Designa med AI: Teknik som allierad
Artificiell intelligens har blivit ett ovärderligt verktyg i en mängd branscher och designvärlden är inget undantag. AI har öppnat upp nya möjligheter och berikat designprocessen för designers, både för oss som arbetar med ett aggregerat perspektiv (strategi och service) och för oss som arbetar nära produkten (UX, UI).
För Variant är det viktigt att vi bygger kompetens för en meningsfull användning av AI, för då kan vi experimentera och baka in det i vår vardag. Kompetensuppbyggnad är en del av vår AI-strategi, som också beskriver vad vi bör tänka på när vi använder AI.
Jag har frågat designerna på Variant vad de för närvarande använder AI för och delar några av exemplen med dig nedan. Först kommer ett litet avsnitt om den allmänna användningen av AI.
Prompts och verktyg
Verktyg vi använder, ofta omväxlande, inkluderar ChatGPT, MidJourney, Dall-e, Whisper, Otter, Tome och D-ID. (Exemplen jag kommer att dela i följande punkter delas medvetet utan exempel på konkreta verktyg av två skäl; det förändras snabbt vad som är bäst att rekommendera, och det kräver nästan en separat bloggpost för varje punkt för att visa steg för steg hur vi använder den. Kanske kan det bli en uppföljare på det :))
För att skapa ett bra resultat med hjälp av AI-verktygen är det viktigt att mata dem med bra instruktioner, även känt som “prompt engineering”. Hur vi utformar och strukturerar den information vi matar våra AI-modeller påverkar hur väl vi lyckas uppnå resultatet vi vill ha från AI-modellen. Det handlar om att välja rätt ord, fraser eller sammanhang för att få önskat svar. Informationen vi matar in kan finjusteras för att uppnå bättre kontroll och resultat.
Vi designers är ansvariga för vad AI-verktyget skapar, och ibland får vi resultat som helt enkelt är fel. Då är det vi som är ansvariga för att vara källkritiska. Dessutom finns det mycket vi behöver undvika för att dela fel information, till exempel känslig eller kundinformation. Det är vi som måste se till att vi använder tekniken för samhällets bästa och ta hänsyn till etiska och sociala konsekvenser.
Så, till den praktiska erfarenheten designerna på Variant har fått. Här är 10 exempel från oss:
1: Designassistenter
AI-drivna “virtuella designassistenter” används alltmer. De hjälper oss med uppgifter som färgpalettförslag och kombinationer av teckensnitt och layoutrekommendationer. Ibland är detta kärnan i designuppgiften och bör lösas för hand. För oss som skapar visuella artefakter som inte nödvändigtvis kommer att leva så länge, men som vi ändå vill ska vara tilltalande och tillgängliga, gör AI jobbet mycket mer effektivt.
2: Inspiration
Vem söker inte inspiration i designprocessen? Just nu använder några av oss AI-verktyg för att söka efter inspirerande bilder för inspiration och nya designidéer. Genom att analysera stora mängder bilder ger AI relevanta visuella element och designtrender.
3: Personas och konceptillustrationer
Flera personer har försökt använda AI-verktyg för att skapa visuella personas, men hittills har det varit utmanande att hitta rätt stil, och det har varit svårt att skapa lämpliga “prompter” för att få enkla streckgubbar i stället för de klassiska bilderna som ett resultat. För att få bättre resultat behöver vi arbeta med att specificera tydliga kriterier i “prompts”, och instruera AI-modellen att skapa till exempel minimalistiska eller tecknade illustrationer. Även om vi inte har lyckats generera personas har vi uppnått bättre resultat med utformningen av “begrepp och tankar”. Detta kommer att vara ett område som vi testar vidare, eftersom vi tror att det kan bli bättre!
4: Förstå användarbeteenden och preferenser
Till exempel använder vi AI för att generera förslag på frågeformuleringar för användarintervjuer, något som flera av oss kan lägga mycket tid på att ta fram för hand. Här är det viktigt att vi ger kvalitativ input och har god kunskap om hur en intervju ska vara uppbyggd.
En av fördelarna med AI är hur snabbt vi kan analysera stora mängder data. AI-drivna verktyg kan bearbeta användarmönster, preferenser och interaktioner för att få värdefulla insikter. Vi använder det till exempel för att kunna identifiera smärtpunkter och områden som kan förbättras i användarresan, så att vi kan skapa mer effektiva och användarcentrerade tjänster. Vi gör fortfarande en stor del av analysarbetet för hand, men det har varit ett bra sätt att undvika partiskhet. Det är lätt att leta efter svar på de hypoteser vi har haft i förväg för att bekräfta dem och det är något alla egentligen vill undvika.
När vi har genomfört många intervjuer eller användartester är det väldigt effektivt att få hjälp med att transkribera ljudinspelningar. Vi finner att AI-verktyg har blivit mycket bättre på detta än för några år sedan.
5: Universell utformning (Tillgänglighet)
AI hjälper oss att göra vår design mer tillgänglig. Genom bild- och taligenkänning kan AI bidra till att göra design mer inkluderande för användare med funktionsnedsättning, till exempel med tillgänglighetstester och rekommendationer. Man kan även ta hjälp av de färg- och typsnittsförslag, som nämnts i första punkten, där ber vi naturligtvis också om förslag som är WCAG-godkända.
6: Framtidsvisioner
Som strategiska designers arbetar vi ofta med att utforska framtidsscenarier och utveckla nya strategier för olika kunder. Där använder vi ofta AI för att generera framtida drivkrafter, som vi sedan arbetar manuellt med för att ta fram konkreta framtidsscenarier (eftersom AI inte vet mer än oss om framtiden, så vi gör det ändå bäst manuellt). Vi får detta visualiserat och textuellt beskrivet på ett bra sätt med hjälp av AI. AI-drivna generativa modeller hjälper oss även med utforskning av idéer och skapar visuella framtidsscenarier som vi kan prototypa efteråt.
7: Taggar och metadata
Vi har testat AI-verktyg för att generera hashtaggar (#) för innehåll som vi publicerar på sociala medier. SoMe-gruppen i Variant är grymma på att skriva inlägg, men många av oss andra behöver enkla tips för att nå rätt personer med det vi publicerar. Genererade hashtags hjälper oss att lägga upp något nytt som når ut brett. En del av oss har använt AI-verktyg för att generera metadata för produkten de utvecklar.
8: Förstå kod
Vi drar nytta av AI-verktyg för kodförståelse. Vi designers behöver ofta en liten knuff för att använda VCS verktyg som GitHub och GitLab (särskilt de av oss som inte arbetar pixelnära i vardagen 😉). Vi använder till exempel AI-verktyg för att förstå Git-kommandon. Vi har fått hjälp att skriva dokumentation av API:et och komponenterna i Storybook, att få idéer till mätvärden vi ska samla in och till idéer om innehåll på en FAQ sida med vanliga frågor om API som vi utvecklar. Med hjälp av AI rättar vi enkelt enkla fel och hittar felmeddelanden i koden (som vi själva kan ha skapat), även om vi inte är experter på kodning. Dessutom hjälper AI-verktyg oss att förstå kodavsnitt i allmänhet, så att vi snabbt kan få en översikt över koden och fråga “vad handlar det här egentligen om?” utan att ha en djup teknisk kunskap.
9: Namngivningsprocesser
Hur många av oss har inte varit involverade i processen att döpa barnet (läs: produkten)? Vi har använt AI-verktyg för att ta hjälp i den inledande fasen av sådana processer, och för att få i gång deltagarna i tankeprocessen. Även om detta har funkat bra, har det inte funkat bättre än att brainstorma i grupp. Ofta är det svåraste med namngivningsprocesser att hitta rätt koncept för namnet. Vi har inte tagit hjälp av AI i slutskedet av en namngivningsprocess, men kanske kan AI-verktyg vara bra på komma på specifika namnförslag när konceptet väl är på plats? Ofta vill vi att en produkt ska ha en koppling till andra produkter från samma företag, där tror vi AI kan vara till stor hjälp.
10: Innehållsdesign
AI har blivit otroligt bra på att generera texter. Genom att mata AI med exempel på vår egen tonalitet och skrivstil kan den producera innehåll som liknar vårt eget, vilket gör det till ett kraftfullt verktyg för att effektivisera skrivprocessen och skapa mer personliga texter. Japp, naturligtvis har jag fått lite hjälp med det här blogginlägget — alla kreativa sinnen kan använda sig av lite AI-magi!
Detta gäller naturligtvis även texter för insiktsarbete. Även om vi inte är särskilt förtjusta i utredningar och rapportering, utan hellre vill omsätta insikter för omedelbar användning i produktutveckling, är det alltid bra att sammanfatta insiktsarbetet. Dessutom måste vi fortfarande se på rapporter som en del av leveransen. För att skriva en rapport kan vi mata AI-verktyget med innehåll (censurerat så att data inte ska kunna läcka till oönskade parter) för att sedan koncentrera viktiga resultat punkter med korta och beskrivande texter.
När vi gör presentationer för olika användningsområden är de ofta video- och illustrationsrika, och då använder vi ofta AI-verktyg för storyboarding och produktion av videoklipp.
Detta var några utvalda exempel på praktisk användning av AI i designprocessen, och fler kommer säkert att komma i framtiden. Men kom ihåg att i djungeln av möjligheter är det viktigt att AI kompletterar vår kompetens & designprocess. De mest framgångsrika designresultaten uppstår i samarbetet och interaktionen mellan AI:s analytiska förmågor och den mänskliga intuitionen, empatin och konstnärliga visionen 🤝
Detta blogginlägg är ursprungligen skrivet av Tonje Evanger och översatt från norska av Mathias Jarboh.
Vill du veta mer om AI inom designområdet, kontakta vår CDO Marco Cavazzana, marco.cavazzana@variant.se.
