МОДЕЛЬ ГІБРИДНОЇ ВЗАЄМОДІЇ З ПЛАТФОРМОЮ НА ОСНОВІ AI-АГЕНТА
DOI:
https://doi.org/10.28925/2663-4023.2026.33.1246Ключові слова:
AI-агент, гібридна взаємодія, графічний інтерфейс користувача, взаємодія на основі намірів, генеративний інтерфейс, інформаційна система, штучний інтелектАнотація
У статті представлено концептуальну модель гібридної взаємодії користувача з цифровою платформою, у якій AI-агент функціонує як інтегрований інтерфейсний шар-оркестратор між людиною та функціональними модулями системи. Дослідження зумовлене кризою класичних графічних інтерфейсів сучасних SaaS-екосистем, де надмірна щільність елементів керування створює критичне когнітивне навантаження та знижує продуктивність користувача. У вступі обґрунтовано актуальність переходу від прямої маніпуляції до взаємодії на основі намірів і сформульовано наукову проблему щодо нерозробленості архітектурних підходів, які б формалізували перетворення природномовного запиту у конкретні виклики системи з відображенням результату у звичних елементах графічного інтерфейсу. У контексті аналізу останніх досліджень і публікацій розглянуто еволюцію парадигм людино-машинної взаємодії, обмеження класичних користувацьких інтерфейсів у контексті закону Хіка, концепцію генеративного інтерфейсу та виявлено принципову відмінність запропонованого підходу від типових діалогових систем і чат-ботів. У розділі результатів дослідження описано трирівневу архітектуру, що охоплює графічний інтерфейс користувача як точку входу й активний сенсор контексту, інтелектуальний інтерфейсний шар із модулями аналізу намірів, планування дій і генерації пояснень, а також серверне ядро з модулями пошуку, фільтрації та порівняння об’єктів. Запропоновано логічну діаграму обробки запиту, діаграму послідовності взаємодії та компонентну модель платформи, які системно описують повний цикл від формулювання користувацького наміру природною мовою до автоматичної мутації стану графічних компонентів через виклики Backend API. Окремо в межах дослідження розроблено ієрархічну класифікацію, що охоплює шість послідовних рівнів інтеграції штучного інтелекту у цифрову платформу, де кожен наступний рівень передбачає глибше залучення AI до функціонування системи, а найвищий рівень відповідає повноцінному інтерфейсному шару-оркестратору, який бере на себе координацію всіх взаємодій між користувачем і платформою. У висновках доведено, що запропонована концептуальна модель забезпечує поєднання інтуїтивності природної мови з прозорістю та контрольованістю графічного інтерфейсу, мінімізує операційне тертя та створює методологічну базу для проєктування інформаційних застосунків нового покоління.
Завантаження
Посилання
Schmidhuber, J., Schlögl, S., & Ploder, C. (2021). Cognitive load and productivity implications in human-chatbot interaction. In 2021 IEEE 2nd International Conference on Human-Machine Systems (ICHMS) (pp. 1-4). IEEE. https://doi.org/10.1109/ICHMS53169.2021.9582445
Nielsen, J. (2023). AI: First new UI paradigm in 60 years. UX Tigers. https://www.uxtigers.com/post/ai-new-ui-paradigm
Google Research. (2025). Generative UI: A rich, custom, visual interactive user experience for any prompt. Google Research Blog. https://research.google/blog/generative-ui-a-rich-custom-visual-interactive-user-experience-for-any-prompt/
Ordoumpozanis, K., Konstantakis, M., Zoi, S., & Caridakis, G. (2025). Generative AI: A systematic review of related interfaces and interactions. In Proceedings of the 3rd International Conference of the ACM Greek SIGCHI Chapter (pp. 39-47). ACM. https://doi.org/10.1145/3749012.3749052
Shneiderman, B. (2022). Human-centered AI: Ensuring human control while increasing automation. In Proceedings of the 5th Workshop on Human Factors in Hypertext (pp. 1-2). ACM. https://doi.org/10.1145/3538882.3542790
Thompson, D. V., Hamilton, R. W., & Rust, R. T. (2005). Feature fatigue: When product capabilities become too much of a good thing. Journal of Marketing Research, 42(4), 431-442. https://doi.org/10.1509/jmkr.2005.42.4.431
Mishra, S., Guleria, A., & Parikh, V. (2025). Reducing cognitive load in UI design. International Journal for Research in Applied Science and Engineering Technology, 13(3), 2744-2446. https://doi.org/10.22214/ijraset.2025.67917
Dähling, S., Razik, L., & Monti, A. (2021). Enabling scalable and fault-tolerant multi-agent systems by utilizing cloud-native computing. Autonomous Agents and Multi-Agent Systems, 35(1), Article 10. https://doi.org/10.1007/s10458-020-09489-0
Liu, Z., Chen, C., et al. (2024). Make LLM a testing expert: Bringing human-like interaction to mobile GUI testing via functionality-aware decisions. In Proceedings of the International Conference on Software Engineering (ICSE 2024). https://doi.org/10.1145/3597503.3639180
Khan, S. A., Qadeer, M. A., & Afroz, A. A. (2025). The black box opacity and theoretical understanding of generative AI setbacks. International Journal of Engineering Research & Technology, 14(12). https://doi.org/10.5281/zenodo.18074239
Kryskun, I. M. (2026). Model for evaluating the effectiveness of IT project management using artificial intelligence. Economics. Management. Business, 1, 4-10. https://doi.org/10.31673/2415-8089.2026.012301
Dovzhenko, T. P., & Bondarchuk, A. P. (2025). Analysis of the current stage of artificial intelligence development in telecommunications. Communication, 1, 43-48. https://doi.org/10.31673/2412-9070.2025.019552
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Aндрій Бондарчук, Гліб Криволапов

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.