UX Tasarımında Yapay Zeka Araçları: Hangisi Ne İşe Yarar
UX için yapay zekâ aracı listelerinin çoğu aynı hatayı yapıyor: birbiriyle ilgisi olmayan araçları tek başlığın altına topluyor, her birinin altına neredeyse aynı maddeleri yazıyor. Kabataslak üreten bir araçla görsel üreten bir model aynı işi yapmaz, aynı ölçütle de değerlendirilmez. Burada araçları yaptıkları işe göre ayırdım: hangisi neyi çözer, hangisi nerede yanlış yere konur.
Aynı maddeler, farklı araçlar
Bir araç listesindeki tanımlara sırayla bakın. "Sürükle-bırak arayüz", "sürüm kontrolü", "interaktif bileşenler" gibi maddeler araçtan araca kopyalanıyor. Adobe Firefly ve Stable Diffusion metinden görsel üreten modeller, ikisinde de prototipleme ekranı yok; yine de ikisine de sürükle-bırak prototipleme yazılıyor. Jasper metin üretiyor, ısı haritası çıkarmıyor. Bu maddeler araçlar kullanılarak değil, birbirine bakılarak yazılmış.
Bir aracı değerlendirmenin tek sorusu var: hangi girdiyi hangi çıktıya çeviriyor? Cevap tek cümlede verilemiyorsa listenin kendisi güvenilmez.
Kabataslağı ekrana çevirenler: Uizard, Galileo AI
Uizard elde çizilmiş bir taslağı ya da kısa bir tarifi ekran düzenine çeviriyor, Galileo AI aynı işi metin tarifinden yapıyor. Gerçek faydaları ilk taslakta: boş tuvalle geçen süreyi kısaltıyor, ekibin üstünde tartışacağı somut bir şey çıkarıyorlar.
Ürettikleri kodu üretime taşımak ayrı bir iş. Çıkan işaretleme genelde derin iç içe geçmiş kaplardan oluşuyor, bileşen sınırları tasarım sisteminizdekilerle örtüşmüyor. Taslağı alın, kodu atın.
Dikkat tahmini: Attention Insight
Attention Insight, göz izleme verisiyle eğitilmiş bir modelle statik bir görselde ilk saniyelerde bakışın nereye toplanacağını tahmin ediyor. Çıktı bir ısı haritasına benziyor ama ölçüm değil, tahmin. Modelin eğitildiği veri genel kullanıcı davranışından geliyor, sizin kullanıcınızdan değil.
Bu çıktıyı beş kişilik bir kullanıcı testinin yerine koymam. Ölçülen şeyler farklı: biri bir görselin ilk bakışta neyi öne çıkardığını söyler, diğeri insanın görevi tamamlayıp tamamlayamadığını. İki açılış görseli arasında hızlı bir ön eleme için iyi, karar mercii değil.
Renk ve kontrast: Khroma
Khroma beğendiğiniz renklerden öğrenip palet öneriyor, keyifli bir araç. Ama erişilebilirlik tarafında modele ihtiyaç yok: kontrast oranı hesaplanır, tahmin edilmez. WCAG formülü iki rengin bağıl parlaklığından tek bir sayı üretir, normal metin için eşik 4.5:1'dir. Bunu bir tarayıcı eklentisi de söyler, on satırlık bir betik de.
Palet üretimini modele bırakın, uygunluk kontrolünü hesaba.
Görsel üretim: Adobe Firefly, Stable Diffusion
İkisi de yer tutucu görsel, moodboard ve hızlı varyasyon üretiminde işe yarıyor. Firefly'ın farkı lisans tarafında: Adobe modeli kendi stok arşiviyle eğittiğini söylüyor, bu da kurumsal onay süreçlerini kısaltıyor.
Arayüz ekranı ürettirmek ise vakit kaybı. Çıkan görseller uzaktan arayüze benziyor, yakından metinler bozuk, hizalar kayık, hiçbir bileşen yeniden kullanılabilir değil.
Metin: Jasper
Pazarlama metninde işini görüyor. Arayüz metninde durum değişiyor, çünkü iyi bir hata mesajı kullanıcının tam olarak ne yaptığını ve bundan sonra ne yapabileceğini bilmeyi gerektiriyor. Model ikisini de bilmiyor, o yüzden nazik ve boş cümleler yazıyor. Boş hata mesajı destek kaydına dönüşüyor.
Bu araçların dokunmadığı yer
Yapay zekâ araçlarının kazandırdığı yer üretim tarafı: taslak, varyasyon, ön eleme. Karar tarafında kazandırdıkları yok. Çünkü karar, hangi kullanıcının hangi görevde nerede takıldığını bilmeyi gerektiriyor ve bu bilgi hiçbir modelin eğitim verisinde durmuyor; sizin ürününüzün kayıtlarında, destek taleplerinde ve test oturumlarında duruyor.
Süreçteki en pahalı adımlar araştırma ve önceliklendirme. Listelerdeki sekiz aracın hiçbiri oraya dokunmuyor. Bu bir kusur değil, sadece bu araçları neden "UX'i dönüştürüyor" diye anlatmanın yanlış olduğunun cevabı.
Kaynak