Zyski:
- Możliwość rozróżnienia, gdzie w przepływie pracy UX (synteza badań, persona, wireframe, tekst interfejsu, analiza testów) sztuczna inteligencja oszczędza czas rzeczywisty, a gdzie obowiązki takie jak słuchanie użytkownika i ostateczna decyzja projektowa pozostają po stronie projektanta, zgodnie z poziomem ryzyka zadania
- Możliwość opracowania odruchu, który łączy każde wyjście AI z rzeczywistymi danymi i dowodami użytkownika oraz weryfikuje halucynacje i uprzedzenia poprzez etapy sondowania
- Możliwość anonimizacji zapisów rozmów użytkowników oraz danych osobowych w ramach KVKK i przekazania ich sztucznej inteligencji w granicach wyrażonej zgody
Projektowanie User Experience (UX, czyli doświadczenia osoby korzystającej z produktu od początku do końca) od lat przebiega zgodnie z zasadą „najpierw zrozumieć człowieka, potem go rozwiązać”. Kiedy sztuczna inteligencja wchodzi w ten cykl, pierwsze pytanie większości ludzi brzmi: „Czy sztuczna inteligencja wykona projekt za mnie?” Krótka odpowiedź: nie. Sztuczna inteligencja jest asystentem projektanta; Tworzy szkice, podsumowuje dane, mnoży opcje i przyspiesza powtarzalne zadania. Ale zawsze zadaniem projektanta jest naprawdę wysłuchanie użytkownika, podjęcie decyzji, które rozwiązanie jest właściwe i poniesienie odpowiedzialności za tę decyzję. W tej pierwszej części wyjaśniono, gdzie umieścić sztuczną inteligencję w przepływie pracy UX, gdzie należy się zatrzymać i jak bezpiecznie przenosić dane użytkownika.
Gdzie AI przydaje się w przepływie pracy UX?
Projekt UX przebiega przez mniej więcej pięć etapów: odkrycie (badania), zdefiniowanie (osoba i problem), produkcja (przepływ, model szkieletowy, prototyp), testowanie (użyteczność) i dostarczenie (system projektowy, dokumentacja). Na każdym z tych etapów sztuczna inteligencja odgrywa inną rolę.
- Odkrywanie: podsumowuje dziesiątki transkrypcji wywiadów (transkrybowanych nagrań) w ciągu kilku minut, a nie godzin, wyodrębniając początkowe tematy. Ale to od jednostki zależy, który temat jest ważny.
- Opis: Tworzy Persona (fikcyjny profil reprezentujący określony typ użytkownika) i wersje robocze map podróży. Twoim zadaniem jest jednak dopilnowanie, aby te wersje robocze opierały się na rzeczywistych danych.
- Generacja: Model szkieletowy (szkieletowy szkielet ekranu), schemat blokowy i tekst interfejsu odtwarzają odmiany.
- Testowanie: Uzyskuje wnioski z zapisów testów i szereguje je według ważności.
- Prezentacja: Pisze dokumentację komponentów i zasady użytkowania.
Wspólny wątek jest następujący: sztuczna inteligencja generuje wersje robocze i opcje; Ocena i akceptacja pozostają w Twojej gestii.
Wskazówka: używaj sztucznej inteligencji nie po to, aby „dawać mi odpowiedź”, ale aby „szybko dać mi wybór i pozwolić mi dokonać wyboru”. Największą efektywność osiąga się, gdy deleguje się prace przygotowawcze, a nie decyzję.
Poziom ryzyka misji: gdzie jest wolny, gdzie ostrożny?
Nie każde zadanie wiąże się z takim samym ryzykiem. Prosta zasada: im bardziej bezpośrednio wynik wpływa na użytkownika, tym większe ryzyko.
Zadanie
Poziom ryzyka
Rola sztucznej inteligencji
ludzka akceptacja
Podsumowanie notatki ze spotkania
niski
Prawie w całości przeniesiony
lekkie szumienie
Generowanie wersji szkieletowej
nisko-średni
Generuje przeciąg
Projektant wybiera i naprawia
Tworzenie tematu badawczego
średni
Wstępna synteza
Wymagana jest weryfikacja poprzez wycenę
Tekst interfejsu (komunikat o błędzie itp.)
średnio-wysoki
wytwarza odmianę
Ton, dokładność, sprawdzenie prawa
Potwierdzenie dostępności
wysoki
wstępne skanowanie
Prawdziwy test obowiązkowy
Określ rzeczywiste potrzeby użytkownika
najwyższy
nie mogę pomóc
Wszystko w projektancie
Ten wykres jest kompasem: w miarę wspinania się w górę zmniejszasz swoje zaufanie do sztucznej inteligencji i zwiększasz swoją własną walidację.
Halucynacje i uprzedzenia: dwie podstawowe granice
Od samego początku trzeba zinternalizować dwa słabe punkty sztucznej inteligencji.
Halucynacje (fabrykacja): Duży model językowy (prawdopodobnie sztuczna inteligencja zgadująca słowa, wytrenowana na dużych ilościach tekstu) może generować płynne, ale w rzeczywistości niedokładne informacje. Na przykład jest napisane „Użytkownicy prosili o szybkość w 20 rozmowach”, ale w rzeczywistości nie ma takiego cytatu. Bez względu na to, jak pewny wydaje się wynik, nie będzie on dokładny bez linku do źródła.
Błąd: Model zawiera błędy nieodłącznie związane z danymi, na których jest szkolony. Do osobowości lub scenariusza mogą wkraść się stereotypy w rodzaju „starsi użytkownicy boją się technologii”. Zdania te są niepotwierdzonymi uogólnieniami i należy je przetestować na rzeczywistych danych.
Uwaga: Płynność i dokładność wyników AI to nie to samo. Najbardziej niebezpieczny wynik to ten napisany błędnymi, ale doskonałymi zdaniami.
Dane użytkownika, KVKK i zgoda
Badania UX wykorzystują dane osobowe: dzienniki rozmów, imię i nazwisko, miejsce pracy, zrzuty ekranu, a nawet dźwięk. Przesyłanie tych danych do dowolnego narzędzia sztucznej inteligencji może stanowić naruszenie KVKK (ustawy o ochronie danych osobowych). Praktyczna zasada składa się z trzech kroków: anonimizacja, przestrzeganie zgody i korzystanie z narzędzia zatwierdzonego przez agencję.
- Zamaskuj bezpośrednie identyfikatory, takie jak imię i nazwisko, telefon, adres e-mail, nazwa firmy (np. „Uczestnik 3”).
- Nie przekraczaj zakresu zgody udzielonej uczestnikowi w trakcie badania; Jeśli nie powiedziałeś „zostanie przetworzony w sztuczną inteligencję”, zachowaj ostrożność.
- W środowisku korporacyjnym wybierz narzędzia, które jasno informują, gdzie są przechowywane dane i czy są wykorzystywane do uczenia modeli.
trzy mini etui
Przypadek 1 — Oszczędność czasu we właściwym miejscu. Projektant zlecił sztucznej inteligencji streszczenie 18 transkrypcji wywiadów (w sumie 62 strony). Wstępne czytanie, które ręcznie zajęłoby 2 dni, zostało skrócone do 40 minut. Jednak projektant dopasował każdy motyw w wynikach do rzeczywistego cytatu i stwierdził, że 3 motywy nie mają podstaw. Wynik: szybkość + niezawodność.
Przypadek 2 — Do prezentacji wprowadzono niezweryfikowane dane wyjściowe. Inny zespół umieścił w raporcie zdanie „70% użytkowników woli urządzenia mobilne” wyprodukowane przez sztuczną inteligencję. Na pytanie o źródło okazało się, że takich danych nie ma; modelka wymyśliła numer. Zaufanie zainteresowanych stron zostało nadszarpnięte. Lekcja: liczby i twierdzenia nie rozprzestrzeniają się bez dowodów.
Przypadek 3 – Ryzyko wycieku danych osobowych. Stażysta przesłał nagranie dźwiękowe wraz z nazwiskami uczestników do bezpłatnej witryny, która automatycznie je transkrybuje. Zespół ds. bezpieczeństwa instytucji oznaczył to jako ryzyko KVKK i proces został zatrzymany. Lekcja: wybór narzędzia i anonimizacja odbywa się od początku.
Monity, które można kopiować
Twoja rola: starszy asystent ds. badań UX. Zadanie: Wyodrębnij maksymalnie 6 tematów z poniższego anonimowego zapisu wywiadu. Zasady: Dodaj CO NAJMNIEJ jeden dokładny cytat obok każdego tematu, opatrzony tagiem [Uczestnik X]. Nie twórz tematu, dla którego nie możesz znaleźć wyceny. W razie wątpliwości napisz „słabe wsparcie”. Transkrypcja: <<tekst>>
Sprawdź wyniki AI: Sprawdź, czy w tekście każdej pozycji na poniższej liście tematów znajduje się podstawa faktyczna. Te, które nie mają podstaw, oznacz jako „NIEZWERYFIKOWANE” i napisz, dlaczego jesteś podejrzliwy. Lista: <<motywy>> Tekst źródłowy: <<transkrypcja>>
Znajdź wszystkie dane osobowe/identyfikujące (imię i nazwisko, telefon, adres e-mail, firma, adres) z poniższego tekstu i zamień na [MASKOWANE]. Podaj także listę zmian w formie tabeli. Nie usuwaj żadnych informacji, po prostu je zamaskuj. Tekst: <<dump>>
Klasyfikuj zadanie projektowe: Określ poziom ryzyka (niski/średni/wysoki) dla „<<zadanie>>”, napisz w jednym zdaniu rolę sztucznej inteligencji i wymaganą akceptację człowieka. Wyjaśnij swoje rozumowanie.
Słaba zachęta/silna zachęta
Słabe: „Podsumuj te rozmowy”.
Wynik: tekst ogólny, niemający żadnego źródła i niemożliwy do sprawdzenia; Nie jest jasne, które zdanie skąd pochodzi.
Mocne: „Wyodrębnij maksymalnie 6 tematów z tego anonimowego transkrypcji; dodaj co najmniej jeden dokładny cytat oznaczony tagiem [Uczestnik X] do każdego tematu; nie twórz tematu, dla którego nie możesz znaleźć cytatu”.
Wynik: wynik oparty na dowodach, możliwy do skontrolowania i ułatwiający podejmowanie decyzji.
Różnica polega na jednym zdaniu: mocna zachęta podaje kontekst + regułę + wymóg dowodu.
Typowe błędy
- Przeniesienie wyników z walidacji do decyzji. Najczęstszy i najdroższy błąd; Jeden wymyślony motyw może zniekształcić cały kierunek projektowania.
- Przesyłanie danych osobowych bez ich anonimizacji. Naruszenie KVKK i utrata zaufania korporacyjnego.
- Podejmowanie decyzji przez sztuczną inteligencję. „Który projekt jest lepszy?” Odpowiedź na to pytanie kryje się w produkcie, użytkowniku i danych; nie w modelu.
- Nieprzeczytanie polityki danych pojazdu. Wprowadzanie krytycznych danych bez wiedzy, czy dane trafiają do uczenia modelu, czy nie.
- Mylisz płynność z dokładnością. Dobrze napisane zdanie nie oznacza zdania prawidłowego.
Podsumowując
AI jest akceleratorem i partnerem w zakresie projektów w przepływie pracy UX; Podejmuje się prac przygotowawczych na każdym etapie, od odkrycia po prezentację. Ale osąd, decyzja i odpowiedzialność pozostają w gestii projektanta. „Jak bardzo ryzyko zadania wpływa na użytkownika?” Zmierz za pomocą pytania; zwiększ swoją weryfikację w miarę wzrostu ryzyka. Halucynacje i stronniczość to dwa trwałe ograniczenia: poprzyj każde twierdzenie dowodami, przetestuj każdy stereotyp danymi. Przesyłaj dane użytkowników poprzez ich anonimizację w ramach KVKK i zgodę. Odruchy te stanowią bezpieczną podstawę dla każdej techniki w pozostałej części modułu.
Zadanie aplikacji
- Wymień 5 zadań projektowych z Twojego bieżącego projektu (lub projektu fikcyjnego).
- Umieść każde zadanie w powyższej tabeli ryzyka: niskie, średnie, wysokie.
- Do każdego zadania napisz jedno zdanie „rola AI” i „wymagana zgoda człowieka”.
- Jeśli posiadasz transkrypcję rozmowy kwalifikacyjnej, zanonimizuj ją za pomocą trzeciego monitu i przejrzyj tabelę maskującą.
- Przedstaw wynik w tabeli i wyjaśnij w akapicie, dlaczego zadanie obarczone najwyższym ryzykiem wymaga zgody człowieka.
lista kontrolna
- [ ] Umieściłem sztuczną inteligencję jako generator projektu, a nie decydenta.
- [ ] Określiłem poziom ryzyka każdej misji.
- [ ] Przyjąłem zwyczaj łączenia wyników z dowodami.
- [ ] Nie przesyłałem danych osobowych do żadnego narzędzia bez ich anonimizacji.
- [ ] Sprawdziłem politykę danych pojazdu, z którego korzystam.
- [ ] Dodałem do mojego przepływu pracy sprawdzanie halucynacji i uprzedzeń.