Faida:
- Kuwa na uwezo wa kutofautisha ni wapi katika mtiririko wa kazi wa UX (usanisi wa utafiti, persona, wireframe, maandishi ya kiolesura, uchanganuzi wa majaribio) akili ya bandia huokoa wakati halisi, na ambapo majukumu kama vile kusikiliza mtumiaji na uamuzi wa mwisho wa muundo hubaki kwa mbuni, kulingana na kiwango cha hatari ya kazi.
- Uwezo wa kukuza reflex inayounganisha kila pato la AI kwa data halisi ya mtumiaji na ushahidi, na inathibitisha maoni na upendeleo kupitia hatua za uchunguzi.
- Uwezo wa kuficha rekodi za mazungumzo ya watumiaji na data ya kibinafsi ndani ya wigo wa KVKK na kuzihamisha kwa akili ya bandia ndani ya mipaka ya idhini.
Uzoefu wa mtumiaji (UX, yaani, uzoefu wa mtu anayetumia bidhaa kutoka mwanzo hadi mwisho) usanifu umekuwa ukiendelea na kanuni ya "kwanza kuelewa mtu, kisha kutatua" kwa miaka. Wakati akili ya bandia inapoingia kwenye mzunguko huu, swali la kwanza la watu wengi ni: "Je! Jibu fupi: hapana. Akili ya bandia ni msaidizi wa kubuni; Hutoa rasimu, muhtasari wa data, kuzidisha chaguo na kuharakisha kazi zinazorudiwa. Lakini daima ni mali ya mbuni kumsikiliza mtumiaji, kuamua ni suluhisho gani sahihi, na kubeba jukumu la uamuzi huu. Kitengo hiki cha kwanza kinafafanua mahali pa kuweka AI katika mtiririko wa kazi wa UX, wapi unapaswa kuacha, na jinsi ya kuhamisha data ya mtumiaji kwa usalama.
AI inakuja wapi katika utiririshaji wa kazi wa UX?
Mradi wa UX unaendelea kupitia takriban hatua tano: ugunduzi (utafiti), fafanua (mtu na tatizo), toa (mtiririko, fremu ya waya, prototype), jaribio (utumiaji), na uwasilisha (mfumo wa kubuni, hati). Akili ya Bandia ina jukumu tofauti katika kila moja ya hatua hizi.
- Ugunduzi: Hutoa muhtasari wa nakala kadhaa za mahojiano (rekodi zilizonakiliwa) kwa dakika badala ya saa, na kutoa mada za awali. Lakini ni juu ya mtu binafsi kuamua ni mada gani ni muhimu.
- Maelezo: Hutoa Persona (wasifu wa kubuniwa unaowakilisha aina mahususi ya mtumiaji) na rasimu za ramani ya safari. Lakini ni kazi yako kuhakikisha kwamba rasimu hizi zinatokana na data halisi.
- Kizazi: Wireframe (kiunzi cha mstari wa kisanduku cha skrini), chati ya mtiririko, na maandishi ya kiolesura huzalisha tofauti tofauti.
- Upimaji: Hupata matokeo kutoka kwa rekodi za majaribio na kuyaweka katika mpangilio wa umuhimu.
- Wasilisho: Huandika nyaraka za sehemu na sheria za matumizi.
Thread ya kawaida ni hii: AI inazalisha rasimu na chaguzi; Hukumu na kibali vinabaki kwako.
Kidokezo: Tumia akili ya bandia sio "kunipa jibu" lakini "nipe chaguo haraka na uniruhusu nichague." Ufanisi mkubwa zaidi unakuja unapokabidhi kazi ya maandalizi, sio uamuzi.
Ngazi ya hatari ya misheni: wapi bure, wapi tahadhari?
Sio kila kazi ina hatari sawa. Kanuni rahisi ya kidole gumba: jinsi matokeo yanavyoathiri mtumiaji moja kwa moja, hatari kubwa zaidi.
Jitihada
Kiwango cha hatari
Jukumu la akili ya bandia
kibali cha binadamu
Muhtasari wa dokezo la mkutano
chini
Karibu kuhamishwa kikamilifu
skimming nyepesi
Inazalisha tofauti ya wireframe
chini-kati
Inazalisha rasimu
Mbuni huchagua na kurekebisha
Kuunda mada ya utafiti
kati
Kabla ya awali
Uthibitishaji kwa nukuu unahitajika
Maandishi ya kiolesura (ujumbe wa hitilafu, n.k.)
kati-juu
inazalisha tofauti
Toni, usahihi, ukaguzi wa sheria
Uthibitisho wa ufikivu
juu
kukagua mapema
Mtihani wa kweli lazima
Tambua mahitaji halisi ya mtumiaji
ya juu zaidi
haiwezi kusaidia
Yote katika mbunifu
Chati hii ni dira: unaposonga juu, unapunguza imani yako katika AI na kuongeza uthibitishaji wako mwenyewe.
Hallucination na upendeleo: mipaka miwili ya msingi
Lazima uweke ndani sehemu mbili za upofu za akili ya bandia tangu mwanzo.
Ubunifu (uzushi): Muundo mkubwa wa lugha (huenda AI ya kubahatisha maneno iliyofunzwa kwa idadi kubwa ya maandishi) inaweza kutoa habari fasaha lakini isiyo sahihi. Kwa mfano, inasema "Watumiaji waliomba kasi katika mazungumzo 20", lakini kwa kweli hakuna nukuu kama hiyo. Haijalishi jinsi matokeo yanavyoonekana, sio sahihi bila kuunganishwa na chanzo.
Upendeleo: Mtindo hubeba upendeleo uliopo katika data ambayo umefunzwa. Maneno kama vile "watumiaji wakubwa wanaogopa teknolojia" yanaweza kuingia kwenye mtu au hati. Sentensi hizi hazitumiki kwa ujumla na zinapaswa kujaribiwa kwa data halisi.
Tahadhari: Ufasaha na usahihi wa pato la AI sio kitu sawa. Pato la hatari zaidi ni lile lililoandikwa kwa sentensi mbaya lakini kamilifu.
Data ya mtumiaji, KVKK na idhini
Utafiti wa UX hufanya kazi na data ya kibinafsi: kumbukumbu za mazungumzo, jina, mahali pa kazi, picha za skrini, hata sauti. Kupakia data hii kwa zana ya upelelezi ya kiholela inaweza kuwa ukiukaji wa KVKK (Sheria ya Ulinzi wa Data ya Kibinafsi). Kanuni ya kidole gumba ni hatua tatu: kuficha utambulisho, kukaa ndani ya idhini, tumia zana iliyoidhinishwa na wakala.
- Vinyago vitambulishi vya moja kwa moja kama vile jina, simu, barua pepe, jina la kampuni (k.m. "Mshiriki 3").
- Usizidi upeo wa idhini iliyotolewa kwa mshiriki wakati wa utafiti; Ikiwa haukusema "itachakatwa kuwa akili ya bandia", kuwa mwangalifu.
- Katika mazingira ya shirika, chagua zana ambazo ziko wazi ambapo data imehifadhiwa na ikiwa inatumika kwa mafunzo ya mfano.
kesi tatu ndogo
Kesi ya 1 - Kiokoa wakati, mahali pazuri. Mbuni alikuwa na AI muhtasari wa nakala 18 za mahojiano (jumla ya kurasa 62). Usomaji wa awali, ambao ungechukua siku 2 kwa mkono, ulipunguzwa hadi dakika 40. Lakini mbuni alilinganisha kila mada katika matokeo na nukuu halisi na kugundua kuwa mada 3 hazina msingi. Matokeo: kasi + kuegemea.
Kesi 2 — Toleo ambalo halijathibitishwa liliingia kwenye wasilisho. Timu nyingine ilijumuisha sentensi "70% ya watumiaji wanapendelea rununu" iliyotolewa na akili bandia kwenye ripoti. Alipoulizwa kuhusu chanzo hicho, ilibainika kuwa hakuna data hizo; mfano alikuwa ameunda nambari. Imani ya wadau imeharibika. Somo: nambari na madai hazienezi bila ushahidi.
Kesi ya 3 - Hatari ya uvujaji wa data ya kibinafsi. Mwanafunzi alipakia rekodi ya sauti, pamoja na majina ya washiriki, kwenye tovuti isiyolipishwa ambayo huinukuu kiotomatiki. Timu ya usalama ya taasisi hiyo iliashiria hii kama hatari ya KVKK na mchakato ukasitishwa. Somo: uteuzi wa zana na kutokujulikana hufanyika tangu mwanzo.
Vidokezo vinavyoweza kunakiliwa
Jukumu lako: msaidizi mkuu wa utafiti wa UX. Jukumu: Toa hadi mada 6 kutoka kwa nakala ya mahojiano ambayo hayakutambulisha jina hapa chini. Kanuni: Ongeza Angalau nukuu moja ya neno moja karibu na kila mada, kwa lebo [Mshiriki X]. Usitoe mandhari ambayo huwezi kupata nukuu. Unapokuwa na shaka, andika "msaada dhaifu". Nakala: <<text>>
Angalia pato hili la AI: Angalia msingi wa kweli katika maandishi kwa kila kitu kwenye orodha ya mada hapa chini. Weka alama kwenye zile ambazo hazina msingi kuwa "HAZIJATHIBITISHWA" na uandike kwa nini unashuku.Orodhesha: <<mandhari>> Maandishi ya chanzo: <<transcript>>
Pata data zote za kibinafsi/kitambulisho (jina, simu, barua pepe, kampuni, anwani) kutoka kwa maandishi yaliyo hapa chini na ubadilishe na [MASKED]. Pia toa orodha ya mabadiliko kama jedwali. Usifute taarifa yoyote, ifiche tu. Maandishi: <<dump>>
Kuainisha kazi ya kubuni: Bainisha kiwango cha hatari (chini/kati/juu) kwa "<<task>>", andika jukumu la AI na idhini ya binadamu inayohitajika katika sentensi moja. Eleza hoja yako.
Mwongozo dhaifu / Mwongozo thabiti
Dhaifu: "Fanya muhtasari wa mazungumzo haya."
Matokeo: Nakala isiyo na chanzo, ya jumla na isiyoweza kuthibitishwa; Haijulikani ni sentensi gani ilitoka wapi.
Imara: "Nyoa hadi mandhari 6 kutoka kwa nakala hii isiyojulikana; ongeza angalau nukuu moja ya neno moja iliyotambulishwa [Mshiriki X] kwa kila mandhari; usitoe mandhari ambayo huwezi kupata nukuu."
Matokeo: Matokeo yenye msingi wa ushahidi, yanayoweza kukaguliwa na rafiki wa maamuzi.
Tofauti iko katika sentensi moja: haraka haraka inatoa muktadha + sheria + hitaji la uthibitisho.
Makosa ya kawaida
- Kuhamisha pato kutoka kwa uthibitishaji hadi uamuzi. Makosa ya kawaida na ya gharama kubwa zaidi; Mandhari moja iliyotungwa inaweza kupotosha mwelekeo mzima wa muundo.
- Inapakia data ya kibinafsi bila kuificha. Ukiukaji wa KVKK na kupoteza uaminifu wa kampuni.
- Kufanya akili ya bandia "kuamua". "Ni muundo gani bora?" Jibu la swali liko katika bidhaa, mtumiaji na data; sio kwa mfano.
- Kutosoma sera ya data ya gari. Kuingiza data muhimu bila kujua kama data yako huenda kwa mafunzo ya kielelezo au la.
- Kukosea ufasaha kwa usahihi. Sentensi iliyoandikwa vizuri haimaanishi sentensi sahihi.
Kwa muhtasari
AI ni mshirika wa kuongeza kasi na mchoro katika mtiririko wa kazi wa UX; Inafanya kazi ya maandalizi katika kila hatua, kutoka kwa ugunduzi hadi uwasilishaji. Lakini uamuzi, uamuzi na uwajibikaji hubaki kwa mbuni. "Je, hatari ya kazi huathiri mtumiaji kiasi gani?" Pima kwa swali; ongeza uthibitishaji wako kadiri hatari inavyoongezeka. Udanganyifu na upendeleo ni vikomo viwili vya kudumu: rudisha kila dai kwa ushahidi, jaribu kila maneno machache kwa data. Kusafirisha data ya mtumiaji kwa kutoitambulisha ndani ya mfumo wa KVKK na idhini. Reflex hizi ndio msingi salama kwa kila mbinu katika sehemu iliyosalia ya moduli.
Jukumu la maombi
- Orodhesha kazi 5 za muundo kutoka kwa mradi wako wa sasa (au mradi wa kubuni).
- Weka kila kazi kwenye jedwali la hatari hapo juu: chini, kati, juu.
- Kwa kila kazi, andika sentensi moja "jukumu la AI" na "idhini ya kibinadamu inahitajika."
- Iwapo una manukuu ya mahojiano, yafichue kwa kidokezo cha tatu na ukague jedwali la kufunika.
- Panga matokeo katika jedwali na ueleze katika aya kwa nini kazi hatari zaidi inahitaji idhini ya mwanadamu.
orodha ya ukaguzi
- [ ] Niliweka AI kama jenereta ya rasimu, sio kama mtoa maamuzi.
- [ ] Nilibainisha kiwango cha hatari cha kila misheni.
- [ ] Nimechukua tabia ya kuunganisha matokeo na ushahidi.
- [ ] Sijapakia data ya kibinafsi kwa zana yoyote bila kuificha.
- [ ] Niliangalia sera ya data ya gari ninalotumia.
- [ ] Niliongeza hisia na upendeleo nikiangalia mtiririko wa kazi yangu.