Jeszcze niedawno dyskusja o AI w obszarze UX i projektowania produktów sprowadzała się głównie do jednego pytania: czy sztuczna inteligencja zastąpi designerów? Dziś coraz wyraźniej widać, że prawdziwa zmiana zachodzi gdzie indziej.
AI nie eliminuje projektowania doświadczeń. Zmienia natomiast sposób, w jaki powstają produkty, usługi i cyfrowe doświadczenia klientów.
To jeden z najciekawszych wniosków płynących z najnowszego odcinka CX Cast przygotowanego przez Forrester, w którym Gina Bhawalkar opowiada o badaniu przeprowadzonym wśród liderów designu i product designu.
Z rozmowy wyłania się obraz organizacji, w których AI coraz mocniej przyspiesza pracę wykonawczą: analizę danych, tworzenie prototypów, generowanie wariantów interfejsów czy kodowanie. W efekcie rośnie znaczenie działań, które do tej pory często schodziły na dalszy plan: discovery, definiowania problemów klientów, strategicznych decyzji produktowych i oceny jakości doświadczeń.
AI nie zmienia fundamentów dobrego projektowania
Wbrew wielu alarmistycznym opiniom nie oznacza to końca UX, product designu ani projektowania wykonywanego głównie przez człowieka.
Nadal kluczowe pozostają:
- podejmowanie decyzji na podstawie danych i badań,
- iteracyjne projektowanie,
- testowanie rozwiązań z użytkownikami,
- rozumienie potrzeb klientów,
- tworzenie doświadczeń dostępnych i użytecznych.
Zmienia się natomiast sposób wykonywania pracy w poszczególnych etapach procesu.
To ważne, bo w debacie o AI bardzo często pojawia się narracja o „śmierci designu” albo całkowitym zastąpieniu pracy projektowej przez generatywne narzędzia. Tymczasem dobrze zaprojektowany proces staje się jeszcze ważniejszy niż wcześniej.
Największa zmiana dotyczy pracy wykonawczej
Jednym z głównych wniosków badania jest ogromne przyspieszenie pracy operacyjnej.
Jeszcze kilka lat temu analiza badań użyteczności, synteza insightów czy przygotowanie rekomendacji mogły zajmować tygodnie. Dziś część organizacji wykonuje podobną pracę w ciągu kilku dni dzięki narzędziom wykorzystującym AI do analizy i porządkowania danych jakościowych.
Podobnie wygląda proces tworzenia prototypów. Zespoły coraz częściej pracują od razu na wysokiej jakości makietach i interaktywnych rozwiązaniach, zamiast przechodzić przez wiele etapów niskiej szczegółowości.
Jeden z banków uczestniczących w badaniu opisał sytuację, w której zespoły biznesowe, projektowe i technologiczne były w stanie podczas jednego warsztatu wygenerować koncepcję rozwiązania, stworzyć działające prototypy, przetestować je z użytkownikami i uzgodnić kierunek wdrożenia. Jeszcze niedawno podobny proces trwał tygodniami albo miesiącami.
Najciekawsze jest jednak to, co dzieje się dalej.
Im łatwiej tworzyć rozwiązania, tym ważniejsze staje się definiowanie problemów
AI automatyzuje przede wszystkim późniejsze etapy procesu projektowego. Chodzi głównie o tworzenie rozwiązań, analizę danych, generowanie wariantów czy implementację.
W efekcie projektanci i zespoły produktowe mogą poświęcić więcej czasu wcześniejszym etapom pracy: zrozumieniu problemu klienta, discovery, analizie potrzeb użytkowników czy definiowaniu kierunku produktu.
To bardzo ciekawa zmiana również z perspektywy Customer Experience.
Przez lata wiele organizacji koncentrowało się głównie na usprawnianiu istniejących procesów i reagowaniu na bieżące problemy klientów. Znacznie trudniej było znaleźć czas na projektowanie nowych doświadczeń czy głębszą analizę potrzeb użytkowników.
AI może częściowo zmienić tę proporcję. Nie dlatego, że zastąpi ludzi, ale dlatego, że skróci czas wykonywania najbardziej powtarzalnych działań.
Dobrze oddaje to cytat przypisywany Albertowi Einsteinowi:
„Gdybym miał godzinę na rozwiązanie problemu, poświęciłbym 55 minut na myślenie o problemie i 5 minut na myślenie o rozwiązaniu”.
W świecie produktów cyfrowych i doświadczeń klientów ten sposób myślenia zaczyna mieć dziś jeszcze większe znaczenie niż wcześniej.
AI może zmienić sposób pracy z insightami klientów
Bardzo ciekawie wygląda również obszar pracy z research’em i wiedzą o klientach.
To problem, z którym mierzy się wiele organizacji. Firmy realizują dziesiątki badań, zbierają ogromne ilości opinii klientów i danych jakościowych, ale później trudno wrócić do wcześniejszych insightów albo wykorzystać je przy kolejnych projektach.
Nowe narzędzia zaczynają to zmieniać.
AI coraz lepiej radzi sobie z:
- analizą dużych zbiorów danych jakościowych,
- wyszukiwaniem wcześniejszych insightów,
- identyfikowaniem powtarzających się problemów klientów,
- łączeniem danych z różnych źródeł,
- wspieraniem analizy researchu.
W badaniu pojawia się przykład wykorzystania narzędzia Dovetail do szybkiego odnajdywania wcześniejszych badań i insightów związanych z konkretnym problemem projektowym. Jeden z projektantów przyznaje, że wcześniej zespoły często „szły na skróty”, bo zebranie całej istniejącej wiedzy było zbyt czasochłonne. Dziś ten problem zaczyna znikać.
To może być bardzo duża zmiana także dla organizacji rozwijających programy Voice of Customer i zarządzanie doświadczeniem klienta.
Synthetic personas nadal budzą wątpliwości
Jednym z bardziej dyskusyjnych tematów są synthetic personas, czyli generowane przez AI profile klientów wykorzystywane do testowania pomysłów i prowadzenia symulowanych rozmów.
Część organizacji nadal uważa, że nie da się zastąpić kontaktu z realnymi użytkownikami. Inne zaczynają wykorzystywać synthetic personas w konkretnych sytuacjach.
W badaniu pojawia się przykład bankowości korporacyjnej, gdzie bardzo trudno uzyskać regularny dostęp do klientów takich jak dyrektorzy finansowi dużych firm. W takich przypadkach synthetic personas mają pomagać zespołom szybciej testować pomysły i przygotowywać się do rozmów z realnymi klientami.
Jednocześnie bardzo mocno wybrzmiewa jeden ważny warunek: takie rozwiązania mają sens wyłącznie wtedy, gdy organizacja posiada solidne fundamenty researchowe i rzeczywistą wiedzę o klientach. W przeciwnym razie AI zacznie jedynie powielać błędne założenia.
Rośnie znaczenie systemów i standardów
Wiele organizacji skupia się dziś na samych narzędziach AI. Tymczasem dużo ważniejsze może okazać się to, czy firma posiada uporządkowane standardy projektowe.
Skuteczna automatyzacja projektowania wymaga dobrze przygotowanych systemów projektowania, jasno opisanych komponentów i spójnych zasad projektowych. Bez tego AI nie jest w stanie generować rozwiązań zgodnych z marką, standardami dostępności czy wymaganiami technologicznymi.
To ważny sygnał dla organizacji rozwijających produkty cyfrowe i doświadczenia klientów.
AI najlepiej działa tam, gdzie organizacja:
- ma uporządkowane procesy,
- posiada wspólne standardy,
- konsekwentnie zarządza wiedzą,
- potrafi podejmować decyzje na podstawie danych.
Technologia sama w sobie nie rozwiąże problemów związanych z chaosem organizacyjnym.
Projektanci nie znikną. Zmieni się ich rola
Jednym z najciekawszych wniosków z badania jest zmiana charakteru pracy projektantów.
Coraz mniej czasu będą poświęcać samej produkcji ekranów, wariantów czy komponentów. Coraz więcej natomiast definiowaniu problemów, interpretacji danych, ocenie jakości rozwiązań i strategicznym decyzjom produktowym.
Gina Bhawalkar zwraca uwagę, że projektanci zaczynają przechodzić od roli wykonawców do roli osób odpowiedzialnych za ocenę jakości i kierunku rozwiązań generowanych przez AI.
To oznacza, że rośnie znaczenie doświadczenia, umiejętności analitycznych i rozumienia klientów. Maleje natomiast przewaga wynikająca wyłącznie z umiejętności operacyjnego „produkowania” projektów.
Co to oznacza dla organizacji rozwijających Customer Experience?
Najważniejszy wniosek z całej dyskusji jest dość prosty.
AI nie sprawi automatycznie, że produkty będą lepsze, a doświadczenia klientów bardziej użyteczne.
Może natomiast bardzo mocno zwiększyć tempo działania organizacji, które:
- potrafią słuchać klientów,
- mają uporządkowane procesy researchowe,
- pracują na danych,
- rozwijają kompetencje discovery,
- potrafią przekładać insighty na decyzje produktowe.
Przewagę zyskają więc nie te firmy, które po prostu „wdrożą AI”, ale te, które połączą AI z dojrzałym sposobem projektowania produktów i doświadczeń klientów.