اهمیت طراحی تجربه کاربری در توسعه هوش مصنوعی

طراحی و تجربه‌ی کاربری موضوعی است که معمولا در طراحی نرم‌افزارهای هوش مصنوعی نادیده گرفته می‌شود درصورتی‌که تأثیر فوق‌العاده زیادی روی عملکرد مشتری می‌گذارد.

نرم‌افزار متن باز (open source software) یکی از محرک‌های کلیدی انقلاب هوش مصنوعی است. امروزه باتوجه‌به گسترش زبان‌های برنامه‌نویسی مانند پایتون و پلتفرم‌هایی مانند TensorFlow هر شخصی می‌تواند مدل‌های پیچیده بسازد. اما این به این معنا نیست که اپلیکیشن‌های ساخته‌شده مفید خواهند بود و حتی گاهی‌اوقات ضرر آن‌ها بیشتر از منفعتشان است.

بااین‌حال تجربه‌ی کاربری یکی از مواردی است که همواره در طراحی نرم‌افزارهای هوش مصنوعی نادیده گرفته می‌شود. با اینکه ابزارهای قدرتمند و سیستم‌های مبتنی بر ابر در دسترس هستند اما واقعیت این است که معمولا دانشمندان داده که اپلیکیشن‌ها را می‌سازند ممکن است در توسعه‌ی رابط‌های بصری مهارت نداشته باشند. باتوجه‌به اینکه اغلب مردم غیر فنی از هوش مصنوعی برای دستیابی به اهداف کسب‌وکار استفاده می‌کنند بنابراین این موضوع اهمیت زیادی دارد.

در حال حاضر دسته‌ی جدیدی از ابزارهای هوش مصنوعی به نام یادگیری ماشین خودکار (AutoML) در حال شکل‌گیری است که از ورک فلوهای ساده (سیستم گردش کار) و روش کشیدن و رها کردن برای ساخت مدل‌های پیچیده استفاده می‌کند و هوش مصنوعی را دموکراتیزه می‌کند.

AI

استفاده از پلتفرم‌های توسعه‌ی کم کد می‌تواند در ساخت اپلیکیشن‌هایی با رابط کاربری زیبا بسیاری کاربردی باشد و همچنین کمبود نیروی متخصص شرکت‌ها برای ساخت اپلیکیشن را پوشش دهد. اما حتی استفاده از این سیستم‌ها نیز به پیش‌زمینه‌ای در علوم داده نیاز دارد و این موضوع روی توسعه‌ی رابط کاربری تأثیر می‌گذارد. فلوریان داوتو، مدیرعامل شرکت نرم‌افزاری Dataiku می‌گوید:

«زمانی‌که ما Dataiku را طراحی می‌کردیم، مأموریتمان این بود که داده و هوش مصنوعی را میان مردم همه‌گیر کنیم و تمام قطعات مختلف تکنولوژی را دور هم جمع کنیم و هنگام طراحی رابط کاربری این موضوع را مد نظر قرار دادیم. هوش مصنوعی شرکتی به‌معنای آینده است و این یعنی صدها و هزاران نفر از مردم از نرم‌افزار Dataiku برای انجام کارهای شرکت استفاده می‌کنند و روزانه چند ساعت با این نرم‌افزار کار می‌کنند.

بنابراین ما طراحی کاربری Dataiku را ساده، شفاف، مدرن و زیبا انجام دادیم. مطمئنا هیچ‌کس دلش نمی‌خواهد در یک فضای فیزیکی یا مجازی به‌هم‌ریخته و قدیمی کار کند؛ مخصوصا در زمینه‌ی تکنولوژی‌های پیشرفته‌ای مانند علم داده و یادگیری ماشین.

سهولت در استفاده، یکی دیگر از مواردی است که باید در اپلیکیشن‌های هوش مصنوعی در نظر گرفت اما نباید به‌معنای از بین رفتن قدرت نرم‌افزار تمام شود. این یعنی طراحی کاربری Dataiku باید برای انجام کارهای تجاری ساده باشد زیرا بسیاری از کاربران دانش بالایی در علوم داده ندارند اما این موضوع نباید روی عملکرد نرم‌افزار تأثیر بگذارد.»

AI & Decision Making

اگرچه برقراری این تعادل آسان نیست اما برای طراحی نرم‌افزارهای هوش مصنوعی ضروری است. سؤال مهم این است که چه کارهایی برای تحقق این هدف باید انجام شود. در ادامه به بررسی بیشتر تعدادی از آن‌ها‌ می‌پردازیم:

تمرکز کردن روی الگوهای معنادار:  زمانی‌که صحبت از طراحی و تجربه‌ی کاربری به میان می‌آید، جنبه‌ی هوش مصنوعی نرم‌افزار باید برای مشتری پنهان بماند. در این شرایط موضوعاتی که باید از دید مشتری پنهان بماند، نسبت به ویژگی‌هایی که باید به کاربر نشان داده شود، اهمیت بیشتری دارد زیرا دادن اطلاعات اضافی به مشتری، به‌معنای گمراه شدن آن‌ها و از بین رفتن الگوهای معنادار است.

اهمیت دادن به فونت: نرم‌افزارهای هوش مصنوعی با حجم زیادی از اطلاعات درگیر هستند. برخی از آن‌ها ۳۵ میلیون رویداد را از هفت هزار سیگنال تقلبی در هر ماه پردازش می‌کنند و لازم است به مواردی مانند فونت، رنگ و سایز اهمیت دهند. این موارد شاید مهم به نظر نرسد اما در تحلیل حجم زیادی از اطلاعات، سیگنال‌ها و نتایج اهمیت بالایی دارد.

ساده کردن برچسب‌ها: طراحی و تجربه‌ی کاربری یعنی زبان مشترک توسعه‌دهندگان به زبانی قابل فهم برای مشتری‌های یک نرم‌افزار هوش مصنوعی مانند تحلیل‌گران تبدیل شود. به‌عنوان مثال هنگام بررسی یک رویداد توسعه‌دهندگان متوجه الگویی شده و آن را با برچسب «خطای لاگین در آخرین ساعت رویداد بزرگ‌تر از ۱۰» نام‌گذاری می‌کنند اما این موضوع را با برچسب «فعالیت غیر طبیعی اورژانسی» به تحلیل‌گران گزارش می‌دهند.

AI

فهمیدن نیازهای مشتری و درک آن‌ها یکی دیگر از دلایل موفقیت در طراحی و تجربه‌ی کاربری یک نرم‌افزار بوده و اساس کار بسیاری از سیستم‌ها و الگوریتم‌های هوش مصنوعی را تشکیل می‌دهد. یونی کاون، مدیر طراحی شرکت نرم‌افزار Intuit می‌گوید:

«زمانی‌که در مورد آماده‌سازی مالیات از هزاران مشتری نظرسنجی کردیم اغلب آن‌ها با ترس، عدم اطمینان و شک به ما پاسخ می‌دادند. بعد از جویا شدن دلیل احساسات آن‌ها موفق شدیم با اعمال تغییراتی در طراحی تجربه‌ی کاربری، از نظر روان‌شناسی طراحی بهتری برای نرم‌افزار داشته باشیم.

ما برای کاهش بار شناختی (تلاشی که ذهن برای پردازش اطلاعات انجام می‌دهد) ازطریق محتوا، توضیح بصری، استفاده از انیمیشن و بازسازی اطلاعات میزان سردرگمی و اضطراب کاربران را کاهش دادیم. ما همچنین برای بهبود سیستم گردش کار سؤال‌های سخت و پیچیده‌ی فرم مالیاتی را به سؤال‌هایی ساده و مانند یک مصاحبه‌ی دوستانه تبدیل کردیم.

برای رفع خستگی کاربران صفحاتی را طراحی کردیم که میزان پیشرفت آن‌ها در فرم و همچنین صحت اطلاعات آن‌ها را ارزیابی می‌کرد. همچنین صفحه‌هایی داشتیم که علاوه‌بر تشویق و افزایش اعتمادبه‌نفس آن‌ها نکات و اطلاعاتی جدیدی در خصوص تغییرات فرم‌های مالیاتی را به آن‌ها یادآوری می‌کرد.

این تغییرات معمولا در طراحی و توسعه‌ی نرم‌افزار استفاده نمی‌شوند اما تأثیر فوق‌العاده خوبی روی تجربه‌ی کاربری می‌گذارند. مهم‌ترین درسی که ما هنگام طراحی TurboTax گرفتیم این بود که بین سادگی و تضمین صددرصدی صحت اطلاعات کاربران تعادل ایجاد کنیم. ما هر سال اطلاعات ارزشمندی از نحوه‌ی تعامل مشتری‌ها با نرم‌افزار کسب می‌کنیم. انتظارات مردم نسبت به‌ سادگی محصول در حال تغییر است و ما با استفاده از اطلاعات به‌دست‌آمده، تلاش می‌کنیم این تغییرات را اعمال کنیم و درنهایت تجربه‌ی خوبی از پر کردن فرم‌های مالیاتی برای آن‌ها رقم بزنیم.»

منبع forbes

از سراسر وب

  دیدگاه
کاراکتر باقی مانده

بیشتر بخوانید