Din högsta ledning är entusiastisk över AI. De har läst artiklarna, deltagit i webinarierna och sett demos. De är övertygade om att AI kommer att förändra din organisation, öka produktiviteten och ge dig en konkurrensfördel. Under tiden sitter du i din UX-roll och undrar vad detta betyder för ditt team, ditt arbetsflöde och dina användare. Du kan till och med vara orolig för din anställningstrygghet. Problemet är att samtalet om hur AI implementeras pågår just nu, och om du inte är en del av det kommer någon annan att bestämma hur det påverkar ditt arbete. Att någon förmodligen inte förstår användarupplevelsen, forskningsmetoder eller de subtila sätten dålig implementering kan skada de resultat som ledningen hoppas uppnå. Du har ett val. Du kan vänta på att direktiven kommer ner från ovan, eller så kan du ta kontroll över samtalet och leda AI-strategin för din praktik. Varför UX-proffs måste äga AI-konversationen Ledningen ser AI som effektivitetsvinster, kostnadsbesparingar, konkurrensfördelar och innovation samlat i ett buzzword-vänligt paket. De har inte fel att vara upphetsad. Tekniken är verkligen imponerande och kan leverera verkligt värde. Men utan UX-ingång misslyckas AI-implementeringar ofta användare på förutsägbara sätt:
De automatiserar uppgifter utan att förstå de bedömningar som dessa uppgifter kräver. De optimerar för hastighet samtidigt som de förstör kvaliteten som gjorde ditt arbete värdefullt.
Din expertis positionerar dig perfekt för att vägleda implementeringen. Du förstår användare, arbetsflöden, kvalitetsstandarder och gapet mellan vad som ser imponerande ut i en demo och vad som faktiskt fungerar i praktiken. Använd AI Momentum för att främja dina prioriteringar Ledningens entusiasm för AI skapar en möjlighet att föra fram prioriteringar som du utan framgång har kämpat för. När ledningen är villig att investera i AI kan du koppla dessa långvariga behov till AI-initiativet. Positionera användarforskning som väsentlig för att träna AI-system på verkliga användarbehov. Frame usability testing som valideringsmetod som säkerställer att AI-genererade lösningar faktiskt fungerar. Hur AI implementeras kommer att forma ditt teams roller, dina användares erfarenheter och din organisations förmåga att leverera digitala kvalitetsprodukter. Din roll försvinner inte (den utvecklas) Ja, AI kommer att automatisera några av de uppgifter du gör för närvarande. Men någon måste bestämma vilka uppgifter som ska automatiseras, hur de blir automatiserade, vilka skyddsräcken som ska sättas på plats och hur automatiserade processer passar runt verkliga människor som utför komplext arbete. Att någon ska vara du. Tänk på vad du redan gör. När du gör användarundersökningar kan AI hjälpa dig att transkribera intervjuer eller identifiera teman. Men det är du som vet vilken deltagare som tvekade innan han svarade, vilken feedback som motsäger det du observerat i deras beteende och vilka insikter som betyder mest för din specifika produkt och användare. När du designar gränssnitt kan AI generera layoutvariationer eller föreslå komponenter från ditt designsystem. Men du är den som förstår begränsningarna för din tekniska plattform, de politiska realiteterna för att få design godkänd och de kantfall som kommer att bryta en smart lösning. Ditt framtida värde kommer från det arbete du redan gör:
Se hela bilden. Du förstår hur den här funktionen ansluter till det arbetsflödet, hur det här användarsegmentet skiljer sig från det och varför den tekniskt korrekta lösningen inte fungerar i din organisations verklighet. Att göra bedömningar. Du bestämmer när du ska följa designsystemet och när du ska bryta det, när användarfeedback återspeglar ett verkligt problem kontra en funktionsbegäran från en röstanvändare, och när du ska trycka tillbaka på intressenter kontra hitta en kompromiss. Connecting the dots. Du översätter mellan tekniska begränsningar och användarbehov, mellan affärsmål och designprinciper, mellan vad intressenter efterfrågar och vad som faktiskt löser deras problem.
AI kommer att bli bättre på enskilda uppgifter. Men du är personen som bestämmer vilken lösning som faktiskt fungerar för ditt specifika sammanhang. De människor som kommer att kämpa är de som gör enkelt, repeterbart arbete utan att förstå varför. Ditt värde ligger i att förstå sammanhang, göra bedömningar och koppla lösningar på verkliga problem. Steg 1: Förstå ledningens AI-motiver Innan du kan leda konversationen måste du förstå vad som driver den. Ledningen reagerar på verklig press: kostnadsminskning, konkurrenstryck,produktivitetsökningar och styrelseförväntningar. Tala deras språk. När du pratar med ledningen om AI, rama in allt i termer av ROI, riskreducering och konkurrensfördelar. "Det här tillvägagångssättet kommer att skydda våra kvalitetsstandarder" är mindre övertygande än "Det här tillvägagångssättet minskar risken för att skada vår konverteringsfrekvens medan vi testar AI-kapacitet." Separera hajpen från verkligheten. Ta dig tid att undersöka vilka AI-egenskaper som faktiskt finns kontra vad som är hype. Läs fallstudier, prova verktyg själv och prata med kamrater om vad som faktiskt fungerar. Identifiera verkliga smärtpunkter.AI kan med rätta adressera i din organisation. Kanske lägger ditt team timmar på att formatera forskningsresultat, eller så skapar tillgänglighetstester flaskhalsar. Det är dessa problem som är värda att lösa. Steg 2: Granska din nuvarande status och dina möjligheter Kartlägg ditt teams arbete. Vart tar tiden vägen egentligen? Titta på det senaste kvartalet och kategorisera hur ditt team spenderade sina timmar. Identifiera stora volymer, repeterbara uppgifter kontra arbete med hög bedömning. Upprepningsuppgifter är kandidater för automatisering. Arbete med högt omdöme är där du tillför oersättligt värde. Identifiera också vad du har velat göra men inte kunde bli godkänd. Det här är din lista med möjligheter. Kanske har du velat ha kvartalsvisa användbarhetstester, men bara få budget årligen. Skriv ner dessa separat. Du kopplar dem till din AI-strategi i nästa steg. Hitta möjligheter där AI verkligen kan hjälpa:
Forskningssyntes:AI kan hjälpa till att organisera och kategorisera resultat. Analysera användarbeteendedata: AI kan bearbeta analyser och sessionsinspelningar till ytmönster som du kan missa. Snabb prototyping: AI kan snabbt generera testbara prototyper, vilket påskyndar dina testcykler.
Steg 3: Definiera AI-principer för din UX-praktik Innan du börjar utforma din strategi, upprätta principer som kommer att vägleda varje beslut. Ange icke-förhandlingsbara saker. Användarintegritet, tillgänglighet och mänsklig tillsyn av viktiga beslut. Skriv ner dessa och få godkännande från ledningen innan du testar något. Definiera kriterier för AI-användning.AI är bra på mönsterigenkänning, sammanfattning och generering av variationer. AI är dålig på att förstå sammanhang, göra etiska bedömningar och veta när regler bör brytas. Definiera framgångsmått utöver effektivitet. Ja, du vill spara tid. Men du måste också mäta kvalitet, användarnöjdhet och teamförmåga. Bygg ett balanserat styrkort som fångar det som faktiskt betyder något. Skapa skyddsräcken. Kanske behöver varje AI-genererat gränssnitt mänsklig granskning innan det skickas. Dessa skyddsräcken förhindrar uppenbara katastrofer och ger dig utrymme att lära dig säkert. Steg 4: Bygg din AI-i-UX-strategi Nu är du redo att bygga den faktiska strategin du kommer att presentera för ledarskap. Börja i det små med pilotprojekt som har en tydlig omfattning och utvärderingskriterier. Anslut till affärsresultat som ledningen bryr sig om. Sätt inte "använd AI för forskningssyntes". Pitch "som minskar tiden från forskning till insikter med 40 %, vilket möjliggör snabbare produktbeslut." Piggyback dina befintliga prioriteringar på AI-momentum. Kommer du ihåg den möjlighetslistan från steg 2? Nu kopplar du dessa långvariga behov till din AI-strategi. Om du har velat ha mer frekvent användbarhetstester, förklara att AI-implementeringar behöver kontinuerlig validering för att fånga problem innan de skalas. AI-implementeringar drar verkligen nytta av god forskningspraxis. Du använder helt enkelt ledningens entusiasm för AI som redskap för att äntligen få resurser för metoder som borde ha finansierats hela tiden. Definiera roller tydligt. Vart leder människor? Var hjälper AI? Var kommer du inte att automatisera? Ledningen måste förstå att en del arbete kräver mänskligt omdöme och aldrig bör automatiseras helt. Planera för kompetensutveckling. Ditt team kommer att behöva utbildning och nya färdigheter. Budgetera tid och resurser för detta. Ta itu med risker ärligt.AI kan generera partiska rekommendationer, missa viktiga sammanhang eller producera arbete som ser bra ut men som faktiskt inte fungerar. För varje risk, förklara hur du kommer att upptäcka den och vad du ska göra för att minska den. Steg 5: Pitch strategin till ledarskap Utforma din strategi som att minska risken för ledningens AI-ambitioner, inte blockera dem. Du visar dem hur man implementerar AI framgångsrikt samtidigt som du undviker de uppenbara fallgroparna. Leda med resultat och ROI som de bryr sig om. Lägg affärscasen på förhand. Kombinera din önskelista i AI-strategin. När du presenterar din strategi, inkludera de funktioner du har velat menkunde inte godkännas tidigare. Presentera dem inte som separata förfrågningar. Integrera dem som viktiga komponenter. "För att validera AI-genererade design måste vi öka vår testfrekvens från årlig till kvartalsvis" låter mycket rimligare än "Kan vi snälla göra fler tester?" Du förklarar vad som krävs för att deras AI-investering ska lyckas. Visa snabba vinster tillsammans med en långsiktig vision. Identifiera en eller två piloter som kan visa värde inom 30-60 dagar. Visa dem sedan hur dessa piloter bygger mot större förändringar under nästa år. Fråga efter vad du behöver. Var specifik. Du behöver en budget för verktyg, tid för piloter, tillgång till data och support för teamträning. Steg 6: Implementera och visa värde Kör dina piloter med tydliga mätvärden före och efter. Mät allt: sparad tid, bibehållen kvalitet, användarnöjdhet, teamförtroende. Dokument vinner och lärande. Misslyckanden är också användbara. Om en pilot inte fungerar, dokumentera varför och vad du lärde dig. Dela framsteg på ledningens språk. Månatliga uppdateringar bör fokusera på affärsresultat, inte tekniska detaljer. "Vi har minskat forskningssyntestiden med 35 % samtidigt som vi bibehåller kvalitetsresultaten" är rätt detaljnivå. Bygg interna förespråkare genom att lösa verkliga problem. När dina AI-piloter gör någons jobb lättare skapar du förespråkare som kommer att stödja en bredare adoption. Iterera utifrån vad som fungerar i ditt specifika sammanhang. Inte alla AI-applikationer passar din organisation. Var uppmärksam på vad som faktiskt fungerar och fördubbla det. Att ta initiativ Beats Waiting AI-adoption pågår. Frågan är inte om din organisation kommer att använda AI, utan om du kommer att forma hur det ska implementeras. Din UX-expertis är precis vad som behövs för att implementera AI framgångsrikt. Du förstår användare, kvalitet och klyftan mellan imponerande demos och användbar verklighet. Ta ett praktiskt första steg den här veckan. Schemalägg 30 minuter för att kartlägga en AI-möjlighet i din praktik. Välj ett område där AI kan hjälpa dig, tänk igenom hur du kan styra det säkert och skissa på hur framgången skulle se ut. Börja sedan samtalet med din chef. Du kanske blir förvånad över hur mottagliga de är för någon som går upp för att leda detta. Du vet hur man förstår användarbehov, testar lösningar, mäter resultat och itererar baserat på bevis. Dessa färdigheter förändras inte bara för att AI är inblandat. Du tillämpar din befintliga expertis på ett nytt verktyg. Din roll försvinner inte. Det utvecklas till något mer strategiskt, mer värdefullt och säkrare. Men bara om du tar initiativet till att forma den utvecklingen själv. Mer läsning på SmashingMag
"Designa med AI, inte runt det: praktiska avancerade tekniker för användningsfall för produktdesign", Ilia Kanazin & Marina Chernyshova "Beyond the Hype: What AI Can Really Do For Product Design", Nikita Samutin "En vecka i livet för en AI-förstärkt designer", Lyndon Cerejo "Functional Personas With AI: A Lean, Practical Workflow", Paul Boag
