AI で設計ワークフローを強化する方法

人工知能 (AI) は大量のデータの処理に非常に効果的です。しかし、特にその影響は人間が気づく影響であるため、それを世界に適用するには依然として人間の指導が必要であると述べています。 AIとして見る プロダクトデザイナー Ioana Teleanu は、洞察生成ツールとコラボレーターという 2 つの主要なタイプの AI 研究ツールを紹介し、それらをどのように応用できるかを説明します。 UXリサーチ。

Ioana が説明したように、洞察生成者が主な目標として持っているのは、 ～の簡潔で有益な要約を提供する ユーザー調査 セッション。それらは次のような形式です 狭いAI、研究セッションのトランスクリプトを分析できます。そうは言っても、ここが特に重要な点ですが、コンテキスト、過去の調査、製品やそのユーザーに関する背景の詳細などの追加情報は考慮されていません。つまり、インサイトジェネレーターはユーザーのインタラクションやエクスペリエンスの全体像を解釈できないということです。

共同研究者はより高度です。研究目標、質問、製品の背景など、人間が生成した解釈とコンテキストを使用してトレーニングを受けることができます。彼らもまたその一例です 狭いAI、 ない 一般的なAIただし、それは高度な機能にもかかわらずです。共同作業者は次のことができます 推薦する テーマ分析 タグを使用すると、トランスクリプトとコンテキスト データに基づいた洞察を生成できます。。共同研究者は、研究者のメモを分析して、より微妙なテーマや洞察を作成することもできます。それにもかかわらず、彼らは扱いに困難を抱えています ビジュアルデータ、引用と検証の問題だけでなく、次のような可能性もあります。 バイアス 研究結果に忍び込みます。

バイアス AI では、トレーニング データ (体系的バイアス)、データ収集 (統計的バイアス)、アルゴリズム (計算バイアス)、または実際には人間の相互作用 (人間のバイアス) から生じる可能性があります。バイアスは歪曲であり、設計におけるバイアスのある意思決定の倫理的影響は言うまでもなく、問題を引き起こす可能性があります。したがって、バイアスを軽減するには、多様で代表的なデータを使用し、テストと監査を行うことが重要です。 AIシステムそして、倫理的使用に関する非常に明確なガイドラインを提供します。これが、すべての人に利益をもたらす公平で偏りのない AI の決定を目指す方法です。

テイクアウェイ

AI 研究ツールは、次のことを可能にする強力なアシスタントです。 認知負荷、意思決定をサポート (大量のデータを処理することによって)、タスクを自動化 (画像の書式設定やテキストのサイズ変更など)、人間に関するより深い洞察を提供します。 行動 および使用パターンを作成する プロトタイプ およびあらゆる種類のビジュアル アセットに焦点を当てることに優れています。 使いやすさ 問題。

AI 研究ツールには 2 種類あり、洞察生成ツールとコラボレーターです。 洞察ジェネレータ 要約する ユーザー調査 セッション—トランスクリプトを分析することによって。とはいえ、追加のコンテキストを考慮することはできず、これがユーザー インタラクションやエクスペリエンスの理解を制限します。 協力者 もっと出す コンテキスト認識型 研究者の意見を通じて洞察を得ることができますが、それにもかかわらず、彼らは依然として次のことに取り組んでいます。 ビジュアルデータ、引用、検証、および潜在的なバイアス。

これらのツールの制限は克服する必要があります。したがって、注意を払い、人間による監視を継続し、出力を評価し（そしてそれは非常に重要なことですが）、発生する可能性のある潜在的なバイアスに留意し、唯一ではなく補助的な意思決定源として AI を使用することが不可欠です。

参考文献

ヒーロー画像：© インタラクションデザイン 財団、CC BY-SA 4.0
お問い合わせ・広告・著作権・不具合に関するご連絡は [email protected] までメールでお願いします。