Обеспечение проактивного и реактивного руководства для принятия решений в веб-пространстве: дизайн-исследование с WebSeek
Facilitating Proactive and Reactive Guidance for Decision Making on the Web: A Design Probe with WebSeek
January 21, 2026
Авторы: Yanwei Huang, Arpit Narechania
cs.AI
Аннотация
Веб-агенты с искусственным интеллектом, такие как ChatGPT Agent и GenSpark, все чаще используются для решения рутинных веб-задач, однако они по-прежнему полагаются на текстовые входные запросы, не обладают способностью к проактивному определению намерений пользователя и не поддерживают интерактивный анализ данных и принятие решений. Мы представляем WebSeek — браузерное расширение со смешанной инициативой, которое позволяет пользователям обнаруживать и извлекать информацию с веб-страниц, а затем гибко создавать, преобразовывать и уточнять материальные артефакты данных, такие как таблицы, списки и визуализации, в рамках интерактивного рабочего пространства. В этой среде пользователи могут выполнять анализ, включая преобразования данных, такие как объединение таблиц или создание визуализаций, а встроенный ИИ как проактивно предлагает контекстно-зависимые рекомендации и автоматизацию, так и реагирует на явные запросы пользователя. Разведочное пользовательское исследование (N=15) с использованием WebSeek в качестве инструмента выявило разнообразные стратегии анализа участников, подчеркнув их стремление к прозрачности и контролю в процессе коллаборации человека и ИИ.
English
Web AI agents such as ChatGPT Agent and GenSpark are increasingly used for routine web-based tasks, yet they still rely on text-based input prompts, lack proactive detection of user intent, and offer no support for interactive data analysis and decision making. We present WebSeek, a mixed-initiative browser extension that enables users to discover and extract information from webpages to then flexibly build, transform, and refine tangible data artifacts-such as tables, lists, and visualizations-all within an interactive canvas. Within this environment, users can perform analysis-including data transformations such as joining tables or creating visualizations-while an in-built AI both proactively offers context-aware guidance and automation, and reactively responds to explicit user requests. An exploratory user study (N=15) with WebSeek as a probe reveals participants' diverse analysis strategies, underscoring their desire for transparency and control during human-AI collaboration.