Notifica a los usuarios cuando las capacidades o comportamiento de IA cambian significativamente. Este principio asegura que los usuarios se mantengan informados sobre como evolucionan las funciones de IA, previniendo sorpresas y confusion cuando la IA se comporta diferente de lo esperado.
La investigacion de Eiband et al. (2018) sobre diseno de notificaciones de IA demostro que los usuarios prefieren saber sobre cambios de IA en lugar de descubrirlos accidentalmente. La comunicacion proactiva mantiene la confianza durante la evolucion.
¿El hallazgo? Las notificaciones de cambio mantienen la confianza del usuario en 47%—los usuarios que son informados sobre cambios de IA continuan confiando en el sistema, mientras que aquellos que descubren cambios accidentalmente se sienten enganados.
Los disenadores de interfaces comunican los cambios de IA efectivamente. Anunciando actualizaciones. Explicando diferencias. Ayudando a los usuarios a adaptarse.
El principio: Notifica de cambios. Explica diferencias. Mantiene la confianza a traves de la transparencia.
Las notificaciones de cambio de IA se han vuelto esenciales conforme los sistemas de IA se actualizan frecuentemente. Los usuarios que no saben que la IA cambio pueden atribuir erroneamente el nuevo comportamiento a bugs o problemas personales.
Amershi et al. (2019) establecieron la notificacion de cambios como directriz central: "Notifica a los usuarios cuando las capacidades del sistema de IA cambien." Su investigacion encontro que las notificaciones proactivas mantuvieron 47% mayor confianza comparado con actualizaciones silenciosas.
Eiband et al. (2018) estudiaron como los usuarios reaccionan a cambios de IA. Encontraron que la confusion por cambios no descubiertos llevo a 52% mas solicitudes de soporte que los cambios comunicados proactivamente.
Kocielnik et al. (2019) examinaron las preferencias del usuario para comunicacion de cambios de IA. Los usuarios prefirieron fuertemente el aviso anticipado, con 78% queriendo saber antes en lugar de descubrir los cambios ellos mismos.
Kulesza et al. (2015) demostraron que la explicacion durante cambios importa. Los usuarios que entendieron por que la IA cambio se adaptaron 38% mas rapido a nuevos comportamientos.
Para Usuarios: Las notificaciones de cambio previenen confusion y atribucion erronea. Los usuarios que saben que la IA mejoro pueden aprovechar nuevas capacidades. Los usuarios que saben que la IA cambio pueden ajustar sus expectativas. Los cambios sorpresa se sienten como promesas rotas.
Para Disenadores: Disenar notificaciones de cambio requiere equilibrar informatividad con fatiga de notificaciones. El buen diseno de cambios comunica significativamente sin abrumar. El mal diseno de cambios o esconde cambios importantes o anuncia todo.
Para Product Managers: La comunicacion de cambios afecta directamente la percepcion del usuario sobre la confiabilidad del producto. Los usuarios que entienden los cambios perciben mejora. Los usuarios que descubren cambios perciben inestabilidad.
Para Desarrolladores: Implementar notificaciones de cambio requiere versionar el comportamiento de IA, detectar cambios significativos y entregar notificaciones en momentos apropiados.
Los banners en linea anuncian cambios contextualmente. "Las sugerencias de escritura han mejorado" aparece cuando el usuario accede a funciones de escritura despues de una actualizacion. Las notificaciones relevantes al contexto llegan a los usuarios cuando la informacion es util.
Los registros de cambios documentan actualizaciones comprehensivamente. Una seccion dedicada de "Que hay de nuevo en IA" proporciona informacion detallada para usuarios que quieren entender los cambios profundamente. Los registros de cambios sirven como referencia.
Los destacados de funciones resaltan mejoras significativas. "Prueba el nuevo analisis de imagen" llama la atencion a nuevas capacidades importantes. Los destacados convierten actualizaciones en oportunidades de re-engagement.
Los ejemplos de comparacion muestran diferencias de comportamiento. "Antes: IA sugeria X. Ahora: IA sugiere Y" ayuda a los usuarios a calibrar expectativas. Los ejemplos concretos hacen comprensibles los cambios abstractos.
Las configuraciones de notificacion respetan las preferencias del usuario. Algunos usuarios quieren cada actualizacion; otros quieren solo cambios importantes. Los niveles de notificacion personalizables previenen la fatiga mientras aseguran que los cambios importantes lleguen a todos.