[研討會紀錄] 設計師在 AI 產品開發的職責 – 江宗哲 Steven

1 設計師在產品開發流程的職責

運用 design thinking 了解 user mindset

講者舉例自己過去服務像是丹麥大橋、底特律電廠電網管理等，都有運用過 design thinking 的方式。

The modern-day AI Ladder：

講者分享 IBM 思考如何從產品 +AI 發展到 AI+產品

• 收集數據產生洞見（Collect, organize, grow data) → +AI
• 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+

Incredible opportunities around enterprise data：

AI 的出現讓許多企業的數據可以活化運用：

• Foundation models: Sensor Data, IT Data, Business Data, Speech, Natural language, Dialog, Images, Programming language(code), Geospatial, Chemistry & materials.
• Foundation models for Business: Large language models, IT Automation models, Digital Labor models, Cybersecurity models.

不管是透過什麼樣的模式，數據來源和過程是什麼，最終希望能夠創造出企業使用的基礎模型，讓企業所短工作流程、降低成本等，更有競爭力。

另外當團隊領導者在採用 AI 可能會考量三件事，這也是設計師可以參考的：

• How to create competitive edge?
• How to scale AI across the business?
• How to advance trustworthy AI?

2 設計 AI 產品的過程

• 評估 Assess -> 建立 Build -> 理解 Understand -> 詮釋 Predict -> 建議 Recomand（能否提供決策的洞見)
• 而設計師的職責是將 Design thinking 帶入到 AI 產品開發的流程
• Design thinking ＆ mindset 才是貫穿一切的重點。

3 在快速變化的時代，設計師的職責

《20 years of buzzwords》by Marc Charbel

從上圖可以發現，這 20 年來 Buzzwords 其實都沒有持續太長的時間，想想為什麼現在的人都不在談論NFT、緣宇宙了呢？講者表示世界看似變化很快，但其實沒有想像中的那麼快。因此設計師在快速變化時代中的職責是：不再追逐 Buzzwords，而是理解 Buzzwords 背後的意義，透過不斷提問，定義出最核心的問題，再透過 prototype驗證（規劃 prototype, MVP）

4 思考與提問AI的定義

AI 是什麼？

• 透過閱讀理解人的認知過程
• 人工智慧其實是認知的自動化
• 用電腦嘗試模仿思維跟人類解決問題和決策的能力，例如：Computer vision、Data science、Natural language Processing、Robotics)

常見的演算法

• Rules-based systems(用一系列邏輯指令進行編程)
• Machine learnings systems(透過機器學習系統找到pattern)
• Deep Learning（多層神經網絡>辨識能力）
• Fundation Model（transformer特定神經網路）

發展的進程

• 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

Design for AI

AI 可以做的是辨識資料關聯性，上下語意脈絡。那為什麼設計師需要 AI ？因為客戶想要比想像多很多，開發可以藉由 AI 用了許多圖像檢查生產線的問題。並且透過 AI 了解產品客戶之間面對市場樣貌。

5 在AI產品團隊內，設計師可以做什麼？

1. 為了與其他職位如PM、技術夥伴共同協作，需要擁有共通語言，可先將 AI 相關用語整理成文件。
2. 了解產品使用者
3. 了解競爭者與自家產品的差異（分析競品）：Impact, Value, Data, AI Operation model, Trustworthiness, Sophistications, Ease of use （其中易用性最為重要）
4. 了解 AI 產品團隊中的夥伴以及可以協作的方向：
   • 資料科學家：與競爭對手相比 AI 模型是否更佳？
   • 軟體工程師：AI 模型布局在複雜場景中而且還可擴展，以幫助我們在競爭中脫穎而出
   • UX 設計師：是否提供了提升產品水準的 AI 體驗？
   • 產品經理：如何衡量競爭對手與我們的 AI 功能？
5. 寫下並迭代 AI 的意圖：了解使用者的需要，紀錄下來和團隊討論確認是否為使用者真正需求。
6. User Research 是一切根本
7. 檢視產品及其資料來源：客戶會在意你導入哪些數據、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。當模型出來後，內部需檢驗以下的問題，透過這些方法與使用者建立信任關係

Questions needed to be answered

6 Design AI best practies

最後講者勉勵大家 Be good, don’t be cool. 應該仍以使用者為中心，做使用者的好朋友，了解他們的需求，而非冷漠、追求酷炫趨勢的設計師。

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。