服務設計師在AIGC時代的三種角色

0 評論 2437 瀏覽 3 收藏 21 分鐘

我們正處于一場技術革命的轉折點,這場革命有可能改變我們做每一件事的方式,關注相關發展變得十分重要。在本篇文章中作者分享了服務設計師在AIGC時代的三種角色,一起來看看吧。

我們正處于一場技術革命的轉折點,這場革命有可能改變我們做每一件事的方式。生成式人工智能將幫助我們共同創造新的產品、服務和體驗。在這些新系統的開發中,服務設計師至少可以扮演三個角色。

首先,它將塑造人們理解人工智能并與之互動的方式。接下來,服務設計師可以帶上他們的“鏡頭”來幫助確保這些系統是有用的、可用的、高效的、有效的、可取的和差異化的——從個人和提供者的角度來看。最后,我們最好的服務設計方法和遠見可以應用于負責任的設計,避免偏見和意外后果。

一、生成式AI-Generative AI

生成式 AI 系統是一種人工智能,可以根據關系的概率或從大型數據集示例中學習的數據生成新內容。這些系統通常用于生成文本、圖像、音頻、視頻甚至音樂等任務。他們的工作方式是使用機器學習算法來學習訓練數據中的模式,然后使用這些知識生成原始結構的輸出,而不僅僅是輸入數據的副本。

作為用戶,我們可以輸入幾個詞,返回的響應可以是段落、詳細插圖、視頻、音頻等等。這是一種迷人的關系——我們付出的很少,回報卻很多。這是他們具有如此潛力的原因之一,但可以真正要求我們作為服務設計師的才能,因為他們成為我們合作和共同創造的合作伙伴。

我們正處于這個轉型時刻,因為人工智能社區已經開發出大型神經網絡,可以對數百萬和數十億基于網絡的文本片段、圖像、音軌等進行“訓練”,這一切都得益于計算能力的持續指數增長和網絡。由此產生的經過訓練的系統速度快得難以想象,并且受益于不斷上傳到網絡的人類知識的廣泛數據集。

ChatGPT和DALLE都是來自人工智能研究和部署公司OpenAI的服務系統。ChatGPT 是文本到文本生成 AI 程序的領先示例。DALLE 是一個文本到圖像生成 AI 程序。Texttoimage 程序也可以用來生成任何可以表示為圖像的東西,包括聲音和音樂甚至化學物質。

我們已經在生命科學中看到了有用的應用,其中一個有前途的研究領域是生產蛋白質以滿足藥物開發研究中的特定限制。

應用程序似乎無窮無盡。它們有可能支持所有形式的認知工作,例如醫生診斷疾病、開治療處方,以及更平凡的管理自己的工作量。它可以是任何東西,從個性化文案到定性研究分析再到網絡安全。也許目前文本到文本系統最先進的應用是 GitHub 的 CoPilot,這是一個建立在 ChatGPT 基礎上的程序,可以幫助工程師編寫軟件代碼。

CoPilot 還可以幫助工程師生成描述現有代碼功能的注釋。助手或所謂的“智能代理”,如 CoPilot,可能會迅速出現以從事多種工作,從管理建筑物到駕駛飛機等等。里德·霍夫曼 (Reid Hoffman) 將這種支持描述為擁有一個“副駕駛”,負責一切可以擴大人類知識和活動與 TikTok 級別相關性的事物。

我們很快就會到達這樣一個時刻,技術將使我們達到我們需要的準確性和交付速度的水平,我們需要徹底改變我們現在所知道的工作,并有可能使人工智能民主化,供我們所有人日常使用。OpenAI 的首席技術官 Mira Murati 最近表示:“我們正在嘗試構建這些能夠以與人類相似的方式思考世界的通用系統;因此系統具有強大的世界概念”。

這些系統能否以與當今人類設計方式沒有什么不同的方式基于模式和關系生成內容?當我們開始探索生成式 AI 在設計新產品和服務系統中的應用時,重要的是要考慮我們從這項技術中獲得的收益,以及在此過程中我們可能會失去的東西。

生成式人工智能系統有可能幫助服務設計師從一開始就變得激進。與 AI 驅動的陪練伙伴進行實驗所帶來的意想不到的偶然性可以帶來更高質量的結果,同時幫助人員和機器團隊更好地協作。他們將幫助服務設計師挑戰和重構現有實踐。但這些新系統也可能帶來更黑暗的未來。

在這種新的協作環境中,我們將如何確定我們已經設計出對解決人類需求很重要的本質?當每個人都可以參與創建概念的高保真原型時,人們將如何判斷結果?

如今,這些系統主要由試圖盡快推動它們向前發展的技術人員塑造,但這項工作仍處于起步階段。作為設計師,雖然我們不會直接負責 AI 模型本身的實施(至少在短期內),但我們的參與對于塑造選擇生成 AI 作為工具、經驗和和的環境至關重要。使用 – 用于設計最終產品或支持人們從事其他工作。

現在是服務設計師介入的時候了,以確保我們正在滿足人們的需求,并清楚地了解當技術在這些應用程序中代表用戶——以及所有設計師——采取行動時的含義。

二、服務設計師與AI

服務設計師在塑造生成人工智能作為一項新技術的開發和使用方面至少扮演著三個角色:

1. 角色 1:設計交互和理解 AI 的新方法

第一個角色已經正式開始:我們可以通過使用我們的設計研究方法和專業知識來了解人們希望從他們的經驗中得到什么,以及他們希望如何使用該技術,從而幫助塑造生成式人工智能的發展。然后,我們可以與技術專家合作,創建能夠提供這些結果的系統。

正如設計師所深知的那樣,如果產品或服務不符合人們的需求,或者如果他們不能在日常生活中有效地接受和使用它,那么創造出令人驚嘆的產品或服務就毫無意義。

設計師擅長在呈現場景、未來旅程或任何類型的草圖或粗略原型時展示“我們認為我們的意思”。我們在設計過程中將原型的保真度與我們的觀眾和階段相匹配;當我們仍在形成想法時,一開始就很粗糙,隨著我們縮小設計決策的范圍,就完成了更多。

Mike Kuniavsky 將這些輸出稱為“潛在未來的部分表示,旨在讓我們瞥見我們想法的含義”。Kuniavsky 繼續說:“當它們 [AI 系統] 完成細節時,它們會縮短使用局部抽象想法為創意過程增加的價值。用部分的、可能的但不真實的結果來填充半生不熟的想法,這正是人們在創造時所做的,就像他們想象的那樣?!?/p>

我們設計的細節恰到好處,以鼓勵我們的同事、客戶或他們的顧客共同做出貢獻。

在人或 AI 系統之間就部分表示進行協作時進行對話是團隊創建共享上下文的基礎。采用我們的參與式方法可以確保系統是共同創建和共同生產的。

這不僅是 AI 的轉折點——我們需要重新定義用戶體驗。提供正確的應用程序和界面,使體驗引人入勝且簡單,以及在不過度承諾的情況下感受變革的“魔力”,將是我們的最低要求。ChatGPT 是一種對話工具,可以增強人們探索選項的能力。還會有無數其他人。

我們的參與式方法還可以幫助確保這些新應用程序是技能性的,而不是去技能化的。當設計師獲得 AI 建議的多個設計選項時,他們的工藝從“純”創作轉變為策展之上的策展,再到最終創作或版本。這些更快的迭代循環有可能為服務設計者和最終用戶創造一個學習的良性循環。

我們需要了解多少技術才能相信并利用這種令人難以置信的能力來簡化我們的生活?

想象一下,一位醫生問為什么人工智能系統會建議一條特定的治療路徑。我們可以幫助醫生建立一個強大的模式、關系和數據模型,以支持他們剛剛遇到的情況。設計師善于放大看細節,也善于拉遠解釋整體。我們可以使用這項技能來幫助設計“可解釋性”,這樣醫生就可以仔細檢查邏輯和結果,包括所有參考資料的可視化和事實核查。

作為人工智能的一個子領域,可解釋 AI的概念已經存在很長時間了,它專注于開發和提高人工智能系統的可解釋性、透明度和可理解性。但是在這些新的生成環境中定義可解釋性還有很多工作要做。目標是讓人類能夠理解人工智能系統如何以及為什么做出某些決定或產生某些輸出。

新的重點將轉移到提出諸如“為什么摘要生成器強調我論文的那一部分?”之類的問題。

讓 AI 易于理解有助于增加人們對 AI 系統的信任,降低偏見風險(取決于所使用的訓練數據),并提高 AI 系統的整體性能。可解釋性還將讓人們了解系統的優勢和局限性,以及我們如何在不同的環境中最好地使用它們。

2. 角色 2:將設計師的視角帶入業務增長和差異化

三十多年前,C.K. Prahalad 和 Gary Hamel 撰寫了一篇極具影響力的哈佛商業評論文章“公司的核心競爭力”。核心競爭力是使組織在市場中脫穎而出的資源、技能和學習。這些新的人工智能系統將迫使企業通過企業重塑的新視角來審視他們的資源、技能和學習。

長期以來,服務設計人員的目標是為個人和提供者制作有用、可用、高效、有效、令人滿意和與眾不同的服務界面。從根本上說,他們需要了解哪些常見應用程序不會成為企業差異化因素,哪些是其業務能力的核心,因此具有真正差異化的潛力,設計師可以提供幫助。

除了塑造交互體驗或解釋 AI 提出建議背后的原因外,我們還可以與客戶合作設計企業如何應對變革。通過設計研究,我們可以深入了解對人們來說最重要的事情,并將所學知識與組織的宗旨和核心競爭力聯系起來。我們不僅可以幫助確定積累的數據在何處以及為何會為 AI 模型帶來價值,還可以尋求提升相關人員之間的關系。

企業將需要集中精力并決定擁有哪些數據和模型以及要構建的數字孿生模型,以便兩者隨著時間的推移復合、共同發展,并通過擴大公司的目標和關鍵差異化因素來創造競爭優勢。

當然,銀行會希望收集和保存有關承保的數據。他們可以設計一種方式來解釋即時的貸款決定,但是什么會從根本上增強他們與客戶的關系呢?人們在金錢方面有不同的心態,這些心態會根據環境而改變。

ChatGPT 等應用程序是否可以用于自定義交互以創建個性化顧問,以便在您想要提醒您不想超出預算時輕推,但又足夠敏感,可以在特殊場合為您加油?購物活動’?每次互動都有助于形成一個學習循環,并不斷改進他們的 AI 模型,同時將他們的差異化、客戶關系和銀行的底線結合起來。

僅僅依靠過去的能力是不夠的。例如,如果您的企業已經在使用機器學習技術來推動您的決策制定,那么您將需要改變您做事的方式來集成這些更先進的系統。您需要設計您的產品或服務以實現增長,將您的行業提升到越來越高的水平,并無縫地滿足客戶未開發的需求。

我們目前正在開發方法來幫助客戶抓住這些機會。

要迅速采取行動,您需要能夠召集由數據科學家、人工智能專家、心理學家、學習專家、商業戰略家、設計師和設計研究人員組成的高效團隊,他們擁有共同的方法和語言。

在內部,在您的組織中引入生成式 AI 支持的設計將需要在多個利益相關者之間開放改變。如果它可以推動您的業務發展,它很可能會徹底顛覆傳統結構。服務設計師可以帶頭促進這種對差異化的高度關注,并與這些不同的團隊一起塑造目標。

為了促進和調解協作,需要對系統有一個新的看法。Connor Upton 認為它是服務藍圖和系統架構的混搭。預示組織 IP 價值、治理價值和客戶價值的觀點。

3. 角色 3:通過與技術人員共同創造來設計治理、安全和道德規范

這些團隊將負有從一開始就做好設計的重大責任。他們需要以生命為中心的設計原則,并在構思系統時加以應用。這意味著從一開始就作為一個多學科團隊共同創建,以針對預期結果進行設計,同時利用遠見不斷了解意外后果。正如 Mira Murati 所建議的那樣,它的目標是“迭代地構建緩解措施”。

學術機構已經在朝這個方向努力,并呼吁建立新版本的機構審查委員會 (IRB)。在斯坦福大學,它被稱為“ESR”,即道德與社會審查委員會。

作為設計師,我們喜歡說我們代表人,為這些努力做出貢獻可以使這成為現實,但正如斯坦福大學 HumanCentered AI 研究所的聯合主任 FeiFei Li 所說,“安全是像健康這樣的詞之一:每個人都想要它 ,但真的很難定義它?!?/p>

要快速建立確保 AI 生成的產品和服務的公平性和多樣性的方法,需要考慮很多方面,需要做很多工作。除了可解釋性,確保作為系統核心的數據集是公平的也將是關鍵。

使用了哪些輸入參數集或訓練數據集?隨著數據集呈指數級增長,年復一年,我們能否使用區塊鏈來確定它們的來源并知道什么是“原始”的,什么是生成的?如果沒有適當的制衡機制,麻省理工學院技術評論中的 Melissa Heikkil?11 表示,“我們可能正在實時目睹廢話滾雪球的誕生?!?/p>

對于 AI 將如何影響人們及其工作的大小,還有一些主要考慮因素。我們能否在全球范圍內大規模利用并解決特定的勞動力短缺和挑戰?或者在小范圍內考慮使用 AI 功能通過迭代對 AI 的輸入來幫助孩子學習,以便結果是交互式體驗而不是“最終”系統輸出?

我們能否教我們的孩子對共同創造(人類或人工智能)有一種微妙的欣賞,并對他們的獨特努力形成不同的欣賞?到目前為止,問題很多,明確的指導很少。場景構建是服務設計的核心,我們可以使用我們的前瞻性方法來尋找早期信號并實時識別趨勢,以探索多種可能的未來并迭代地緩解它們,正如 Mira Murati 所建議的那樣。

服務設計師可以代表人——作為跨學科團隊的一部分,從一開始就應用有原則的設計來解決人工智能的倫理、治理和安全問題,并針對預期結果進行設計,但這將很難。

生成式人工智能將徹底改變服務設計在公共和私營部門中的作用

綜上所述,毫無疑問,作為生成設計思想的工具,生成式人工智能可以幫助服務設計師在工作中更加大膽和高效。我們需要適應和發展機器學習和數據科學等領域的新技能和專業知識,以充分利用。同時,在設計中使用生成式人工智能也有可能改變服務設計師的角色。

我們可以與技術專家和這些更廣泛的團隊合作,以簡化人們的體驗——以我們在設計中一貫采用的方式——建議 AI 刪除步驟的方法,并提出 nextbestmove 建議,使其成為一種簡單而令人驚嘆的審美體驗,等等。

在這場革命中,我們可以成為設計樂觀主義者,與那些塑造工具以塑造我們想要的未來的人跨學科合作。馬歇爾·麥克盧漢 (Marshall McLuhan) 曾經說過“我們塑造我們的工具,我們的工具塑造我們”。我們現在有一個千載難逢的機會來塑造這些工具,如果我們這樣做,設計和服務設計師將會做得更好。

原文作者:Shelley Evenson (該文章已獲得相關方和原作者授權)

原文名稱:Generative AI Needs Designers |Three roles for service designers

譯者:陳昱志Yeutz Chen,微信公眾號:YeutzDesign(ID:Yeutzsheji),專注于服務設計領域,致力于服務設計創新轉型研究。

本文由 @陳昱志Yeutz Chen 翻譯發布于人人都是產品經理。未經許可,禁止轉載。

題圖來自Unsplash,基于CC0協議。

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!