Не всё должно быть чатом

За двадцать лет я успел построить и трейдерские терминалы, где сотни цифр обновляются каждую секунду, и голосовых AI-агентов, которые разговаривают по телефону вместо человека. Поэтому цену правильно выбранной модальности знаю на собственных шишках: таблица и голос решают разные задачи, и перепутать их — значит похоронить продукт. Мой рабочий принцип — «из сложного — в простое», а мода заворачивать любую AI-функцию в чат делает ровно обратное: перекладывает сложность на пользователя. Статья Виктора Йокко раскладывает это по полочкам лучше всего, что я читал за год.

Вольный перевод-конспект статьи «Matching AI Modality to User Intent: Designing the Right Interface» (Smashing Magazine, июль 2026, автор — Victor Yocco, PhD). Оригинал: smashingmagazine.com. Сокращено; курсив и примечания мои.

Туннельное зрение чата#

Дизайн-сообщество попало в ловушку, которую Йокко называет «разговорным туннельным зрением»: любую AI-возможность по умолчанию упаковывают в окно чата. Между тем хороший UX начинается не с интерфейса, а с модальности.

Модальность — это то, каким чувством человек взаимодействует с системой: зрением, слухом, касанием, речью или набором текста.

У текстового чата, по Йокко, две скрытые статьи расходов.

Первая — лингвистический барьер на входе. Пустое поле ввода вызывает паралич выбора: пользователь вынужден угадывать, на что система вообще способна, и помнить, как правильно её просить. Составление промпта — творческий акт: смутную мысль нужно перевести в конкретную команду. Дизайнер может точно видеть в голове нужную картинку — и при этом мучительно подбирать слова, чтобы описать в промпте освещение.

Вторая — когнитивная цена текста на выходе. Текст — последовательный носитель: мозг читает слово за словом и только потом извлекает смысл. Визуальные форматы обрабатываются параллельно. Три абзаца прозы о статусе проекта там, где хватило бы цветного дашборда, — это «когнитивный налог», умноженный на почасовую ставку профессионала.

Инвентарь модальностей#

Йокко приводит таксономию входов и выходов — с честным «когда это уместно» для каждой.

Модальности ввода:

• Кнопка / тап — одношаговые и бинарные действия: запустить функцию, подтвердить алерт. Ничего не нужно вспоминать, максимальная скорость в срочной ситуации.
• Голос — когда заняты руки или глаза: техник на объекте, водитель за рулём. Ограничен шумом и социальными нормами.
• Чат на естественном языке — размытые и исследовательские запросы: изучение вариантов, уточняющие вопросы. Даёт свободу формулировки — но и требует её.
• Форма / мастер — структурированный многопольный ввод: договор, конфигурация отчёта. Не даёт пропустить обязательное, режет сложное на понятные шаги.
• GUI: фильтры, слайдеры, drag-and-drop — точная настройка параметров и пространственные задачи: планирование, фильтрация данных, правка изображений.
• Мультимодальный ввод (картинка + текст) — показать вместо описать: загрузить макет с пометкой, а не сочинять абзац про него.
• Жест — бесконтактное взаимодействие: взмах рукой, чтобы подтвердить алерт в стерильной операционной.

Модальности вывода:

• Пуш / алерт — срочные фоновые события: скачок цены, завершение процесса. Минимальный разрыв концентрации.
• Аудиосводка — руки и глаза заняты: статус на ходу, навигация в реальном времени.
• Короткий текст — точечный вопрос с коротким ответом: определение, состояние одного параметра.
• Визуальный дашборд — плотный сравнительный анализ: статус проекта, распределение ресурсов. Тренды и выбросы видны сразу, без построчного чтения.
• Интерактивный холст — генеративные и итеративные творческие задачи: крутить макет руками, а не текстовыми инструкциями.
• Встроенное подтверждение — пошаговые сценарии с обратной связью: мастер настройки с валидацией на каждом шаге снижает тревогу об ошибке.

Всё это ложится на спектр когнитивной нагрузки: от фонового (пуши, голосовые команды) через среднее (короткие сводки, простые фильтры) до сфокусированного (подробный текстовый разбор, интерактивные панели). Выбор точки на спектре должен определять контекст использования — не привычка команды.

Task Audit: четыре вопроса до первого макета#

Прежде чем проектировать, Йокко предлагает аудит задачи — сбор данных о физическом, социальном и когнитивном контексте работы. Четыре области:

1. Ограничения ввода. Свободны ли руки для печати и тапов? Механику под автомобилем нужен голос — руки заняты.
2. Ограничения вывода. Может ли человек безопасно смотреть на экран? Навигация курьера за рулём обязана говорить, а не показывать.
3. Социальные ограничения. Уместно ли в этой среде говорить вслух и слушать аудио? В опенспейсе тихий пуш лучше голосового ответа.
4. Когнитивная нагрузка. Сколько внимания уже съедает основная задача? Хирургу нужен мгновенный визуальный индикатор, юристу — подробная текстовая сводка.

Доказательства собираются тремя методами, и у каждого своя специализация:

• Контекстное наблюдение. Смотреть на работу там, где она происходит, — единственный способ увидеть скрытые обходные приёмы, которыми люди компенсируют неудобный инструмент. Самый сильный метод для ограничений ввода и вывода: именно наблюдение показывает, что в толстых перчатках по тачскрину не попасть.
• Фокусированные интервью. Структурированные разговоры один на один вытаскивают ментальные модели и точки принятия решений. Главная ценность — понять, откуда берётся когнитивная нагрузка и где процесс двусмысленен.
• Совместные воркшопы. Дизайнеры, инженеры и продакты вместе собирают инвентарь задач, сверяют его с реальностью и прогоняют каждый шаг через два теста: требует ли он этического суждения человека и требует ли мгновенного исполнения.

Матрица «намерение → модальность»#

Центральная идея статьи: отправная точка — не технология, а намерение пользователя в конкретный момент.

• Быстрая проверка статуса → голос или одна кнопка на входе, аудио или пуш на выходе. Среда: руки и глаза заняты — техник на лестнице.
• Запрос конкретной информации → чат на входе, короткая текстовая сводка на выходе. Спокойная сфокусированная работа.
• Сложный анализ → фильтры и слайдеры на входе, визуальный дашборд на выходе. Рабочий стол, большой экран.
• Творческое создание → картинка плюс текст на входе, интерактивный холст на выходе.
• Мониторинг → пассивный вход (система следит сама), пуш или аудиоалерт на выходе. Любая среда, фоновое внимание.
• Ведомое выполнение задачи → форма или пошаговый мастер, встроенные подтверждения и индикатор прогресса.

Обратите внимание: чат в этой матрице занимает ровно одну строку из шести. Не ноль — но и близко не все.

Кейс: техники на высоковольтной сети#

Йокко разбирает реальный аудит для национальной энергокомпании. Техники, обслуживающие высоковольтные сети, страдали от классического рассогласования модальностей: 10-дюймовый защищённый планшет почти бесполезен в толстых перчатках, экран слепнет на прямом солнце, а чтение длинных текстовых диагностических отчётов на высоте, когда нужно следить за обстановкой, — это и когнитивная перегрузка, и физический риск в люльке автовышки.

Интервью на нескольких объектах подтвердили главное: на объекте технику не нужен «рассказ о здоровье системы». Нужен мгновенный, недвусмысленный ответ на вопросы «это безопасно?» и «где неисправность?» — напряжение, температура, точка отказа.

Решение получилось многомодальным, с передачей эстафеты между контекстами:

• На объекте: голосовой запрос на входе, короткая аудиосводка диагностики на выходе. Руки свободны, солнце не мешает, взгляд остаётся на оборудовании.
• В машине: 15-дюймовая визуальная панель — исторические тренды и карты сети, то, что требует параллельного чтения.

Результат: время диагностики сократилось на двадцать процентов, ежедневное использование инструмента в полевых бригадах выросло. Ни одного чат-бокса в решении нет.

Лёгкая версия аудита#

Полный аудит — роскошь не для каждой команды, поэтому Йокко даёт облегчённый рецепт: два часа наблюдения в реальной рабочей среде, три-пять интервью с исполнителями задачи и 90-минутный воркшоп, чтобы собрать инвентарь задач и прогнать его через четыре вопроса аудита. Этого мало для полной картины, но достаточно, чтобы рекомендация модальности опиралась на свидетельства, а не на привычку.

К статье приложен полевой шаблон из трёх шагов: физическая проверка реальности (руки, визуальный фокус, шум), когнитивная база (плотность чтения, тревога проверки) и карта передачи — где пользователь начинает задачу и где заканчивает. Скажем, начал голосом на складе — закончил дашбордом на офисном мониторе.

Индустрия вкладывает огромные усилия в обучение всё более умных моделей — и куда меньше в человеческие интерфейсы к ним. Блестящая базовая модель, завёрнутая в ленивый текстовый интерфейс, проигрывает: физические и социальные реальности рабочих мест — не пограничные случаи, это и есть дизайн-бриф. Финальная мысль Йокко бьёт точно:

Собрать чат-бот быстро и привычно. Собрать интерфейс, который ощущается естественным продолжением того, как человек уже работает, сложнее — но это и есть работа, которая имеет значение.

Будущее AI-интерфейсов он видит как экосистему — визуальную, голосовую, тактильную, фоновую, — откалиброванную под намерение и среду. Окно чата — один инструмент в ней: правильный для одних работ и часто неправильный для тех, что мы вешаем на него рефлекторно.

Чтобы у AI-возможности был максимальный шанс быть принятой и используемой, модальность нужно подогнать под человека и место.

Что я забираю себе#

Чат в финтехе хорош ровно для одной строки матрицы. Размытый исследовательский вопрос — «почему просела доходность за квартал?» — это честная работа для диалога. Но сравнение инструментов, мониторинг позиций, история сделок — территория таблицы, графика и фильтров: параллельное чтение бьёт последовательное всегда, и никакой языковой моделью это не отменить.

Формы недооценены. Онбординг и анкеты в финансовых продуктах — это «ведомое выполнение задачи»: чат здесь заставляет угадывать, что от тебя хотят, а мастер с валидацией на каждом шаге гарантирует полноту и снимает страх ошибки. Скучно — зато работает.

Мой голосовой агент на b8q живёт ровно по карте передачи Йокко. Голос уместен, потому что телефонный звонок — это по определению «руки и глаза заняты». Но итог разговора должен приходить текстом и сводкой после звонка: слушать — в моменте, анализировать — глазами. Раньше я делал так интуитивно, теперь у этого есть рамка.

Перед следующей AI-фичей — лайт-аудит. Два часа наблюдения и пять интервью дешевле, чем месяц переделывать чат-бот, которым никто не пользуется. «Из сложного — в простое» начинается не с интерфейса, а с вопроса, свободны ли у человека руки.