服务设计师在AIGC时代的三种角色

0 评论 2175 浏览 3 收藏 21 分钟

我们正处于一场技术革命的转折点,这场革命有可能改变我们做每一件事的方式,关注相关发展变得十分重要。在本篇文章中作者分享了服务设计师在AIGC时代的三种角色,一起来看看吧。

我们正处于一场技术革命的转折点,这场革命有可能改变我们做每一件事的方式。生成式人工智能将帮助我们共同创造新的产品、服务和体验。在这些新系统的开发中,服务设计师至少可以扮演三个角色。

首先,它将塑造人们理解人工智能并与之互动的方式。接下来,服务设计师可以带上他们的“镜头”来帮助确保这些系统是有用的、可用的、高效的、有效的、可取的和差异化的——从个人和提供者的角度来看。最后,我们最好的服务设计方法和远见可以应用于负责任的设计,避免偏见和意外后果。

一、生成式AI-Generative AI

生成式 AI 系统是一种人工智能,可以根据关系的概率或从大型数据集示例中学习的数据生成新内容。这些系统通常用于生成文本、图像、音频、视频甚至音乐等任务。他们的工作方式是使用机器学习算法来学习训练数据中的模式,然后使用这些知识生成原始结构的输出,而不仅仅是输入数据的副本。

作为用户,我们可以输入几个词,返回的响应可以是段落、详细插图、视频、音频等等。这是一种迷人的关系——我们付出的很少,回报却很多。这是他们具有如此潜力的原因之一,但可以真正要求我们作为服务设计师的才能,因为他们成为我们合作和共同创造的合作伙伴。

我们正处于这个转型时刻,因为人工智能社区已经开发出大型神经网络,可以对数百万和数十亿基于网络的文本片段、图像、音轨等进行“训练”,这一切都得益于计算能力的持续指数增长和网络。由此产生的经过训练的系统速度快得难以想象,并且受益于不断上传到网络的人类知识的广泛数据集。

ChatGPT和DALLE都是来自人工智能研究和部署公司OpenAI的服务系统。ChatGPT 是文本到文本生成 AI 程序的领先示例。DALLE 是一个文本到图像生成 AI 程序。Texttoimage 程序也可以用来生成任何可以表示为图像的东西,包括声音和音乐甚至化学物质。

我们已经在生命科学中看到了有用的应用,其中一个有前途的研究领域是生产蛋白质以满足药物开发研究中的特定限制。

应用程序似乎无穷无尽。它们有可能支持所有形式的认知工作,例如医生诊断疾病、开治疗处方,以及更平凡的管理自己的工作量。它可以是任何东西,从个性化文案到定性研究分析再到网络安全。也许目前文本到文本系统最先进的应用是 GitHub 的 CoPilot,这是一个建立在 ChatGPT 基础上的程序,可以帮助工程师编写软件代码。

CoPilot 还可以帮助工程师生成描述现有代码功能的注释。助手或所谓的“智能代理”,如 CoPilot,可能会迅速出现以从事多种工作,从管理建筑物到驾驶飞机等等。里德·霍夫曼 (Reid Hoffman) 将这种支持描述为拥有一个“副驾驶”,负责一切可以扩大人类知识和活动与 TikTok 级别相关性的事物。

我们很快就会到达这样一个时刻,技术将使我们达到我们需要的准确性和交付速度的水平,我们需要彻底改变我们现在所知道的工作,并有可能使人工智能民主化,供我们所有人日常使用。OpenAI 的首席技术官 Mira Murati 最近表示:“我们正在尝试构建这些能够以与人类相似的方式思考世界的通用系统;因此系统具有强大的世界概念”。

这些系统能否以与当今人类设计方式没有什么不同的方式基于模式和关系生成内容?当我们开始探索生成式 AI 在设计新产品和服务系统中的应用时,重要的是要考虑我们从这项技术中获得的收益,以及在此过程中我们可能会失去的东西。

生成式人工智能系统有可能帮助服务设计师从一开始就变得激进。与 AI 驱动的陪练伙伴进行实验所带来的意想不到的偶然性可以带来更高质量的结果,同时帮助人员和机器团队更好地协作。他们将帮助服务设计师挑战和重构现有实践。但这些新系统也可能带来更黑暗的未来。

在这种新的协作环境中,我们将如何确定我们已经设计出对解决人类需求很重要的本质?当每个人都可以参与创建概念的高保真原型时,人们将如何判断结果?

如今,这些系统主要由试图尽快推动它们向前发展的技术人员塑造,但这项工作仍处于起步阶段。作为设计师,虽然我们不会直接负责 AI 模型本身的实施(至少在短期内),但我们的参与对于塑造选择生成 AI 作为工具、经验和和的环境至关重要。使用 – 用于设计最终产品或支持人们从事其他工作。

现在是服务设计师介入的时候了,以确保我们正在满足人们的需求,并清楚地了解当技术在这些应用程序中代表用户——以及所有设计师——采取行动时的含义。

二、服务设计师与AI

服务设计师在塑造生成人工智能作为一项新技术的开发和使用方面至少扮演着三个角色:

1. 角色 1:设计交互和理解 AI 的新方法

第一个角色已经正式开始:我们可以通过使用我们的设计研究方法和专业知识来了解人们希望从他们的经验中得到什么,以及他们希望如何使用该技术,从而帮助塑造生成式人工智能的发展。然后,我们可以与技术专家合作,创建能够提供这些结果的系统。

正如设计师所深知的那样,如果产品或服务不符合人们的需求,或者如果他们不能在日常生活中有效地接受和使用它,那么创造出令人惊叹的产品或服务就毫无意义。

设计师擅长在呈现场景、未来旅程或任何类型的草图或粗略原型时展示“我们认为我们的意思”。我们在设计过程中将原型的保真度与我们的观众和阶段相匹配;当我们仍在形成想法时,一开始就很粗糙,随着我们缩小设计决策的范围,就完成了更多。

Mike Kuniavsky 将这些输出称为“潜在未来的部分表示,旨在让我们瞥见我们想法的含义”。Kuniavsky 继续说:“当它们 [AI 系统] 完成细节时,它们会缩短使用局部抽象想法为创意过程增加的价值。用部分的、可能的但不真实的结果来填充半生不熟的想法,这正是人们在创造时所做的,就像他们想象的那样。”

我们设计的细节恰到好处,以鼓励我们的同事、客户或他们的顾客共同做出贡献。

在人或 AI 系统之间就部分表示进行协作时进行对话是团队创建共享上下文的基础。采用我们的参与式方法可以确保系统是共同创建和共同生产的。

这不仅是 AI 的转折点——我们需要重新定义用户体验。提供正确的应用程序和界面,使体验引人入胜且简单,以及在不过度承诺的情况下感受变革的“魔力”,将是我们的最低要求。ChatGPT 是一种对话工具,可以增强人们探索选项的能力。还会有无数其他人。

我们的参与式方法还可以帮助确保这些新应用程序是技能性的,而不是去技能化的。当设计师获得 AI 建议的多个设计选项时,他们的工艺从“纯”创作转变为策展之上的策展,再到最终创作或版本。这些更快的迭代循环有可能为服务设计者和最终用户创造一个学习的良性循环。

我们需要了解多少技术才能相信并利用这种令人难以置信的能力来简化我们的生活?

想象一下,一位医生问为什么人工智能系统会建议一条特定的治疗路径。我们可以帮助医生建立一个强大的模式、关系和数据模型,以支持他们刚刚遇到的情况。设计师善于放大看细节,也善于拉远解释整体。我们可以使用这项技能来帮助设计“可解释性”,这样医生就可以仔细检查逻辑和结果,包括所有参考资料的可视化和事实核查。

作为人工智能的一个子领域,可解释 AI的概念已经存在很长时间了,它专注于开发和提高人工智能系统的可解释性、透明度和可理解性。但是在这些新的生成环境中定义可解释性还有很多工作要做。目标是让人类能够理解人工智能系统如何以及为什么做出某些决定或产生某些输出。

新的重点将转移到提出诸如“为什么摘要生成器强调我论文的那一部分?”之类的问题。

让 AI 易于理解有助于增加人们对 AI 系统的信任,降低偏见风险(取决于所使用的训练数据),并提高 AI 系统的整体性能。可解释性还将让人们了解系统的优势和局限性,以及我们如何在不同的环境中最好地使用它们。

2. 角色 2:将设计师的视角带入业务增长和差异化

三十多年前,C.K. Prahalad 和 Gary Hamel 撰写了一篇极具影响力的哈佛商业评论文章“公司的核心竞争力”。核心竞争力是使组织在市场中脱颖而出的资源、技能和学习。这些新的人工智能系统将迫使企业通过企业重塑的新视角来审视他们的资源、技能和学习。

长期以来,服务设计人员的目标是为个人和提供者制作有用、可用、高效、有效、令人满意和与众不同的服务界面。从根本上说,他们需要了解哪些常见应用程序不会成为企业差异化因素,哪些是其业务能力的核心,因此具有真正差异化的潜力,设计师可以提供帮助。

除了塑造交互体验或解释 AI 提出建议背后的原因外,我们还可以与客户合作设计企业如何应对变革。通过设计研究,我们可以深入了解对人们来说最重要的事情,并将所学知识与组织的宗旨和核心竞争力联系起来。我们不仅可以帮助确定积累的数据在何处以及为何会为 AI 模型带来价值,还可以寻求提升相关人员之间的关系。

企业将需要集中精力并决定拥有哪些数据和模型以及要构建的数字孪生模型,以便两者随着时间的推移复合、共同发展,并通过扩大公司的目标和关键差异化因素来创造竞争优势。

当然,银行会希望收集和保存有关承保的数据。他们可以设计一种方式来解释即时的贷款决定,但是什么会从根本上增强他们与客户的关系呢?人们在金钱方面有不同的心态,这些心态会根据环境而改变。

ChatGPT 等应用程序是否可以用于自定义交互以创建个性化顾问,以便在您想要提醒您不想超出预算时轻推,但又足够敏感,可以在特殊场合为您加油?购物活动’?每次互动都有助于形成一个学习循环,并不断改进他们的 AI 模型,同时将他们的差异化、客户关系和银行的底线结合起来。

仅仅依靠过去的能力是不够的。例如,如果您的企业已经在使用机器学习技术来推动您的决策制定,那么您将需要改变您做事的方式来集成这些更先进的系统。您需要设计您的产品或服务以实现增长,将您的行业提升到越来越高的水平,并无缝地满足客户未开发的需求。

我们目前正在开发方法来帮助客户抓住这些机会。

要迅速采取行动,您需要能够召集由数据科学家、人工智能专家、心理学家、学习专家、商业战略家、设计师和设计研究人员组成的高效团队,他们拥有共同的方法和语言。

在内部,在您的组织中引入生成式 AI 支持的设计将需要在多个利益相关者之间开放改变。如果它可以推动您的业务发展,它很可能会彻底颠覆传统结构。服务设计师可以带头促进这种对差异化的高度关注,并与这些不同的团队一起塑造目标。

为了促进和调解协作,需要对系统有一个新的看法。Connor Upton 认为它是服务蓝图和系统架构的混搭。预示组织 IP 价值、治理价值和客户价值的观点。

3. 角色 3:通过与技术人员共同创造来设计治理、安全和道德规范

这些团队将负有从一开始就做好设计的重大责任。他们需要以生命为中心的设计原则,并在构思系统时加以应用。这意味着从一开始就作为一个多学科团队共同创建,以针对预期结果进行设计,同时利用远见不断了解意外后果。正如 Mira Murati 所建议的那样,它的目标是“迭代地构建缓解措施”。

学术机构已经在朝这个方向努力,并呼吁建立新版本的机构审查委员会 (IRB)。在斯坦福大学,它被称为“ESR”,即道德与社会审查委员会。

作为设计师,我们喜欢说我们代表人,为这些努力做出贡献可以使这成为现实,但正如斯坦福大学 HumanCentered AI 研究所的联合主任 FeiFei Li 所说,“安全是像健康这样的词之一:每个人都想要它 ,但真的很难定义它。”

要快速建立确保 AI 生成的产品和服务的公平性和多样性的方法,需要考虑很多方面,需要做很多工作。除了可解释性,确保作为系统核心的数据集是公平的也将是关键。

使用了哪些输入参数集或训练数据集?随着数据集呈指数级增长,年复一年,我们能否使用区块链来确定它们的来源并知道什么是“原始”的,什么是生成的?如果没有适当的制衡机制,麻省理工学院技术评论中的 Melissa Heikkilä11 表示,“我们可能正在实时目睹废话滚雪球的诞生。”

对于 AI 将如何影响人们及其工作的大小,还有一些主要考虑因素。我们能否在全球范围内大规模利用并解决特定的劳动力短缺和挑战?或者在小范围内考虑使用 AI 功能通过迭代对 AI 的输入来帮助孩子学习,以便结果是交互式体验而不是“最终”系统输出?

我们能否教我们的孩子对共同创造(人类或人工智能)有一种微妙的欣赏,并对他们的独特努力形成不同的欣赏?到目前为止,问题很多,明确的指导很少。场景构建是服务设计的核心,我们可以使用我们的前瞻性方法来寻找早期信号并实时识别趋势,以探索多种可能的未来并迭代地缓解它们,正如 Mira Murati 所建议的那样。

服务设计师可以代表人——作为跨学科团队的一部分,从一开始就应用有原则的设计来解决人工智能的伦理、治理和安全问题,并针对预期结果进行设计,但这将很难。

生成式人工智能将彻底改变服务设计在公共和私营部门中的作用

综上所述,毫无疑问,作为生成设计思想的工具,生成式人工智能可以帮助服务设计师在工作中更加大胆和高效。我们需要适应和发展机器学习和数据科学等领域的新技能和专业知识,以充分利用。同时,在设计中使用生成式人工智能也有可能改变服务设计师的角色。

我们可以与技术专家和这些更广泛的团队合作,以简化人们的体验——以我们在设计中一贯采用的方式——建议 AI 删除步骤的方法,并提出 nextbestmove 建议,使其成为一种简单而令人惊叹的审美体验,等等。

在这场革命中,我们可以成为设计乐观主义者,与那些塑造工具以塑造我们想要的未来的人跨学科合作。马歇尔·麦克卢汉 (Marshall McLuhan) 曾经说过“我们塑造我们的工具,我们的工具塑造我们”。我们现在有一个千载难逢的机会来塑造这些工具,如果我们这样做,设计和服务设计师将会做得更好。

原文作者:Shelley Evenson (该文章已获得相关方和原作者授权)

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

译者:陈昱志Yeutz Chen,微信公众号:YeutzDesign(ID:Yeutzsheji),专注于服务设计领域,致力于服务设计创新转型研究。

本文由 @陈昱志Yeutz Chen 翻译发布于人人都是产品经理。未经许可,禁止转载。

题图来自Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!