NastępnyNastępny poradnik
Konwersacyjny dźwięk UX
Dźwiękowa sztuczna inteligencja
PRZEWODNIK Aplikacji
AI dla badaczy UX
Sztuczna inteligencja dla badaczy UX oznacza wykorzystanie sztucznej inteligencji do transkrypcji i podsumowania wywiadów, oznaczania dużych ilości informacji zwrotnych oraz opracowywania planów badawczych i przewodników do dyskusji, przy czym badacze ponoszą odpowiedzialność za interpretację.
Posłuchaj tego przewodnikaOpowiadane przez sztuczną inteligencję · ~3 min
Na tej stronie4 minuty czytania
Przegląd
Ma to znaczenie, ponieważ może skrócić analizę z tygodni do dni. Stwarza także nowe ryzyko: sfabrykowane cytaty, spłaszczone spostrzeżenia i pokusę zastąpienia prawdziwych uczestników syntetycznymi użytkownikami.
Głębokie nurkowanie
Badania UX generują wiele nieustrukturyzowanych danych: nagrania wywiadów, notatki z sesji użyteczności, odpowiedzi na ankiety otwarte, zgłoszenia do pomocy technicznej i recenzje aplikacji. AI pomaga na kilku etapach. Rozpoznawanie mowy zamienia nagrania w transkrypcje. Modele językowe podsumowują sesje, sugerują tematy i tworzą grupy podobieństw. Modele klasyfikacji i osadzania organizują tysiące elementów opinii. Repozytoria badawcze, takie jak Dovetail i Condens, dodały funkcje sztucznej inteligencji do tagowania i podsumowywania. Sztuczna inteligencja jest również przydatna w planowaniu. Może opracowywać plany badawcze, przewodniki po wywiadach, narzędzia przesiewowe i język formularza zgody, które badacze następnie przeglądają pod kątem wiodących pytań i uprzedzeń. Najbardziej dyskutowaną praktyką jest używanie użytkowników syntetycznych: osób będących modelami językowymi, które odpowiadają na pytania podczas rozmowy kwalifikacyjnej tak, jakby były klientami. Są szybkie i tanie, ale ich odpowiedzi odzwierciedlają wzorce w danych szkoleniowych, a nie przeżyte doświadczenie. Zwykle są ugodowi i elokwentni oraz udzielają wiarygodnych, uśrednionych odpowiedzi. Nie mogą ujawnić zaskakującego rozwiązania, reakcji emocjonalnej ani kontekstu, jaki wnosi prawdziwy uczestnik. Nie mogą też pokazać, co ludzie robią, a nie mówią, co jest sednem testów użyteczności. Praktycy, w tym Nielsen Norman Group, przestrzegają przed traktowaniem odpowiedzi syntetycznych jako wyników badań. Ich rozsądne zastosowania są węższe: pytania pilotażowe, generowanie hipotez do przetestowania lub przygotowanie do sesji. Powszechnym błędnym przekonaniem jest to, że podsumowanie sztucznej inteligencji jest tym samym, co synteza. Prawdziwa synteza waży dowody, porównuje źródła, zauważa sprzeczności i wiąże ustalenia z decyzjami dotyczącymi produktu. Podsumowania mają również tendencję do wygładzania poglądów mniejszości i wartości odstających, które często zawierają najbardziej przydatne spostrzeżenia. Modele mogą również błędnie przypisywać lub wymyślać cytaty. Wreszcie obowiązuje etyka badań: zgoda uczestników powinna obejmować przetwarzanie ich danych przez sztuczną inteligencję, a dane osobowe powinny być traktowane zgodnie z polityką prywatności organizacji.
Implementacja w świecie rzeczywistym
Po dwunastu rozmowach z klientami badacz wykorzystuje sztuczną inteligencję do transkrypcji rozmów i pobierania cytatów kandydatów ze znacznikami czasu dla każdego pytania badawczego. Sprawdzają każdy cytat z nagraniem, zanim trafi on do raportu.
Zespół produktowy ma 5000 recenzji w sklepach z aplikacjami. Sztuczna inteligencja stosuje napisany przez badacza zbiór kodów (trudności podczas wdrażania, ceny, wydajność, żądania funkcji), a badacz ręcznie koduje próbkę, aby sprawdzić, czy etykiety się zgadzają.
Badacz prosi sztuczną inteligencję o przygotowanie przewodnika do dyskusji i ankiety przesiewowej na potrzeby badania dotyczącego fakturowania w małych firmach. Usuwają pytania wiodące i dodają pytania uzupełniające przed sesją pilotażową.
Przed rekrutacją badacz przegląda przewodnik dyskusji obok osoby AI i znajduje mylące sformułowania. Odpowiedzi traktują jako test pytań, a nie ustalenia dotyczące prawdziwych klientów.
Przyszłość AI dla badaczy UX
Sztuczna inteligencja prawdopodobnie stanie się standardową częścią repozytoriów badawczych i narzędzi analitycznych, a najbardziej czasochłonne prace mechaniczne, takie jak transkrypcja, tagowanie pierwszego przejścia i sporządzanie planów, będą coraz szybsze. Może to pozwolić małym zespołom na prowadzenie większej liczby badań lub popchnąć badaczy do bardziej strategicznych prac. Ograniczenia użytkowników syntetycznych wynikają z tego, czym są, więc bezpośredni kontakt z prawdziwymi ludźmi prawdopodobnie pozostanie w centrum uwagi. Spodziewajcie się większej debaty na temat standardów badawczych, ujawniania analiz wspomaganych sztuczną inteligencją i zgody uczestników. Badacze, którzy będą w stanie rygorystycznie sprawdzać wyniki sztucznej inteligencji i przekształcać dowody w decyzje, będą dobrze przygotowani.
Wdrażanie tego w praktykę
Dlaczego to ma znaczenie
- Buduj wybory. Projektowanie na poziomie aplikacji określa, czy sztuczna inteligencja poprawia rzeczywiste wyniki.
- Zespół i przepływ pracy. Dobra integracja przepływu pracy zapewnia wzrost produktywności, któremu użytkownicy mogą zaufać.
- Ryzyko i bezpieczeństwo. Dobrze określone przypadki użycia zmniejszają zmęczenie zmianami i ryzyko wdrożenia.
Uważaj na
- Automatyzacja uszkodzonego procesu może spotęgować istniejące problemy.
- Zespoły mogą nadmiernie zautomatyzować i wyeliminować niezbędny ludzki osąd.
- Jakość może się wahać, jeśli wyniki nie są stale oceniane.
Kolejne kroki
- Zamapuj bieżący przepływ pracy i zidentyfikuj etap o największym tarciu.
- Zdefiniuj ludzkie punkty kontrolne przed pełną automatyzacją.
- Szkoluj użytkowników w zakresie podpowiedzi, ścieżek eskalacji i standardów jakości.
- Śledź wyniki na poziomie zadań, aby potwierdzić trwałą wartość.
Odkrywaj dalej
Darmowy newsletter
Otrzymuj codzienne podsumowanie AI
Trzy zweryfikowane historie AI każdego poranka w dni robocze, napisane prostym angielskim. Bezpłatne na zawsze, bez reklam.
Jedno e‑mail każdego dnia roboczego. Wypisz się jednym kliknięciem. Nigdy nie sprzedajemy ani nie udostępniamy Twojego adresu.
Sprawdź się
Take the AI for UX Researchers quiz
Natychmiastowa informacja zwrotna na każde pytanie oraz udostępnialny certyfikat z weryfikowalnym ID po zaliczeniu kursu.
Wspieraj darmową edukację AI. AI Understanding jest organizacją non-profit 501(c)(3) — bez reklam, bez płatnej ściany, zawsze. Przekaż darowiznę
Często zadawane pytania
Czym jest AI dla badaczy UX?
Sztuczna inteligencja dla badaczy UX oznacza wykorzystanie sztucznej inteligencji do transkrypcji i podsumowania wywiadów, oznaczania dużych ilości informacji zwrotnych oraz opracowywania planów badawczych i przewodników do dyskusji, przy czym badacze ponoszą odpowiedzialność za interpretację. Ma to znaczenie, ponieważ może skrócić analizę z tygodni do dni. Stwarza także nowe ryzyko: sfabrykowane cytaty, spłaszczone spostrzeżenia i pokusę zastąpienia prawdziwych uczestników syntetycznymi użytkownikami.
Jakie jest podstawowe ograniczenie użytkowników syntetycznych?
Użytkownicy syntetyczni odzwierciedlają wzorce w danych szkoleniowych. Nie są w stanie zapewnić zaskakującego kontekstu i doświadczenia, jakie wnoszą prawdziwi uczestnicy.
Jakie jest rozsądne wykorzystanie użytkowników syntetycznych według przewodnika?
Przewodnik zawiera listę pytań pilotażowych, generowanie hipotez i przygotowanie do sesji, jeśli to konieczne. Traktowanie wyników jako ustaleń nie jest takie.
Dlaczego badacze powinni prosić sztuczną inteligencję o dokładne cytaty ze znacznikami czasu?
Dzięki znacznikom czasu każdy cytat jest identyfikowalny i sprawdzalny, co chroni przed sfabrykowanymi lub błędnie przypisanymi cytatami.
Co mierzy kappa Cohena w tagowaniu wspomaganym przez sztuczną inteligencję?
Kappa Cohena mierzy zgodność między dwoma programistami w stopniu wykraczającym poza to, co stworzyłby przypadek. Pokazuje, czy można ufać etykietom modelki.
Dlaczego podsumowanie sztucznej inteligencji to nie to samo, co synteza badań?
Streszczenia kompresują treść i często tracą poglądy mniejszości. Synteza to interpretacja i osąd.
Ucz się dalej
Powiązane przewodniki
Wybrano więcej przewodników na ten temat