通过回答人工智能生成的问题来理解和支持正式电子邮件交流

研究背景与问题

• 发现的问题或挑战：

  • 正式邮件的回复通常需要时间和认知能力，特别是在构造礼貌的表述并准确满足发送者的需求方面。
  • 当前基于大型语言模型 (LLMs) 的自动回复工具要求用户提供详细提示，而提示设计本身增加了用户工作量，且可能因结果不符合预期而需要反复修改。

• 重要性：

  • 在工作环境和学术合作等正式场景中，高质量、礼貌的邮件回复是维护信任和关系的关键。回复中的失误或延迟可能导致负面印象，影响人际关系和沟通效率。

• 研究动机与相关工作：

  • 先前研究表明，通过减少用户创建复杂提示的负担、利用问答形式可以更有效地传递用户意图。
  • 本研究在此基础上提出通过问答 (QA)-驱动方式替代传统的提示设计，从而优化正式邮件回复流程。

解决方案

• 提出的方法或方案：

  • 本研究开发了一个原型系统 ResQ，利用问答 (QA) 驱动的方式协助用户回复正式邮件。
  • 系统从接收的邮件中自动生成相关问题，并根据用户选择的答案生成回复草稿。

• 创新之处：

  • 引入了AI生成问题的技术，将复杂的提示设计与输入过程分解为多个可管理的小步骤。
  • 使用问答机制作为简化任务的认知支架，使用户能够更快理解邮件内容并高效构建回复。

• 实施步骤与关键技术：

  1. 问题生成：基于邮件内容，系统生成包括选项的问题，涵盖邮件中的所有需求点。
  2. 用户回答问题：用户通过选择或者手动输入答案填写相关信息。
  3. 生成回复草稿：基于用户的回答和偏好，通过LLM生成邮件回复草稿。
  4. 校对与调整：用户可以在发送回复前修改草稿以确保符合意图。
  5. 发送邮件：最终，用户确认回复并发送。

研究成果

• 具体成果：

  1. 提高效率和减轻工作负担：

     • QA模式显著减少了回复邮件所需时间，提高了认知负担的管理效果。
     • 对比传统提示设计，用户不再需要反复生成或修改提示。

  2. 提高邮件质量：

     • 实验表明，与手动模式相比，使用QA模式生成的邮件在礼貌性、条理性和满足要求方面都表现更优。

  3. 任务启动更容易：

     • QA模式通过降低认知启动障碍，减少了用户回复邮件的拖延行为。

  4. 对用户感知的控制与主动性影响：

     • 问答驱动系统虽提高了效率，但用户感知自身对内容的“控制感”和“参与感”有所下降。

• 与现有解决方案的比较：

  • 相较于传统的提示设计，QA模式减少了输入字符数，用户无需大量组织语言内容。
  • 与完全手动操作相比，大幅改善了回复邮件的质量和速度。

• 实验或评估结果：

  • 实验1（12人控制实验）：QA模式在效率、认知负担、邮件质量和任务满意度方面显著优于手动和传统提示模式。
  • 实验2（9人现场研究）：参与者在实际使用中报告了更高的工作效能，但对“心理距离”和“主动性”的影响因情境而异。

• 局限性与未来方向：

  1. 使用受限于特定文化背景（如日本），结果可能不完全适用于其他文化。
  2. 长期依赖AI可能减弱用户自主撰写邮件的能力。
  3. 后续应探索不同问答设计如何根据沟通场景优化用户体验，同时减少用户对人工智能的过度依赖。
  4. 提高隐私管理机制，以扩大该技术在不同正式场景中的应用。

通过以上研究，ResQ展示了问答驱动的邮件回复方式在提升效率和降低负担方面的潜力，同时也为未来如何优化人工智能介导的沟通工具提供了重要启示。