Ironies of Generative AI: Understanding and mitigating productivity loss in human-AI interactions

生成式人工智能（GenAI）系统为提高用户在编程、写作等许多任务中的生产力提供了机会。然而，虽然它们在某些研究中提高了生产力，但许多其他研究表明用户在使用GenAI系统时效率低下，生产力下降。尽管这些可见的可用性挑战似乎是新颖的，但这些“自动化的讽刺”已经在人类因素研究中观察到超过三十年，涉及航空、自动驾驶和情报等领域的自动化引入。我们结合最近的GenAI用户研究和这些广泛的研究，概述了GenAI系统导致生产力下降的四个关键原因：用户角色从生产转向评估，工作流程重组不利，中断和自动化使易于完成的任务更加容易，难以完成的任务更加困难。然后，我们建议如何使用人类因素研究来指导GenAI系统设计，通过采用持续反馈、系统个性化、生态界面设计、任务稳定和清晰的任务分配等方法来减少生产力损失。因此，我们将GenAI系统可用性的发展基于数十年的人类因素研究，确保这个快速发展的领域中的人机交互设计从历史中吸取教训，而不是重蹈覆辙。

提高GenAI系统的人机交互性，减少生产力损失

通过借鉴人类因素研究，提供GenAI系统设计的指导方案

论文阐述了GenAI系统导致生产力损失的四个原因，提供了解决方案，包括持续反馈、系统个性化、生态界面设计、任务稳定化和明确任务分配。

近期研究包括：《使用GenAI系统的编程生产力：一个实证研究》、《GenAI写作工具的用户体验：一个用户研究》等。