Защо софтуерните екипи трябва да гледат отвъд „центъра на потребителя“, когато се позовават на ML или управлявани от AI продукти за данни

Като дизайнер казвах „ориентиран към потребителя“ – много. Това е терминология, която сега чуваме от хора, които не са дизайнери, хора като много от вас.

Това е хубаво нещо. Но искам вие и вашите екипи да мислите по-мащабно.

За мен в този „ориентиран към потребителя“ дескриптор липсва нещо относно дизайна, особено ако работите върху ML/AI системи.

Дизайн може да работи на множество нива. Виждам поне три, за които искам да сте наясно:

  1. ориентирани към потребителя – където се фокусираме върху клиентите и крайните потребители на нашия продукт, какво искат да направят, как искат да го направят и т.н. Започваме да стимулираме по-голямо усвояване, първата врата към нарастваща стойност.
  2. ориентирани към потребителя и ориентирани към бизнеса — всичко по-горе, но също така използваме дизайн, за да гарантираме, че се създава стойност и че бизнес целите се постигат. Някои от вас може да не виждат разликата, особено ако сте екип за корпоративни данни, който работи с вътрешни клиенти. Потребителите/клиентите/бизнесът изглеждат като едно цяло. Не точно; и определено не е така, ако сте в компания за софтуер/продукт. Въпреки това, основният момент тук е, че сега дизайнът трябва да работи на 2 нива: създаване на прекрасни UX, като същевременно създава бизнес стойност и балансиране на тези два аспекта, когато понякога са в противоречие.
  3. съсредоточени върху човека – където разглеждаме потребителите/клиентите, нуждите на бизнеса (те също са хора!), и всички други подходящи хора в цикъла, които може не са част от процеса на проектиране, но са засегнати от него. Това е особено вярно, тъй като компаниите разработват AI/ML системи, обучени върху набори от данни, за които участващите хора нямат думата; без регрес. Те не са потребители. Някои от тях действително са използвани. Но те са хора. Задавате ли нетехнически въпроси относно вашите данни за обучение? Кой не е в стаята за изготвяне, а трябва да бъде? Как може наистина да се злоупотребява с тази система, след като тя няма преднамерените направляващи релси на бизнес логиката? Каква защита има, ако системата определя резултатите на грешни данни?

Искам да сте на #3, но ако сте на #1, поздравления-все още напредвате. Много от вас, професионалисти в науката за данни и анализа, тепърва започват да мислят за дизайна, последната миля и UX на вашите решения – и има голяма възможност, докато правите промяната от „данните на първо място“ към „първо хората“.

Omar Khawaja – моят гост и ръководител на BI от Roche Diagnostics – „ни напомня за това в миналия епизод на подкаста“, който резонира с толкова много.

Сега, ако сте професионалист в дизайна в този списък, вероятно в технологична компания или фирма за услуги, казвайки, „не получаваме никакво уважение“, „инженерството управлява всичко“ и „няма време за проучване“, можете да започнете мисля повече за #2; бизнесът вероятно все още не вижда стойността – дори потребителите да виждат.

И ако работите в ML/AI, наистина се надявам скоро да се съсредоточите върху #3. Много от вас от страна на науката за данни може да си мислят, че сте техни за изграждане на модели, но вие помагате за оформянето на културата твърде умишлено или по друг начин.

За автора

Brian T. O’Neill е консултантски продуктов дизайнер, който помага на компаниите да създават иновативни решения за машинно обучение и анализи. Той е основател и директор на Designing for Analytics, домакин на подкаста Experiencing Dataи съветва програмата за иновации на MIT Sandbox. Искате повече информация за проектирането на иновативни продукти за данни във входящата ви поща? "Абонирай се сега."

🎧 | Уебсайт | LinkedIn | Twitter: @rhythmspice

Снимка от Jack Hunter на Unsplash