אני עובד בעיצוב חווית משתמש כבר יותר מעשרים שנה. מספיק זמן כדי לראות את כותרות העבודה הרבות, מרגע שבעלי עניין ביקשו מאיתנו "פשוט לעשות את זה יפה" ועד למסירה של מסגרות wireframes כקובצי PDF מוערים. ראיתי כלים רבים באים והולכים במהלך השנים, מתודולוגיות עולות ויורדות, ופלטפורמות שלמות נעלמות. עם זאת, שום דבר לא מטריד מעצבים כמו בינה מלאכותית. כשכלי AI גנרטיביים נכנסו לראשונה לזרימת העבודה שלי, התגובה שלי לא הייתה התרגשות - היא הייתה אי נוחות, עם קצת סקרנות. צפייה בממשק מופיע תוך שניות, עם מרווח הגיוני, טיפוגרפיה קריא, ועותק הגון למחצה, עוררה פחד אמיתי מאוד: אם מכונה יכולה לעשות את זה, איפה זה משאיר אותי? הפחד הזה נפוץ כעת. מעצבים בכל רמה שואלים את אותה שאלה, לעתים קרובות בשקט, "האם סוכן AI יחליף אותי עד לשבוע/חודש/שנה הבאים?" למרות שההבדל בין השבוע הבא לשנה הבאה נראה רב, זה תלוי איפה אתה נמצא בקריירה שלך ובמהירות שבה המעסיק שלך בוחר לעסוק בכלי AI. התמזל מזלי בכמה תפקידים לעבוד עם ארגונים שלא אפשרו את השימוש בכלי בינה מלאכותית בגלל חששות אבטחת מידע. אם אתה מעוניין באחת מהשיחות הללו, אתה יכול לראות את הדיונים המתרחשים בפלטפורמות כמו Reddit. החשש מהשתלטות הבינה המלאכותית בתפקידינו אינו בלתי הגיוני. אנו רואים בינה מלאכותית מייצרת wireframes, אבות טיפוס, פרסונות, סיכומי שימושיות, הצעות נגישות ומערכות עיצוב שלמות. משימות שפעם ארכו ימים יכולות עכשיו ממש לקחת דקות. הנה האמת הלא נוחה: אם התפקיד שלך עוסק בעיקר בייצור חפצי אמנות, ציור כפתורים, יישור רכיבים או תרגום הוראות למסכים, אז חלקים מהעבודה כבר עוברים אוטומטית. ובכל זאת, עיצוב UX מעולם לא היה באמת רק יצירת ממשק משתמש. UX עוסק בניווט בעמימות. מדובר בתמיכה בבני אדם במערכות מותאמות ליעילות. מדובר בתרגום צרכים אנושיים מבולגנים ויעדים עסקיים מבולגנים לא פחות לחוויות שמרגישות קוהרנטיות, הוגנות, הגיוניות ושמישות. מדובר בפתרון בעיות אנושיות על ידי יצירת חווית משתמש שימושית ויעילה.
AI לא מחליף את העבודה הזו. במקום זאת, זה מגביר את כל מה שמסביב. השינוי האמיתי שמתרחש הוא שמעצבים עוברים מיצרני תפוקות למנהלי כוונות. מיוצרים ועד אוצרים. ממבצעים מעשיים ועד למקבלי החלטות אסטרטגיות. זה מרגיש לי מרגש. והיצירתיות וההמצאה שזה מביא לעולם ה-UX. והשינוי הזה לא מפחית את הערך שלנו כמעצבי UX, אבל הוא כן מגדיר אותו מחדש. מה AI עושה יותר טוב מאיתנו (הדברים ה"משעממים") בואו נהיה ברורים, AI טוב יותר מבני אדם בהיבטים מסוימים של עבודת עיצוב. להילחם במציאות הזו רק משאירה אותנו תקועים בפחד. מהירות ונפח בינה מלאכותית טובה במיוחד ביצירת כמויות גדולות של רעיונות במהירות. לדוגמה, ניתן להפיק וריאציות פריסה, אפשרויות העתקה, מבני רכיבים ותזרימי הפעלה תוך שניות. בתכנון בשלב מוקדם, זה משנה הכל. במקום להשקיע שעות בשרטוט שלושה מושגים, אתה יכול לסקור שלושים. זה לא מבטל את היצירתיות אבל כן מרחיב את מגרש המשחקים. מקינזי מעריכה שבינה מלאכותית גנרטיבית יכולה להפחית את הזמן המושקע במשימות יצירתיות ומשימות הקשורות לעיצוב עד 70%, במיוחד בשלבי רעיונות וחקירה.
בינה מלאכותית יכולה גם לעזור עם הצד המחקרי של UX, למשל, חקר הרגלים של דמוגרפי מסוים ויצירת פרסונות. למרות שזה יכול להפחית את זמן המחקר הנדרש, המעצב עדיין נדרש להגן על כך על ידי מתן הנחיות מדויקות ובדיקת תגובות שנוצרו. אני אישית גיליתי ששימוש בבינה מלאכותית כדי לסייע במחקר הראשוני עבור פרויקטי עיצוב הוא שימושי להפליא, במיוחד כאשר יש זמן מוגבל וגישה למשתמשים. עקביות ודבקות כללים מערכות עיצוב חיות או מתות לפי עקביות. בינה מלאכותית מצטיינת במעקב אחר כללים ללא הפוגה, אסימוני צבע, מערכות מרווחים, סולמות טיפוגרפיה ותקני נגישות. זה לא שוכח. זה לא מתעייף. זה לא "משקף את זה". הדיוק של בינה מלאכותית הופך אותו לבעל ערך רב לתחזוקת מערכות עיצוב בקנה מידה גדול, במיוחד בסביבות ארגוניות או ממשלתיות שבהן עקביות ותאימות חשובות יותר מאשר חידוש. זהו מרכיב אחד בתפקיד ה-UX שלי שאני שמח להעביר ל-AI כדי לנהל אותו! עיבוד נתונים בקנה מידה AI יכול לנתח נתונים התנהגותיים בנפחיםמאתגר, אם לא בלתי אפשרי, לצוות אנושי לעבד בצורה סבירה. נתיבי מסע משתמש, עומק גלילה, מפות חום לזיהוי אינטראקציות עם עכבר, משפכי המרות - בינה מלאכותית יכולה לזהות דפוסים וחריגות כמעט באופן מיידי. פלטפורמות לניתוח התנהגות מסתמכות יותר ויותר על בינה מלאכותית כדי להעלות תובנות שמעצבים עלולים לפספס אחרת. Contentsquare, פלטפורמת ניתוח מבוססת בינה מלאכותית, מדברת על ההשפעות והיתרונות של ניצול נתוני ניתוח התנהגותי. תמיד אמרתי שנתונים כמותיים אומרים לנו את ה"מה", ונתונים איכותיים אומרים לנו את ה"למה". זהו המרכיב האנושי במחקר שבו אנו יכולים להתחבר למשתמשים כדי להבין את הסיבה שמניעה את ההתנהגות.
התובנה המרכזית כאן היא פשוטה: ניתוח כמויות גדולות של נתונים התנהגותיים מעולם לא היה המקום שבו היה הערך הגבוה ביותר שלנו. אם בינה מלאכותית יכולה לקחת על עצמה ייצור חוזר, אכיפת מערכת וניתוח נתונים גולמיים, המעצבים יהיו חופשיים להתמקד בפרשנות, שיפוט ומשמעות אנושית, החלקים הקשים ביותר של העבודה. מה בני אדם עושים טוב יותר מבינה מלאכותית (דברי "הלב") למרות כל כוחו, ל-AI יש מגבלה בסיסית: הוא מעולם לא היה ולעולם לא יהיה אנושי. אמפתיה היא חוויה חיה בינה מלאכותית יכולה לתאר תסכול. זה יכול לסכם את משוב המשתמש. זה יכול לחקות שפה אמפתית. אבל היא מעולם לא חשה את הזעם השקט של צורה שבורה, את החרדה מהגשת נתונים רגישים, או את הבושה של אי הבנת ממשק שמניח יותר מדי. אמפתיה ב-UX היא לא מערך נתונים. זוהי הבנה חיה ומגלמת של הפגיעות האנושית. זו הסיבה שראיונות משתמשים עדיין חשובים. מדוע החקירה ההקשרית עדיין חשובה. מדוע מעצבים שמבינים לעומק את המשתמשים שלהם מקבלים באופן עקבי החלטות טובות יותר. בתפקיד קודם בו עיצבתי פלטפורמת התראה על הונאה מורכבת להפליא, המפתח לתוצאות מוצלחות של עיצוב זה התבסס על ההבנה שלי של מגוון הבעיות העומדות בפני לקוחות. ניגשתי למידע הזה ישירות מחברי הצוות מול הלקוחות. מידע זה נשמר במוחם והתבסס על ניסיון ישיר עם לקוחות. אף AI לא יכול היה לדעת או לגשת למכרות הזהב האלה של חוויות אנושיות. כפי שמזכירה לנו קבוצת נילסן נורמן, עיצוב UX טוב אינו קשור לממשקים. זה על תקשורת והבנה. אתיקה דורשת שיפוט AI מבצע אופטימיזציה עבור היעדים שאנו נותנים לו. אם המטרה היא מעורבות, היא תנסה למקסם את המעורבות - ללא קשר לפגיעה ארוכת טווח. הוא אינו מזהה מטבעו דפוסים אפלים, מניפולציות או ניצול רגשי. גלילה אינסופית, תגמולים משתנים ולולאות ממכרות הם כולם דפוסים שבינה מלאכותית יכולה לייעל בהתלהבות, אלא אם כן אדם מתערב. המרכז לטכנולוגיה אנושית תיעד כיצד אופטימיזציה אלגוריתמית יכולה לערער את הרווחה שלא במתכוון. עיצוב UX אתי דורש מעצבים שיכולים לומר, "יכולנו לעשות את זה, אבל אנחנו לא צריכים."
אסטרטגיה חיה בהקשר AI לא יושב בפגישות של בעלי עניין. זה לא שומע את מה שמשתמע אך לא נאמר. הוא לא מבין בפוליטיקה ארגונית, בניואנסים רגולטוריים או מיצוב לטווח ארוך. מעצבים פועלים כמתרגמים בין כוונה עסקית להשפעה אנושית. תרגום זה מסתמך על אמון, מערכות יחסים והקשר, לא זיהוי דפוסים. זו הסיבה שמעצבים בכירים פועלים יותר ויותר בצומת של מוצר, אסטרטגיה ותרבות. הלקח ברור: כשה-AI משתלט על הביצוע, מעצבים אנושיים הופכים לשומרי הכוונה. כיצד העבודה היומיומית של מעצב משתנה השינוי הזה אינו תיאורטי. זה כבר מעצב מחדש את פרקטיקת העיצוב היומיומית. מעיצוב ועד הנחיה מעצבים עוברים ממניפולציה של פיקסלים לביטוי כוונה. מטרות ברורות, אילוצים וסדרי עדיפויות הופכים לקלט. במקום לבקש מבינה מלאכותית "לצייר לוח מחוונים", המשימה הופכת:
"צור לוח מחוונים שמפחית עומס קוגניטיבי עבור משתמשים חדשים." "חקור פריסות מותאמות לנגישות ולראייה לקויה."
הנחיה היא לא ניסוח חכם; מדובר בבהירות חשיבה והבנת כוונת התוצאות. ייתכן שתצטרך לצבוט את ההנחיות שלך תוך כדי, אבל כל זה הוא חלק מתהליך הלמידה של הכוונת AI כדי לספק את התוצאות הדרושות.
מיצירה ועד בחירה AI מייצר אפשרויות. מעצבים מקבלים החלטות. חלק נכבד מעבודת התכנון העתידית יכלול סקירה, ביקורת וחידוד תפוקות שנוצרו על ידי בינה מלאכותית, ולאחר מכן בחירת מה שמשרת את המשתמש בצורה הטובה ביותר ומתיישר עם מטרות אתיות, עסקיות ונגישות. זֶהמשקף את האופן שבו מעצבים מנוסים כבר עובדים: מדריכים צעירים, סקירת המושגים שלהם ומנחים כיוון, אבל בקנה מידה גדול בהרבה, בהתחשב במספר העצום של אפשרויות עיצוב שכלי AI יכולים ליצור. מטאפורה של במאי הסרט לעתים קרובות אני מתאר את המעצב המודרני כבמאי קולנוע. במאי לא מפעיל את המצלמה, בונה את התפאורה או משחק בכל תפקיד, אבל הוא אחראי על הסיפור, הכוונה הרגשית וחווית הקהל. כלי AI הם הצוות. המעצבים אחראים למשמעות הסיפור. שינוי בעולם האמיתי: איך זה נראה בפועל כדי להפוך את זה לפחות מופשט, בואו נבסס אותו בתרחיש מוכר. לפני עשר שנים, מעצב עשוי להקדיש ימים לייצור קווים לתכונה חדשה, ליצור בקפידה כל מסך, להעיר לכל אינטראקציה ולהגן על כל החלטה בביקורות. חלק ניכר מהערך הנתפס של המעצב חי בחפצי האמנות עצמם. כיום, אותה תכונה יכולה להיות פיגום בשעות אחר הצהריים עם תמיכה בבינה מלאכותית. אבל הנה מה שלא השתנה - השיחות הקשות. מעצב ה-UX עדיין צריך לשאול:
למי זה מיועד בעצם? איזו בעיה אנחנו פותרים ולמי? מה קורה כשזה נכשל? את מי זה עלול להחריג או לגרוע בטעות?
בפועל, ראיתי מעצבים בכירים מבלים פחות זמן בתוך כלי עיצוב ויותר זמן בהנחיית סדנאות, סינתזה של תשומות מבולגנות, תיווך בין בעלי עניין והגנה על צרכי המשתמש כאשר מתעוררות פשרות. בינה מלאכותית מאיץ את הייצור, אך היא אינה מסירה את אחריותו של המעצב. למעשה, זה מגדיל אותו. כאשר האפשרויות זולות ובשפע, כושר ההבחנה הופך למיומנות נדירה. מסקנה: איך להתכונן עכשיו אל תיבהל - תתאמן. הימנעות מבינה מלאכותית לא תשמר את הרלוונטיות שלך. ללמוד להשתמש בו מתוך מחשבה. התחל בקטן:
חקור את תכונות הבינה המלאכותית של Figma. השתמש ב-AI לרעיונות, לא להחלטות סופיות. התייחס לתפוקות כמתחילי שיחה, לא כתשובות.
ביטחון נובע מהיכרות, לא מהימנעות. השקיעו במיומנויות אנושיות. המעצבים העמידים ביותר יכפילו את עצמם ב:
פסיכולוגיה ומדעי ההתנהגות; תקשורת והנחיה; אתיקה, נגישות והכלה; חשיבה אסטרטגית וסיפור סיפורים.
מיומנויות אלו מתגבשות עם הזמן, ואי אפשר לבצע אותן אוטומטיות. אחריות המעצב בעולם מואץ בינה מלאכותית: יש השלכה לא נוחה בכל זה שאנחנו לא מדברים עליה מספיק: כאשר AI מקל על עיצוב כל דבר, מעצבים הופכים אחראים יותר למה שמשתחרר לעולם. עיצוב גרוע היה מתרץ על ידי אילוצים. זמן מוגבל, כלים מוגבלים, נתונים מוגבלים. התירוצים האלה הולכים ונעלמים. כאשר בינה מלאכותית מסירה חיכוך מהביצוע, האחריות האתית והאסטרטגית נוחתת על כתפי האדם. זה המקום שבו מעצבי UX יכולים, וחייבים, להתקדם כסדרנים של איכות, נגישות ואנושיות במערכות דיגיטליות. מחשבה סופית AI לא ייקח את העבודה שלך. אבל מעצב שיודע לחשוב בביקורתיות, לכוון בצורה חכמה ולשתף פעולה ביעילות עם AI עשוי לקחת את העבודה של מעצב שלא. העתיד של UX הוא לא פחות אנושי. זה מכוון יותר מאי פעם.
