Skip to main content

当你想利用以人工智能为基础的解决方案来提供服务,但不知道预期结果时……

人工智能已经彻底改变了人们与技术的互动方式。若想提高和增强人类的能力,进入十年前还一无所知的领域,这是一个千载难逢的机会,同时也带来了新的挑战,特别是在服务设计领域。这篇文章希望给服务设计者提供建议,了解有关人工智能最常见的误解/假设/期望,并将其与人工智能项目开发过程中常出现的实际问题进行对比。帮助设计师在设计人工智能时做好准备,避免发生令人难过的意外,并促进与专业人士的合作。

1.明确实现预期目标要使用AI技术

利益攸关方需要有明确的目标,这些目标可通过AI技术达成,但现实往往不是这样。所以你可以与利益攸关方召开合作会议,帮助你确定项目的主要产出与用户需求。明确用户需求和目标将帮助你确定能否用到AI技术,或者能否用更简单的技术达成目标。在项目的早期阶段,也可以对资源的可行性进行评估。

建议:
-了解目前人工智能的主要功能对设计师十分有益。
-在开会期间,可以使用各种工具,如 AI Readiness Canvas和Feasibility Flowchart 以期调整期望和实施的可行性。
-首先采取复杂性较低的解决方案。
-在这一步,需要询问人工智能是否符合设计服务的价值主张,如果回答是肯定的,那么又能为用户提供多少价值。

2.花费时间,收集相关数据

尽早查看可用数据,怎样用数据帮助用户。如果没有足够数据,那就寻找公共数据集或付费数据。提前分享数据规格(特征,数量和质量),以防意外,避免用户对产品缺乏信任。与数据科学家保持联系,与利益攸关方进行沟通,说明数据集的作用和进展情况。

建议:
-查看现有的数据,或向客户索取。
-预先与技术方分享数据规格(特征、数量和质量),以验证预期结果是否可行/实现。
-设计数据收集方式,分析数据,确保其符合预期目标。
-记住:即使你拿到数据,技术方也需要大量的时间来清理数据,使其发挥效果,所以在他们验证预期结果是否可行/实现之前,尽量不要推进项目。你可以使用数据收集+评估章节和工作表的方法与他们共同构建并深入理解这个过程。
-这一阶段需要弄清:为了完成服务目标,人类需要什么信息?如何获得这些数据集?是否可以获得?获得这些数据集需要哪些资源?

3.使用AI功能,为服务创造价值

一般来说,人们对人工智能的实际作用并不了解,这可能会在利益攸关方之间产生失望、拖延和挫折感等消极情绪。通过用户研究确定的每个需求、表达和痛点,使用card deck来进行促进对话并探索技术的可能性。你也可以使用流程图,评估可行性,研究人工智能如何帮助改善或创新你的服务。为了确保AI能完美的融合进你的项目,设计师需要从一开始就针对技术可能性进行头脑风暴,重点关注机器学习创造实际价值的方式。

建议:
-探索各种技术可能性,开发服务。
-使用指导性工具,利用好AI的功能和局限性,围绕技术在现实世界中的效果进行头脑风暴。
-通过研究确定的每个需求和痛点,评估AI为服务创造价值的可能性和方式。
-基于人工智能的功能和局限性与客户组织一次研讨会,促进技术交流和理解,减少利益攸关者的失望。为促进研讨会的召开,你还可以使用以下工具:Prompt Card Deck,Touchpoints cards,Unexpected Bug Cards,AI Empathy Map–都有助于指导讨论的进程。
-继续评估人工智能用于服务业的可行性和必要性,是否可以使用更简单的工具,比如自动化的算法,或者是否人类可以用更省力省钱的方式完成这项任务。

4.转换为正常状态

构建一个AI解决方案并非易事。它需要专家、时间和精力,即使你具备这些,模型也许不准确。构建人工智能的过程非常复杂,而且在投入使用前,这种方法很少进行用户测试。发布原型是为了从用户的真实反馈中得到改进,因为在没有加密AI技术的情况下进行测试是很困难的。

建议:
-意识到启动人工智能解决方案通常是在用户测试之前。
-与技术方合作,制定用户测试的策略,即使没有准备好人工智能解决方案。
-证实通用经验的价值,确保技术努力的方向正确。
-尽管用户测试通常发生在方案实施之后,但也有一些非技术性的方法制作解决方案的原型。例如,The Wizard of Oz and Concept Walkthrough技术都可以测试你的想法是否有效,能否满足用户需求。
-问问自己现在是否是花费时间/资源来构建AI的正确时机;即使不符合最初的“智能”预期,AI解决方案能否创造价值。

5.掌控一切,避免不确定因素

缺乏规划,缺乏对未来场景的设想会导致在使用AI技术时产生负面结果。为了应对这种情况,在设计初期,设计师就应花费时间使用现有工具就AI引发的伦理问题展开快速讨论。使用现有表格,针对AI的问题提供几组行为和提示,以促进对话进行,帮助设计师确定这个作品是否符合伦理要求,文化规范,人文标准。

建议:
-对数据隐私和机器学习方面的法规进行全面分析,避免产生负面结果。
-指定专人负责AI伦理问题,避免亡羊补牢;必要时,也可以请求专家帮助。
-促进对话,确保作品符合伦理要求。
-在项目早期就要考虑伦理问题,指派专人负责不断地维护服务业的道德标准。这样有助于提供问责制。必要时–征求专家的意见,了解在特定情况下与数据隐私有关的法律和法规。
-提问问题:一些工作会不会因为AI解决方案的开发而受到影响?对此可以做什么?人们对设计AI解决方案存在一些固有偏见,认为这项技术可能会损害某些人?是否维护了用户的利益?

原文链接:https://servicedesigntools.org/tutorials/how-to-recognize-and-align-the-most-common-expectations-about-ai
翻译:马克笔设计留学
如果对于设计专业留学和作品集有任何疑问,可以随时和我们联系,微信:13718574833,知无不言言无不尽!

0 0 vote
Article Rating
订阅
提醒
guest
0 评论
Inline Feedbacks
View all comments