Pelnas:
- Galimybė atskirti, kurioje UX darbo eigoje (tyrimo sintezė, persona, laidinis rėmas, sąsajos tekstas, bandymų analizė) dirbtinis intelektas taupo realų laiką, o kur atsakomybė, pvz., vartotojo klausymas ir galutinis dizaino sprendimas, tenka dizaineriui, atsižvelgiant į užduoties rizikos lygį.
- Gebėjimas sukurti refleksą, jungiantį kiekvieną AI išvestį su tikrais vartotojo duomenimis ir įrodymais, ir tikrinant haliucinacijas bei šališkumą.
- Galimybė anonimizuoti vartotojų pokalbių įrašus ir asmens duomenis pagal KVKK ir perduoti juos dirbtiniam intelektui pagal sutikimo ribas
Vartotojo patirties (UX, tai yra žmogaus, naudojančio produktą nuo pradžios iki pabaigos) patirtis jau daugelį metų buvo sukurta remiantis principu „pirmiausia suprask žmogų, tada išspręsk“. Kai dirbtinis intelektas patenka į šį ciklą, daugumos žmonių pirmasis klausimas yra: „Ar dirbtinis intelektas sukurs už mane? Trumpas atsakymas: ne. Dirbtinis intelektas yra dizaino asistentas; Jis rengia juodraščius, apibendrina duomenis, padaugina parinktis ir pagreitina pasikartojančias užduotis. Tačiau dizaineriui visada priklauso iš tikrųjų įsiklausyti į vartotoją, nuspręsti, koks sprendimas yra teisingas, ir prisiimti atsakomybę už šį sprendimą. Šiame pirmajame skyriuje paaiškinama, kur UX darbo eigoje įdėti AI, kur turėtumėte sustoti ir kaip saugiai perkelti vartotojo duomenis.
Kur AI praverčia UX darbo eigoje?
UX projektas vyksta maždaug penkiais etapais: atradimas (tyrimas), apibrėžimas (persona ir problema), gamyba (srautas, rėmas, prototipas), bandymas (naudojimas) ir pristatymas (projektavimo sistema, dokumentacija). Dirbtinis intelektas kiekviename iš šių etapų atlieka skirtingą vaidmenį.
- Atradimas: apibendrina daugybę interviu stenogramų (transkribuotų įrašų) per kelias minutes, o ne valandas, išgaudama pradines temas. Tačiau žmogus turi nuspręsti, kuri tema yra svarbi.
- Aprašymas: kuria „Persona“ (išgalvotą profilį, atspindintį konkretų naudotojo tipą) ir kelionės žemėlapio juodraščius. Tačiau jūsų darbas yra užtikrinti, kad šie juodraščiai būtų pagrįsti tikrais duomenimis.
- Generacija: Vielinis rėmelis (ekrano dėžutės linijos skeletas), struktūrinė schema ir sąsajos tekstas atkuria variantus.
- Testavimas: gauna išvadas iš bandymų įrašų ir suskirsto juos į svarbą.
- Pristatymas: Rašo komponentų dokumentaciją ir naudojimo taisykles.
Bendra tema yra tokia: AI generuoja juodraščius ir parinktis; Sprendimas ir pritarimas lieka jums.
Patarimas: naudokite dirbtinį intelektą ne tam, kad „duotų man atsakymą“, o tam, kad „greitai suteikite man variantų ir leiskite man pasirinkti“. Didžiausias efektyvumas būna tada, kai deleguoji pasiruošimo darbus, o ne sprendimą.
Misijos rizikos lygis: kur laisvas, kur atsargus?
Ne kiekviena užduotis kelia tą pačią riziką. Paprasta nykščio taisyklė: kuo tiesiogiai išvestis veikia vartotoją, tuo didesnė rizika.
Quest
Rizikos lygis
Dirbtinio intelekto vaidmuo
žmogaus pritarimas
Susitikimo pranešimo santrauka
žemas
Beveik pilnai perkeltas
lengvas nugriebimas
Karkaso varianto generavimas
žemas-vidutinis
Sukuria juodraštį
Dizaineris parenka ir sutvarko
Tyrimo temos kūrimas
vidutinis
Išankstinė sintezė
Būtinas patvirtinimas pagal citatą
Sąsajos tekstas (klaidos pranešimas ir kt.)
vidutinio aukšto
sukuria variaciją
Tonas, tikslumas, teisės patikrinimas
Prieinamumo patvirtinimas
aukštas
išankstinis nuskaitymas
Tikras testas privalomas
Nustatyti tikruosius vartotojo poreikius
aukščiausias
negali padėti
Viskas dizainerėje
Ši diagrama yra kompasas: kildami aukštyn sumažinate pasitikėjimą AI ir padidinate savo patvirtinimą.
Haliucinacijos ir šališkumas: dvi pagrindinės ribos
Nuo pat pradžių turite įsisavinti dvi akląsias dirbtinio intelekto vietas.
Haliucinacijos (sugalvojimas): didelės kalbos modelis (galbūt žodžius atspėjantis dirbtinis intelektas, apmokytas daug teksto) gali pateikti sklandžią, bet iš tikrųjų netikslią informaciją. Pavyzdžiui, rašoma „Vartotojai prašė greičio per 20 pokalbių“, tačiau iš tikrųjų tokios citatos nėra. Kad ir kaip užtikrintai atrodytų išvestis, ji nėra tiksli, jei nėra nuorodos į šaltinį.
Šališkumas: modelis turi šališkumą, būdingą duomenims, kuriais remiantis jis mokomas. Tokios klišės kaip „vyresni vartotojai bijo technologijų“ gali įsiskverbti į asmenybę ar scenarijų. Šie sakiniai yra neparemti apibendrinimai ir turėtų būti patikrinti su tikrais duomenimis.
Atsargiai: AI išvesties sklandumas ir tikslumas nėra tas pats dalykas. Pavojingiausia išvestis yra ta, kuri parašyta neteisingais, bet tobulais sakiniais.
Vartotojo duomenys, KVKK ir sutikimas
UX tyrimai veikia su asmeniniais duomenimis: pokalbių žurnalais, vardu, darbo vieta, ekrano kopijomis, net garsu. Šių duomenų įkėlimas į savavališką dirbtinio intelekto įrankį gali būti KVKK (asmens duomenų apsaugos įstatymo) pažeidimas. Nykščio taisyklė yra trys žingsniai: anonimizuoti, laikytis sutikimo, naudoti agentūros patvirtintą įrankį.
- Užmaskuokite tiesioginius identifikatorius, tokius kaip vardas, telefonas, el. pašto adresas, įmonės pavadinimas (pvz., „3 dalyvis“).
- Neviršyti tyrimo metu dalyviui duoto sutikimo apimties; Jei nesakėte „jis bus perdirbtas į dirbtinį intelektą“, būkite atsargūs.
- Įmonės aplinkoje rinkitės įrankius, kurie aiškiai žinotų, kur saugomi duomenys ir ar jie naudojami modelių mokymui.
trys mini dėklai
1 atvejis – laiko taupymas tinkamoje vietoje. Dizaineris AI apibendrino 18 interviu stenogramų (iš viso 62 puslapiai). Išankstinis skaitymas, kuris ranka būtų užtrukęs 2 dienas, buvo sutrumpintas iki 40 minučių. Tačiau dizaineris kiekvieną išvesties temą priderino prie tikrosios citatos ir nustatė, kad 3 temos neturėjo jokio pagrindo. Rezultatas: greitis + patikimumas.
2 atvejis – į pristatymą pateko nepatvirtinta išvestis. Kita komanda į ataskaitą įtraukė dirbtinio intelekto sukurtą sakinį „70% vartotojų teikia pirmenybę mobiliesiems telefonams“. Paklausus apie šaltinį, paaiškėjo, kad tokių duomenų nėra; modelis buvo sugalvojęs numerį. Suinteresuotųjų šalių pasitikėjimas buvo pažeistas. Pamoka: skaičiai ir teiginiai neplinta be įrodymų.
3 atvejis. Asmens duomenų nutekėjimo rizika. Stažuotojas įkėlė garso įrašą kartu su dalyvių vardais į nemokamą svetainę, kuri jį automatiškai perrašo. Įstaigos apsaugos komanda tai pažymėjo kaip KVKK riziką ir procesas buvo sustabdytas. Pamoka: įrankių pasirinkimas ir anonimiškumas atliekami nuo pat pradžių.
Kopijuojami raginimai
Jūsų vaidmuo: vyresnioji UX tyrimų asistentė. Užduotis: Iš toliau pateikto anoniminio interviu stenogramos ištraukite iki 6 temų. Taisyklės: prie kiekvienos temos pridėkite BENT vieną pažodinę citatą su žyma [Dalyvis X]. Nekurkite temos, kuriai nerandate citatos. Jei abejojate, parašykite „silpna palaikymas“. Nuorašas: <<tekstas>>
Patikrinkite šią AI išvestį: patikrinkite, ar tekste yra faktinis pagrindas kiekvienam elementui toliau pateiktame temų sąraše. Pažymėkite tuos, kurie neturi pagrindo, "NEPATIKRINTA" ir parašykite, kodėl esate įtartinas. Sąrašas: <<temos>> Šaltinio tekstas: <<transkriptas>>
Žemiau esančiame tekste raskite visus asmeninius / identifikuojančius duomenis (vardą, telefono numerį, el. pašto adresą, įmonę, adresą) ir pakeiskite juos [MASKED]. Taip pat pateikite pakeitimų sąrašą kaip lentelę. Neištrinkite jokios informacijos, tiesiog užmaskuokite ją.Tekstas: <<dump>>
Klasifikuokite projektavimo užduotį: nustatykite rizikos lygį (žemas/vidutinis/aukštas) „<<užduočiai>>“, vienu sakiniu parašykite AI vaidmenį ir reikalingą žmogaus pritarimą. Paaiškinkite savo samprotavimus.
Silpnas raginimas / Stiprus raginimas
Silpnas: „Apibendrinkite šiuos pokalbius“.
Rezultatas: be šaltinio, bendras ir nepatikrinamas tekstas; Neaišku, iš kur atėjo sakinys.
Stiprus: „Iš šio anoniminio nuorašo ištraukite iki 6 temų; prie kiekvienos temos pridėkite bent vieną pažodinę citatą, pažymėtą [Dalyvis X]; nekurkite temos, kuriai nerandate citatos“.
Rezultatas: įrodymais pagrįstas, audituojamas, sprendimui palankus rezultatas.
Skirtumas yra viename sakinyje: stiprus raginimas pateikia kontekstą + taisyklė + įrodymo reikalavimas.
Dažnos klaidos
- Išvesties perkėlimas nuo patvirtinimo prie sprendimo. Dažniausia ir brangiausia klaida; Viena išgalvota tema gali iškreipti visą dizaino kryptį.
- Asmens duomenų įkėlimas jų neanoniminant. KVKK pažeidimas ir įmonių pasitikėjimo praradimas.
- Dirbtinis intelektas „sprendžia“. "Kuris dizainas geresnis?" Atsakymas į klausimą slypi gaminyje, naudotoje ir duomenyse; ne modelyje.
- Neskaito transporto priemonės duomenų politikos. Svarbių duomenų įvedimas nežinant, ar jūsų duomenys bus naudojami modelio mokymui, ar ne.
- Sklandumas klaidinamas su tikslumu. Gerai parašytas sakinys nereiškia teisingo sakinio.
Apibendrinant
AI yra UX darbo eigos greitintuvas ir planų partneris; Ji imasi parengiamojo darbo kiekviename etape – nuo atradimo iki pristatymo. Tačiau sprendimas, sprendimas ir atsakomybė lieka dizaineriui. "Kiek užduoties rizika paveikia vartotoją?" Išmatuokite su klausimu; padidinkite patikrinimą, nes rizika didėja. Haliucinacijos ir šališkumas yra dvi nuolatinės ribos: pagrįskite kiekvieną teiginį įrodymais, patikrinkite kiekvieną klišę duomenimis. Pervežti naudotojo duomenis anonimizuojant juos KVKK ir sutikimo ribose. Šie refleksai yra saugus visų likusių modulio technikų pagrindas.
Taikymo užduotis
- Išvardykite 5 projektavimo užduotis iš savo dabartinio projekto (arba išgalvoto projekto).
- Padėkite kiekvieną užduotį ant aukščiau esančios rizikos lentelės: maža, vidutinė, didelė.
- Kiekvienai užduočiai parašykite vieną sakinį „AI vaidmuo“ ir „reikalingas žmogaus sutikimas“.
- Jei turite interviu stenogramą, anoniminkite jį naudodami trečiąjį raginimą ir peržiūrėkite maskavimo lentelę.
- Rezultatą pavaizduokite lentelėje ir pastraipoje paaiškinkite, kodėl didžiausios rizikos užduočiai reikalingas žmogaus pritarimas.
kontrolinis sąrašas
- [ ] Dirbtinį intelektą nustatiau kaip juodraščių generatorių, o ne kaip sprendimų priėmėją.
- [ ] Nustačiau kiekvienos misijos rizikos lygį.
- [ ] Aš įpratau susieti rezultatus su įrodymais.
- [ ] Neįkėliau asmeninių duomenų į jokį įrankį jų anonimizuodamas.
- [ ] Patikrinau naudojamos transporto priemonės duomenų politiką.
- [ ] Į savo darbo eigą įtraukiau haliucinacijų ir šališkumo tikrinimą.