Yapay Zeka ile Tasarım: Hız Nerede Kazanılıyor
Yapay zeka araçları tasarımda üretim maliyetini gerçekten düşürüyor. Düşürmediği kalem denetim: elli alternatif üretmek beş dakika sürer, elli alternatifi elemek beş dakika sürmez. Hızlanma bu iki kalemin farkında saklı, çoğu yerde ise fark hesaplanmadan hız ilan ediliyor.
Üretim ucuz, eleme pahalı
Bir modelden yirmi varyant istemek dakikalar sürüyor. Asıl iş sonrasında başlıyor. Yirmi varyantı gerçekten karşılaştırmak isteseydin ikişerli bütün eşleri gözden geçirmen gerekirdi: n(n-1)/2, yani 190 karşılaştırma. Kimse bunu yapmıyor. Pratikte ilk beşe bakılıyor, gerisi siliniyor. Üretilen çeşitliliğin büyük kısmı hiç değerlendirilmeden çöpe gidiyor, dolayısıyla "daha çok seçenek" tek başına bir kazanç değil.
Kazanç, elemenin ucuz olduğu yerde. Renk paleti, ikon seti, arka plan dokusu gibi bakışta karar verilen çıktılarda yapay zeka işi kısaltır. Bilgi mimarisi, akış kurgusu, hata ekranlarının tasarımı gibi doğruluğu ancak bağlamla anlaşılan çıktılarda kısaltmaz; sadece kontrol edilecek malzeme yığar. Üretilen bir arayüz kodu derlenir, çalışır, ekranda düzgün görünür ve yine de projenin geri kalanıyla aynı dili konuşmuyor olabilir. Bunu ancak okuyan biri anlar.
İlk çıktı ortalamadır
İlk öneriyi kabul etme, üçüncüyü iste ve ikisi arasındaki farkı oku. İlk çıktı modelin eğitim verisindeki en olası çözümdür, yani rakibinin de aldığı çözümdür. Farkın nerede açıldığını görmek, hangi kısmın senin probleminden geldiğini hangi kısmın kalıptan geldiğini ayırt etmenin en hızlı yolu.
Prompt bir şartnamedir
Prompt yazmak, yapay zekaya doğru büyüyü söylemek değil. Bir işi dışarıya verirken yazdığın şartnamenin aynısı. İyi bir prompt şu dördünü kapatır:
- Çıktının biçimi ve ölçüsü: kaç adet, hangi oran, hangi dosya tipi.
- Bağlam: ürün ne yapıyor, ekranı kim kullanıyor, hangi kısıt sabit.
- Olumsuz sınır. Modelin kendiliğinden ekleyeceği şeyi baştan yasaklamazsan ekler.
- Bir örnek. Tarif etmek yerine göstermek, üç paragraf açıklamadan daha isabetli sonuç verir.
Bunları yazmak zaman alıyor ve zaten alması gerekiyor. Şartnameyi yazamıyorsan problem henüz tanımlı değildir, o durumda modelin çıktısı da tanımsız çıkar.
Modelin göremediği yer
Model ortalamaya çeker. Geniş kitleye hitap eden bir arayüzde bu genelde işine yarar. Dar bir kullanıcı grubuna, mesela günde sekiz saat aynı ekranda çalışan operatörlere tasarım yapıyorsan tam tersi olur: modelin önerdiği "temiz ve ferah" düzen, o kullanıcının saatte yüzlerce kez tekrarladığı işi yavaşlatır.
İkinci mesele uydurma. Model bir kütüphane adı, bir erişilebilirlik kuralı ya da bir ölçü verdiğinde bunu emin bir tonda verir. Kaynağı kontrol edilmeden hiçbiri kullanılmaz. Tonun güveni ile bilginin doğruluğu arasında bağ yok.
Üründe yapay zeka kullanırken
Kullanıcıya bir öneri gösteriyorsan bunun bir tahmin olduğunu ekranda söyle ve değiştirme yolunu aynı yerde bırak. Kapalı kutudan çıkan öneri, yanlış çıktığı ilk anda tüm özelliğe olan güveni götürür. Kişiselleştirme de aynı hesaba tabi: kullanıcının verisiyle ne yaptığını anlatamıyorsan o veriyi toplamamak daha iyi bir tasarım kararıdır.
Yapay zeka bu işte bir asistan. Taslağı o çıkarır, kararı veren sensin; kararı da modele devrederseniz elinizde kimsenin sahiplenmediği bir arayüz kalır.