AI har ännu inte riktigt hittat sin roll inom modern design, eftersom algoritmer inte kan replikera den mänskliga hjärnans relativa stökighet

Paula Ikonen och Annika Madejska är seniora designers på Nitor och erfarna AI-användare. Det är emellertid huvudsakligen på ledig tid som Paula förkovrat sig inom generativ AI:

”I min yrkesroll har AI hittills medfört en relativt liten förändring. Projektet jag arbetar med för närvarande kräver inte någon AI-implementering. Som privatperson har jag dock snöat in helt på AI. Midjourney har varit en del av mitt liv i över två år och jag har experimenterat med AI för allt från videor till musik.”

För Annika har AI redan en roll i det dagliga arbetet:

”Jag har fått en fantastisk möjlighet att tillämpa mina designkunskaper specifikt på AI-produktdesign. I detta fall handlar det om en specialiserad programvara som experter använder för att träna sina egna AI-modeller inom hälsosektorn. Jag fungerade som en länk mellan medicinska experter, datavetare och utvecklare. Målet var att säkerställa att det slutliga användargränssnittet skulle bli så användbart och intuitivt som möjligt utan att kompromissa med produktens expertnivå och höga krav på förkunskaper.”

Dagens AI är inte utformat för samarbete

Att hantera övergångarna mellan koncept, produktion, release och use case-analys är en stor del av en designers arbetsflöde. För att bli framgångsrik krävs inte bara ett skarpt analytiskt öga och kapacitet att hantera och analysera stora mängder information så den blir praktiskt användbar, utan också social kompetens, kommunikation och samarbete. Helt enkelt att klara av människans inneboende stökighet, som Annika formulerar det. Hon fortsätter:

”Som designers måste vi kunna sätta oss in i grunderna. Vad kan vi göra med den aktuella informationen? Hur ska den organiseras, struktureras och kategoriseras för att bli användbar? När vi pratar om AI är detta också en avgörande fråga vi ställer oss. Varför tillämpar vi AI här, varför väljs denna modell? Vilket problem löser den?”

En viktig del av designarbetet är att förstå kundernas utmaningar och ambitioner och vad de innebär för verksamheten. Detta arbete har ofta mer att göra med beteendevetenskap än att rita användargränssnitt. Grundorsakerna till problemen måste kartläggas innan problemen kan lösas, och affärsmålen kan inte nås utan en ordentlig grund att bygga vidare på. Detta kräver ständig pågående dialog och samarbete – mänskliga önskemål, mänskliga behov, mänskliga idéer. Förmedla, kommunicera, utforska.

För en designer är ett stort problem med de flesta befintliga generativa AI-gränssnitt att de är konstruerade för enskilda användare. Detta begränsar möjligheten till samarbete och försvårar både problemlösning och innovation. AI-plattformarna arbetar för att implementera nya gränssnittsmöjligheter och möjliggöra ett smidigare samarbete men den nuvarande situationen är fortfarande långt ifrån perfekt. En annan viktig fråga är den stora mängden AI-verktyg som finns tillgängliga. Hur kan man hitta nålen i den enorma höstacken, alltså den lösning som visar sig vara användbar för en designer som försöker lösa UX- eller tillgänglighetsproblem.

Ett besvärligt nät av algoritmer med etiska implikationer

Paula och Annika är överens om att en allmän missuppfattning om AI är att denna teknik kan ses som en monolitisk, allomfattande struktur. I själva verket är den nuvarande användbarheten hos AI fortfarande i princip begränsad till maskininlärningslösningar som i egenskap av sociotekniska system samarbetar med att samla in data och utföra uppgifter. När dessa system kan integreras i en samarbetskedja kan de utföra relativt komplexa uppgifter. Effektiviteten hos en implementering är emellertid fortfarande beroende av hur väl individuella system och algoritmer kan styras för att samverka unisont – och detta är ett område där mänsklig expertis regerar.

Annika Madejska har också märkt av den allt mer intensiva diskussionen kring AI-lösningarnas etik:

”Folk i branschen måste ta höjd för kommande EU-regler som rör AI och teknik, och vilken effekt de kommer att få på organisationer och specialister. Även om ditt arbete inte inbegriper AI-lösningar med hög risk kommer strategier och styrningsmodeller behöva nya perspektiv. Företag som är verksamma i EU kan bli överrumplade av alla nya och modifierade förordningar som i en snar framtid kommer att påverka teknikområdet, med AI-lagen som toppen på isberget. Det är mycket viktigt för företag att förstå hur dessa regler kommer att påverka.”

När de senaste direktiven uppdateras kommer programvara att hanteras på samma sätt som fysiska produkter som leksaker och glödlampor. Detta innebär att företag och organisationer måste vara mer enhetliga i sina riskbedömningar med avseende på tekniken och dess användning.

När vi pratar om design kan etiska frågeställningar inte lyftas bort från AI-samtalet. Paula Ikonen fortsätter:

”Dessa stora och ibland hemliga svarta lådor med algoritmer kan ofta ge oförutsägbara resultat. Denna oförutsägbarhet kan absolut främja innovation i vissa sammanhang, men den gör också designerns arbete mer komplicerat. Vi måste kunna förutse möjliga problem som kan uppstå för att begränsa dem innan produkten släpps. Med dagens AI-system kan det vara svårt att identifiera och hantera framväxande mönster och se deras potential. För att kunna leverera innovation måste en designer kontextualisera dem och förstå hur vi kan få nytta av dem. Detta kräver noggrann implementering med mänsklig närvaro och övervakningsåtgärder i driftsättningen.”

Teknikbranschens stora guldrush

Paula Ikonen noterar att den nuvarande AI-boomen påminner lite om guldrushen i USA på 1800-talet. Människor skyndade sig västerut för att lägga vantarna på vilken bit mark som helst för att tjäna sin förmögenhet, och alla inblandade gjorde allt för att hinna fram före konkurrenterna. Teknikbranschen befinner sig i en liknande situation med AI.

”Vi behöver ofta sammanställa enorma mängder text och bild. Det är viktigt att kunna ta ett steg tillbaka, sänka farten och fundera på vad man producerat”, fyller Annika Madejska i.

Med AI kommer en enorm press att producera mycket snabbare resultat. Prototyparbetet kan bli enklare, vilket i sin tur innebär att projekt kan komma igång snabbare. Nackdelen är att denna snabbhet kan äventyra kvaliteten. Företag kan lätt börja fokusera för mycket på snabb omsättning och det nominella värdet av sänkta kostnader, men dessa fördelar sker inte sällan på bekostnad av insyn och i förlängningen slutprodukternas kvalitet.

Förmågan att hitta en balans mellan effektivitet och kvalitet beror ofta på företagets mognadsnivå, hur väl alla tillämpliga data hanteras och hur bra de kan utnyttjas. I denna ekvation kan AI-lösningar snabba på processer, men de kan också göra att företag fokusera för mycket på kostnadsbesparingar och inte tillräckligt mycket på de långsiktiga fördelarna av att utveckla bättre produkter och skapa en hållbar arbetsmiljö.

”Jag tror vi har ett enormt arbete framför oss. Företagsstyrning och organisationsstruktur behöver ses över och arbetssätt måste förnyas. Och utöver detta har vi också en stor uppgift i hur vi samarbetar inom organisationer och mellan team, och hur vi introducerar folk till AI så de kan använda och utnyttja lösningarna på ett bra sätt. Detta är vägen mot sann innovation”, avslutar Annika Madejska.

Nyfiken på hur man kan omvandla företagets data till praktisk innovation? Läs mer om våra tjänster!