Lợi nhuận:
- Có thể phân biệt vị trí nào trong quy trình làm việc UX (tổng hợp nghiên cứu, cá tính, wireframe, văn bản giao diện, phân tích kiểm tra), trí tuệ nhân tạo tiết kiệm thời gian thực và nơi nào các trách nhiệm như lắng nghe người dùng và quyết định thiết kế cuối cùng vẫn thuộc về nhà thiết kế, theo mức độ rủi ro của nhiệm vụ
- Khả năng phát triển phản xạ kết nối từng đầu ra AI với dữ liệu và bằng chứng thực của người dùng, đồng thời xác minh ảo giác và sai lệch thông qua các bước thăm dò
- Khả năng ẩn danh bản ghi cuộc trò chuyện của người dùng và dữ liệu cá nhân trong phạm vi KVKK và chuyển chúng sang trí tuệ nhân tạo trong giới hạn của sự đồng ý
Thiết kế trải nghiệm người dùng (UX, tức là trải nghiệm của người sử dụng sản phẩm từ đầu đến cuối) đã được tiến hành theo nguyên tắc "đầu tiên hiểu con người, sau đó giải quyết nó" trong nhiều năm. Khi trí tuệ nhân tạo bước vào chu kỳ này, câu hỏi đầu tiên của hầu hết mọi người là: "Trí tuệ nhân tạo sẽ thiết kế cho tôi chứ?" Câu trả lời ngắn gọn: không. Trí tuệ nhân tạo là trợ lý thiết kế; Nó tạo ra các bản nháp, tóm tắt dữ liệu, nhân lên các tùy chọn và tăng tốc các tác vụ lặp đi lặp lại. Nhưng người thiết kế luôn phải thực sự lắng nghe người dùng, quyết định đâu là giải pháp phù hợp và chịu trách nhiệm về quyết định này. Học phần đầu tiên này sẽ làm rõ vị trí nên đưa AI vào quy trình làm việc UX, vị trí bạn nên dừng và cách di chuyển dữ liệu người dùng một cách an toàn.
AI có ích ở đâu trong quy trình làm việc UX?
Một dự án UX tiến triển qua khoảng năm giai đoạn: khám phá (nghiên cứu), xác định (tính cách và vấn đề), sản xuất (luồng, wireframe, nguyên mẫu), thử nghiệm (khả năng sử dụng) và phân phối (hệ thống thiết kế, tài liệu). Trí tuệ nhân tạo đóng một vai trò khác nhau trong từng giai đoạn này.
- Khám phá: Tóm tắt hàng chục bản ghi chép cuộc phỏng vấn (bản ghi chép) trong vài phút thay vì hàng giờ, trích xuất các chủ đề ban đầu. Nhưng việc quyết định chủ đề nào là quan trọng là tùy mỗi người.
- Mô tả: Tạo Persona (hồ sơ hư cấu đại diện cho một loại người dùng cụ thể) và bản nháp bản đồ hành trình. Nhưng công việc của bạn là đảm bảo rằng những bản nháp này dựa trên dữ liệu thực.
- Tạo: Wireframe (khung hộp của màn hình), sơ đồ và văn bản giao diện tái tạo các biến thể.
- Kiểm tra: Thu thập các phát hiện từ hồ sơ kiểm tra và xếp chúng theo thứ tự quan trọng.
- Trình bày: Viết tài liệu thành phần và quy tắc sử dụng.
Chủ đề chung là: AI tạo ra các bản nháp và tùy chọn; Sự phán xét và phê duyệt vẫn ở bên bạn.
Mẹo: Sử dụng trí tuệ nhân tạo không phải để "cho tôi câu trả lời" mà để "cho tôi các phương án nhanh chóng và để tôi chọn". Hiệu quả lớn nhất đến khi bạn giao phó công việc chuẩn bị chứ không phải quyết định.
Mức độ rủi ro của nhiệm vụ: đâu rảnh rỗi, đâu thận trọng?
Không phải mọi nhiệm vụ đều có rủi ro như nhau. Một nguyên tắc đơn giản: đầu ra càng ảnh hưởng trực tiếp đến người dùng thì rủi ro càng cao.
Nhiệm vụ
Mức độ rủi ro
Vai trò của trí tuệ nhân tạo
sự chấp thuận của con người
Tóm tắt biên bản cuộc họp
thấp
Đã chuyển giao gần như đầy đủ
lướt nhẹ
Tạo một biến thể wireframe
thấp-trung bình
Tạo bản nháp
Nhà thiết kế lựa chọn và sửa chữa
Xây dựng chủ đề nghiên cứu
trung bình
Tổng hợp trước
Cần phải xác minh bằng báo giá
Văn bản giao diện (thông báo lỗi, v.v.)
trung bình cao
tạo ra sự biến đổi
Giọng điệu, độ chính xác, kiểm tra pháp luật
Xác nhận khả năng truy cập
cao
quét trước
Kiểm tra thực tế bắt buộc
Xác định nhu cầu thực sự của người dùng
cao nhất
không thể giúp được
Tất cả trong nhà thiết kế
Biểu đồ này là một chiếc la bàn: khi bạn tiến lên, bạn sẽ giảm niềm tin vào AI và tăng cường xác nhận của chính mình.
Ảo giác và thành kiến: hai giới hạn cơ bản
Bạn phải tiếp thu hai điểm mù của trí tuệ nhân tạo ngay từ đầu.
Ảo giác (bịa đặt): Một mô hình ngôn ngữ lớn (có thể là AI đoán từ được đào tạo trên số lượng lớn văn bản) có thể tạo ra thông tin trôi chảy nhưng thực tế không chính xác. Ví dụ: "Người dùng yêu cầu tốc độ trong 20 cuộc hội thoại", nhưng thực tế không có câu trích dẫn nào như vậy. Đầu ra dù có xuất hiện chắc chắn đến đâu cũng không thể chính xác nếu không liên kết với nguồn.
Xu hướng: Mô hình mang những thành kiến vốn có trong dữ liệu mà nó được đào tạo. Những câu nói sáo rỗng như "người dùng lớn tuổi sợ công nghệ" có thể len lỏi vào nhân vật hoặc kịch bản. Những câu này là những câu khái quát hóa không được hỗ trợ và cần được kiểm tra bằng dữ liệu thực tế.
Thận trọng: Độ trôi chảy và độ chính xác của đầu ra AI không giống nhau. Kết quả nguy hiểm nhất là kết quả viết sai nhưng hoàn hảo.
Dữ liệu người dùng, KVKK và sự đồng ý
Nghiên cứu UX hoạt động với dữ liệu cá nhân: nhật ký cuộc trò chuyện, tên, nơi làm việc, ảnh chụp màn hình, thậm chí cả âm thanh. Việc tải dữ liệu này lên một công cụ trí tuệ nhân tạo tùy ý có thể vi phạm KVKK (Luật bảo vệ dữ liệu cá nhân). Nguyên tắc chung là ba bước: ẩn danh, tuân thủ sự đồng ý, sử dụng công cụ được cơ quan phê duyệt.
- Che dấu những thông tin nhận dạng trực tiếp như tên, số điện thoại, email, tên công ty (ví dụ: “Người tham gia 3”).
- Không vượt quá phạm vi đồng ý của người tham gia trong quá trình nghiên cứu; Nếu bạn không nói "nó sẽ được xử lý thành trí tuệ nhân tạo", hãy thận trọng.
- Trong môi trường doanh nghiệp, hãy chọn các công cụ rõ ràng về nơi lưu trữ dữ liệu và liệu dữ liệu đó có được sử dụng để đào tạo mô hình hay không.
ba trường hợp nhỏ
Trường hợp 1 - Tiết kiệm thời gian, đúng nơi. Một nhà thiết kế đã nhờ AI tóm tắt 18 bản ghi cuộc phỏng vấn (tổng cộng 62 trang). Việc đọc trước, lẽ ra phải mất 2 ngày bằng tay, đã giảm xuống còn 40 phút. Nhưng người thiết kế đã khớp từng chủ đề trong đầu ra với báo giá thực tế và nhận thấy rằng 3 chủ đề đó đều không có cơ sở. Kết quả: tốc độ + độ tin cậy.
Trường hợp 2 - Đầu ra chưa được xác minh được đưa vào bản trình bày. Một nhóm khác đưa câu “70% người dùng thích thiết bị di động hơn” do trí tuệ nhân tạo tạo ra vào báo cáo. Khi được hỏi về nguồn thì được biết là không có dữ liệu đó; mô hình đã tạo nên số lượng. Niềm tin của các bên liên quan đã bị tổn hại. Bài học: những con số và tuyên bố không lan truyền nếu không có bằng chứng.
Trường hợp 3 - Nguy cơ rò rỉ dữ liệu cá nhân. Một thực tập sinh đã tải bản ghi âm cùng với tên người tham gia lên một trang web miễn phí tự động chép lại nó. Nhóm bảo mật của tổ chức đã đánh dấu đây là rủi ro KVKK và quá trình này đã bị dừng lại. Bài học: việc lựa chọn công cụ và ẩn danh được thực hiện ngay từ đầu.
Lời nhắc có thể sao chép
Vai trò của bạn: trợ lý nghiên cứu UX cấp cao. Nhiệm vụ: Trích xuất tối đa 6 chủ đề từ bản ghi cuộc phỏng vấn ẩn danh bên dưới. Quy tắc: Thêm ÍT NHẤT một trích dẫn nguyên văn bên cạnh mỗi chủ đề, với thẻ [Người tham gia X]. Không tạo chủ đề mà bạn không thể tìm thấy trích dẫn. Khi nghi ngờ, hãy viết "hỗ trợ yếu". Bản ghi: <<văn bản>>
Kiểm tra đầu ra AI này: Kiểm tra cơ sở thực tế trong văn bản cho từng mục trong danh sách chủ đề bên dưới. Đánh dấu những thông tin không có cơ sở là "KHÔNG XÁC MINH" và viết lý do tại sao bạn nghi ngờ. Danh sách: <<themes>> Văn bản nguồn: <<transcript>>
Tìm tất cả dữ liệu cá nhân/nhận dạng (tên, điện thoại, email, công ty, địa chỉ) từ văn bản bên dưới và thay thế bằng [MASKED]. Đồng thời cung cấp danh sách thay đổi dưới dạng bảng. Đừng xóa bất kỳ thông tin nào, chỉ che nó đi.Văn bản: <<dump>>
Phân loại nhiệm vụ thiết kế: Xác định mức độ rủi ro (thấp/trung bình/cao) cho “<<task>>”, viết vai trò của AI và sự phê duyệt của con người cần có trong một câu. Giải thích lý do của bạn.
Dấu nhắc yếu / Dấu nhắc mạnh
Yếu: "Tóm tắt những cuộc trò chuyện này."
Kết quả: Một văn bản không có nguồn gốc, chung chung và không thể kiểm chứng; Không rõ câu nào đến từ đâu.
Mạnh: "Trích xuất tối đa 6 chủ đề từ bản ghi ẩn danh này; thêm ít nhất một trích dẫn nguyên văn được gắn thẻ [Người tham gia X] vào mỗi chủ đề; không tạo chủ đề mà bạn không thể tìm thấy trích dẫn."
Kết quả: Một kết quả dựa trên bằng chứng, có thể kiểm tra được và phù hợp với quyết định.
Sự khác biệt nằm ở một câu: lời nhắc mạnh mẽ đưa ra ngữ cảnh + quy tắc + yêu cầu chứng minh.
Những lỗi thường gặp
- Chuyển đầu ra từ xác nhận sang quyết định. Sai lầm phổ biến nhất và tốn kém nhất; Một chủ đề giả tạo có thể bóp méo toàn bộ hướng thiết kế.
- Tải lên dữ liệu cá nhân mà không ẩn danh nó. KVKK vi phạm và làm mất lòng tin của doanh nghiệp.
- Làm trí tuệ nhân tạo "quyết định". "Thiết kế nào tốt hơn?" Câu trả lời cho câu hỏi nằm ở sản phẩm, người dùng và dữ liệu; không có trong mô hình.
- Không đọc chính sách dữ liệu của xe. Nhập dữ liệu quan trọng mà không biết liệu dữ liệu của bạn có được đào tạo mô hình hay không.
- Nhầm lẫn sự trôi chảy với sự chính xác. Một câu viết hay không có nghĩa là một câu đúng.
Tóm lại
AI là đối tác tăng tốc và thiết kế chi tiết trong quy trình làm việc UX; Nó đảm nhận công việc chuẩn bị ở mọi giai đoạn, từ khám phá đến trình bày. Nhưng sự phán xét, quyết định và trách nhiệm vẫn thuộc về người thiết kế. "Rủi ro của nhiệm vụ ảnh hưởng đến người dùng đến mức nào?" Đo lường bằng câu hỏi; tăng xác minh của bạn khi rủi ro tăng lên. Ảo giác và thành kiến là hai giới hạn vĩnh viễn: ủng hộ mọi tuyên bố bằng bằng chứng, kiểm tra mọi lời nói sáo rỗng bằng dữ liệu. Truyền tải dữ liệu người dùng bằng cách ẩn danh dữ liệu đó trong khuôn khổ KVKK và sự đồng ý. Những phản xạ này là cơ sở an toàn cho mọi kỹ thuật trong phần còn lại của học phần.
Nhiệm vụ ứng dụng
- Liệt kê 5 nhiệm vụ thiết kế từ dự án hiện tại của bạn (hoặc một dự án hư cấu).
- Đặt từng nhiệm vụ vào bảng rủi ro ở trên: thấp, trung bình, cao.
- Với mỗi nhiệm vụ, hãy viết một câu “vai trò của AI” và “cần có sự chấp thuận của con người”.
- Nếu bạn có bản ghi cuộc phỏng vấn, hãy ẩn danh nó bằng lời nhắc thứ ba và xem lại bảng che giấu.
- Vẽ kết quả vào bảng và giải thích trong một đoạn văn tại sao nhiệm vụ có rủi ro cao nhất lại cần có sự chấp thuận của con người.
danh sách kiểm tra
- [ ] Tôi định vị AI là người tạo bản phác thảo, không phải là người đưa ra quyết định.
- [ ] Tôi đã xác định mức độ rủi ro của từng nhiệm vụ.
- [ ] Tôi đã áp dụng thói quen liên kết kết quả đầu ra với bằng chứng.
- [ ] Tôi chưa tải dữ liệu cá nhân lên bất kỳ công cụ nào mà không ẩn danh nó.
- [ ] Tôi đã kiểm tra chính sách dữ liệu của chiếc xe tôi đang sử dụng.
- [ ] Tôi đã thêm tính năng kiểm tra ảo giác và thành kiến vào quy trình làm việc của mình.