[研討會記錄] 2023 AI for better UX 實務研討：設計師在 AI 產品開發的職責

1 講座提要

這篇文章記錄悠識學院主辦的「2023 AI for better UX 實務研討」第 4 場講座「設計師在 AI 產品開發的職責」，講者為 IBM Software, Sustainability Software – Senior UX Design Lead – 江宗哲 Steven。

除了媒體廣泛宣傳的 AI 應用，以及各種未來即將被 AI 取代的恐嚇之外，實際上在開發 AI 工具的產品開發歷程中，設計師到底應該知道什麼 & 做什麼？

2 Design thinking 的重要性

講者 Steven 表示自己 3 0歲之前做的都是 to C 的產品，到了 30 歲之後，很想要做可以改變世界的事情；所以在 IBM 裡面開始做 to B 相關設計，接觸像是電、能源行業：水、然後城市，鐵道橋樑等等。

設計師在整個 AI Product 裡面最重要的是什麼？

• Design thinking!

重點是必須要了解 User 的 Mindset，假定所有的人不知道。

Steven 分享他執行過的產品，每個產品都有 AI 的元素，像是丹麥大橋、底特律電廠電網管理。對於他來說這些不是項目，也不是專案，是真正的產品，這些產品現在都仍然存在著。而在同一個公司 10 年都做同一個產品，這對於很多現在年輕設計師可能很難想像。

The modern-day AI Ladder

IBM 思考怎麼做 +AI，一直到 AI+。

+AI 其實就是使用者收集、整理、標準化所有的數據，然後看看能拿來做什麼。

• 收集數據產生洞見 Collect, organize, grow data
• 引入 AI Add AI to applications
• 簡化流程 Automate your workflows
• 自動化工作管理 Replace your workflows
• AI 全自動化 AI does the work：AI可以做全部的事情時，就叫「AI+」

Incredible opportunities around enterprise data：過程不管透過什麼模式最終創造 foundation models 模型模塊。透過使用者需求、標準化、可信數據、最終產出人類能不能讀懂可解釋洞見。

作為領導者，採用 AI 需要考量三件事
1. How to create competitive edge
2. How to scale AI across the business
3. How to advance trustworthy AI

Design AI product journey

• Assess ➝ Build ➝ Understand ➝ Predict ➝ Recommend（能否提供決策的洞見）
• 中間標注藍色地方的字，不用懷疑，那就是設計師要做的事情！
• Design thinking ＆ mindset 才是貫穿一切的重點

這個世界其實變化的很快，Steven 覺得大家都很焦慮。並吐槽尤其是被當時被找來做這個演講時，自己也很焦慮，但同時，因為做了一個產品十年的原因，發現或許這世界沒有那麼快，它只是表面很快，但其實沒有那麼快。

思考：元宇宙 跟 NTF 去哪了呢？

3 在快速變化的時代，設計師的職責

• 設計師不能再談 Buzzwords，應該是理解 Buzzwords 背後的意義。
• 設計師要開始問問題，儘管一開始很笨，但是要一直問，直到問對的問題。
• 設計師要了解自己的 User，了解真正的問題。
• 接著做 Prototype，完成一個 MVP，直到我們的 User 和市場可以接受。

4 來談談什麼是AI？

Definition 1:
人工智慧 (AI) 允許機器與不同實體進行社交整合。AI 透過閱讀大量內容，挑選重要訊息，並以簡潔方式與其他實體進行溝通。

目前 Definition1 之於我們還很遠。

Definition 2:
人工智慧旨在模仿人類思維，達到認知的自動化，包括自動化、預測和最佳化等能力。
人工智慧的核心在於機器要像人類一樣思考，而不是提供反人類的解決方式。

但 Definition 2 將會是接下來五至十年，產業正在追尋的！

透過示範和實例來建立機器的知識基礎和學習模式的重要性。

• 1950’s AI 是指電腦系統嘗試模仿人類思維解決問題和決策能力的能力。
• 1980’s ML 基於機器學習的系統接受歷史資料的訓練來發現模式。
• 2010’s DL 深度學習使用多層神經網路共同處理資訊。適合圖像語音辨識複雜的應用。
• 2020’s Fundation Model 使用稱為 Transformer 特定神經網路架構建立 AI 模型，來產生相關數據序列。

身為設計師，在團隊裡面該怎麼辦？

Steven 提到，設計師要開始要開始去 document AI 的詞彙表！

身為設計師需要與整個團隊合作，包括產品經理團隊和技術團隊。就需要擁有共同的語言，確保對 AI 的定義和概念一致。每個組織都應該有自己對 AI 的明確定義，並確保所有人都理解這個定義，以及如何應用這些概念。

下一個階段，問為什麼？
為什麼身為設計師的我們需要 AI ?

• 了解自己的 Product user 是誰？
• 了解自己的 Competitors 是誰？

身為一個設計師，我們需要知道 「自己跟自己的產品」以及「自己跟自己的客戶」之間，面臨的市場會是什麼樣子？

• Impact
• Value
• Sophistications
• Trustworthiness
• AI Operation model
• Data
• Ease of use 易用性最為重要

設計師要了解你的 AI 團隊的人，有誰？團隊成員對於設計的期待是不一樣的。

「User Research 是一切的根本。」這跟做不做 AI 產品一點都沒有關係。

• 寫下來，然後讓團隊的所有的人都要能看得到。

因為當我們身為設計師了解完了整個 Journey 之後，就會找到 Pain point。 必須要寫下所有可能的 AI intent；使用者為什麼需要這個，在項目開始前需要確認客戶需求的關鍵性。

在進行研究時，可能需要閱讀大量論文和準備大量數據，並與數據科學家和軟體設計團隊合作，以實現預期的結果。

共同創造、探索與確定最適合的資料和產出

產業用戶對模型的可信度和所使用的數據非常重視，客戶和使用者關注的是模型使用了哪些標準資料和行業最重要的數據，在過程中需要去討論表達了不同面向所期望看到的資訊。

• 客戶在意導入哪些數據、每個環節AI產出哪些內容。
• 若沒有抓到該產業關鍵的特耊指標，客戶會難以信服產出的內容。

這張表是模型出來了之後，IBM 團隊內部一定會去檢驗的，這些都是問題，必須要能夠回答。

• 模型推出前檢視表格：涉及問題和改進方向，如模型品質、驗證系統、AI 應用與限制等。
• 定義 AI 的能力邊界：在出貨前確定 AI 能夠或無法完成的任務，建立信任和顯示優勢，同時確保合規性。
• 強調資料來源、操作倫理和合規性：特別在歐盟法規或 GDPR 的情況下，考慮道德和商業價值的重要性。

5 總結：Be good, don’t be cool.

使用者意圖：設計一個有效的溝通方法，讓使用者了解 AI 背後的目的，不讓資訊過於龐大而難以理解。需要在使用過程中向使用者解釋為何進行特定操作，以及哪些部分是由 AI 完成，以建立使用者對 AI 的信任感。

知識和溝通：確定何時向使用者解釋不同的情況，可能是資料取用、AI 推薦中的缺陷或不完整資料等情況，並提供資料引用來源。同時提供隱私方面的關注，甚至允許使用者調整其隱私設置。所有這些都需在合規性基礎上設計產品。

“Be good, don’t be cool.”

勉勵年輕人成為好的設計師，而不是做與眾不同，只是酷酷的設計師。

延伸閱讀：

[研討會記錄] 2023 AI for better UX 實務研討：從基礎大模型看 AIGC 釋放創造

[研討會記錄] 2023 AI for better UX 實務研討：智能化設計的產品角色轉移

[研討會記錄] 2023 AI for better UX 實務研討：在 AI 時代設計愉悅的使用者體驗

[研討會記錄] 2023 AI for better UX 實務研討：設計師在 AI 產品開發的職責

對 UX 實務研討感興趣，歡迎繼續關注悠識學院，追蹤 IG 捕捉最新動態。