Simple CEO 表示情感 AI 教练才是未来，而非单纯追踪与提醒

本文内容来自 Simple 公司的首席执行官兼创始人 Mike Prytkov 关于打造情感 AI 教练的分享。Simple 是一款 AI 驱动的健康和减肥应用程序，提供个性化指导。以下为全文内容：

2019 年我们开始打造 Simple 时，我希望这款健康产品能像优秀教师引导学生那样引导用户。我反复联想到的参照对象是早期 Duolingo。这并非因为其游戏化设计，而是因为 Duolingo 是少数能持续吸引用户每日坚持练习的数字工具之一。大多数健康选择并非惊天动地的事件，而是日常的微小决策。若一款应用能让用户持续参与，使这些决策产生累积效应，便算真正发挥了作用。早在 AI 热潮兴起之前，我们就希望打造一款 AI 健康教练，帮助人们回归正轨、反思调整、勇于重试——即便遭遇挫折也不放弃。

多数减肥应用基于不同假设：将 AI 视为附属品。在追踪器之上叠加“类人”聊天机器人，多数时候仅靠问答模块回应用户提问，辅以激励提示在用户懈怠时唤醒。这些功能虽无不妥，却未能触及人们难以坚持的根本原因。多数人失败并非因信息匮乏，而是因为持续坚持需要情感支持、责任约束和伙伴关系。仅靠推送提醒的应用无法陪伴用户度过行为真正转变的漫长平台期。但事实证明，如果运用得当，AI 可以做到这一点。

为什么传统的减肥应用不如我们预期那样有效

当我们开始研究用户坚持模式时，有一点显而易见：当人们感到孤立无援，难以达成目标时，他们就会放弃。只有当用户在感到迷茫或沮丧时感受到支持，追踪卡路里或禁食时间才真正有效。大多数应用程序无法应对这些时刻，它们只是记录用户数据并提供一些泛泛的建议。因此，我们现有的工具无法在情感层面上真正触动用户，让他们不再有放弃的念头。

其次，还有老生常谈的决策疲劳。健康方面的选择是重复性的，很容易找到各种理由来推卸责任。如果没有一个系统来帮助人们调节情绪、解读挫折并保持动力，那么追踪记录就只会反映失败，而不是进步。当有人记录了连续三天暴饮暴食后，他们并不想在一个简洁明了的仪表盘上看到结果。他们想要的是理解、视角，以及切实可行的下一步行动。

AI 代理正开始展现出显著的转变。当它们被设计成持续的伙伴而非工具时，就能帮助用户理解数据的意义。它们会以同理心解释数据模式，鼓励用户关注细微的进步，并及时提供应对策略。以指导为中心的 AI 能够成为用户与挫败感之间的缓冲。大多数现有产品都缺少这种情感层面，但这恰恰决定着一个习惯能否持续足够长的时间最终成为自动化行为。

专注于情商 AI 教练

大规模提升用户忠诚度的最强杠杆是建立关系。而这正是大多数产品所忽略的。它们试图通过逻辑或结构来改变用户行为，但只有情感才能真正维系改变。当你感到被理解时，你会继续使用；当你感到被引导时，你会再次尝试。关键在于：如果你想要一个功能完善的 AI 教练，每一次互动都必须是建立在关系之上的，而非机械式的。如果这一点能够做到，那么对用户而言，坚持使用不再是负担，而会成为每个人都乐于再次参与的对话。事实上，我们观察到 ChatGPT 每次更新都在“关系导向——机械导向”的维度上摇摆，用户反馈也随之变化。

因此，对我们来说，每一次互动都必须有意义。签到不仅仅是数据收集，它还能帮助 AI 理解用户的情绪状态和所处情境。提示信息会根据用户的个体模式做出反应。教练的声音会根据用户的语气、偏好和脆弱之处进行调整。随着时间的推移，人们开始将 AI 视为健康伙伴，而非工具。许多用户将教练描述为介于治疗师和教练之间的角色。这并非偶然，而是我们着眼于情感联结而非仅仅追求功能性的结果。

转向以教练为先的模式

曾经，我们的解决方案作为一款追踪产品发展迅猛。但与此同时，我始终坚信，单靠追踪永远无法带来我们想要的创新影响。在缺乏指标支持的情况下，我们做出了一个艰难的决定：将资源重新投入到辅导模式中。这感觉很冒险，但继续走老路风险更大。一旦我们下定决心，产品就开始发生变化。我们重建了交互模型，重写了用户旅程，并扩展了辅导背后的行为科学。这并非一个快速的转型，但却是正确的选择。向情感 AI 的转变带来了更高的用户留存率、更显著的成效以及更清晰的产品定位。

当我们的 AI 教练开始与用户建立联系，而不是单方面地给出指令时，用户开始更长时间地使用应用。即使在不想考虑体重的时候，他们也会打开应用；他们会分享更多关于自身生活习惯的细节；遇到挫折后，他们会主动反馈，而不是直接放弃。教练服务不再是一种义务，而成为了一种精神寄托。

这印证了我们早期的一个猜想：可持续的体重变化不是一个强度很大的过程，而是一个建立情感韧性的过程，而与 AI 建立情感联系则创造了完美的条件。

神经多样性思维如何促使我们聚焦情感

尽管我多么希望宣称我们的产品理念仅源于严谨研究与创新思维，但它很大程度上依赖于我大脑的运作方式。我患有注意力缺陷多动障碍（ADHD），且存在强烈的过度警觉倾向。这种特质常使我陷入思维漩涡，对一切产生怀疑，并导致思维在不同想法间过快跳跃。自然而然地，我一生中相当一部分时间都在努力将这些习惯引导至建设性方向。

例如，事实证明，高度警觉性在风险建模方面非常有效。当你需要预见极端情况时，它就显得尤为重要，特别是当你的产品是一个与数百万人互动的AI系统时。神经多样性思维自然而然地会探索不寻常的场景，例如行为异常的用户，以及你意想不到的情绪反应。这在构建一个必须具备高情商的教练时成为一项优势。我们需要的不仅仅是一个能够理解“普通用户”的AI，它还必须能够理解那些感到不知所措、情绪分散、行为反复无常、逃避现实、感到羞愧或压力巨大的人，因为他们最需要支持。

一个时刻警惕潜在风险的大脑，也十分擅长察觉人们可能感受到的不被理解。这有助于我们设计 AI 代理如何应对用户的困惑、沮丧或疑虑。同时，这也影响了我们对安全性的考量。构建一个提供健康建议的AI 意味着你必须预判各种故障模式。你必须理解人们在压力之下会如何解读信息。神经多样性思维使我们的团队对语气、节奏和情感细微差别更加敏感。它促使我们添加一些看似不明显但在实际应用中至关重要的安全措施。

AI 需要人类建模，而不仅仅是人类监督

在 AI 部署过程中，尤其是在医疗健康领域，如何让人类参与其中一直备受关注。这一点固然重要，但技术专家往往忽略了另一个层面。有效的 AI 指导不仅需要监督，更需要建模。无论你构建的是哪种指导系统，它的行为都必须符合人类的直觉，体现出关怀、一致性和值得信赖。情感信号与信息信号同样重要。

模拟人类行为模式并不意味着假装 AI 是人，而是赋予用户一种熟悉的节奏。优秀的教练会关注用户，调整语气，察觉他们的沮丧情绪，并在用户感到混乱时提供结构化的指导。这些都是非常可预测的人类行为。我们训练 AI 采用这些模式，因为它们能帮助用户更容易地坚持下去。当人们感到情绪稳定时，他们会做出更好的选择，并且能够更长时间地坚持下去。这就是我们所关注的人性化因素。

AI 在教练领域的未来应用

我一路走来学到的最重要的一点是，人们需要的不是更响亮的提醒或更多的数据，而是与一个能够理解改变之难的系统建立联系。AI 现在至少能够以这种方式支持人们，前提是我们能在设计时融入情感的细微差别。随着 AI 模型能够更细致地解读情感、语境和行为模式，它们有望不再仅仅是花哨的聊天机器人。我的预测是，情商，而非模型的规模，正在成为真正的差异化因素。

随着我们产品的不断发展，我们的愿景始终如一：健康改变是一种实践，而实践需要伙伴。我们的目标是打造全球最具情商的健康教练。如果用户感到被理解，他们就会再次光顾。如果他们再次光顾，他们就会做出改变。如果他们改变了，那么这款产品就实现了它的初衷。我们并非自夸，但我们现在是一家年经常性收入达 1.6 亿美元的公司——这证明了情商 AI 教练可以规模化发展。