产品经理要了解的数据标注工具

常见数据标注类型

数据标注，其实就是在教 AI 去认识人类世界的事物，但近些年随着架构、算力、数据的提升，NLP 领域也取得了巨大的提升。

人工智能正快速从“能听、会说、会看”的感知智能，迈向“能思考、能回答问题、能总结、能创作”的认知智能，甚至能到“决策、推理”等层面。

商量（SenseChat）：数据和标注的意义和重要性

目前，以 LLM 为代表的 AI 已成为目前主流的态势，甚至一些标注公司或任务也开始尝试利用 LLM 来反哺标注本身来达到效率的提升。

论文：使用 LLM 反哺标注 （arXiv:2306.07899）

2. 打造工具类产品的卓越体验设计

此外，设计师还应该对当前基于大型语言模型（LLM）的AI主流趋势有深入的了解，包括AI技术的局限性和潜在风险。

虽然大型AI模型在处理复杂任务和处理大规模数据集方面表现出色，但它们也面临着数据偏见、安全隐私问题和缺乏可解释性等挑战。设计师在进行产品设计时，必须考虑这些因素，并采取措施来降低可能的风险。

例如，如果平台需要处理客户的敏感数据，设计师可能需要考虑实施数据脱敏等隐私保护措施。同时，AI技术正在不断进步和创新，新的算法和模型层出不穷。设计师如果能够持续学习并更新自己的知识，将更有助于适应这个快速变化的技术环境。

LabelBee AI 智能标注示例

另外，引申至目前基于 LLM 的 AI 主流态势，设计师也应了解 AI 技术的局限性和风险。

大模型 AI 在处理复杂任务和大规模数据方面表现出色，但也存在数据偏见、安全隐私问题和不可解释性等挑战，设计师需要在产品设计过程中考虑这些因素，并采取相应的措施来减少潜在风险。

如，若平台里引入了客户的源数据，那在查看或使用时，可能就要考虑上数据脱敏等相关设计。此外，AI 技术在不断演进和创新，新的算法和模型不断涌现，设计师若能需要保持学习和更新的态度，会有助于应对快速变化的技术环境。

2. 设计洞察力

设计洞察是产品开发的核心。对于业务层面，设计师深入理解业务的核心目标、价值主张和关键流程，有助于确保产品体验与业务需求的紧密结合。

同时，设计师对产品的功能、特性和技术架构的了解，有助于实现更优的产品体验。

例如，如果基于<canvas>的标注工具在特定情况下出现性能问题，设计师通过调研和复现这些问题，可以帮助工程师进行修复。

此外，设计师通过用户研究和测试等方法深入了解用户的需求、偏好和行为特征，可以获得关于用户行为模式、痛点和期望的宝贵信息。这些洞察可以指导产品功能和界面设计的决策。

3. 进一步定义设计目标

设计师可根据设计洞察，明确阶段性产品的核心目标。这可能涉及提高用户效率、简化工作流程、增强数据分析能力等。

通过明确核心目标，设计师亦可推导或聚焦于提供有针对性的功能和体验，成立专项，以满足用户的真实需求。定义设计目标时，还应考虑到产品的可扩展性和可定制性，工具类产品通常需要适应不同用户和业务需求的变化。

4. 人因考量（重要）

人因泛指以人为核心因素，其对人的因素的研究主要分为生理因素和心理因素，生理因素是指人的身体的结构和属性等因素，心理因素是指人的感知觉、决策、动作控制、情绪等因素。

而对于手工标注来说，不断操作键鼠是个高频的交互。设计师或可根据标注员用户的人体（人种）特征、性别特征，甚至是否具有残障，并酌情考虑标注现场里的实际情况，通过合理洞察标注现场的设备，以及考虑用户使用工具时的人体合理姿势等，减少使用疲劳和不适，提高标注员工作的舒适性和效率。

其次，产品的可用性和易用性至关重要 ，不同用户的学习能力、技术能力都不一样，因此产品的界面和交互应尽可能易于用户群体理解和操作，并符合其认知与期望，让工具能提供愉悦和自然的使用体验。

例如，在标签标注时，高饱和度的标签色，会有助于标注员通过眼睛快速发现；更简单的快捷键，会有助于标注员更顺手地打标签。

人机交互中的标注工作

5. 设计执行与可用性检验

以LabelBee AI标注工具为例，在设计此类工具时，我们采取了通用框架和特定案例两种方法，这构成了构建工具集的两个主要执行层次。在这个阶段，设计师需要将抽象的设计概念转化为具体的用户界面、交互步骤和实际操作。

LabelBee AI 标注工具设计措施

同时，可用性测试是评估产品在实际使用中的易用性和用户体验的重要方法。通过让真实用户参与测试，设计师可以获取宝贵的反馈和洞察，发现潜在问题和改进的机会。

工具集可用性测试

6. 跟踪与快速迭代

通过有效的跟踪和评估，设计师可以了解产品在实际使用中的表现如何，通过访谈、数据埋点与分析等发现潜在的问题和改进的机会，并基于反馈做出相应的调整和改进。

在这基础上，通过快速迭代响应用户（客户）反馈和需求变化，及时进行调整和优化。

AI 标注工具的“下沉”

LabelBee AI 标注工具的 Figma 设计组件库（即将公开发布）

最后说一声：

尽管通用人工智能（AGI）的未来可能带来更简洁直观的交互界面，甚至可能使某些界面变得多余，但作为设计师，我们若能紧跟技术革命的步伐，进行深入的设计洞察，发现技术与现实生活之间的差距，就能为人们创造更优质的产品和服务。

随着AI范式的演进，AI系统变得越来越复杂，而数据标注可能是它们未来的一种合理交互方式。这类似于人类教导幼儿学习基础认知，这种基本的学习行为和教具始终存在，只是形式可能发生变化。

目前，对于像GPT这样的大型语言模型（LLM AI），我们可以通过人类反馈强化学习（RLHF）的标注方法，帮助GPT更深入地理解世界。虽然未来的情况可能会有所不同，但至少在当前，人类认为这种干预是必要的。