Tasarım Sürecinde Yapay Zeka: Nerede Hızlandırır, Nerede Yanıltır
Yapay zeka araçları tasarım sürecinde iki işi iyi yapıyor: çok sayıda veriyi özetlemek ve tekrar eden işleri kısaltmak. Yapamadığı üçüncü bir iş var, neyin önemli olduğuna karar vermek. Bu sınırın nerede geçtiğini bilmeden çıktıya güvenmek süreci hızlandırmaz, yanlış sonuca daha çabuk vardırır.
İki tür araç, iki ayrı beklenti
Tasarım sürecine giren araçları ikiye ayırmak işe yarıyor. Birinci grup özet üretir: araştırma notlarını, görüşme dökümlerini, destek taleplerini alır, tekrarlayan temaları çıkarır. İkinci grup sizinle çalışır; hangi soruyu sorduğunuzu, kitlenin kim olduğunu, önceki turda neyi zaten elediğinizi siz söylersiniz, analiz o bağlamla şekillenir.
Aradaki fark çıktının kalitesinden çok sorumluluğun nerede durduğuyla ilgili. Özet üreten araca bağlam veremediğiniz için çıktısını ya olduğu gibi kabul edersiniz ya da baştan yazarsınız. İkinci grupta ise yanlış analiz çoğu zaman yanlış brief demektir, yani hata sizde kalır. Bu kulağa dezavantaj gibi gelse de aslında tersi: hatanın nereden geldiğini görebildiğiniz tek senaryo o.
Metin tabanlı analizin kör noktası
Kullanılabilirlik testinde ölçtüğünüz şey davranıştır, elinizde duran şey ise dökümdür. İkisi aynı şey değil. Peki ya kullanıcı hiçbir şey söylemiyorsa?
En çok bilgi taşıyan an genelde en az metin üretir. Kullanıcı takıldığı anda konuşmayı keser. İmleç dolaşır, sayfa bir aşağı bir yukarı kayar, moderatör araya girmemek için susar. Dökümde bunun karşılığı on beş saniyelik bir boşluktur ve özetleyen araç için yok hükmündedir. Aynı oturumda kullanıcının rahatça konuştuğu bölüm, yani zorlanmadığı bölüm, sayfalarca metin bırakır. Araç metnin hacmine bakar, sonuç ters döner.
Bir projede test dökümlerini özetlettiğimde araç en çok konuşulan ekranı ana sorun diye öne çıkarmıştı, oysa gerçek tıkanma kimsenin adını koyamadığı bir ara adımdaydı.
Bunun çaresi aracı bırakmak değil, girdiyi değiştirmek. Ekran kaydından çıkardığınız süre, tıklama ve geri dönüş verisini dökümle birlikte verirseniz sessizlik de bir veriye dönüşür. Vermiyorsanız, çıkan özeti kullanıcı davranışı olarak değil, kullanıcı beyanı olarak okuyun.
Öneri motorları ortalamaya çeker
Renk, yerleşim ve bileşen önerileri geçmişte çok görülmüş çözümlerden türer. Tanım gereği sizi yaygın olana yaklaştırır. Ödeme akışında, form yapısında, gezinme kalıbında bu tam istediğiniz şeydir; kullanıcı zaten başka yerlerden öğrendiği kalıbı bekler ve konvansiyondan sapmanın bedeli yüksektir.
Peki ya ürünün tek ayırt edici yanı o alışılmadık akışsa? Orada aynı mekanizma köreltici çalışır. Öneri size ortalamayı gösterir, ortalama da rakibinizin yaptığı şeydir. Konvansiyona uyulacak yerlerle ayrışılacak yerleri önceden ayırmadan araca danışmak, farkı sessizce törpüler.
Doğrulamanın maliyeti hesaba katılmalı
Bir aracın ürettiği analiz, doğrulanabildiği ölçüde zaman kazandırır. Pratikte işleyen tek yöntem şu: çıkan her tema için kaynak metinden iki doğrudan alıntıya geri dönün. Alıntı bulunamıyorsa tema gerçek değildir, iki farklı katılımcıdan geliyorsa temadır, tek kişiden geliyorsa gözlemdir ve öyle etiketlenmelidir.
Bu adım atlandığında kazanç görünürde kalır. Otuz görüşmeyi on dakikada özetleyip sonra üç hafta yanlış bir önceliği tasarlamak, hiç özetlememekten pahalıdır. Rapora hangi verinin hangi çıkarımı desteklediğini yazmak fazladan iş gibi durur, oysa ilk itiraz geldiğinde ihtiyacınız olan tek şey odur.
Kaynak