Warum Design Thinking in KI-basierten Projekten einsetzen?

​Übersetzer |. Li Rui

Rezensent | Geheimdienstsystem.

Die Wahl der richtigen Projektmanagementmethode ist entscheidend für die Projektentwicklung des Unternehmens. Es wird Entwicklern helfen, Fehler zu reduzieren, den Entwicklungsprozess zu beschleunigen und Probleme bei Zielgruppen zu identifizieren. Erst wenn Entwickler ein tiefes Verständnis für die Bedürfnisse der Zielgruppe gewinnen, können sie Lösungen für ihre Probleme entwickeln. Es gibt viele Methoden des Projektmanagements, die sich auf die Problemerkennung konzentrieren, und Design Thinking ist eine davon.

Künstliche Intelligenz wird zu einem immer wichtigeren und kritischeren Teil des Lebens der Menschen. Von selbstfahrenden Autos bis hin zu Sprachassistenten wie Siri oder Alexa – Produkte und Dienstleistungen, die auf künstlicher Intelligenz basieren, gibt es überall. Unter AI Design Thinking versteht man den Prozess des Entwurfs künstlicher Intelligenzsysteme, die in unvorhersehbaren Umgebungen mit begrenzten Ressourcen schlank und iterativ arbeiten können. Das Entwerfen für KI erfordert andere Fähigkeiten als das Entwerfen für andere Arten von Technologie, da KI keinen vorhersehbaren Regeln und Verhaltensweisen folgt. Unternehmen müssen mehr darüber verstehen, wie sich KI auf Prozesse auswirkt und wie sie diese in ihre KI-Projekte integrieren können.

Was ist Design Thinking?

Design Thinking ist eine der uralten (aber immer noch sehr modernen) Methoden zur Gestaltung eines perfekten Entwicklungsprozesses. Dieser Ansatz beginnt beim Benutzer und stellt den Benutzer in den Mittelpunkt der gesamten Entwicklung. Die Bedürfnisse, Emotionen, Gefühle und Probleme der Benutzer sollten für das Entwicklungsteam das Wichtigste sein.

In den 1960er Jahren begannen Entdecker, ihre ersten Ideen rund um Design Thinking zu formulieren, die in L. Bruce Arches Buch The Visual Thinking Experience zu finden sind. Ihr Ziel ist es, Werkzeuge und Best Practices für kreative Menschen wie Maler, Schriftsteller oder Designer in der praktischen Produkt- oder Dienstleistungsentwicklung einzusetzen.

Design Thinking geriet in der IT-Welt eine Zeit lang etwas in Vergessenheit bzw. war in der Agile- oder Scrum-Ära nicht der beliebteste Ansatz, aber mit einigen deutlichen Verbesserungen für Projekte durch die Implementierung von Design Thinking , es ist Die Popularität wächst weiter mit Dingen wie schnellerer und besserer Entscheidungsfindung, der Unterstützung von Unternehmen bei der Erlangung eines klaren Verständnisses für Zielgruppenprobleme, der Reduzierung des Gesamtprojektrisikos und vielem mehr.

Wie passt sich die Design-Thinking-Methodik an die Entwicklung von Projekten zur künstlichen Intelligenz an?

Eine der Herausforderungen bei der Anwendung von Design Thinking in der künstlichen Intelligenz besteht darin, dass es keinen universellen Ansatz gibt. Nach mehreren Jahren der Arbeit an ähnlichen Projekten entwickelte Nexocode einen ausgereiften und praxiserprobten Prozess, der viele Frameworks und Lösungen aus dem Design Thinking nutzt, wie beispielsweise die in der Softwareentwicklungs-Community beliebte Design Sprint-Framework-Lösung. Integrieren und stimmen Sie Wissen und Erfahrung ab, um eine Roadmap für jedes Unternehmen zu erstellen, das mit maschinellem Lernen Innovationen einführen möchte. Es beginnt mit einem auf jeden Kunden zugeschnittenen AI Design Sprint-Workshop, der sich auf die Erforschung von KI-Möglichkeiten, die Entwicklung von Prototypen und das Testen möglicher KI-Implementierungen konzentriert. Wir glauben, dass jedes Unternehmen ein nützliches KI-Projekt entwickeln möchte, um zu verstehen, warum, wo und wie es das Projekt entwickeln sollte. Deshalb konzentriert sich der AI Design Sprint auf diese Themen. Dies war erst der Anfang, aber als sich der Kunde entschied, das Projekt weiterzuentwickeln, war jeder Schritt beim Entwurf iterativ.

Bei der Integration von Design Thinking in die KI-Entwicklung sind Teams der Schlüssel. Daher ist es von entscheidender Bedeutung, über ein Team erfahrener KI-Experten zu verfügen. Sie werden im gesamten Prozess eine wichtige Rolle spielen und ihr Wissen und ihre Fähigkeiten werden einen erheblichen Einfluss auf das Projekt haben.

Warum brauchen maschinelle Lernprojekte einen menschenzentrierten Ansatz?

Das Entwerfen künstlicher Intelligenz erfordert andere Fähigkeiten als das Entwerfen anderer Arten von Technologie, da künstliche Intelligenz keinen vorhersehbaren Regeln und Verhaltensweisen folgt. Das bedeutet, Lösungen zu schaffen, die so menschenzentriert wie möglich sind und die Bedürfnisse, Emotionen, Gefühle und Gedanken der Benutzer berücksichtigen, die diese Technologien jeden Tag nutzen werden, und alle Dinge zu berücksichtigen, denen sie bei der Verwendung dieser KI begegnen können. basierte Prozess Problem Produkt oder Dienstleistung. Die Machbarkeit einer Designlösung und ihre Auswirkungen sind nicht so offensichtlich wie bei der normalen Softwareentwicklung. Projekte für maschinelles Lernen erfordern ein gutes, ethisches Design und zuverlässige Datenquellen. Jedes Projekt ist anders, aber die datenwissenschaftlichen Kenntnisse des Projektmanagers sind entscheidend für eine erfolgreiche Forschung und Entwicklung.

Designer sollten sich auf Design Thinking mit künstlicher Intelligenz konzentrieren, um Produkte und Dienstleistungen mit künstlicher Intelligenz zu entwickeln, die den Menschen in den Mittelpunkt stellen. Aus diesem Grund müssen KI-Designer dem gleichen Design-Thinking-Prozess folgen wie andere Arten von Technologie, aber auch die Emotionen, Gefühle und Gedanken der Menschen berücksichtigen, die diese Technologien täglich nutzen, und dabei alle von ihnen verwendeten Aspekte, einschließlich der KI-Ethik, berücksichtigen Probleme, die bei der Implementierung solcher Lösungen für künstliche Intelligenz auftreten können.

(1) Verantwortung übernehmen

In Projekten zur künstlichen Intelligenz ist die Übernahme von Verantwortung entscheidend, denn Produkte und Dienstleistungen, die auf künstlicher Intelligenz basieren, beeinflussen bereits jetzt das tägliche Leben der Menschen.

Beim Einsatz künstlicher Intelligenz in verschiedenen Aspekten des Lebens von Menschen sollten Designer, die sich mit Design Thinking für künstliche Intelligenz beschäftigen, alle möglichen Szenarien berücksichtigen und dabei verschiedene Arten von Risiken während der tatsächlichen Nutzung berücksichtigen. Wenn beispielsweise ein KI-System eine bestimmte Entscheidung trifft, wer sollte dann zur Rechenschaft gezogen werden? Sind Entscheidungen von KI-Systemen endgültig oder liegen menschliche Versäumnisse vor?

(2) Erklärungsfähigkeit

Deep-Learning-Systeme funktionieren wie Blackboxen. Ihre Entscheidungsprozesse können nicht auf ähnliche Weise erklärt werden, wie Menschen Entscheidungen treffen könnten. Bis zu einem gewissen Grad können und sollten alle KI-Lösungen erklärbar sein. Allerdings müssen KI-Designer verstehen, dass KI kein Zauberkasten ist und dass es Regeln für ihre Funktionsweise gibt, was bedeutet, dass man möglicherweise weiß, warum die KI in einem bestimmten Szenario so funktioniert, wie sie es tut.

(3) Vertrauen

Produkten und Dienstleistungen, die auf künstlicher Intelligenz basieren, ist es möglicherweise nicht leicht, zu vertrauen. KI-Algorithmen sind oft undurchsichtig und ein Mangel an interpretierender KI kann zu einer übermäßigen Abhängigkeit von KI führen. Design Thinking ist ein Werkzeug, das es Entwicklern ermöglicht, Vertrauen in künstliche Intelligenz aufzubauen, indem sie Systeme entwerfen, die den Benutzern klare Feedbackschleifen bieten, damit sie verstehen, was der KI-Algorithmus tut.

(4) Mensch-Computer-Interaktion

Mensch-Computer-Interaktion ist eine neue Sache und muss von der normalen Mensch-Computer-Interaktion unterschieden werden. Es gibt mehrere Best Practices und Empfehlungen für die Interaktion zwischen Mensch und Computer. Der Design-Thinking-Ansatz ist ein großartiger Rahmen für KI-basierte Produkte und Dienstleistungen, da er Unternehmen dazu ermutigt, über KI aus der Perspektive des Endbenutzers nachzudenken und sich auf mögliche Interaktionen zu konzentrieren.

In diesem Fall besteht der Hauptvorteil von Design Thinking im Vergleich zu anderen Methoden darin, dass es die Gestaltung von Lösungen für künstliche Intelligenz unter Berücksichtigung von Eingabedaten, algorithmischen Prozessen, Ausgaben und allen möglichen Szenarien ermöglicht, in denen künstliche Intelligenz eingesetzt werden kann. Dies gibt Designern mehr Kontrolle über den KI-Entscheidungsprozess und macht KI expliziter als Programmiersprachen.

Die Design Thinking-Phase in der künstlichen Intelligenz

Eines der wichtigsten Dinge, die man verstehen muss, wenn man über Design Thinking spricht, ist diese Phase. Design Thinking ist ein einfacher Prozess, bei dem die nächste Phase auf der vorherigen Phase aufbaut und erst beginnen kann, nachdem die vorherige Phase abgeschlossen ist.

(1) Empathie

Diese Phase konzentriert sich auf die Entwicklung von Empathie für die Benutzer des Unternehmens. Es soll viele Menschen aus unterschiedlichen Gesellschaften, Denkweisen, Erfahrungen und Gruppen zusammenbringen und gemeinsam mit ihnen ihre Gefühle, Gedanken und Erwartungen entdecken. Zum Beispiel, wie ein Unternehmen sein Produkt oder seine Dienstleistung nutzen kann, um sein Leben zu verbessern.

Man muss bedenken, dass im Mittelpunkt des Unternehmensentwicklungsprozesses immer die Menschen und ihre Bedürfnisse stehen. Unternehmen implementieren eine Back-End-KI-Plattform, die ihre Fertigungsprozesse unterstützt. An jedem Prozess sind viele Stakeholder beteiligt, und in der ersten Phase geht es um Gefühle und zukünftige Ziele und Möglichkeiten. Bei der Implementierung künstlicher Intelligenz wird dieser Schritt komplexer, da möglicherweise Kenntnisse über Modelle des maschinellen Lernens, neuronale Netze oder Datenanalyse erforderlich sind. Die Machbarkeit von KI muss zu Beginn des Projekts berücksichtigt werden, um die Einführung komplexer Implementierungsprozesse in bestehende Lösungen zu vermeiden.

(2) Definition

Nach der Interaktion mit verschiedenen Menschen können deren Zielgruppen und Zielherausforderungen definiert werden. Entwickler müssen über Möglichkeiten zur Einführung künstlicher Intelligenz nachdenken. Wählen Sie eine Gruppe mit spezifischen und legitimen Bedürfnissen aus und konzentrieren Sie sich auf deren Problem, um die KI-Lösung umzusetzen. Dadurch können Sie die gesamte Situation klar überblicken und auswählen, welche Probleme Sie in Ihrem Projekt angehen möchten. Jetzt ist es an der Zeit, Fragen zu stellen, Einblicke zu gewinnen und tiefer zu graben.

(3) Ideenfindung

In dieser Phase geht es darum, Lösungen für die Probleme der Zielgruppe zu finden. Es muss ein Team zusammengestellt werden und die Teammitglieder können Ideen sammeln. Ziel dieser Phase ist es, die Kreativität des Teams freizusetzen und neue oder ungewöhnliche Wege zur Lösung der Probleme der Zielgruppe zu finden. In dieser Phase kann formuliert werden, welche KI-Algorithmen, -Tools und -Techniken im Projekt verwendet werden.

(4) Prototyp

Wählen Sie nach dem Brainstorming der Teammitglieder die interessantesten Ideen aus und wandeln Sie sie in Prototypen um, z. B. in Minimum Viable Products (MVP), um so schnell wie möglich Wissen zu sammeln. Zu diesem Zeitpunkt besteht keine Notwendigkeit, eine umfassende KI-Lösung zu entwickeln, da dies ein zeitaufwändiger Prozess ist. Das Hauptziel in dieser Phase sollte die Lernfähigkeit sein. Mit diesem KI-Entwicklungsansatz wählen Unternehmen die beste Methode zur Entwicklung der perfekten Software.

(5) Testen

Dies ist die letzte, aber wahrscheinlich eine der wichtigsten Phasen, da sie dem Unternehmen hilft, Probleme mit dem Produkt zu erkennen und zu beseitigen. Dies ist der Moment, in dem der Prototyp der Zielgruppe präsentiert oder in einer in der ersten Phase ausgewählten realitätsnahen Umgebung getestet wird. Sie können die Reaktionen der Nutzer, die Nutzung der vom Unternehmen angebotenen Produkte und ihre Emotionen beobachten. Wird die Lösung des Unternehmens sein Problem lösen? Wenn es ihnen nicht gefällt, ist es jetzt an der Zeit, es zu verbessern.

Vorteile von Design Thinking . Benutzer von Produkten, die mit Design-Thinking-Methoden erstellt wurden, zeigen eine höhere Zufriedenheit bei der Verwendung. Da die Nutzer eines Unternehmens stets im Mittelpunkt der Produktentwicklung stehen, sollte die Kundenzufriedenheit stets das oberste Ziel sein.

(2) Verbessern Sie den ROI von KI-Investitionen

Die Zeit, die ein Unternehmen für Design-Thinking-Übungen aufwendet, kann seine langfristigen KI-Investitionen sicherstellen. Jedes Unternehmen hat seine eigenen Besonderheiten und Bedürfnisse. Aus diesem Grund sollte die Implementierung von maschinellem Lernen maßgeschneidert sein. Design Thinking hilft dabei, Schwachstellen in einem Unternehmen zu identifizieren und den Business Case für KI zu definieren und so dabei zu helfen, seine KI-Träume in profitable Investitionen umzuwandeln.

(3) Innovation

Die Ideenfindungsphase des Design-Thinking-Prozesses zielt darauf ab, auf ungewöhnliche Weise, also über den Tellerrand hinaus, zu denken. Dieser Ansatz kann dazu führen, dass Unternehmen Lösungen für Probleme finden, an die sie nie gedacht hatten. Dies kann einem Unternehmen dabei helfen, eine sehr innovative Lösung zu entwickeln und sich vom Markt abzuheben.

(4) Reduzieren Sie das Risiko des Scheiterns

Wenn ein Unternehmen seine Zielgruppe und ihre Probleme im Detail untersucht, wird es Produkte entwickeln, die ihren Bedürfnissen entsprechen, und das Produkt hat eine höhere Erfolgschance.

Fazit

Die Design-Thinking-Methode wird es noch lange geben, was auch beweist, dass es sich um eine effektive und nützliche Methode handelt, die für die Entwicklung von Produkten oder Dienstleistungen im Bereich der künstlichen Intelligenz eingesetzt werden kann.

Aber es ist keine leichte Aufgabe und Unternehmen könnten auf Probleme stoßen. Daher ist es wichtig, einen zuverlässigen Partner zu finden, der sein Team unterstützt. Dies beginnt bei Strategiebesprechungen und endet mit einer erfolgreichen Test- und Entwicklungsphase.

Originaltitel:

​

​

Anwendung von Design Thinking auf künstliche Intelligenz. Warum sollten Sie es in Ihren KI-basierten Projekten verwenden?

​​​, Autorin: Dorota Owczarek​

Das obige ist der detaillierte Inhalt vonWarum Design Thinking in KI-basierten Projekten einsetzen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!