واحد 1 / 11

مقدمه ای بر هوش مصنوعی در طراحی UI/UX: نقش ها، مرزها، احراز هویت و داده های کاربر

سود:

  • با توجه به سطح ریسک کار، توانایی تشخیص اینکه در جریان کار UX (ترکیب تحقیق، پرسونا، فریم، متن رابط، تجزیه و تحلیل تست) هوش مصنوعی در زمان واقعی صرفه جویی می کند و مسئولیت هایی مانند گوش دادن به صحبت های کاربر و تصمیم نهایی طراحی با طراح باقی می ماند.
  • توانایی ایجاد رفلکس که هر خروجی هوش مصنوعی را به داده ها و شواهد واقعی کاربر متصل می کند و توهمات و سوگیری ها را از طریق مراحل کاوش تایید می کند.
  • امکان ناشناس کردن سوابق مکالمه و داده های شخصی کاربران در محدوده KVKK و انتقال آنها به هوش مصنوعی در محدوده رضایت

طراحی تجربه کاربری (UX، یعنی تجربه شخصی که از یک محصول از ابتدا تا انتها استفاده می کند) سال هاست که با اصل "اول شخص را درک کنید، سپس آن را حل کنید" پیش می رود. وقتی هوش مصنوعی وارد این چرخه می شود، اولین سوال اکثر مردم این است: "آیا هوش مصنوعی طراحی را برای من انجام می دهد؟" پاسخ کوتاه: خیر. هوش مصنوعی دستیار طراحی است. پیش نویس تولید می کند، داده ها را خلاصه می کند، گزینه ها را چند برابر می کند و کارهای تکراری را سرعت می بخشد. اما همیشه به طراح تعلق دارد که واقعاً به حرف کاربر گوش دهد، تصمیم بگیرد که راه حل مناسب چیست و مسئولیت این تصمیم را بر عهده بگیرد. این واحد اول، محل قرار دادن هوش مصنوعی را در گردش کار UX، جایی که باید متوقف کنید و نحوه انتقال ایمن داده‌های کاربر را مشخص می‌کند.

هوش مصنوعی کجا در گردش کار UX مفید است؟

یک پروژه UX تقریباً در پنج مرحله پیشرفت می کند: کشف (تحقیق)، تعریف (شخصیت و مشکل)، تولید (جریان، قالب، نمونه اولیه)، آزمایش (قابلیت استفاده) و تحویل (سیستم طراحی، مستندسازی). هوش مصنوعی در هر یک از این مراحل نقش متفاوتی دارد.

  • کشف: ده ها متن مصاحبه (ضبط های ضبط شده) را به جای ساعت ها در چند دقیقه خلاصه می کند و موضوعات اولیه را استخراج می کند. اما این به خود فرد بستگی دارد که تصمیم بگیرد کدام موضوع مهم است.
  • توضیحات: پرسونا (نمایه خیالی که نشان دهنده یک نوع کاربری خاص است) و پیش نویس نقشه سفر را تولید می کند. اما وظیفه شما این است که اطمینان حاصل کنید که این پیش نویس ها بر اساس داده های واقعی هستند.
  • Generation: Wireframe (اسکلت جعبه خط یک صفحه)، نمودار جریان، و متن رابط تغییرات را بازتولید می کند.
  • تست: یافته ها را از سوابق آزمون به دست می آورد و آنها را به ترتیب اهمیت رتبه بندی می کند.
  • Presentation: مستندات جزء و قوانین استفاده را می نویسد.

موضوع مشترک این است: هوش مصنوعی پیش نویس ها و گزینه ها را تولید می کند. قضاوت و تایید با شما باقی می ماند.

نکته: از هوش مصنوعی نه برای «پاسخ به من» بلکه برای «سریع گزینه‌ها را به من بدهید و اجازه دهید انتخاب کنم» استفاده کنید. بیشترین کارایی زمانی حاصل می شود که کار آماده سازی را به شما محول می کنید نه تصمیم.

سطح ریسک ماموریت: کجا آزاد، کجا محتاط؟

هر وظیفه ای ریسک یکسانی را به همراه ندارد. یک قانون ساده: هرچه خروجی مستقیم‌تر روی کاربر تأثیر بگذارد، خطر بالاتری دارد.

تلاش

سطح ریسک

نقش هوش مصنوعی

تایید انسانی

خلاصه یادداشت جلسه

پایین

تقریباً به طور کامل منتقل شده است

اسکیمینگ سبک

ایجاد یک تغییر قاب سیمی

کم متوسط

پیش نویس ایجاد می کند

طراح انتخاب و رفع می کند

ایجاد موضوع تحقیق

متوسط

پیش سنتز

تأیید با نقل قول مورد نیاز است

متن رابط (پیام خطا و غیره)

متوسط به بالا

تنوع تولید می کند

لحن، دقت، بررسی قانون

تایید دسترسی

بالا

پیش اسکن

تست واقعی اجباری

نیازهای واقعی کاربر را تعیین کنید

بالاترین

نمی تواند کمک کند

همه در طراح

این نمودار یک قطب نما است: همانطور که به سمت بالا حرکت می کنید، اعتماد خود را به هوش مصنوعی کاهش می دهید و اعتبار خود را افزایش می دهید.

توهم و سوگیری: دو محدودیت اساسی

شما باید از همان ابتدا دو نقطه کور هوش مصنوعی را درونی کنید.

توهم (ساخت): یک مدل زبان بزرگ (احتمالاً هوش مصنوعی حدس کلمه که بر روی مقادیر زیادی متن آموزش داده شده است) می تواند اطلاعات روان اما در واقع نادرست تولید کند. به عنوان مثال، می گوید "کاربران در 20 مکالمه سرعت درخواست کردند"، اما در واقع چنین نقل قولی وجود ندارد. مهم نیست که خروجی چقدر مطمئن به نظر می رسد، بدون پیوند به منبع دقیق نیست.

سوگیری: مدل دارای سوگیری های ذاتی در داده هایی است که بر اساس آن آموزش داده شده است. کلیشه‌هایی مانند «کاربران مسن‌تر از فناوری می‌ترسند» می‌توانند به شخصیت یا فیلمنامه نفوذ کنند. این جملات تعمیم های پشتیبانی نشده هستند و باید با داده های واقعی آزمایش شوند.

احتیاط: روان بودن و دقت خروجی هوش مصنوعی یکسان نیستند. خطرناک ترین خروجی آن است که با جملات اشتباه اما کامل نوشته شده باشد.

اطلاعات کاربر، KVKK و رضایت

تحقیقات UX با داده های شخصی کار می کند: گزارش های مکالمه، نام، محل کار، اسکرین شات ها، حتی صدا. آپلود این داده ها در یک ابزار هوش مصنوعی دلخواه ممکن است نقض KVKK (قانون حفاظت از داده های شخصی) باشد. قانون سرانگشتی سه مرحله است: ناشناس کردن، رضایت خود را حفظ کنید، از ابزار تایید شده توسط آژانس استفاده کنید.

  • شناسه های مستقیم مانند نام، تلفن، ایمیل، نام شرکت (به عنوان مثال "شرکت کننده 3") را بپوشانید.
  • از محدوده رضایتی که در طول تحقیق به شرکت کننده داده شده است تجاوز نکنید. اگر نگفتید "به هوش مصنوعی پردازش خواهد شد" محتاط باشید.
  • در یک محیط شرکتی، ابزارهایی را انتخاب کنید که مشخص باشد داده‌ها کجا ذخیره می‌شوند و آیا برای آموزش مدل استفاده می‌شوند یا خیر.

سه کیف کوچک

مورد 1 - صرفه جویی در زمان، در مکان مناسب. یک طراح از هوش مصنوعی خواسته بود که 18 متن مصاحبه (در مجموع 62 صفحه) را خلاصه کند. پیش‌خوانی که 2 روز با دست طول می‌کشید، به 40 دقیقه کاهش یافت. اما طراح هر مضمون در خروجی را با نقل قول واقعی تطبیق داد و متوجه شد که 3 موضوع هیچ مبنایی ندارند. نتیجه: سرعت + قابلیت اطمینان.

مورد 2 - خروجی تایید نشده وارد ارائه شد. تیم دیگری جمله «۷۰ درصد کاربران موبایل را ترجیح می‌دهند» که توسط هوش مصنوعی تولید شده است را در گزارش گنجانده است. وقتی در مورد منبع سؤال شد، مشخص شد که چنین داده‌ای وجود ندارد. مدل شماره را ساخته بود. اعتماد ذینفعان آسیب دیده است. درس: اعداد و ادعاها بدون مدرک پخش نمی شوند.

مورد 3 - خطر نشت اطلاعات شخصی. یک کارآموز فایل صوتی ضبط شده را به همراه نام شرکت کنندگان در یک سایت رایگان آپلود کرد که به طور خودکار آن را رونویسی می کند. تیم امنیتی موسسه این را به عنوان یک خطر KVKK علامت گذاری کرد و این روند متوقف شد. درس: انتخاب ابزار و ناشناس سازی از ابتدا انجام می شود.

درخواست های قابل کپی

نقش شما: دستیار ارشد تحقیقات UX. وظیفه: حداکثر 6 موضوع را از متن مصاحبه ناشناس زیر استخراج کنید. قوانین: حداقل یک نقل قول کلمه به کلمه در کنار هر موضوع، با برچسب [شرکت کننده X] اضافه کنید. موضوعی را که نمی توانید برای آن نقل قول پیدا کنید تولید نکنید. وقتی شک دارید، بنویسید "پشتیبانی ضعیف". رونوشت: <<متن>>

این خروجی هوش مصنوعی را بررسی کنید: برای هر مورد در فهرست موضوع زیر، مبنای واقعی را در متن بررسی کنید. مواردی را که هیچ مبنایی ندارند به عنوان "تأیید نشده" علامت بزنید و بنویسید که چرا مشکوک هستید. فهرست: <<موضوعات>> متن منبع: <<رونویسی>>

همه داده های شخصی/شناسایی (نام، تلفن، ایمیل، شرکت، آدرس) را از متن زیر پیدا کنید و با [MASKED] جایگزین کنید. همچنین لیست تغییرات را به صورت جدول ارائه دهید. هیچ اطلاعاتی را حذف نکنید، فقط آن را پنهان کنید. متن: <<dump>>

طبقه بندی یک کار طراحی: سطح ریسک (کم/متوسط/بالا) را برای «<<وظیفه>>» تعیین کنید، نقش هوش مصنوعی و تأییدیه انسانی مورد نیاز را در یک جمله بنویسید. استدلال خود را توضیح دهید.

اعلان ضعیف / اعلان قوی

ضعیف: "این گفتگوها را خلاصه کنید."

نتیجه: متنی بدون منبع، عمومی و غیرقابل تأیید. معلوم نیست کدام جمله از کجا آمده است.

قوی: "حداکثر 6 موضوع را از این رونوشت ناشناس استخراج کنید؛ حداقل یک نقل قول کلمه به کلمه با برچسب [شرکت کننده X] به هر موضوع اضافه کنید؛ موضوعی تولید نکنید که نتوانید نقل قولی برای آن پیدا کنید."

نتیجه: یک نتیجه مبتنی بر شواهد، قابل حسابرسی و تصمیم پسند.

تفاوت در یک جمله است: اعلان قوی زمینه + قاعده + اثبات نیاز را می دهد.

اشتباهات رایج

  • انتقال خروجی از اعتبارسنجی به تصمیم. رایج ترین و گران ترین اشتباه؛ یک موضوع ساختگی می تواند کل جهت طراحی را مخدوش کند.
  • آپلود اطلاعات شخصی بدون ناشناس کردن آنها نقض KVKK و از دست دادن اعتماد شرکت.
  • «تصمیم گیری» هوش مصنوعی. "کدام طرح بهتر است؟" پاسخ این سوال در محصول، کاربر و داده ها نهفته است. در مدل نیست
  • خط مشی داده خودرو را نخوانده است. وارد کردن داده های حیاتی بدون دانستن اینکه آیا داده های شما به آموزش مدل می رود یا خیر.
  • اشتباه گرفتن تسلط با دقت یک جمله خوب به معنای جمله درست نیست.

به طور خلاصه

هوش مصنوعی یک شریک شتاب دهنده و طرح اولیه در گردش کار UX است. کار آماده سازی را در هر مرحله، از کشف تا ارائه، انجام می دهد. اما قضاوت، تصمیم و مسئولیت با طراح باقی می ماند. "ریسک کار چقدر روی کاربر تاثیر می گذارد؟" اندازه گیری با سوال؛ با افزایش خطر، تأیید خود را افزایش دهید. توهم و سوگیری دو محدودیت دائمی هستند: هر ادعایی را با شواهد پشت سر بگذارید، هر کلیشه ای را با داده ها آزمایش کنید. انتقال داده های کاربر با ناشناس کردن آن در چارچوب KVKK و رضایت. این رفلکس ها پایه ای امن برای هر تکنیک در بقیه ماژول هستند.

وظیفه کاربردی

  1. 5 کار طراحی را از پروژه فعلی خود (یا یک پروژه تخیلی) فهرست کنید.
  2. هر کار را در جدول ریسک بالا قرار دهید: کم، متوسط، زیاد.
  3. برای هر کار، یک جمله «نقش هوش مصنوعی» و «تأیید انسانی لازم است» بنویسید.
  4. اگر متن مصاحبه دارید، آن را با اعلان سوم ناشناس کنید و جدول پوشش را مرور کنید.
  5. نتیجه را در یک جدول ترسیم کنید و در یک پاراگراف توضیح دهید که چرا کار با بالاترین خطر نیاز به تایید انسان دارد.

چک لیست

  • [ ] من هوش مصنوعی را به عنوان یک تولید کننده پیش نویس، نه به عنوان یک تصمیم گیرنده، قرار دادم.
  • [ ] من سطح خطر هر ماموریت را تعیین کردم.
  • [ ] من عادت پیوند دادن خروجی ها به شواهد را اتخاذ کرده ام.
  • [ ] من اطلاعات شخصی را در هیچ ابزاری بدون ناشناس کردن آن آپلود نکرده ام.
  • [ ] من خط مشی داده خودرویی را که استفاده می کنم بررسی کردم.
  • [ ] من توهم و بررسی سوگیری را به گردش کار خود اضافه کردم.