Diseño contextual de la experiencia del usuario: aprovechar el conocimiento de la experiencia del usuario para informar los diseños generados por inteligencia artificial

Los modelos de IA producen resultados basados ​​en el contexto. El contexto es todo lo que el modelo puede ver mientras realiza su trabajo: su solicitud y cualquier instrucción, estándar, ejemplo e información general que la acompañe.

El contexto le permite evitar resultados intermedios. Por ejemplo, el modelo de IA ha sido entrenado en una gran cantidad de pantallas de búsqueda, por lo que cuando solicita una, produce una promedio Pantalla de búsqueda. Solo se que software es En términos generales parece. No conoce a sus usuarios, su dominio, sus estándares de diseño ni nada de lo que su equipo haya aprendido de la investigación. A menos que este conocimiento exista en el contexto, el diseño del modelo no requiere este conocimiento.

contexto inclinación La salida del modelo en una dirección específica.

Imagine a un constructor experto diseñando su casa sin siquiera conocer a su familia. Diseñaron casas comunes y corrientes. Dos pisos porque la mayoría de las casas son de dos pisos. Si usa una silla de ruedas, o tiene un bebé que necesita dormir cerca de usted, o no tiene hijos y usted y su pareja trabajan desde casa, habrá errores de diseño que afectarán la calidad de la vida diaria. No es culpa del constructor; El problema es que el constructor no tiene experiencia.

Del mismo modo, la diferencia entre una producción de IA de propósito general y una producción de IA que sea apropiada para el usuario y cumpla con los estándares organizacionales es principalmente una cuestión de contexto. Entonces, ¿qué deberíamos ponerle?

Antes de responder, es útil saber quién utiliza estas herramientas.

En muchas organizaciones, los diseñadores ya no son los únicos que diseñan. Los gerentes de producto solicitan herramientas de inteligencia artificial para crear rápidamente prototipos para desarrollar ideas antes de las reuniones. El ingeniero le pidió al asistente de codificación que agregara la funcionalidad de exportación y el asistente decidió la ubicación de los botones, la redacción y los estados de error. Estas son decisiones de diseño tomadas por inteligencia artificial.

El instinto puede ser controlar quién hace el trabajo de diseño, pero esto puede resultar contraproducente. Las herramientas están demasiado disponibles, son demasiado rápidas y demasiado útiles para traducir las ideas en forma concreta. Un objetivo más realista sería Garantizar que todo el contenido generado por la IA, sin importar quién lo solicite, se base en la comprensión que la organización tiene de sus usuarios y estándares de diseño..

Este objetivo cambia el resultado del trabajo de investigación y diseño. Históricamente, el trabajo de UX ha proporcionado a los humanos resultados: personas, mapas de viaje, informes de investigación, esquemas anotados. Los humanos los leen, los interpretan y toman decisiones. Si la IA realiza más trabajos de construcción, entonces se convertirá en consumidora de resultados de investigación y diseño.

La inteligencia artificial consume contexto.

Por lo tanto, el resultado del trabajo de investigación y diseño es principalmente el contexto que cualquier persona en una organización puede incluir cuando utiliza la inteligencia artificial para producir cualquier cosa, desde diapositivas hasta prototipos y software funcional. A la creación de esta salida la llamamos Diseño de situación de experiencia de usuario..

Diseño de situación de experiencia de usuario. Es la práctica de descubrir y seleccionar lo que una organización sabe y quiere, guiando todo lo que producen sus herramientas de inteligencia artificial: desde quiénes son sus usuarios y el mundo en el que viven, hasta cómo se ven y se comportan los productos.

El diseño del contexto UX también implica el uso de los modelos que el equipo está utilizando para probar la efectividad del contexto y mejorar el contexto para mejorar la calidad de la producción de todos.

Un primer intento de un escenario de experiencia de usuario podría incluir lo que ya tenemos: personas, mapas de viaje, informes de hallazgos. Algunos de estos ayudarán. Pero estos artefactos están diseñados para atraer la atención humana. Los personajes tienen una foto de archivo y un nombre, diseñados para ayudar a las personas a sentir empatía y recordar. Sin embargo, el modelo no requiere persuasión, sino un razonamiento subyacente.

Este razonamiento se puede perfeccionar con la ayuda de la inteligencia artificial. Por ejemplo, podría resultar útil simplemente introducir registros de investigación sin procesar en un modelo y dejar que extraiga información. Sin embargo, sin la guía humana, es posible que se pierda información importante en medio de todo el ruido o que la IA se centre demasiado en la información incorrecta.

Para servir como el contexto más eficaz, los resultados de la investigación y el diseño deben estar “preparados para inteligencia artificial” (o “legibles por máquina”), seleccionados por personal técnico y utilizables por cualquier diseñador, independientemente de su función.

Imaginemos otro archivo de texto con intenciones más amplias que DESIGN.md. Llamémoslo UX.md. Hará referencia a DESIGN.md como estándar visual e indicará dónde se encuentran los componentes reales del producto en el código. Sin embargo, también puede incluir lo siguiente:

• Síntesis de la investigación. Los principales hallazgos son conocimientos directos sobre los que la inteligencia artificial puede razonar. “Cuando se les pide a los usuarios que proporcionen información que no tienen a mano, abandonan la configuración”. Este hallazgo se convirtió en una limitación para el contenido generado, no solo para la información contenida en los informes.
• Estándares de interacción. La forma en que se comporta el producto. Cuándo confirmar y permitir la revocación. Cómo está redactado el error. Si la interfaz de usuario está optimizada para usuarios expertos o usuarios novatos.
• Glosario. Palabras y sus definiciones utilizadas por expertos en el producto y su campo. Si su usuario dice “caso” y está confundido acerca de “boleto”, la IA debería saberlo.
• Modelo de usuario. El modelado de usuarios ilustra la investigación sobre los propios usuarios: su experiencia, sus preocupaciones, lo que quieren lograr y lo que no les funciona.
• Modelo del mundo. El modelado mundial incluye las condiciones en las que se encuentran los usuarios cuando utilizan el software. (Este término está tomado de la investigación de inteligencia artificial, donde un modelo mundial es la comprensión de un sistema del entorno físico real). Para propósitos de experiencia de usuario, modelamos el contexto mundial en el que viven los usuarios (es decir, el “contexto de uso”) y cómo cambian: los usuarios son interrumpidos en medio de una tarea (una enfermera en el piso del hospital), bajo estrés (un reclamo después de un accidente automovilístico), o se les deja bajo reglas de cumplimiento para auditar (cada acción debe dejar un rastro de auditoría).

DESIGN.md demuestra cómo proporcionar estándares de diseño visual para herramientas de inteligencia artificial. UX.md es una versión hipotética más amplia de la misma idea: una fuente estructurada de investigación de la experiencia del usuario, criterios de interacción, terminología y conocimiento del contexto de uso que las herramientas de IA pueden utilizar al generar trabajo de producto.

Supongamos que su investigación muestra colectivamente que los usuarios trabajan en su producto durante horas seguidas, tomando decisiones complejas que involucran muchas variables. Los hallazgos deberían llevar a una generación a inclinarse por pantallas más densas que retengan más información, del tipo que prefieren los usuarios expertos. El descubrimiento de cuántos minutos se utiliza el producto cada mes debería inclinar a la IA a reducir las opciones para cada pantalla. Una IA sin este contexto utilizará de forma predeterminada lo que es más común en su material de capacitación.

Por supuesto, para proyectos grandes, un solo archivo puede no ser suficiente. En cambio, UX.md puede servir como índice de una carpeta de archivos contextuales, cada uno con un propósito específico. Alternativamente, puede proporcionar contexto a través del servidor MCP y las habilidades del agente o algún otro método.

Dado que los entornos guían la creación de inteligencia artificial, este enfoque tiene un efecto secundario interesante: los conocimientos de investigación y los estándares de diseño pueden llegar a lugares inesperados. Por ejemplo, los términos del glosario de un consumidor pueden aparecer en el código detrás de escena en lugar de los términos elegidos por los propios ingenieros. Siempre que se utiliza la inteligencia artificial, los resultados de la investigación y el diseño están integrados en ella.

Según lo que aprendimos de DESIGN.md, vemos dos propiedades importantes de un artefacto como UX.md que lo diferencian de los artefactos tradicionales de investigación y diseño.

Primero, no fue escrito para humanos. gente capaz Léalo, pero su éxito se mide en función de si mejora la producción de IA, no de si las partes interesadas creen en ella. Esto podría convertirse en un estándar mensurable, una métrica que pueda seguirse a lo largo del tiempo.

En segundo lugar, no está separado del producto. Vive con el código del producto, cambia a medida que cambia el producto y es leído por todas las herramientas de inteligencia artificial de la organización cada vez que se construye algo. Siempre que alguien genera algo, ya sea un diseñador, un gerente de producto o un ingeniero, la investigación y los estándares están presentes.

Este no es un artefacto que queda con el tiempo o que se entrega a otra persona, sino una fuente de verdad constantemente seleccionada. UX.md (o su equivalente) nunca finaliza. Una nueva investigación lo actualiza, al igual que el análisis de casos en los que la inteligencia artificial falla. Es investigación y diseño continuos, acumulados en un solo lugar, para que toda la organización se beneficie.