AI 시스템은 전통적인 디자인 관례로는 해결할 수 없는 고유한 인터페이스 문제를 야기하는데, 이는 주로 AI의 덜 결정론적인 특성 때문이다. 동일한 입력이 다른 출력을 생성할 수 있어 제품 품질은 모델 능력뿐만 아니라 다른 요인에도 의존하게 된다. 주요 상호작용 문제는 AI가 언제 제안하고, 질문하고, 행동해야 하는지 결정하는 것, 불확실성을 어떻게 표현하는지, 그리고 생성된 답변에 어떤 증거를 동반해야 하는지에 대한 것이다. 이러한 질문들은 사용자가 출력을 판단하고, 오류로부터 복구하고, 결정에 대한 책임을 유지하는 데 매우 중요하다. 중심적인 디자인 목표는 사용자가 AI를 적절하게 신뢰하도록 돕는 것이다. 이 프레임워크는 인간-AI 상호작용, 혼합 주도 시스템, 자동화에 대한 신뢰, 그리고 책임감 있는 AI에 대한 연구를 실용적인 디자인 원칙으로 종합한다. 이는 최전선 모델 사양, 혼합 주도 상호작용 작업, 그리고 Google 및 IBM과 같은 회사의 기존 AI 원칙을 활용한다. Microsoft의 지침, 특히 AI 실패에 관한 지침도 영향력이 있다.이 프레임워크는 시스템의 역할을 명확히 하고, 출력의 이해 및 검증을 가능하게 하며, 사용자 제어를 유지하고, 수정을 지원하며, 필요한 경우 자율성을 제한하는 인터페이스를 설계하는 것을 강조한다. 확률적 기반은 AI 모델이 고정된 함수보다는 확률적 서비스에 가깝다는 것을 인정하며, 출력의 변동성을 고려한 설계를 필요로 한다. 기대치 설정은 AI의 능력과 한계를 명확히 밝히고, 지침을 통해 "빈 캔버스" 문제를 해결하며, 출력을 최종 판결이 아닌 시작점으로 프레임하는 것을 포함한다. 보정된 신뢰는 출처를 통해 사용자 신뢰를 시스템 신뢰성과 일치시키고, 신뢰 점수보다 증거를 선호하며, 검증을 쉽게 함으로써 달성된다. 투명성은 필요할 때 추론과 증거를 검사할 수 있도록 보장하며, 제어와 주체성은 편집 및 재정의 작업을 쉽게 함으로써 촉진된다. 우아한 실패 전략은 사용자가 불확실성과 오류로부터 복구하도록 돕고, 공동 창작은 AI 출력을 다듬을 초안으로 취급한다. 책임감 있는 자율성은 이해관계와 권한에 따라 AI 행동을 제한하며, 지속적인 신뢰는 품질과 변화에 대한 지속적인 거버넌스를 포함한다.