// Perform your desired action here (function (s, e, n, d, er) { s['Sender'] = er; s[er] = s[er] || function () { (s[er].q = s[er].q || []).push(arguments) }, s[er].l = 1 * new Date(); var a = e.createElement(n), m = e.getElementsByTagName(n)[0]; a.async = 1; a.src = d; m.parentNode.insertBefore(a, m) })(window, document, 'script', 'https://cdn.sender.net/accounts_resources/universal.js', 'sender'); sender('986212f6399684')

هوش مصنوعی در UX چه می‌کند؟

هوش مصنوعی در ux چه می کند؟

از پخت غذا گرفته تا استفاده در صنایع مختلف و علوم ریاضی، هوش مصنوعی حالا در هر جایی رخنه کرده است. طبق تحقیقاتی که موسسه گارتنر انجام داده، شرکت‌های مبتنی بر خدمات هوش مصنوعی در سال ۲۰۲۲ رشد ۲۱ رصدی را تجربه کرده‌اند که این امر باعث رخنه بیش‌ازپیش ربات‌ها و هوش مصنوعی در زندگی مردم شده است. فعلا در این مقاله کاری به خدمات هوش مصنوعی در تغذیه و سبک زندگی نداریم. ما در آکادمی آمانج قصد بررسی تخصصی اثر هوش مصنوعی بر تجربه کاربری یا UX را داریم. اگر در این زمینه تخصص دارید پیشنهاد می‌کنم این مطلب را از دست ندهید تا با جدیدترین روش‌های طراحی رابط و تجربه کاربری آشنا شوید.

 

فواید هوش مصنوعی در طراحی تجربه کاربری

اغلب افراد فکر می‌کنند آینده هوش مصنوعی فقط به چند پروژه علمی ختم می‌شود که هوش مصنوعی در فرایند تکمیل آن‌ها سهیم است. درصورتی که چنین رویکردی نسبت‌به هوش مصنوعی اشتباه است. هوش مصنوعی درواقع یک علم پشتیبان برای تمام کارهایی است که انسان‌ها می‌توانند انجام دهند. تقریبا چیزی شبیه دستیار که اطلاعات، مبانی و… را به شما تذکر می‌دهد. حالا می‌خواهیم اثر مثبت این پشتیبان بر تجربه کاربری را بررسی کنیم.

 

شخصی‌سازی و سفارشی‌سازی محصول

عملکرد تیم‌های تجربه کاربری براساس شخصی‌سازی محصول که برای کاربر فراهم می‌کنند، سنجیده می‌شود. اینکه تیمی بتواند محصولی مبتنی بر علایق و عملکرد کاربر طراحی کند، بهترین تجربه کاربری دنیا را ساخته است. خصوصا اگر بتوانند برای دسته‌های مختلف کاربران این کار را انجام دهند.

البته بهتر است بدانید این کارها فقط در بیان ساده است و وقتی پای عمل می‌رسد، از جمع‌آوری اطلاعات تا تحلیل و تصمیم‌گیری، پای اغلب متخصصان می‌لنگد. هوش مصنوعی اینجا پشتیبان تیم تجربه کاربری می‌شود و با فرایندی که برایش تعریف می‌کنند، شروع به جمع‌آوری، دسته‌بندی و تحلیل اطلاعات می‌کند تا تیم تجربه کاربری در تصمیم‌گیری دست باز و فهم دقیق‌تری داشته باشد.

به طور خلاصه استفاده از هوش مصنوعی در تجربه کاربری منجر به توسعه محصول به‌صورت سفارشی‌سازی شده و ویژه می‌شود و این ارزش محصول را بی‌اندازه افزایش می‌دهد.

 

اتوماسیون و بهره وری بیشتر در تیم

اگر به‌طور خلاصه این فایده را بررسی کنیم باید به یک جمله یعنی انجام کارها توسط ربات بسنده کنیم. هدف تجربه کاربری تولید یا توسعه محصولی بدون چالش برای کاربر است. محصولی که کاربر بدون فکر کردن در آن بچرخد و از خدماتی که می‌خواهد استفاده کند. حالا فکرش را بکنید تیمی که می‌خواهد چنین محصولی را توسعه دهد، خود نگران مسائل ساده و پیش‌پا افتاده مثل ساخت تصویر و… باشند یا برای مثال ابزاری که برای ساخت کامپوننت‌ها دارند، اصلا بهینه نباشد و کارشان را مشکل کند.

هوش مصنوعی این‌جا به کمک متخصصان این حوزه می‌آید. مثلا ادوبی به‌عنوان یکی از بزرگ‌ترین برندهای صنعت طراحی روی یک ابزار در طراحی کار کرده که تصاویر را با کمک هوش مصنوعی روی هم هماهنگ می‌کند بدون اینکه متخصص بخواهد هزاران ترفند مختلف اجرا کند.

طبیعتا وقتی در زمان صرفه جویی می‌شود بهره‌وری تیم و توسعه محصول هم بهتر پیش می‌رود و کارها به‌صورت اتوماتیک انجام می‌شود.

 

جمع آوری و تفسیر اطلاعات

اینکه در بخش فواید هوش مصنوعی به جمع آوری اطلاعات و تفسیر آن‌ها اشاره کردیم امر عجیبی نیست. درواقع یک متخصص تجربه کاربری باید هنر جمع‌آوری و تفسیر اطلاعات را هم داشته باشد. این بخش، جایی است که هوش مصنوعی به کمک متخصصین تجربه کاربری می‌آید. درواقع جمع‌آوری و تفسیر اطلاعات به‌دست آمده از کاربران یک محصول دیجیتال شاید کار سختی نباشد ولی بسیار بسیار زمان‌بر است.

 


بیشتر بخوانید: “تحقیقات کمّی در UX+ معرفی متدهای آن


 

یک تیم طراحی و توسعه باید ساعت‌ها وقت بگذارد و مسائل و مبانی مختلف را با اطلاعاتی که به دست ‌آورده، انطباق دهد. هوش مصنوعی یا ماشین لرنینگ می‌تواند فرایند تفسیر این اطلاعات و جمع‌آوری آن‌ها را بهتر، سریع‌تر و دقیق‌تر پیش ببرد.

با تعیین پروتکل‌های مختلف برای یک ربات یا جست‌وجوگر به‌راحتی می‌توان جامع‌ترین اطلاعات را به‌دست آورد، آن‌ها را دسته بندی کرد و نتیجه هم گرفت. مثلا شما به گوگل آنالیتیکس نگاه کنید. به‌صورت ماهیانه یا هفتگی گزارش‌های متنی را به جای اعداد برای شما می‌فرستد. طبیعتا نباید انتظار داشته باشید که این گزارش‌ها را کارمند آن‌ها بنویسد.

 

نمونه داده های جمع آوری شده توسط ربات ها در گوگل آنالیتیکس

 

نقش متخصص تجربه کاربری در محصولات مبتنی بر هوش مصنوعی

تا اینجا با هوش مصنوعی به‌عنوان یک پشتیبان برای تخصص تجربه کاربری یاد کردیم. هوش مصنوعی مثل ابزاری که می‌تواند تمام بخش‌های محصول را بررسی کند و آن را زیرنظر بگیرد در پروژه‌ها به شما کمک می‌کند. حالا فکرش را بکنید با محصولی رو‌به‌رو هستید که هوش مصنوعی در خدماتش فعالیت می‌کند. مثلا به جای نیروی پشتیبانی، ربات چت هست. به‌عنوان یک متخصص تجربه کاربری وظیفه‌ای متفاوت در انتظارتان هست که در این بخش به آن می‌پردازیم.

 

ایجاد اعتماد کردن

وقتی با چنین پروژه‌هایی روبه‌رو هستید مهم‌ترین کار متخصص تجربه کاربری، ایجاد اعتماد بین کاربر و محصول است. کاربر باید بتواند به هوش مصنوعی استفاده شده در این محصول اعتماد کند وگرنه کلاه برند پس معرکه است. اعتماد امر جدایی ناپذیر محصولات مبتنی برهوش مصنوعی است که با آموزش به کاربر، شفافیت در عملکرد، انعطاف پذیری و یکپارچگی می‌توان به وجودش آورد.
ایجاد اعتماد بین کاربر و خدمات مبتنی بر هوش مصنوعی ممکن است، کمی دشوار باشد، زیرا پیش‌بینی رفتار کاربر بعد از مواجهه با عملکرد محصول کمی سخت است. با این‌حال روش‌هایی وجود دارد که در این فرایند به شما کمک می‌کند.

به طور کلی اعتمادسازی به چهار مرحله یا بخش تقسیم می‌شود:

  • صلاحیت یا شایستگی (Competence)
  • خیرخواهی یا نیک خواهی (Benevolence and openness)
  • بی‌عیبی یا تکامل (Integrity)
  • جذابیت یا کاریزما (Charisma)

 

نقش متخصص UX در طراحی محصول با هوش مصنوعی

 

یک محصول مبتنی بر هوش مصنوعی، با در نظر گرفتن این چهار رکن باید بتواند به خوبی با کاربر ارتباط برقرار کند و توانایی‌های خود را نمایش دهد.

به‌طور کلی هوش مصنوعی قدرتی به طراحان و توسعه دهنده‌ها می‌دهد که می‌توانند ابزارهای بزرگ و خیلی از مواقع خطرناکی بسازند. البته منظور از خطرناک، اینجا ساخت بمب نیست، بلکه خدمات مبتنی برهوش مصنوعی اطلاعات کاربران را بیش از پیش ذخیره و داده‌کاوی می‌کند پس باید مراقب عملکرد آن باشید تا از نظر اخلاقی اطلاعات مختلف کاربر را ذخیره و بررسی نکند.

 


هوش مصنوعی جذاب و البته کمی خطرناک است. در مقالات دیگر به قدرت اطلاعات و قوانین مخصوص این علم اشاره کرده‌‌ایم که خواندنشان خالی از لطف نیست. پیشنهاد می‌کنیم مقاله “نیمه‌ تاریک هوش مصنوعی و ماشین لرنینگ” را از دست ندهید.


 

تست قابلیت استفاده از محصول

همانطور که گفته شد رفتار محصولات مبتنی بر هوش مصنوعی یا ماشین لرنینگ با کاربرهای زنده را نمی‌توان خیلی پیش‌بینی کرد. درواقع یک سمت ماجرا قابل پیش‌بینی و سمت دیگر غیرقابل پیشبینی است و همین مسئله می‌تواند به نابودی محصول ختم شود. برای جلوگیری از باگ‌های رفتاری یا نرم‌افزاری، متخصصان تجربه کاربری دست‌به کار می‌شوند و با روش‌های مختلفی قابلیت‌ها و کاربرد پذیری محصول را بررسی می‌کنند.

مثلا یک جامعه مشخصی که شناختی از محصول ندارند را برای تست و کار با محصول انتخاب و مشکلات و پاسخ‌های اشتباه هوش مصنوعی را بررسی می‌کنند.

نکته‌ای که باید به آن توجه کنید این است که اصلا و ابدا نسبت‌به تست محصول بی‌هدف نباشید و تا ریزترین حرکات هوش مصنوعی را هم تست کنید، زیرا وقتی کاربران محصول بالا رفت ممکن است یک مشکل کوچک را هزاران نفر ببینند و تجربه بدی با استفاده از محصول شما در ذهنشان ثبت شود.

 

توضیح به کاربران

به کاربرانتان توضیح دهید که هوش مصنوعی در محصول شما دقیقا چیست، چه کاری انجام می‌دهد و چه کاری انجام نمی‌دهد. مثلا اگر اطلاعاتی به کاربر نمایش و یا پیش‌بینی از سمت محصول برای او ارسال می‌شود، حتما نحوه عملکرد و به‌دست آوردن این اطلاعات را برای آن‌ها توضیح دهید. توصیه می‌کنم مطمئن شوید که کاربر توضیحات شما را متوجه شده است.

 


بیشتر بخوانید: “چه آینده‌ای درانتظار حرفه‌ی طراحی UX است؟


 

هوش مصنوعی و طراحی تجربه کاربری

حالا وقت آن است مطالبی که درمورد نقش متخصص تجربه کاربر در محصولات مبتنی بر هوش مصنوعی و نقش هوش مصنوعی در کمک به متخصصین این حوزه گفتیم را جمع بندی کنیم.

به طور کلی ۲ راه اصلی هست که هوش مصنوعی از آن طریق به متخصصان کمک کند:

 

  • انجام خودکار تسک های روزمره

اگر سیستم، ابزار یا پلتفرم و… متکی به هوش مصنوعی دارید، پیشنهاد می‌کنم بار تسک‌های روتین و روزمره تجربه کاربری را برگردن آن‌ها بگذارید و خودتان به تحلیل‌های فنی و کارهای مهم‌تر مشغول شوید.
مثلا ابزارهای زیادی هستند که بعد از جمع آوری اطلاعات و ساخت فلوچارت حرکتی کاربر، وایرفریم‌های محصول را می‌سازند. شما می‌توانید چنین کارهایی را به هوش مصنوعی بسپارید و خیلی ساده فقط منتظر تمام شدنشان باشید.

 

  • جمع آوری و تفسیر اطلاعات

وقتی پای بررسی بعد از راه اندازی محصول وسط باشد، جمع آوری و تفسیر اطلاعات مهم‌ترین کار یک متخصص تجربه کاربری است. شما می‌توانید چنین کاری را به الگوریتم‌های هوش مصنوعی بسپارید. وقتی اطلاعات را آن‌ها به خوبی جمع‌آوری و دسته بندی می‌کنند، چرا یک تیم چند نفره  هم مشغولش شوند؟

با اینکه این مطلب بیشتر درباره هوش مصنوعی و اثرش روی تجربه کاربری بود، پیشنهاد می‌کنیم هر دو تخصص را دنبال کنید تا بتوانید با شناختی دقیق روابط این دو تخصص و کمکی که می‌توانند به هم کنند را بشناسید.
اگر مایلید می‌توانید در دوره آموزش ماشین لرنینگ آکادمی آمانج هم شرکت کنید که شما را با مبانی و مبادی هوش مصنوعی بیش از پیش آشنا می‌کند یا سری به دوره آموزش تجربه کاربری (UX) بزنید تا با مبانی این تخصص هم آشنا شوید.

 

 

برای تهیه این مقاله از منبع زیر استفاده شده است: 

adamfard.com

آیا این مطلب برای شما مفید بود؟

امتیازشو ثبت کنید

میانگین / 5. تعداد رای

اولین نفر شما امتیاز دهید

نوشته شده توسط
علی نادی

کی گفته بهترین کلاس، کلاس حضوریه؟ می‌دونید که کلمه‌ها جادو دارن، به‌همین علت هنوز دنیای کلمات می‌تونه پابه‌پای دنیای واقعی پیش بره و حتی گاهی جلوتر از اون شروع به پیشگویی کنه. پس من توی دنیای کلمات آکادمی آمانج می‌گردم و با مداد جادو وِردهای آموزشی برای شما می‌نویسم....

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *