Microsoft發表論文整理了近 20 年的學術研究與業界進展，並邀請49位參與者測試10個產業類別中具有AI元素的產品功能，反覆與UX和HCI專家討論後，整理出 18個「人類與 AI 產品互動的設計原則」 。
Medium上有作者編譯這18個設計準則，並加入一些普遍熟悉的應用範例，大部分是以Google產品為例，因為Google 產品中的AI功能隨處可見，其他公司的產品反而不是那麼明顯。
在使用者與產品開始互動之前
1/ 清楚告知系統可以做什麼，幫助使用者了解 AI 的能力可以做些什麼事 (Make clear what the system can do)
以Google Assistant為例，AI 在一開始就清楚告訴使用者有哪些事情是他可以處理得比較好的，在最一開始的時候就讓使用者有合理的期待。
2/ 清楚告知系統可以做得多好，幫助使用者了解 AI 有多大可能性會犯錯 (Make clear how well the system can do what it can do)
Google Assistant用較為保守的口氣提供推薦的內容，避免使用者有過度的期待，覺得AI推薦的內容會很精準。
在進行互動的時候
3/ 在正確的時間點並根據情境提供服務，知道在何時主動與使用者互動，並且根據使用者當時在做的事情，或是當時的環境，提供相對應的服務 (Time services based on context)
Google Maps根據使用者的現在位置，與要前往的目的地間的相對距離，分析目前的交通狀況，給與使用者提示與建議。
4/ 提供與當時情境相關的資訊，顯示與使用者當時在做的事情，或是所處在的環境相關的資訊 (Show contextually relevant information)
LINE Today 的範例，當使用者到達捷運站時，推送相關的資訊，比如說公車轉乘資訊等。
5/ 符合期待的社交用語，當和使用者對話的時候，確定用語是因時制宜並且符合期待的 (Match relevant social norms)
以 Netflix 的影片推薦為例，當他推薦影片時，用的詞彙中規中矩，並告訴使用者為什麼他做這樣的推薦。
6/ 減少會造成社交偏見的用語與內容，確定 AI 在和使用者互動時，其用詞不會造成不必要的刻板印象或偏見 (Mitigate social biases)
例如當搜尋科技公司的CEO時，出現女性的結果，可減少造成社會偏見 (科技公司CEO多為白人男性) 的案例。
當可能有錯誤發生時
7/ 讓使用者隨時可主動與AI互動，當使用者需要時，隨時可以喚醒或是主動與AI系統互動 (Support efficient invocation)
最直接的例子就是Google Assistant與Amazon Alexa了，只要呼叫特殊指令，就可以立即與AI系統互動 。
8/ 讓使用者可以輕易的選擇不採用或是忽略AI提供的服務 (Support efficient dismissal)
以Google Maps為例，他會推薦到達目的地的最佳路徑，但使用者可以自由選擇是否採用，甚至在導航中，不照著Google Maps建議的路徑行使，也會重新計算推薦新的路徑。
9/ 當AI發生錯誤時，使用者可以輕易地編輯，修正，或是復原 (Support efficient correction)：
再次用Google Maps作為例子，Your Timeline可自動追蹤與定位使用者去過的地方，但使用者也可隨時編輯與修改這些地點，如下圖所示。透過這樣的用戶反饋，Google可更精準的掌握用戶的地點，以及更優化定位技術。
10/ 當使用者產生懷疑或不確定時，可以即時地幫助他解決問題，或是離開AI提供的服務 (Scope services when in doubt)
以Facebook的廣告貼文為例，用戶可選擇知道為什麼會看到這則廣告，並可選擇隱藏，檢舉。給予使用者這樣的權利會更讓他對平台有較佳的信任感 。
11/ 清楚說明為什麼 AI 這麼做，提供使用者可以看到這些資訊的方法 (Make clear why the system did what it did)
解釋性的AI有幾種不同的框架，包括先前介紹過的LIME，以及Airbnb常用的 Partial Dependence Plot。
隨著互動不斷持續進行
12/ 有辦法記得最近的互動，並讓使用者可以根據那最近的互動繼續往下行動 (Remember recent interactions)
以搜尋為例：很多情況搜尋並不是一次性的，而是一個長期的過程，例如規劃一趟旅程或是學習新的事物。Google 在討論搜尋產品的未來藍圖時，有提到將會追溯使用者以前的搜尋紀錄和拜訪過的頁面，並在相關搜尋意圖出現時將這些資料整理給使用者。
13/ 學習使用者的使用行為並提供個人化的服務 (Learn from user behavior)
以Google搜尋為例，因為對使用者夠瞭解，所以AI得以學習使用者的喜好，在輸入任何搜尋字之前，就提供一些可能會感興趣的內容。
14/ 當 AI 依據使用者最新的行為做改變時，小心不要做得太刻意 (Update and adapy cautiously)
15/ 讓使用者可以在互動過程中不斷提供反饋，告訴 AI 他想要的內容是什麼 (Encourage granular feedback)
例如下圖 Google Lens 的範例，在顯示完結果後，用戶可根據該次結果提供反饋。
16/ 當使用者採取行動後，立即告訴他們這些行為會如何對 AI 產生影響 (Convey the consequences of user actions)
例如先前介紹過的Airbnb，用小卡的方式提供房東建議，並清楚告訴房東採取行動後，會造成怎樣的結果，比如說提供優惠後預期可增加 44% 訂房率。
17/ 允許使用者修改 AI 系統設定 (Provide global controls)
18/ 當 AI 系統有任何更新或修改時，通知使用者 (Notify users about changes)
以下提供這18個準則的卡片、投影片以及海報三種不同格式檔案