人工智能正在快速进入健康管理领域，从营养建议到情绪支持，各类应用层出不穷。但用户的一个普遍困惑也随之而来，推荐结果为什么出现？我的数据如何被使用？系统在多大程度上值得信任？这些问题推动着一批产品设计师将工作目标从“提高效率”转向“建立信任”。旅美产品设计师陈萍(Ping Chen)就是其中之一。

陈萍目前在一家健康科技公司担任首席产品设计师，负责将复杂的生理数据与营养科学转化为用户可操作的日常建议。在她的设计实践中，可解释、可理解、可负责任被反复提及。她认为，健康领域的AI产品尤其需要“经得起追问”。

从一首歌开始的独立项目

陈萍的独立项目Aurora，源于她身边ADHD（注意缺陷与多动障碍）朋友的日常经历。一位朋友告诉她，有一首歌总能让他迅速平静下来、恢复专注。这个看似普通的细节引起了陈萍的注意。在后续访谈了10位ADHD用户并查阅神经科学与音乐疗法文献后，她发现两个普遍存在的问题：流媒体平台推荐的“专注歌单”效果时好时坏，缺乏稳定性；用户常常在听完一首歌后才发现它有效，但下一次需要时却想不起是哪一首。

文献研究同时显示，音乐节奏与人的情绪唤醒程度、专注状态之间存在明确关联。用户焦虑时需要慢节奏来“降噪”，缺乏行动力时则需要适度快节奏来推动。但现有产品很少将这些发现转化为用户可以反复使用的工具。

基于这些线索，陈萍设计了Aurora。应用通过简洁的情绪日志让用户记录每日状态，然后结合历史情绪变化与音乐偏好，自动生成与当前状态匹配的歌单。与普通推荐不同，Aurora强调“可学习、可回溯”：用户可以标记哪些歌曲真正帮助了自己，系统会记住这些有效选择，逐步形成个性化的情绪调节模型。

这个项目的关键不在于使用了多少前沿技术，而在于如何把神经科学理论“翻译”成低门槛的日常操作。陈萍举了一个例子：最初的情绪日志设计了8个维度，但测试中发现ADHD用户填写压力大、容易中途放弃。最终她将维度压缩为4个核心项，采用滑杆操作，几秒钟即可完成。这种取舍牺牲了理论上的精细度，却换来了真实场景中的可持续使用。

Aurora获得多个国际设计奖项，包括缪斯创意奖金奖、A Design设计奖、维加奖金奖、纽约奖金奖、东京设计奖金奖等。这些奖项关注的不仅是其界面美观，更是它面向神经多样性人群的设计策略——低压力、可解释、可持续。

可解释不是附加功能 而是设计原则

在陈萍经手的商业产品中，也遇到过类似难题。她曾为一个AI营养建议模块做设计，早期版本直接输出“你应该补充维生素D”，用户普遍反馈困惑：凭什么这么判断？团队后来加入了简短依据说明——“基于您最近的睡眠数据与户外活动时长”，并提供了“查看原始数据”入口。这一改动之后，用户对推荐的接受度明显提升。

陈萍的体会是，在健康领域，给出明确建议的前提是能够提供可追溯的依据。用户需要知道推荐来自哪里、依据是什么、在多大程度上可靠。“责任不能外包给算法”是她经常提到的一句话。

她认为，真正的信任不是来自于功能的强大，而是来自于用户能理解它、能控制它、能在有疑问时找到答案。这一点在医疗健康场景中尤其重要，因为错误的信息可能直接影响到用户的身心状态。

跨文化实践与行业趋势

陈萍的成长路径横跨中美。她在上海理工大学完成产品设计本科，期间在摩拜单车、美的集团实习；之后赴美国萨凡纳艺术设计学院攻读工业设计硕士。毕业后，她先后在设计咨询公司、AI初创企业及健康科技公司担任交互设计师和设计负责人。

在这样的背景下，她对中外设计方法的差异有切身感受。中国互联网产品注重快速迭代与用户增长，而美国健康科技则更强调循证模型与合规性。她的做法是融合两者：用研究数据定义问题，用设计系统保障交付效率，同时严守医疗健康场景的可追溯与责任边界。

让设计成为技术的可靠桥梁

当前，全球健康科技正朝着预防性、个性化、智能化方向发展。而AI在其中的角色，正从“推荐者”走向“协作者”。陈萍的设计方法恰好回应了这一趋势：她关注的不只是用户是否完成操作，更是用户是否因此获得了更好的心理状态和日常结果。

在AI技术加速改变设计行业的今天，陈萍坚持一个朴素的方向：让AI技术服务于人的真实感受，让复杂科学回归可操作的日常体验。这也许是健康科技产品走向成熟时，最值得关注的设计思路之一。（记者：王辉）

责编：陈方

一审：陈方

二审：汤世明

三审：王超

来源：华声在线