مدیریت ارشد شما در مورد هوش مصنوعی هیجان زده است. آنها مقالات را خوانده اند، در وبینارها شرکت کرده اند و دموها را دیده اند. آنها متقاعد شده اند که هوش مصنوعی سازمان شما را متحول می کند، بهره وری را افزایش می دهد و به شما مزیت رقابتی می دهد. در همین حال، شما در نقش UX خود نشسته اید و به این فکر می کنید که این برای تیم، گردش کار و کاربران شما چه معنایی دارد. حتی ممکن است نگران امنیت شغلی خود باشید. مشکل این است که گفتگو در مورد نحوه پیاده سازی هوش مصنوعی در حال حاضر در حال انجام است و اگر شما بخشی از آن نباشید، شخص دیگری تصمیم می گیرد که چگونه بر کار شما تأثیر می گذارد. اینکه کسی احتمالاً تجربه کاربر، روشهای تحقیقاتی یا روشهای ظریفی که اجرای ضعیف میتواند به نتایجی که مدیریت به آن امیدوار است آسیب برساند را درک نمیکند. شما یک انتخاب دارید. میتوانید منتظر بمانید تا دستورات از بالا پایین بیاید، یا میتوانید کنترل مکالمه را به دست بگیرید و استراتژی هوش مصنوعی را برای تمرین خود رهبری کنید. چرا حرفهایهای UX باید صاحب مکالمه هوش مصنوعی باشند؟ مدیریت هوش مصنوعی را به عنوان دستاوردهای بهره وری، صرفه جویی در هزینه ها، مزیت رقابتی و نوآوری می بیند که همگی در یک بسته کلید واژه پسند جمع شده اند. آنها اشتباه نمی کنند که هیجان زده باشند. این فناوری واقعاً چشمگیر است و می تواند ارزش واقعی را ارائه دهد. اما بدون ورودی UX، پیاده سازی های AI اغلب کاربران را به روش های قابل پیش بینی شکست می دهند:
آنها بدون درک قضاوتی که آن وظایف نیاز دارند، وظایف را خودکار می کنند. آنها برای سرعت بهینه می شوند و در عین حال کیفیتی را که کار شما را با ارزش می کرد از بین می برند.
تخصص شما شما را کاملاً در جهت هدایت پیاده سازی قرار می دهد. شما کاربران، گردش کار، استانداردهای کیفیت، و شکاف بین آنچه در یک نسخه نمایشی چشمگیر به نظر می رسد و آنچه در عمل عمل می کند را درک می کنید. از AI Momentum برای پیشبرد اولویت های خود استفاده کنید اشتیاق مدیریت به هوش مصنوعی فرصتی را برای پیشبرد اولویت هایی که برای آنها ناموفق مبارزه کرده اید ایجاد می کند. وقتی مدیریت مایل به سرمایه گذاری در هوش مصنوعی است، می توانید این نیازهای دیرینه را به ابتکار هوش مصنوعی متصل کنید. تحقیقات کاربر را برای آموزش سیستمهای هوش مصنوعی در مورد نیازهای واقعی کاربر ضروری قرار دهید. تست قابلیت استفاده فریم به عنوان روش اعتبارسنجی که تضمین می کند راه حل های تولید شده با هوش مصنوعی واقعا کار می کنند. نحوه پیاده سازی هوش مصنوعی نقش تیم شما، تجربیات کاربران و توانایی سازمان شما برای ارائه محصولات دیجیتال با کیفیت را شکل می دهد. نقش شما ناپدید نمی شود (در حال تکامل است) بله، هوش مصنوعی برخی از کارهایی که در حال حاضر انجام می دهید را خودکار می کند. اما کسی باید تصمیم بگیرد که کدام کارها خودکار می شوند، چگونه خودکار می شوند، چه نرده هایی را باید در جای خود قرار دهند و چگونه فرآیندهای خودکار در اطراف انسان های واقعی که کارهای پیچیده انجام می دهند، قرار می گیرند. اون یکی باید تو باشی به کارهایی که قبلا انجام می دهید فکر کنید. هنگامی که تحقیقات کاربر را انجام می دهید، هوش مصنوعی ممکن است به شما کمک کند مصاحبه ها را رونویسی کنید یا موضوعات را شناسایی کنید. اما این شما هستید که میدانید کدام شرکتکننده قبل از پاسخ دادن تردید کرده است، کدام بازخورد با آنچه در رفتار او مشاهده کردهاید در تضاد است، و کدام بینش برای محصول و کاربران خاص شما اهمیت بیشتری دارد. هنگامی که رابطها را طراحی میکنید، هوش مصنوعی ممکن است تغییرات طرحبندی ایجاد کند یا اجزایی را از سیستم طراحی شما پیشنهاد دهد. اما این شما هستید که محدودیتهای پلتفرم فنی خود، واقعیتهای سیاسی تأیید طرحها و موارد لبهای که راهحل هوشمندانهای را میشکند را درک میکنید. ارزش آینده شما ناشی از کاری است که قبلاً انجام می دهید:
با دیدن تصویر کامل. متوجه میشوید که چگونه این ویژگی به آن گردش کار متصل میشود، این بخش کاربر چگونه با آن بخش متفاوت است و چرا راهحل صحیح فنی در واقعیت سازمان شما کار نمیکند. شما تصمیم می گیرید چه زمانی از سیستم طراحی پیروی کنید و چه زمانی آن را شکست دهید، چه زمانی بازخورد کاربر منعکس کننده یک مشکل واقعی در مقابل یک درخواست ویژگی از یک کاربر با صدای بلند است، و چه زمانی از ذینفعان در مقابل یافتن مصالحه عقب نشینی کنید. اتصال نقاط. شما بین محدودیتهای فنی و نیازهای کاربر، بین اهداف تجاری و اصول طراحی، بین آنچه سهامداران درخواست میکنند و آنچه واقعاً مشکل آنها را حل میکند، ترجمه میکنید.
هوش مصنوعی در کارهای فردی بهتر خواهد شد. اما شما فردی هستید که تصمیم می گیرید کدام راه حل واقعاً برای زمینه خاص شما کار می کند. افرادی که با مشکل مواجه خواهند شد کسانی هستند که کارهای ساده و قابل تکرار انجام می دهند بدون اینکه دلیل آن را بفهمند. ارزش شما در درک زمینه، قضاوت و ارتباط راه حل ها با مشکلات واقعی است. مرحله 1: انگیزه های هوش مصنوعی مدیریت را درک کنید قبل از اینکه بتوانید مکالمه را هدایت کنید، باید بفهمید که چه چیزی باعث آن می شود. مدیریت به فشارهای واقعی پاسخ می دهد: کاهش هزینه، فشار رقابتی،افزایش بهره وری و انتظارات هیئت مدیره به زبان آنها صحبت کنید. وقتی با مدیریت درباره هوش مصنوعی صحبت می کنید، همه چیز را بر اساس ROI، کاهش ریسک و مزیت رقابتی تنظیم کنید. «این رویکرد از استانداردهای کیفیت ما محافظت میکند» کمتر قانعکنندهتر از «این رویکرد خطر آسیب رساندن به نرخ تبدیل ما را کاهش میدهد، در حالی که ما قابلیتهای هوش مصنوعی را آزمایش میکنیم». تبلیغات تبلیغاتی را از واقعیت جدا کنید. برای تحقیق در مورد قابلیتهای هوش مصنوعی در مقابل آنچه که هیپ است، وقت بگذارید. مطالعات موردی را بخوانید، خودتان ابزارها را امتحان کنید و با همتایان خود در مورد آنچه واقعاً کار می کند صحبت کنید. نقاط درد واقعی را شناسایی کنید. AI ممکن است به طور قانونی در سازمان شما آدرس دهد. شاید تیم شما ساعتها را صرف قالببندی یافتههای تحقیقاتی میکند، یا آزمایش دسترسپذیری تنگناهایی ایجاد میکند. اینها مشکلاتی هستند که ارزش حل کردن را دارند. مرحله 2: وضعیت فعلی و فرصت های خود را حسابرسی کنید کار تیم خود را ترسیم کنید. زمان واقعاً به کجا می رود؟ به سه ماهه گذشته نگاه کنید و دسته بندی کنید که تیم شما ساعات خود را چگونه سپری کرده است. وظایف با حجم بالا و قابل تکرار را در مقابل کار با قضاوت بالا شناسایی کنید. کارهای تکراری کاندیدای اتوماسیون هستند. کار با قضاوت بالا جایی است که ارزش غیرقابل جایگزینی اضافه می کنید. همچنین، آنچه را که میخواستید انجام دهید، اما نتوانستید تأیید شوید را مشخص کنید. این لیست فرصت شماست. شاید شما می خواستید تست های قابلیت استفاده سه ماهه را انجام دهید، اما فقط سالانه بودجه دریافت کنید. اینها را جداگانه بنویسید. در مرحله بعدی آنها را به استراتژی هوش مصنوعی خود متصل خواهید کرد. فرصتهایی که هوش مصنوعی واقعاً میتواند به آنها کمک کند:
ترکیب تحقیق: هوش مصنوعی می تواند به سازماندهی و طبقه بندی یافته ها کمک کند. تجزیه و تحلیل دادههای رفتار کاربر: هوش مصنوعی میتواند تجزیه و تحلیلها و ضبطهای جلسه را به الگوهای سطحی که ممکن است از دست بدهید پردازش کند. نمونه سازی سریع: هوش مصنوعی می تواند به سرعت نمونه های اولیه قابل آزمایش را تولید کند و چرخه های آزمایشی شما را سرعت بخشد.
مرحله 3: اصول هوش مصنوعی را برای تمرین UX خود تعریف کنید قبل از شروع به تشکیل استراتژی خود، اصولی را تعیین کنید که هر تصمیمی را هدایت می کند. موارد غیر قابل مذاکره تنظیم کنید. حریم خصوصی کاربر، دسترسی، و نظارت انسانی بر تصمیمات مهم. اینها را بنویسید و قبل از اجرای هر چیزی از رهبری موافقت کنید. معیارهایی را برای استفاده از هوش مصنوعی تعریف کنید. AI در تشخیص الگو، خلاصه سازی و ایجاد تغییرات خوب است. هوش مصنوعی در درک زمینه، قضاوت های اخلاقی و دانستن اینکه چه زمانی قوانین باید شکسته شوند ضعیف است. معیارهای موفقیت فراتر از کارایی را تعریف کنید. بله، شما می خواهید در زمان صرفه جویی کنید. اما شما همچنین باید کیفیت، رضایت کاربر و توانایی تیم را اندازه گیری کنید. یک کارت امتیازی متوازن بسازید که آنچه واقعا مهم است را نشان دهد. نردههای محافظ ایجاد کنید. شاید هر رابط تولید شده توسط هوش مصنوعی قبل از ارسال نیاز به بررسی انسانی داشته باشد. این گاردریل ها از بلایای آشکار جلوگیری می کنند و فضایی برای یادگیری ایمن در اختیار شما قرار می دهند. مرحله 4: استراتژی AI-in-UX خود را بسازید اکنون شما آماده ساختن استراتژی واقعی هستید که برای رهبری ارائه خواهید کرد. با پروژه های آزمایشی که محدوده و معیارهای ارزیابی مشخصی دارند از کوچک شروع کنید. به نتایج کسبوکار متصل شوید که مدیریت به آن اهمیت میدهد. «استفاده از هوش مصنوعی برای ترکیب تحقیقاتی» را مطرح نکنید. طرح "کاهش زمان از تحقیق تا بینش تا 40٪، امکان تصمیم گیری سریع تر محصول را فراهم می کند." اولویت های موجود خود را در شتاب هوش مصنوعی بازگردانید. آن لیست فرصت ها را از مرحله 2 به خاطر دارید؟ اکنون این نیازهای دیرینه را به استراتژی هوش مصنوعی خود متصل می کنید. اگر میخواهید آزمایشهای قابلیت استفاده مکرر را انجام دهید، توضیح دهید که پیادهسازیهای هوش مصنوعی نیاز به اعتبارسنجی مداوم دارند تا مشکلات را قبل از مقیاسپذیری تشخیص دهند. پیاده سازی های هوش مصنوعی واقعاً از شیوه های تحقیقاتی خوب بهره می برند. شما صرفاً از شور و شوق مدیریت برای هوش مصنوعی به عنوان وسیلهای استفاده میکنید تا در نهایت منابعی را برای اقداماتی که باید در تمام مدت تأمین مالی میشد به دست آورید. نقش ها را به وضوح تعریف کنید. انسان ها به کجا هدایت می شوند؟ هوش مصنوعی کجا کمک می کند؟ کجا را خودکار نخواهید کرد؟ مدیریت باید درک کند که برخی از کارها نیاز به قضاوت انسانی دارند و هرگز نباید کاملاً خودکار شوند. برای ایجاد قابلیت برنامه ریزی کنید. تیم شما به آموزش و مهارت های جدید نیاز دارد. زمان و منابع بودجه برای این کار. خطرات را صادقانه بررسی کنید. هوش مصنوعی میتواند توصیههای مغرضانه ایجاد کند، زمینههای مهم را از دست بدهد یا کاری تولید کند که خوب به نظر میرسد اما در واقع کار نمیکند. برای هر خطر، توضیح دهید که چگونه آن را تشخیص می دهید و برای کاهش آن چه کاری انجام می دهید. مرحله 5: استراتژی را به رهبری ارائه دهید استراتژی خود را بهعنوان جاهطلبیهای هوش مصنوعی مدیریت از خطر حذف کنید، نه اینکه آنها را مسدود کنید. شما به آنها نشان می دهید که چگونه هوش مصنوعی را با موفقیت پیاده سازی کنند و در عین حال از مشکلات آشکار اجتناب کنند. با نتایج و ROI که آنها به آن اهمیت می دهند پیشروی کنید. لیست خواسته های خود را در استراتژی هوش مصنوعی قرار دهید. وقتی استراتژی خود را ارائه می کنید، آن قابلیت هایی را که می خواستید بگنجانید اماقبلا نمی توانست تایید شود آنها را به عنوان درخواست جداگانه ارائه نکنید. آنها را به عنوان اجزای ضروری ادغام کنید. «برای تأیید طرحهای تولید شده توسط هوش مصنوعی، باید فرکانس آزمایش خود را از سالانه به سه ماهه افزایش دهیم» بسیار معقولتر از «آیا میتوانیم آزمایشهای بیشتری انجام دهیم؟» به نظر میرسد. شما توضیح می دهید که برای موفقیت سرمایه گذاری هوش مصنوعی آنها چه چیزی لازم است. پیروزی های سریع را در کنار چشم انداز بلندمدت نشان دهید. یک یا دو خلبان را شناسایی کنید که می توانند در عرض 30 تا 60 روز ارزش خود را نشان دهند. سپس به آنها نشان دهید که این خلبانان چگونه به سمت تغییرات بزرگتر در سال آینده پیشرفت می کنند. آنچه را که نیاز دارید بخواهید. مشخص باشید. شما به بودجه ای برای ابزارها، زمان برای خلبانان، دسترسی به داده ها و پشتیبانی برای آموزش تیم نیاز دارید. مرحله 6: پیاده سازی و نشان دادن ارزش خلبان های خود را با معیارهای واضح قبل و بعد اجرا کنید. همه چیز را اندازه گیری کنید: زمان ذخیره شده، کیفیت حفظ شده، رضایت کاربر، اعتماد به تیم. برنده سند و یادگیری است. شکست ها نیز مفید هستند. اگر یک خلبان موفق نشد، دلیل و آنچه را که یاد گرفتید مستند کنید. پیشرفت را در زبان مدیریت به اشتراک بگذارید به روز رسانی های ماهانه باید بر روی نتایج کسب و کار تمرکز کنند، نه جزئیات فنی. "ما زمان سنتز تحقیق را 35٪ کاهش داده ایم در حالی که امتیازات کیفیت را حفظ می کنیم" سطح دقیق جزئیات است. با حل مشکلات واقعی، مدافعان داخلی بسازید. وقتی خلبانان هوش مصنوعی شما کار کسی را آسانتر میکنند، طرفدارانی ایجاد میکنید که از پذیرش گستردهتر حمایت میکنند. بر اساس آنچه در زمینه خاص شما کار می کند، تکرار کنید. هر برنامه هوش مصنوعی مناسب سازمان شما نیست. به آنچه واقعاً کار می کند توجه کنید و آن را دو برابر کنید. گرفتن ابتکار بر انتظار پذیرش هوش مصنوعی در حال وقوع است. سوال این نیست که آیا سازمان شما از هوش مصنوعی استفاده خواهد کرد یا خیر، بلکه این است که آیا شما نحوه اجرای آن را شکل خواهید داد. تخصص UX شما دقیقا همان چیزی است که برای اجرای موفقیت آمیز هوش مصنوعی لازم است. شما کاربران، کیفیت و شکاف بین دموهای چشمگیر و واقعیت مفید را درک می کنید. این هفته یک قدم اول عملی بردارید. 30 دقیقه برنامه ریزی کنید تا یک فرصت هوش مصنوعی را در تمرین خود ترسیم کنید. یکی از حوزههایی را انتخاب کنید که هوش مصنوعی میتواند به آن کمک کند، به این فکر کنید که چگونه آن را به صورت ایمن هدایت میکنید، و ترسیم کنید که موفقیت چگونه به نظر میرسد. سپس گفتگو را با مدیر خود شروع کنید. ممکن است تعجب کنید که چقدر پذیرای کسی هستند که این کار را رهبری کند. شما می دانید که چگونه نیازهای کاربر را درک کنید، راه حل ها را آزمایش کنید، نتایج را اندازه گیری کنید و بر اساس شواهد تکرار کنید. این مهارتها فقط به این دلیل که هوش مصنوعی درگیر است، تغییر نمیکنند. شما در حال استفاده از تخصص موجود خود در یک ابزار جدید هستید. نقش شما از بین نمی رود در حال تبدیل شدن به چیزی استراتژیک تر، ارزشمندتر و ایمن تر است. اما فقط در صورتی که خودتان ابتکار عمل برای شکل دادن به آن تکامل را به دست بگیرید. مطالعه بیشتر در SmashingMag
«طراحی با هوش مصنوعی، نه در اطراف آن: تکنیکهای پیشرفته کاربردی برای موارد استفاده در طراحی محصول»، ایلیا کانازین و مارینا چرنیشووا «فراتر از هیپ: آنچه که هوش مصنوعی واقعاً می تواند برای طراحی محصول انجام دهد»، نیکیتا ساموتین «یک هفته از زندگی یک طراح با هوش مصنوعی»، لیندون سرجو «شخصیتهای کاربردی با هوش مصنوعی: گردش کار ناب و عملی»، پل بوگ
