को बैठक के बाद एक त्वरित प्रॉम्प्ट के माध्यम से संवर्धन को नियंत्रित करने की अनुमति दी जाए, बजाय इसके कि पूरी तरह से मौन डिफ़ॉल्ट पर निर्भर रहा जाए। यह सुविधा जोड़ने से अंतर्निहित डिफ़ॉल्ट को बाधित किए बिना उपयोगकर्ता के संपादकीय नियंत्रण में AI-आधारित दृष्टिकोण का विस्तार होगा।

Perplexity, सर्च इंजन में ही AI का समावेश

Perplexity ने सर्च को एक मॉडल और एक उत्तर के आधार पर पुनर्गठित किया है, जिसमें इनपुट ही मॉडल है, सतह ही मॉडल है और परिणाम भी मॉडल है।

सतह: अधिकतम कोर सतह, पूरा उत्पाद ही मॉडल है। प्रॉम्प्ट: प्रॉम्प्ट-एज़-इनपुट ही एकमात्र इंटरैक्शन मॉडल है। एजेंसी: मध्यम, मॉडल बिना पूछे ही प्रश्न का उत्तर देता है, लेकिन उपयोगकर्ता अभी भी हर इंटरैक्शन को स्पष्ट रूप से नियंत्रित करता है। पारदर्शिता: हर दावे पर संदर्भ, स्रोत इनलाइन प्रदर्शित, अनुवर्ती प्रश्न प्रदर्शित। खुलासा: मॉडल के विवरण उपभोक्ता सतह पर ज्यादातर छिपे रहते हैं, प्रो सेटिंग्स में प्रदर्शित होते हैं। विलंबता: स्ट्रीमिंग, तेज़ पहला टोकन, गहन क्वेरी के दौरान आंशिक परिणाम।

Perplexity कहाँ चूक जाता है? एजेंटिक डीप रिसर्च मोड अभी भी मुख्य सतह पर जबरदस्ती जोड़ा हुआ लगता है, जबकि इसे एक अलग मोड के बजाय डेप्थ स्लाइडर के रूप में उत्तर प्रवाह में बेहतर ढंग से एकीकृत किया जा सकता था। यह एकीकरण एजेंसी सिद्धांत को पहली बार उपयोग करने वालों के लिए अधिक सुगम बना देगा।

Arc खोज, ब्राउज़र टैब के रूप में AI-आधारित

Arc खोज संपूर्ण ब्राउज़-और-सारांश प्रक्रिया को एक टैप में समेट देती है, और AI स्वयं टैब है, न कि उससे जुड़ा कोई पैनल।

सरफेस: मॉडल पेज को बदल देता है, "मेरे लिए ब्राउज़ करें" लिंक की सूची नहीं, बल्कि एक उत्तर देता है। प्रॉम्प्ट: एड्रेस बार के माध्यम से प्रॉम्प्ट-इनपुट, जो ब्राउज़र पर सबसे स्वाभाविक प्रॉम्प्ट सरफेस है। एजेंसी: बहुत उच्च, उत्पाद कई पेजों पर जाता है, उनका सारांश प्रस्तुत करता है, और बिना पूछे एक संश्लेषित परिणाम दिखाता है। पारदर्शिता: स्रोत लिंक संश्लेषित परिणाम के नीचे स्थित होते हैं। रिवील: मॉडल विवरण पूरी तरह से छिपे होते हैं, AI बुनियादी ढांचे के रूप में अदृश्य होता है। लेटेंसी: कई पेजों पर एजेंट क्रिया के लिए आश्चर्यजनक रूप से तेज़, त्वरित लोडिंग स्थिति से धारणा को सहायता मिलती है।

Arc खोज कहाँ चूक जाती है? संश्लेषित उत्तर में कुछ सूक्ष्म गलतियाँ हो सकती हैं, और पारदर्शिता का आवरण (लिंक किए गए स्रोत) कार्यात्मक तो है, लेकिन इसे नज़रअंदाज़ करना आसान है। उत्तर के मुख्य भाग में स्रोत उद्धरणों को अधिक प्रभावी ढंग से बढ़ावा देने से AI-आधारित स्वरूप को भंग किए बिना विश्वास का चक्र मज़बूत होगा।

क्या आप ऐसा उत्पाद चाहते हैं जहाँ AI मुख्य विशेषता हो, न कि कोने में रखा कोई चमकीला आइकन? ⟦लिंक1⟧। UXBrainy AI-प्रथम उत्पाद रणनीति और डिज़ाइन ऑडिट प्रदान करता है। AppBrainy कर्सर-स्तरीय टूल बनाने वाली टीमों के लिए पूर्ण AI-आधारित उत्पाद UI प्रदान करता है। ClaudeBrainy उन टीमों के लिए एक स्किल पैक और प्रॉम्प्ट लाइब्रेरी प्रदान करता है जो इस सूची में शामिल उत्पादों की तरह AI सुविधाएँ चाहती हैं, न कि 2024 के चैट साइडबार की तरह।

साइड पैनल पर AI को जबरदस्ती जोड़ने के दो चेतावनी भरे उदाहरण

विश्वास जीतने वाले प्रत्येक AI-आधारित उत्पाद के लिए, एक ऐसा एंटरप्राइज़ SaaS भी है जिसने 2024 में एक चैट साइडबार लॉन्च किया, उसके उपयोग में भारी गिरावट देखी, और अब सोच रहा है कि कोई भी उस चमकीली आइकन पर क्लिक क्यों नहीं कर रहा है।

ये दो पैटर्न आजकल एंटरप्राइज़ सॉफ़्टवेयर में हर जगह मौजूद हैं, और उत्पाद का उपयोग शुरू करने के पहले दस सेकंड में ही इनकी पहचान की जा सकती है। ये AI-आधारित डिज़ाइन के मानक स्वरूप हैं, और इनमें से किसी एक को लॉन्च करने से पहले किसी भी टीम को इस पर पुनर्विचार करना चाहिए।

चैट साइडबार जिसे कोई नहीं खोलता

पहला चेतावनी देने वाला पैटर्न मौजूदा UI के दाईं ओर स्थित AI पैनल है, जो वर्कफ़्लो में कुछ भी नहीं जोड़ता और स्क्रीन स्पेस के लिए उससे प्रतिस्पर्धा करता है।

यह पैटर्न जाना-पहचाना है। एक CRM, एक प्रोजेक्ट टूल, एक हेल्प डेस्क, एक एनालिटिक्स डैशबोर्ड, सभी दाईं ओर एक चैट पैनल जोड़ते हैं, जिसमें AI-संचालित सहायता का वादा करने वाला एक चमकीला आइकन होता है। उपयोगकर्ता इसे एक बार खोलता है, एक प्रश्न पूछता है, एक सामान्य उत्तर प्राप्त करता है जो आसपास के संदर्भ को नहीं समझता, इसे बंद कर देता है, और फिर कभी नहीं खोलता। चैट पैनल उत्पाद में इसलिए बना हुआ है क्योंकि टीम ने इसे मुख्य प्रस्तुति में लॉन्च किया था, न कि इसलिए कि उपयोगकर्ताओं ने इसे चाहा था।

इसका समाधान चैट पैनल को बेहतर बनाना नहीं है। इसका समाधान चैट पैनल को हटाकर मॉडल के इर्द-गिर्द प्राथमिक वर्कफ़्लो को फिर से बनाना है। फ़ॉर्म को प्रॉम्प्ट से बदलें। रिपोर्ट बिल्डर को जनरेशन से बदलें। सर्च बार को आंसर सरफेस से बदलें। मॉडल को पाथ में होना चाहिए, उसके बगल में नहीं। जो टीमें इस रीडिज़ाइन को अस्वीकार करेंगी, वे चैट साइडबार भेजती रहेंगी और सोचती रहेंगी कि उनकी AI सहभागिता केवल एक प्रतिशत क्यों है।

वह स्पार्कल बटन जो उन चीजों का सारांश देता है जिनका सारांश देने के लिए किसी ने नहीं कहा

दूसरा चेतावनी देने वाला पैटर्न हर टेक्स्ट फ़ील्ड पर लगा हुआ वह जादुई बटन है, जहाँ AI किसी भी इनपुट को फिर से लिखने, सारांशित करने या विस्तारित करने का विकल्प देता है, और उपयोगकर्ता टाइप करता रहता है।

आकार: हर फ़ॉर्म फ़ील्ड, हर टेक्स्ट इनपुट, हर कमेंट बॉक्स में एक छोटा स्पार्कल बटन होता है जो AI सहायता प्रदान करता है। टीम ने इसे इसलिए शामिल किया क्योंकि यह आसान था। उपयोगकर्ता इसे अनदेखा कर देता है क्योंकि AI उपयोगी होने के लिए आसपास के संदर्भ के बारे में पर्याप्त जानकारी नहीं रखता है, और बटन पर क्लिक करने में वाक्य को स्वयं लिखने की तुलना में अधिक ध्यान लगता है। उत्पाद की सतह पर बटन ऐसे जमा हो जाते हैं जैसे कोई परजीवी, और टीम जिस मीट्रिक (बटन दृश्यता) पर नज़र रखती है वह बढ़ जाती है जबकि सबसे महत्वपूर्ण मीट्रिक (उपयोगकर्ता संतुष्टि) स्थिर रहती है।

इसका समाधान चैट साइडबार के समाधान जैसा ही है, बस इसका दायरा छोटा है। उन दो या तीन टेक्स्ट फ़ील्ड्स को चुनें जहाँ AI वास्तव में उपयोगी है (लंबे लेख, संरचित डेटा निष्कर्षण, बड़े दस्तावेज़ों का सारांश) और वहाँ एक पूर्ण AI-आधारित अनुभव प्रदान करें। बाकी सभी फ़ील्ड्स से इस बटन को हटा दें। अब उत्पाद उन सतहों पर AI-आधारित है जो महत्वपूर्ण हैं, और अनावश्यक चीज़ें हटा दी गई हैं।

AI-आधारित उत्पादों के लिए प्री-शिप चेकलिस्ट

AI-आधारित होने का दावा करने वाले किसी भी उत्पाद पर इस चेकलिस्ट को चलाएँ और आप वास्तविक उपयोगकर्ता तक पहुँचने से पहले ही उन अनावश्यक चीज़ों को पकड़ लेंगे।

1. विलोपन परीक्षण। उत्पाद से सभी मॉडल कॉल को मानसिक रूप से हटा दें। क्या बचा है? यदि एक पूर्ण, कार्यात्मक उत्पाद शेष रहता है, तो उत्पाद AI-आधारित है। यदि एक खोखला ढाँचा शेष रहता है, तो उत्पाद AI-आधारित है।

2. कोल्ड-ओपन टेस्ट: प्रोडक्ट को बिना किसी बदलाव के खोलें। उपयोगकर्ता सबसे पहले किस सतह पर पहुंचता है? यदि यह कोई प्रॉम्प्ट फ़ील्ड, उत्तर सतह या मॉडल-आधारित प्राथमिक दृश्य है, तो सतह सिद्धांत लागू होता है। यदि यह कोने में चैट आइकन के साथ मूल यूआई है, तो सतह सिद्धांत विफल हो रहा है।

3. फॉर्म-टू-प्रॉम्प्ट ऑडिट: प्रोडक्ट में मौजूद सभी फॉर्म फ़ील्ड की सूची बनाएं। प्रत्येक फ़ील्ड के लिए, यह पूछें कि क्या प्रॉम्प्ट इसे बेहतर तरीके से कर सकता है। जो फ़ील्ड इस परीक्षण में विफल होते हैं, उन्हें बदल दें।

4. एजेंसी दृष्टिकोण: उपयोगकर्ता द्वारा इरादे की अभिव्यक्ति और मॉडल की क्रिया के बीच पुष्टिकरण मॉडल की संख्या गिनें। यदि एक से अधिक मॉडल हैं, तो एजेंसी सिद्धांत बहुत सतर्क है। अधिक क्रियाओं को 'एक्ट-देन-अनडू' विकल्प पर केंद्रित करें।

5. पारदर्शिता सूची: प्रत्येक मॉडल आउटपुट के लिए, यह पूछें: क्या उपयोगकर्ता यह देख सकता है कि मॉडल का संदर्भ क्या था, उसने क्या क्रिया की और उत्तर कहां से आया? यदि इनमें से कोई भी तीन जानकारी गायब है, तो पारदर्शिता सतह अपूर्ण है।

6. प्रकटीकरण अनुशासन: प्राथमिक सतह को देखें। क्या मॉडल का नाम, तापमान या सिस्टम प्रॉम्प्ट दिखाई दे रहा है? यदि हाँ, और दर्शक तकनीकी नहीं हैं, तो इसे छिपा दें। यदि हाँ, और दर्शक तकनीकी हैं, तो इसे रखें।

7. लेटेंसी रिदम। उपयोगकर्ता के इरादे से मॉडल की प्रतिक्रिया के पहले टोकन तक के समय को मापें। यदि बिना किसी प्रतिक्रिया के दो सेकंड से अधिक समय हो जाता है, तो लेटेंसी की धारणा बिगड़ जाती है। स्ट्रीमिंग, स्केलेटन स्टेट्स या आंशिक परिणाम तब तक जोड़ें जब तक कि रिदम जीवंत न लगने लगे।

8. स्पार्कल-बटन ऑडिट। उत्पाद की सतह पर स्पार्कल आइकनों की संख्या गिनें। यदि तीन से अधिक हैं, तो उनमें से अधिकांश अनावश्यक हैं। महत्वपूर्ण दो या तीन सतहों पर गहन AI-आधारित अनुभव प्रदान करें और बाकी को हटा दें।

9. ऑनबोर्डिंग परीक्षण। पहली बार उपयोग करने वाले उपयोगकर्ता को प्राथमिक कार्य पूरा करते हुए देखें। क्या मॉडल ने अनुभव प्रदान किया, या उपयोगकर्ता ने मूल UI का उपयोग करके कार्य पूरा किया? यदि बाद वाला है, तो AI जबरदस्ती जोड़ा गया है, चाहे मार्केटिंग कुछ भी कहे।

10. विश्वास विफलता रिकवरी। मॉडल को गलत उत्तर देने के लिए बाध्य करें। उत्पाद क्या करता है? यदि कोई सुव्यवस्थित रिकवरी इंटरफ़ेस नहीं है, तो विश्वास का चक्र अधूरा रह जाता है और उत्पाद अपने पहले भ्रम के कारण ही उपयोगकर्ताओं को खो देगा।

जो उत्पाद इन दस जाँचों को पास कर लेता है, वह वास्तव में AI-नेटिव होता है। यह परिपूर्ण नहीं होगा, लेकिन इसकी संरचना सही है, और अधिकांश अन्य समस्याओं का समाधान वहीं से संभव हो जाता है। जो उत्पाद इनमें से अधिकांश में विफल रहता है, वह AI-बोल्टेड-ऑन होता है, चाहे लॉन्च पोस्ट में AI सुविधाओं को कितना भी प्रमुखता से दिखाया गया हो।

अक्सर पूछे जाने वाले प्रश्न

AI-नेटिव उत्पाद डिज़ाइन का क्या अर्थ है?

AI-नेटिव उत्पाद डिज़ाइन का अर्थ है कि मॉडल प्राथमिक इंटरफ़ेस है और बाकी UI मॉडल को उपयोग करने योग्य, उत्तरदायी और तेज़ बनाने के लिए मौजूद है। सबसे सटीक परीक्षण विलोपन परीक्षण है: यदि आप उत्पाद से प्रत्येक मॉडल कॉल को हटा देते हैं और एक पूर्णतः कार्यात्मक उत्पाद शेष रहता है, तो उत्पाद AI-बोल्टेड-ऑन है। यदि केवल एक खोखला ढाँचा शेष रहता है, तो उत्पाद AI-नेटिव है। Linear, कर्सर, ग्रैनोला, Perplexity और Arc सर्च अपने कोर सरफेस पर इस टेस्ट को पास करते हैं। 2024 में चैट साइडबार लॉन्च करने वाले अधिकांश एंटरप्राइज SaaS इस टेस्ट में फेल हो जाते हैं।

AI-नेटिव और AI-बोल्टेड-ऑन में क्या अंतर है?

AI-नेटिव उत्पाद मॉडल के आधार पर प्राथमिक वर्कफ़्लो को पुनर्निर्मित करते हैं। AI-बोल्टेड-ऑन उत्पाद मौजूदा वर्कफ़्लो को बरकरार रखते हैं और साइड में एक AI पैनल जोड़ते हैं। यह अंतर इस बात से पता चलता है कि उपयोगकर्ता कोल्ड ओपन पर कहां पहुंचता है, इनपुट प्रॉम्प्ट है या फॉर्म, उत्पाद कार्य करता है या पूछता है, और क्या प्राथमिक कार्यक्षमता खोए बिना मॉडल को अनदेखा किया जा सकता है। AI-बोल्टेड-ऑन उत्पादों को अनदेखा किया जा सकता है। AI-नेटिव उत्पादों को नहीं।

AI-फर्स्ट उत्पाद डिज़ाइन के सिद्धांत क्या हैं?

छह सिद्धांत AI-नेटिव और AI-बोल्टेड-ऑन को अलग करते हैं। मॉडल कोर सरफेस है, साइड पैनल नहीं। फॉर्म के बजाय प्रॉम्प्ट को इनपुट के रूप में उपयोग करें। एजेंसी डिफ़ॉल्ट रूप से, अनुमति डिफ़ॉल्ट रूप से नहीं। पारदर्शिता सतहें जो मॉडल को जवाबदेह बनाती हैं। मॉडल विवरण डिफ़ॉल्ट रूप से छिपाएँ, इरादे के आधार पर उन्हें प्रकट करें। स्ट्रीमिंग, स्केलेटन स्टेट्स और आंशिक परिणामों के साथ विलंबता एक प्राथमिक डिज़ाइन बाधा है। अध्ययन करने योग्य प्रत्येक AI-नेटिव उत्पाद इन छह में से किसी न किसी संयोजन को शामिल करता है।

AI-नेटिव उत्पाद का सबसे अच्छा उदाहरण क्या है?

Cursor डेवलपर टूल्स के लिए अब तक जारी किए गए AI-नेटिव उत्पाद डिज़ाइन का सबसे स्पष्ट उदाहरण है। Perplexity उपभोक्ता खोज के लिए सबसे स्पष्ट उदाहरण है। Linear मौजूदा उत्पादकता सतह के भीतर एक अंतर्निहित AI-नेटिव अनुभव का सबसे स्पष्ट उदाहरण है। Granola एक परिवेशी AI-नेटिव उत्पाद का सबसे स्पष्ट उदाहरण है जहाँ मॉडल पृष्ठभूमि में चलता है। Arc सर्च एक AI-नेटिव ब्राउज़र इंटरैक्शन का सबसे स्पष्ट उदाहरण है। प्रत्येक ने मौजूदा यूआई पर एआई को थोपने के बजाय मॉडल के आधार पर अपने प्राथमिक वर्कफ़्लो को फिर से तैयार किया।

एआई-नेटिव उत्पाद के लिए एआई UX कैसे डिज़ाइन करें?

प्रत्येक स्क्रीन पर विलोपन परीक्षण से शुरुआत करें। फ़ॉर्म को प्रॉम्प्ट से बदलें जहाँ मॉडल उपयोगकर्ता की तुलना में बेहतर संरचना कर सकता है। डिफ़ॉल्ट एजेंसी स्थिति को 'आस्क-देन-एक्ट' के बजाय 'एक्ट-देन-अनडू' पर सेट करें और अनडू सतह को क्रिया के साथ ही प्रदान करें। प्रत्येक मॉडल आउटपुट के लिए एक पारदर्शिता सतह जोड़ें। उपभोक्ता सतह से मॉडल विवरण छिपाएँ। प्रत्येक इंटरैक्शन को वास्तविक मॉडल विलंबता के साथ डिज़ाइन करें, न कि नकली विलंबता के साथ, और जब भी पहला टोकन आने में एक सेकंड से अधिक समय लेता है, तो स्ट्रीमिंग या स्केलेटन स्टेट्स का उपयोग करें। यही स्थिति व्यापक वेब डिजाइन के रुझान 2026 बदलाव पर भी लागू होती है, जो लेआउट को मॉडल के अनुरूप ढालने की ओर है, न कि उसके चारों ओर लपेटने की ओर।

एआई-नेटिव उत्पादों से होने वाला वास्तविक बदलाव

एआई-नेटिव उत्पाद कोई ऐसा SaaS ऐप नहीं है जिसमें चैट विंडो कोने में चिपकी हो, बल्कि यह उत्पाद का एक नया स्वरूप है जहाँ मॉडल प्राथमिक माध्यम है और यूआई एक आवरण मात्र है।

एआई-नेटिव उत्पादों को पेश करने वाले ब्रांड (जैसे Linear अपने नए इंटरफ़ेस पर, कर्सर हर जगह, ग्रैनोला अपने ऑग्मेंटेशन लेयर में, Perplexity एंड-टू-एंड, Arc सर्च एक संपूर्ण इंटरैक्शन मॉडल के रूप में) ने इस बात को आत्मसात कर लिया है। उन्होंने उत्पाद में एआई को जोड़ा नहीं, बल्कि एआई के इर्द-गिर्द उत्पाद का निर्माण किया। आर्किटेक्चरल निर्णय हर डिज़ाइन विकल्प से पहले लिया जाता है, और यह इनपुट मॉडल से लेकर लेटेंसी रिदम और रिकवरी इंटरफ़ेस तक हर चीज़ में दिखाई देता है। जो उत्पाद मौजूदा इंटरफ़ेस पर एआई को जबरदस्ती फिट करने की कोशिश करते हैं, उनका अंत एक ऐसी चैट साइडबार के साथ होता है जिसे कोई खोलता नहीं और एक ऐसे स्पार्कल बटन के साथ होता है जिसे कोई क्लिक नहीं करता, चाहे मार्केटिंग साइट कितना भी दावा करे कि वे एआई-फर्स्ट हैं।

2026 में डिज़ाइन टीमों के लिए अवसर यह है कि वे अपने द्वारा जारी किए जाने वाले प्रत्येक उत्पाद पर डिलीशन टेस्ट को गंभीरता से लें। यदि उत्पाद इस परीक्षण में सफल होता है, तो टीम एक फ़ीचर जारी कर रही है, न कि एक उत्पाद। यदि उत्पाद परीक्षण में विफल होता है (सही मायने में, मॉडल के बिना एक खोखला ढांचा बनकर), तो टीम के पास वास्तव में AI-आधारित कुछ बनाने का मौका है, और ऊपर दिए गए सिद्धांत इसे सही ढंग से करने के लिए कार्यशील ढांचा प्रदान करते हैं। यही ढांचा व्यापक दृश्य पदानुक्रम अनुशासन के अंतर्गत आता है, जहां मॉडल अब मूल UI के इर्द-गिर्द घूमने के बजाय पृष्ठ पर सबसे अधिक दृश्य स्थान प्राप्त करता है।

गहरा बदलाव यह है कि सॉफ़्टवेयर के प्रति उपयोगकर्ता की मानसिक धारणा बदल रही है। वे अब किसी टूल को सीखने की अपेक्षा नहीं करते, बल्कि वे एक इरादा व्यक्त करने और टूल से प्रतिक्रिया प्राप्त करने की अपेक्षा करते हैं। पुराने मानसिक मॉडल (फ़ॉर्म, डैशबोर्ड, बहु-चरणीय विज़ार्ड) के लिए बनाए गए उत्पाद दो वर्षों के भीतर धीमे, औपचारिक और पुरातन लगने लगेंगे। नए मानसिक मॉडल (प्रॉम्प्ट, उत्तर, क्रिया, पूर्ववत करें) के लिए बनाए गए उत्पाद वर्तमान समय के अनुरूप महसूस होंगे। जो टीमें सबसे पहले कदम उठाएंगी, वे अपनी श्रेणी में AI-नेटिव का मतलब परिभाषित करेंगी, और जो टीमें मौजूदा इंटरफ़ेस पर चैट साइडबार जोड़ देंगी, वे बाकी दशक यह समझाने में बिताएंगी कि उनका AI एंगेजमेंट मेट्रिक इतना कम क्यों है।

यदि आपकी टीम कोई AI फ़ीचर विकसित कर रही है, कोई AI उत्पाद बना रही है, या यह तय करने की कोशिश कर रही है कि आप वास्तव में कौन सा उत्पाद लॉन्च करने जा रहे हैं, तो इस पृष्ठ पर दिए गए सिद्धांत आपके लिए मार्गदर्शक हैं। यदि आप इन्हें अपने विशिष्ट उत्पाद पर लागू करने में सहायता चाहते हैं, तो ⟦लिंक 4⟧ देखें। UXBrainy इस फ्रेमवर्क के आधार पर AI-फर्स्ट उत्पाद रणनीति और पूर्ण डिज़ाइन ऑडिट प्रदान करता है। AppBrainy उन टीमों के लिए AI-नेटिव उत्पाद UI प्रदान करता है जो ऐसे टूल बना रही हैं जिन्हें उनके उपयोगकर्ता वास्तव में उपयोग करना चाहते हैं। ClaudeBrainy उन टीमों के लिए ⟦लिंक 5⟧ और एक प्रॉम्प्ट लाइब्रेरी प्रदान करता है जो कर्सर की तरह AI फ़ीचर बनाना चाहती हैं, न कि 2024 के चैट साइडबार की तरह। इस पृष्ठ पर दिया गया फ्रेमवर्क वह है जिसे हम हर प्रोजेक्ट में, हर स्क्रीन पर, लॉन्च होने से पहले चलाते हैं।