Google PAIR 把失誤處理寫進 AI 產品設計

Google PAIR（People + AI Research）是 Google 於 2017 年 7 月 10 日啟動、研究人與 AI 互動的跨領域計畫。Google 在啟動公告說明，研究涵蓋工程師、領域專家與一般使用者。PAIR 把人的需求放進 AI 開發之初，讓技術選擇接受使用情境的檢驗。

一個 AI 功能能生成答案，產品團隊還有另一筆帳要算：使用者花多久檢查答案，出錯後能否繼續完成工作。使用者若得花更多時間補救，團隊就把成本轉嫁出去了。

PAIR 值得產品主管重讀，就在這裡。當 AI 可以替人執行更多工作，決策者需要說清楚哪些權限交出去，以及錯誤由誰承擔。

PAIR 從 2017 年就把人的需求放進研究

Google PAIR 的啟動公告由 Martin Wattenberg 與 Fernanda Viégas 共同署名。兩人當時是 Google Brain 研究科學家，提出以設計思考研究人與 AI 的關係。

2017 年的研究分成三類對象。工程師需要看懂資料與模型，專業工作者需要 AI 協助工作，一般使用者則需要容易理解且能參與的技術。Google 同時開源 Facets Overview 與 Facets Dive，兩款工具協助工程師查看訓練資料。

這段歷史解釋了 PAIR 為何同時做研究、設計指南與工具。截至 2026 年 10 月 13 日，PAIR 官網仍將自己描述為跨領域團隊，工作包含基礎研究、工具、設計框架與社群合作。官網也強調，受 AI 影響的社群應參與技術發展。

PAIR 這個名字因此涵蓋一組研究與設計工作。People + AI Guidebook 是其中一項公開成果，兩者不能直接畫上等號。

六個章節讓產品團隊看見模型之外的工作

People + AI Guidebook 首版於 2019 年 5 月 8 日出版。2026 年 10 月 13 日查閱的指南首頁標示，第三版於 2025 年 4 月更新，最新版本聚焦生成式 AI。

指南保留六個章節，串起產品開發中的不同決策：

六章讓產品團隊提早看見分工缺口。模型表現可以由工程團隊測試，使用者是否誤解權限卻需要研究與設計介入。錯誤若會觸發客服或賠償，營運也得在上線前參與。

首頁另列五項產品原則，包含適當的使用者自主程度、安全隨情境演進，以及運用使用者回饋調整 AI。這些原則提供討論方向，並非 Google 對產品成效的保證。

AI 是否有用，要把檢查與修正時間算進去

Google 的PAIR Codelab要求團隊先檢查現有工作流程，再判斷 AI 能否提供獨特價值。這份教材討論的是第二版指南，不能把頁面更新日期當成第三版發布日期。

教材用電影推薦示範需求拆解。使用者想更快找到喜歡的電影，團隊才考慮推薦模型；同時也要檢查規則或既有介面是否更合適。若任務特別需要可預測性、完整透明度，或使用者不想自動化，教材指出規則式方法可能更好。

維持原本做法也是合理選項。有些需求用篩選條件就能解決，加入對話介面反而增加表達與確認成本。

以內部報表摘要為例，主管需要的是可靠判讀。假設原本人工整理需 30 分鐘，AI 生成需 5 分鐘，但核對需 20 分鐘、修正需 10 分鐘。整個流程就變成 35 分鐘，比人工多 5 分鐘。這是示意試算，不是 PAIR 研究結果，也不是企業實測。

試算提醒產品主管，節省時間應以完整任務為單位。把生成速度單獨列成績效，會漏算使用者被迫補上的工作。

同樣的問題也出現在分工。工程團隊壓低推論成本，設計團隊減少操作步驟，客服卻可能接到更多錯誤申訴。若各部門只看自己的指標，AI 功能就能通過每一項局部驗收，同時讓整體流程變差。

信任設計包含拒絕 AI 建議的能力

PAIR Codelab 對信任的要求是校準：使用者依任務與系統能力，決定相信多少。教材明確提醒，使用者不應在所有情境下都無條件相信 AI。

解釋也有取捨。電影推薦可以交代與偏好的關係，使用者通常不需要在挑片途中讀完模型架構。教材建議提供足以協助決策的資訊，較完整的說明可以放在其他位置。

信心分數尤其容易被過度使用。PAIR Codelab 提到數值與排序等呈現方式，也提醒團隊提早測試使用者能否理解。數字看起來精確，不等於使用者知道它適用的範圍。

用在生成式 AI 時，團隊還得確認解釋是否有依據。文字回答附上來源，使用者才能檢查引用是否支持結論；顯示一個信心百分比，不能替代這項驗證。這是依指南原則延伸的產品判斷，並非指南提供的通用計算公式。

我更重視使用者拒絕建議後能做什麼。電影推薦被隱藏後能換一部，工作系統被拒絕後也需要讓人繼續作業。當 AI 只能接受肯定，使用者的控制權就只剩表面。

PAIR、Microsoft 與 NIST 分別回答不同問題

Microsoft Research 的人機互動研究，提供 PAIR 之外的比較基準。Saleema Amershi 等人在 2019 年 5 月的研究提出 18 項準則，並由 49 位設計工作者對 20 款 AI 產品進行測試。

18 項準則有具體評估範圍，但研究沒有證明所有套用準則的產品都能提升營收。PAIR 的六章與 Microsoft 的 18 項，也不是可以直接比較高低的分數。

NIST 則把問題拉到組織風險。AI Risk Management Framework 頁面記載，AI RMF 1.0 於 2023 年 1 月 26 日發布，屬自願採用框架。NIST 又於 2024 年 7 月 26 日發布生成式 AI 風險管理配套文件。

產品主管可以用 PAIR 問清楚使用者任務，再用互動準則檢查介面。涉及重大風險的系統，還需要另外安排風險管理、法律與專業審查。讀完一本設計指南，無法代替這些責任。

FAQ

Google PAIR 是什麼？

Google PAIR 是 People + AI Research 的縮寫，於 2017 年 7 月 10 日啟動。Google PAIR 研究人與 AI 的互動，並公開設計指南、工具與研究成果。People + AI Guidebook 是 PAIR 的一項成果。

Google PAIR Guidebook 目前是哪個版本？

People + AI Guidebook 官網於 2026 年 10 月 13 日查閱時，標示第三版於 2025 年 4 月更新。Guidebook 首版出版日期是 2019 年 5 月 8 日，首頁另提供 2021 年版本的封存連結。

Google PAIR 是否只適合工程師？

Google PAIR 的研究對象包含工程師、領域專家與一般使用者。People + AI Guidebook 的工作坊資源也面向跨職能合作，產品經理與設計師可以參與。需要程式能力的工具應另看各工具文件。

Google PAIR Guidebook 可以直接商業轉載嗎？

People + AI Guidebook 頁面標示 CC BY-NC-SA 4.0 授權，包含非商業使用與相同方式分享條件。企業讀者不能僅因指南公開，就認定可以整套商業轉載；具體重用方式需核對授權或另取得許可。

參考來源

• Google，2017 年 PAIR 啟動公告：https://blog.google/innovation-and-ai/products/pair-people-ai-research-initiative/
• Google PAIR，團隊與研究資源：https://pair.withgoogle.com/
• People + AI Guidebook，版本、章節與授權：https://pair.withgoogle.com/guidebook/
• Google Codelabs，Building Trusted AI Products with the PAIR Guidebook：https://codelabs.developers.google.com/codelabs/pair-guidebook
• Microsoft Research，Guidelines for Human-AI Interaction：https://www.microsoft.com/en-us/research/publication/guidelines-for-human-ai-interaction/
• NIST，AI Risk Management Framework：https://www.nist.gov/itl/ai-risk-management-framework

Author Insight

當任務需要完整透明度或高度可預測性，產品主管應把規則式方案列為正式候選。PAIR Codelab 明確提出這兩個條件。我的判斷是：這類任務即使能用 AI 完成，也不應預設採用全自動流程。團隊若無法交代使用者如何檢查與接手，就先縮小 AI 的權限。

術語表

The ultimate organizer who keeps projects on schedule, within budget, and moving smoothly from start to finish.

Loading...