Experiencia de Usuario e Inteligencia Artificial

No puedes manejar lo que no logras entender.

AI and UX framework

La Inteligencia Artificial no es una caja mágica pero cuando no se entiende cómo funciona entonces muchos lo ven como una caja negra que hace trucos, sin embargo cualquier producto que esté diseñado con Inteligencia Artificial, hará casi exactamente lo que uno diga o prediga según esté diseñada la interfaz de usuario y las instrucciones de uso se entiendan claramente para los usuarios. Adicionalmente, hay que monitorear, supervisar y analizar cada proceso e interacción.

Después de platicar con Saiph Savage sobre los proyectos que ha creado con AI con diferentes instancias, platicamos un poco sobre UX y me di cuenta que muchos productos de AI no contemplan estos roles y procesos tan importantes.

En este post daré una perspectiva desde mi rol como Product User Experience Manager y sobre la necesidad y responsabilidad de aprender sobre el programa/sistema para alcanzar el aprendizaje con el fin de tener éxito.

A continuación los puntos principales que necesitas conocer para empezar a diseñar:

  1. Trabaja en equipo. Es sumamente importante remarcar que el UX en AI no es un trabajo de dos personas o de un sólo rol, todo el equipo debe de estar involucrado en el proceso para partir desde el mismo punto: Todas las personas del equipo vamos a diseñar, desarrollar, analizar, escribir centrándonos en el usuario. Empodera a tu equipo con información fácil de digerir para todos sobre los avances de cada fase e insights y aprendizajes que van recolectando en el camino. Es vital que esta información esté al alcance de todos.
  2. Tómate el tiempo necesario para entender el problema antes de diseñar cualquier cosa. El User Research es vital para diseñar un producto/servicio centrado en las personas a partir de sus necesidades y pain points para identificar oportunidades y crear soluciones. Existen métodos muchos métodos y prácticas, algunos ejemplos: encuestas, entrevistas, User Personas, Participatory Design (Prototyping-Design Thinking), Group Debates, entre muchos otros. Infórmate ANTES cuáles de estos métodos son adecuados para la fase en la que te encuentras.
  3. Entender que la Inteligencia Artificial es un sistema: Social, tecnológico y ecológico. Es un framework que debe de idearse y adaptarse a las necesidades actuales. Piensa en cuál sería su rol entre la persona y el problema.
  4. No asumas que por ser AI no se necesita una interfaz, al contrario, es cuando más debe de entenderse y describir por sí misma su usabilidad.
  5. Identificar los objetivos. ¿Cuáles son los objetivos ? Valida la hipótesis. Causal entre correlación. ¿A largo plazo? ¿Qué podría salir mal in-intencionalmente?
  6. Conocer sobre el algoritmo. ¿Cómo va a aprender el algoritmo? Algoritmo de aprendizaje supervisado (clasifica observaciones en etiquetas), sin supervisión (patrones), reforzamiento (toma acciones y aprende de los resultados).
  7. Entender todos los aspectos. Funcionalidades (Variables que dan personalización), limitaciones (reglas que limitan la flexibilidad). Experimentation, Data Analysis, Data infrastructure…
  8. Datos. ¿Qué datos y cómo se van a usar? Entre más datos tengas, el algoritmo será mejor. ¿Necesitas esos datos en realidad? ¿Cómo vamos a obtener esa información? ¿El usuario me va a dar esa información?
  • Datos del usuario. ¿Qué campos de texto o inputs necesitamos del usuario?
  • Actividad del usuario. ¿Cómo interactúa o no?
  • Feedback del usuario. ¿Cuál ha sido el desempeño?
  • Offline o por medio de un tercero
  • Datos basura: Datos capturados o sesgados.
  • Interpretación de la información, análisis de áreas de oportunidad e iteración.

9. Experiencia de usuario. Es importante que sepas que no puedes controlar la experiencia pero sí puedes predecir futuros escenarios y estar preparado para ello. Diferenciar que un sistema de AI va a “actuar cómo entendió que debía de actuar y no como pensaste que debería de actuar”.

  • ¿Qué podría pasar en “x” escenario y cómo podríamos actuar?
  • ¿Cómo podríamos aterrizar lo que queremos que haga el sistema de la forma más específica posible para tener un margen de “confusión” menor.
  • Inicio, camino y meta — Algunas prácticas para usar en este punto: User Journey, User Stories, User flows, Story Boards.
  • Cambio y evolución para mejorar la UX en la AI. ¿Cómo podemos implementar un método iterativo? ¿Qué hemos aprendido?¿Qué podemos mejorar? Nada es constante.

¿Cuál es la relación que debería de existir entre UX y AI?

Todos queremos algo a cambio. Crea valor para el usuario — El producto o servicio debe de “agradecer” y “recompensar” de alguna forma por la que el usuario haya llegado a este punto y quiera seguir avanzando. Si incentivamos el engagement del usuario entonces tenemos mas oportunidades para mejorar el algoritmo de AI.

Tipo de relación entre el usuario y nuestro producto o servicio de AI — ¿Quienes somos en la vida de los usuarios? ¿Somos su confidente?¿Su guía?¿Su asistente? ¿Uno de sus mil asistentes? Usar la comunicación adecuada y lenguaje para formar esta relación. No queremos sentir que estamos hablando con un bot. HUMANIZA. Genera confianza.

Interacciones del usuario por medio de la Interfaz de Usuario — Crea una interfaz colaborativa entre el usuario y la AI. Entender los “Inputs del usuario”, los patrones y flujos, analizar la data y organizarla. Entender el grado de importancia de la actividad del usuario en cada proceso.

https://medium.com/@elainelee

Facilidad de aprendizaje del usuario y eficiencia — Entender su aprendizaje, agilidad y lenguaje.

Logro del usuario — Respuesta de producto o servicio “output” representando la efectividad y empatía visual/auditiva/textual. COMUNICA, describe y explica. Claridad y transparencia.

Satisfacción del usuario = La interfaz de usuario y algoritmo están en sintonía para que los usuarios alcancen un objetivo. Eficacia.

Conversión y escalas de acción — Un ejemplo son las escalas de recomendación “Me gusta”, “Compartir”…

IMAGEN

Usabilidad: Tasa de éxito en una tarea, tiempo para realizarla y navegación. Algunas prácticas a usar en este punto: Shadowing, Guerrilla testing, card sorting, Single Ease Question, System Usability Scale, Service Safary, Estudio de Diario, Focus Group, Heatmap, Eyetracking, Benchmarking, entre otros.

User Testing: Pruebas de usuario con el fin de tener un mejor entendimiento y objetivo del producto. Será necesario realizar un conjunto de pruebas para asegurar la calidad de producto — UI, tiempos, navegación y flujo, animaciones en interacciones. Todas las prácticas mencionadas anteriormente en Usabilidad entran también en este punto.

Por último te comparto algunos recursos para entender mejor el tema:

UXAI

How UX professionals can plan for AI as it shapes the future of the industry

6 big ethical questions about the future of AI | Genevieve Bell

AI and the future of UX

Using Google Clips to understand how a human-centered design process elevates artificial intelligence

The Beginner’s Guide to Understanding Artificial Intelligence

Leer más sobre Inteligencia Artificial.

“Empathy is at the heart of design. Without the understanding of what others see, feel, and experience, design is a pointless task.”

— Tim Brown, CEO of the innovation and design firm IDEO

Sigamos diseñando productos centrados en el usuario y agregando valor a las vidas de nuestros usuarios.

Gracias por llegar hasta aquí. Si tienes algún comentario y/o te gustaría agregar algo puedes escribirme en Twitter.

BTW si eres diseñador y te gusta la AI, te encantará este post de @jeffxxy

¡Necesitamos más diseñadores en AI!

#WomeninTech #Travel #Foodie #ProductManagement #UX

#WomeninTech #Travel #Foodie #ProductManagement #UX