Seniorledelsen din er begeistret for AI. De har lest artiklene, deltatt på webinarene og sett demoene. De er overbevist om at AI vil transformere organisasjonen din, øke produktiviteten og gi deg et konkurransefortrinn. I mellomtiden sitter du i UX-rollen din og lurer på hva dette betyr for teamet ditt, arbeidsflyten din og brukerne dine. Du kan til og med være bekymret for jobbsikkerheten din. Problemet er at samtalen om hvordan AI blir implementert skjer akkurat nå, og hvis du ikke er en del av det, vil noen andre bestemme hvordan det påvirker arbeidet ditt. At noen sannsynligvis ikke forstår brukeropplevelse, forskningspraksis eller de subtile måtene dårlig implementering kan skade selve resultatene ledelsen håper å oppnå. Du har et valg. Du kan vente på at direktivene kommer ned ovenfra, eller du kan ta kontroll over samtalen og lede AI-strategien for praksisen din. Hvorfor UX-profesjonelle må eie AI-samtalen Ledelsen ser på AI som effektivitetsgevinster, kostnadsbesparelser, konkurransefortrinn og innovasjon samlet i én buzzword-vennlig pakke. De er ikke feil å være begeistret. Teknologien er virkelig imponerende og kan levere virkelig verdi. Men uten UX-inngang svikter AI-implementeringer ofte brukere på forutsigbare måter:
De automatiserer oppgaver uten å forstå dømmekraften disse oppgavene krever. De optimerer for hastighet samtidig som de ødelegger kvaliteten som gjorde arbeidet ditt verdifullt.
Din ekspertise posisjonerer deg perfekt for å veilede implementeringen. Du forstår brukere, arbeidsflyter, kvalitetsstandarder og gapet mellom det som ser imponerende ut i en demo og det som faktisk fungerer i praksis. Bruk AI Momentum for å fremme prioriteringene dine Ledelsens entusiasme for AI skaper en mulighet til å fremme prioriteringer du har kjempet for uten hell. Når ledelsen er villig til å investere i AI, kan du koble disse langvarige behovene til AI-initiativet. Plasser brukerforskning som avgjørende for opplæring av AI-systemer på reelle brukerbehov. Rammebrukerbarhetstesting som valideringsmetoden som sikrer at AI-genererte løsninger faktisk fungerer. Hvordan AI blir implementert vil forme teamets roller, brukernes opplevelser og organisasjonens evne til å levere digitale kvalitetsprodukter. Rollen din forsvinner ikke (den utvikler seg) Ja, AI vil automatisere noen av oppgavene du gjør for øyeblikket. Men noen må bestemme hvilke oppgaver som blir automatisert, hvordan de blir automatisert, hvilke rekkverk som skal settes på plass, og hvordan automatiserte prosesser passer rundt ekte mennesker som utfører komplekst arbeid. At noen skal være deg. Tenk på hva du allerede gjør. Når du utfører brukerundersøkelser, kan AI hjelpe deg med å transkribere intervjuer eller identifisere temaer. Men du er den som vet hvilken deltaker som nølte før han svarte, hvilke tilbakemeldinger som motsier det du observerte i oppførselen deres, og hvilken innsikt som betyr mest for ditt spesifikke produkt og brukere. Når du designer grensesnitt, kan AI generere layoutvariasjoner eller foreslå komponenter fra designsystemet ditt. Men det er du som forstår begrensningene til den tekniske plattformen din, de politiske realitetene ved å få design godkjent, og kantsakene som vil bryte en smart løsning. Din fremtidige verdi kommer fra arbeidet du allerede gjør:
Se hele bildet. Du forstår hvordan denne funksjonen kobles til den arbeidsflyten, hvordan dette brukersegmentet skiller seg fra det, og hvorfor den teknisk riktige løsningen ikke vil fungere i organisasjonens virkelighet. Foreta dømmekraft. Du bestemmer når du skal følge designsystemet og når det skal brytes, når brukertilbakemeldinger gjenspeiler et reelt problem kontra en funksjonsforespørsel fra en vokal bruker, og når du skal presse tilbake på interessenter versus å finne et kompromiss. Koble sammen punktene. Du oversetter mellom tekniske begrensninger og brukerbehov, mellom forretningsmål og designprinsipper, mellom hva interessenter ber om og hva som faktisk vil løse problemet deres.
AI vil fortsette å bli bedre på individuelle oppgaver. Men du er personen som bestemmer hvilken løsning som faktisk fungerer for din spesifikke kontekst. Menneskene som vil slite er de som gjør enkelt, repeterbart arbeid uten å forstå hvorfor. Verdien din ligger i å forstå kontekst, foreta dømmekraft og koble løsninger til reelle problemer. Trinn 1: Forstå ledelsens AI-motivasjoner Før du kan lede samtalen, må du forstå hva som driver den. Ledelsen reagerer på reelt press: kostnadsreduksjon, konkurransepress,produktivitetsøkninger og styreforventninger. Snakk språket deres. Når du snakker med ledelsen om AI, sett inn alt når det gjelder avkastning, risikoreduksjon og konkurransefortrinn. "Denne tilnærmingen vil beskytte kvalitetsstandardene våre" er mindre overbevisende enn "Denne tilnærmingen reduserer risikoen for å skade konverteringsfrekvensen vår mens vi tester AI-evner." Separer hypen fra virkeligheten. Ta deg tid til å undersøke hvilke AI-egenskaper som faktisk eksisterer kontra hva som er hype. Les casestudier, prøv verktøy selv og snakk med jevnaldrende om hva som faktisk fungerer. Identifiser reelle smertepunkter.AI kan legitimt adressere i organisasjonen din. Kanskje teamet ditt bruker timer på å formatere forskningsresultater, eller tilgjengelighetstesting skaper flaskehalser. Dette er problemene som er verdt å løse. Trinn 2: Revider din nåværende tilstand og muligheter Kartlegg teamets arbeid. Hvor blir tiden av egentlig? Se på det siste kvartalet og kategoriser hvordan teamet ditt brukte timene sine. Identifiser høyvolum, repeterbare oppgaver kontra arbeid med høy dømmekraft. Repeterbare oppgaver er kandidater for automatisering. Arbeid med høy dømmekraft er der du tilfører uerstattelig verdi. Identifiser også hva du har ønsket å gjøre, men ikke kunne bli godkjent. Dette er listen over muligheter. Kanskje du har ønsket deg kvartalsvise brukervennlighetstester, men får bare budsjett årlig. Skriv disse ned separat. Du kobler dem til AI-strategien din i neste trinn. Finn muligheter der AI virkelig kan hjelpe:
Forskningssyntese: AI kan hjelpe med å organisere og kategorisere funn. Analyse av brukeratferdsdata: AI kan behandle analyser og øktopptak til overflatemønstre du kan gå glipp av. Rask prototyping: AI kan raskt generere testbare prototyper, og øke hastigheten på testsyklusene dine.
Trinn 3: Definer AI-prinsipper for din UX-praksis Før du begynner å lage strategien din, etablere prinsipper som vil veilede enhver beslutning. Angi ikke-negotiables.Brukerens personvern, tilgjengelighet og menneskelig tilsyn med viktige avgjørelser. Skriv disse ned og få enighet fra ledelsen før du piloterer noe. Definer kriterier for bruk av AI. AI er god på mønstergjenkjenning, oppsummering og generering av variasjoner. AI er dårlig til å forstå kontekst, ta etiske vurderinger og vite når regler bør brytes. Definer suksessberegninger utover effektivitet. Ja, du vil spare tid. Men du må også måle kvalitet, brukertilfredshet og teamkapasitet. Bygg et balansert målkort som fanger opp det som faktisk betyr noe. Lag rekkverk. Kanskje alle AI-genererte grensesnitt trenger menneskelig gjennomgang før de sendes. Disse rekkverkene forhindrer åpenbare katastrofer og gir deg plass til å lære trygt. Trinn 4: Bygg din AI-i-UX-strategi Nå er du klar til å bygge den faktiske strategien du vil presentere for lederskap. Start i det små med pilotprosjekter som har et klart omfang og evalueringskriterier. Koble til forretningsresultater som ledelsen bryr seg om. Ikke pitch "ved å bruke AI for forskningssyntese." Pitch "reduserer tiden fra forskning til innsikt med 40 %, noe som muliggjør raskere produktbeslutninger." Piggyback dine eksisterende prioriteringer på AI-momentum. Husker du den mulighetslisten fra trinn 2? Nå kobler du disse langvarige behovene til AI-strategien din. Hvis du har ønsket hyppigere brukertesting, forklar at AI-implementeringer trenger kontinuerlig validering for å fange opp problemer før de skaleres. AI-implementeringer drar virkelig nytte av god forskningspraksis. Du bruker rett og slett ledelsens entusiasme for AI som redskap for å endelig få ressurser til praksiser som burde vært finansiert hele tiden. Definer roller tydelig. Hvor leder mennesker? Hvor hjelper AI? Hvor vil du ikke automatisere? Ledelsen må forstå at noe arbeid krever menneskelig dømmekraft og aldri bør automatiseres fullstendig. Plan for kompetansebygging. Teamet ditt trenger opplæring og nye ferdigheter. Budsjett tid og ressurser til dette. Ta opp risikoer ærlig.AI kan generere partiske anbefalinger, gå glipp av viktig kontekst eller produsere arbeid som ser bra ut, men som faktisk ikke fungerer. For hver risiko, forklar hvordan du vil oppdage den og hva du vil gjøre for å redusere den. Trinn 5: Pitch strategien til lederskap Utform strategien din som å redusere risikoen for ledelsens AI-ambisjoner, ikke blokkere dem. Du viser dem hvordan de implementerer AI vellykket mens du unngår de åpenbare fallgruvene. Lead med resultater og avkastning de bryr seg om. Sett forretningssaken på forhånd. Sett sammen ønskelisten din i AI-strategien. Når du presenterer strategien din, ta med de egenskapene du har ønsket, menkunne ikke bli godkjent før. Ikke presenter dem som separate forespørsler. Integrer dem som essensielle komponenter. "For å validere AI-genererte design, må vi øke testfrekvensen vår fra årlig til kvartalsvis" høres mye mer fornuftig ut enn "Kan vi vennligst gjøre flere tester?" Du forklarer hva som kreves for at AI-investeringen deres skal lykkes. Vis raske gevinster sammen med en langsiktig visjon. Identifiser en eller to piloter som kan vise verdi innen 30–60 dager. Vis dem deretter hvordan disse pilotene bygger seg mot større endringer i løpet av det neste året. Be om det du trenger. Vær spesifikk. Du trenger et budsjett for verktøy, tid til piloter, tilgang til data og støtte for teamtrening. Trinn 6: Implementer og demonstrer verdi Kjør pilotene dine med klare før-og-etter-målinger. Mål alt: spart tid, opprettholdt kvalitet, brukertilfredshet, teamtillit. Dokumenter vinner og læring. Feil er også nyttige. Hvis en pilot ikke fungerer, dokumenter hvorfor og hva du har lært. Del fremgang på ledelsens språk. Månedlige oppdateringer bør fokusere på forretningsresultater, ikke tekniske detaljer. "Vi har redusert forskningssyntesetiden med 35 % samtidig som vi opprettholder kvalitetspoeng" er det riktige detaljnivået. Bygg interne talsmenn ved å løse reelle problemer. Når AI-pilotene dine gjør noens jobb enklere, oppretter du talsmenn som vil støtte bredere adopsjon. Iterer basert på hva som fungerer i din spesifikke kontekst. Ikke alle AI-applikasjoner passer til organisasjonen din. Vær oppmerksom på hva som faktisk fungerer og dobbelt ned på det. Tar initiativ Beats Waiting AI-adopsjon skjer. Spørsmålet er ikke om organisasjonen din vil bruke AI, men om du vil forme hvordan den blir implementert. Din UX-ekspertise er akkurat det som trengs for å implementere AI vellykket. Du forstår brukere, kvalitet og gapet mellom imponerende demoer og nyttig virkelighet. Ta ett praktisk første skritt denne uken. Planlegg 30 minutter for å kartlegge én AI-mulighet i praksisen din. Velg ett område der AI kan hjelpe, tenk gjennom hvordan du vil styre det trygt, og skisser hvordan suksess vil se ut. Start deretter samtalen med lederen din. Du kan bli overrasket over hvor mottakelige de er for noen som går opp for å lede dette. Du vet hvordan du forstår brukerbehov, tester løsninger, måler resultater og itererer basert på bevis. Disse ferdighetene endres ikke bare fordi AI er involvert. Du bruker din eksisterende ekspertise på et nytt verktøy. Din rolle forsvinner ikke. Det utvikler seg til noe mer strategisk, mer verdifullt og sikrere. Men bare hvis du tar initiativet til å forme den utviklingen selv. Mer lesing på SmashingMag
"Designing med AI, ikke rundt det: praktiske avanserte teknikker for brukssaker for produktdesign", Ilia Kanazin og Marina Chernyshova "Beyond the Hype: What AI Can Really Do For Product Design", Nikita Samutin "En uke i livet til en AI-utvidet designer", Lyndon Cerejo "Functional Personas With AI: A Lean, Practical Workflow", Paul Boag
