สรุป New Techniques for Designing for AI จากงาน UXLx 2024 (Part 1)

ภาพปก Slide ที่ผมและพี่เฟิร์สไปแชร์มา

เมื่อวันเสาร์ผมกับพี่เฟิร์ส (Thanabat B.) มีโอกาสได้ไปแชร์ประสบการณ์จากงาน UXLx 2024 ที่เราได้ไปเข้าร่วมเมื่อช่วงกลางปี เลยอยากนำมาลงที่นี่ด้วย เผื่อจะมีประโยชน์ต่อคนอื่น ๆ ครับ

AI is a digital system that makes an inference to address uncertainty.

ด้านบนเป็นคำกล่าวของคุณ Dan Saffer ที่อธิบายเกี่ยวกับ AI ไว้ได้ดีมาก แปลเป็นไทยคือ AI คือ ระบบดิจิทัลที่อนุมาน, หาข้อสรุป เพื่อจัดการกับความไม่แน่นอน ซึ่งจริง ๆ เป็นเพียงแค่ส่วนหนึ่งของ AI เท่านั้น ยังมีส่วนอื่น ๆ ที่ AI ทำได้ เช่น การจดจำรูปแบบ (Pattern Recognition), ประมวลผลภาษาธรรมชาติ หรือ Natural language processing (NLP) ที่เราไม่ต้องเขียนโค้ดเพื่อคุยกับคอมพิวเตอร์แล้ว แต่สามารถใช้ภาษามนุษย์ได้เลย

ปัญหาปัจจุบันก็คือ 90% ของโปรเจค AI ไม่ประสบความสำเร็จ โดยสาเหตุส่วนนึงคือเราไม่ได้สร้าง AI ที่เหมาะสมกับ Sweet Spot ของมัน ทั้งการที่ทำ AI ล้ำมาก ๆ ทำให้ Implement ยาก, AI ที่ต้องการความแม่นยำสูงทั้ง ๆ ที่อาจจะไม่ได้จำเป็นขนาดนั้น

Quadrant ของ AI Sweet Spot (ภาพจาก Slide ของคุณ Dan Saffer)

ถ้าดูจากรูปด้านบน จะตรงกับที่คุณ Dan Saffer บอกไว้ว่า AI sweet spot ควรจะสร้างได้ง่าย และมีความต้องการในตลาดด้วย โดยจริง ๆ ไม่จำเป็นต้องมี Accuracy มากขนาดนั้น คือมีข้อผิดพลาดในระดับยอมรับได้ก็โอเคแล้ว (เช่น Gen รูปผิด เราก็ Gen ใหม่ได้)

ซึ่ง Sweet Spot ของ AI คุณ Dan พูดไว้ก็ประกอบไปด้วย 3 ส่วนคือ

1. High Value (both users and the organization) > มีคุณค่าต่อเราและลูกค้า
2. Low Risk > ความเสี่ยงต่ำ Cost การลงทุนต่ำ
3. Only require moderate technical performance. > Implement ง่าย หรือ ไม่ต้องใช้เทคโนโลยีที่ซับซ้อนเกินไป

แล้วอะไรล่ะ ที่เหมาะกับ Sweet Spot เหล่านี้? สิ่งนั้นคือ Narrow AI นั่นเอง!

Narrow AI ที่เราเจอในชีวิตประจำวัน (ภาพจาก Slide ของคุณ Dan Saffer)

สิ่งที่ AI เหล่านี้ทำก็จะเป็น Task ง่าย ๆ ที่มาช่วยเราในชีวิตประจำวัน ตัวอย่างเช่น

1. ช่วยเพิ่มประสิทธิภาพการทำงานหรือการใช้ชีวิตของเรา (filters, recommending, smart defaults)
2. ช่วยป้องกันความผิดพลาด, ป้องกันสิ่งที่ไม่คาดคิด, กำจัดสิ่งที่ไม่จำเป็นต่อผู้ใช้ (บอทกัน Spam)
3. Generate content (ข้อความ, รูป, เสียง, video, แปลภาษา)

อันนี้แหละคือสิ่งที่ทำได้ดี และควรทำสิ่งนี้เป็น AI Product แต่ว่า…

The traditional user-centered design process alone doesn’t work well for AI.

คำกล่าวของคุณ Dan Saffer ที่บอกว่าถ้าเราออกแบบโดยอิงแค่ User-Centered Design อย่างเดียวนั้น ไม่เพียงพอสำหรับ AI แล้ว

ซึ่งเขาก็แนะนำให้เราใช้ 3 Tools ในรูปด้านบนไปพร้อม ๆ กันในการออกแบบและสิ่งนี้ก็คือ The new AI design process ที่เราพูดถึงนั่นเอง โดยขั้นตอนคร่าว ๆ ก็จะมีดังนี้ครับ

• Understand AI capabilities and limitations
  เข้าใจความสามารถของ AI ว่าทำอะไรได้และทำอะไรไม่ได้บ้าง
• Generate concepts as a team that connect AI capabilities to user needs
  สร้าง product concepts ที่เชื่อมความสามารถของ AI ให้เข้ากับความต้องการของผู้ใช้ได้
• Do a rapid assessment to see which concepts are worth considering.
  ทำการประเมินอย่างรวดเร็วเพื่อแยกประเภทของ concepts มาดูว่ามีแนวคิดไหนที่ควรพิจารณา
• Rank concepts based on technical difficulty, financial and user value as well as Fairness, Accountability, Transparency, and Ethics (FATE)
  จัดอันดับแนวคิดตามความยากในทางเทคนิค, มูลค่าทางการเงินและมูลค่าต่อผู้ใช้ รวมถึงความยุติธรรม, ความรับผิดชอบ, ความโปร่งใส และจริยธรรม (FATE)
• Determine the best project to pursue.
  หา project ที่ดีที่สุดที่จะทำต่อ
• Detect and mitigate risks and design for failure.
  ตรวจหาความเสี่ยงและออกแบบให้สามารถรับมือกับความล้มเหลวได้

โดย process ด้านบนจะอยู่ในหัวข้อ framework ที่ผมจะอธิบายในพาร์ทต่อไปครับ