AI 向けのサービスデザイン: AI イノベーションへの人間中心のアプローチの構築

人工知能の発展に伴い、人工知能はさまざまな分野で徐々に応用されてきていますが、人工知能ソリューションに関しては、設計者は新たな課題に直面する可能性があります。この記事ではこれを調査し、両方の分野の利点を統合する 6 ステップの方法、つまり「人工知能の設計」を提案します。見てみましょう。

前に書きます

AI テクノロジーが発展するにつれて、効果的な AI ソリューションを構築し、実際のユーザーの問題を解決し、社会にプラスの影響を与えるには、テクノロジーやデザインだけでは不十分であることがますます明らかになってきています。 デザイナーなしで作業する AI エンジニアは、検証されていない仮定に基づいてすぐに解決策に飛びつき、チームが「間違った問題」を解決してしまう可能性があります。 逆に、技術的な知識が不足していると、設計者が人工知能の機能について非現実的または漠然とした考えを持ち、その機能を過大評価または過小評価する状況につながる可能性があります。

AI ソリューションに関しては、透明性、「説明可能性」、または信頼性を確保するために AI システムを設計する方法など、設計者は新たな課題に直面する可能性があります。または、AI ソリューションがユーザーや社会に与える影響と成果をどのように評価するか。したがって、 私たちは、人工知能 (AI) エンジニアとサービス デザイナーが協力して、人間中心で倫理的でプラスの影響を与えるソリューションを作成する必要があると考えています。 この記事では、両方の分野の長所を統合した 6 段階のアプローチ、つまり「人工知能のための設計」を提案します。

1. 人工知能 (AI) は必要ですか?

私たちは AI 設計を、AI イノベーションに対する人間中心の反復的かつ協調的なアプローチであると考えています。 これは、AI の動的コンポーネントを考慮しながら、問題解決に対するデザイナーのアプローチを活用し、AI イノベーションにエンジニアリング アプローチを適用します。このアプローチは、英国デザイン評議会の Double Diamond1、CRISP-DM2 データ管理手法と、3 億人を超えるオンライン訪問者を抱える世界で最も急速に成長している市場および分類プラットフォーム ネットワークの 1 つである OLX グループでの AI イノベーションの経験に基づいています。

AI チームと設計チームの両方がコラボレーションから利益を得ることができます。これにより、より効率的な作業方法とより顧客重視のソリューションが実現すると私たちは信じています。それが理由です：＃＃＃

1. AI イノベーションは人間中心のアプローチを採用します

AI-by-Design は、AI イノベーションに対して人間中心のアプローチを採用し、ソリューションを開発する前に顧客のニーズを深く理解します。 AI が適切なソリューションではない場合もあります。場合によっては、スプレッドシートなどの単純なソリューションがうまく機能し、リソースを節約できる場合があります。したがって、

開発を開始する前に、人工知能が本当に問題を解決する適切なツールであるかどうかを判断する必要があります。チームは、特定のツールやテクノロジーを規定するのではなく、問題を解決し、人間に力を与えるものを構築する必要があります。

2.学際性を活用する

AI-by-Design は、設計研究チームから AI エンジニアに洞察をそのまま引き渡すのではなく、サイロを越えて作業する方法を奨励します。

デザイナーと AI エンジニアが協力すると、お互いの盲点をカバーし、コミュニケーション エラーが発生する余地を減らすことができます。 プロセスはより効率的かつ効果的になり、ソリューションはより顧客中心で技術的に実現可能になります。これにより、適切な課題に対処できるようになり、チームの時間を節約できます。実際、マッキンゼーの 2021 年の人工知能の現状では、「AI ツール開発時のデザイン思考の使用」が、AI の高いパフォーマンスを発揮するための最も重要な差別化要因として挙げられています。

3. ダイナミックな世界向けに設計された AI-by-Design ソリューション

人工知能モデルはサンドボックス環境でトレーニングされることがよくありますが、最終的には乱雑で複雑な世界で使用されることになります。したがって、AI モデルには継続的な再トレーニングが必要であると私たちは考えています。

現実の世界では、ソリューションはユーザーが最終製品とどのように対話するかによって影響を受けますが、人工知能には多くの動的コンポーネントがあります。ユーザーのフィードバックと実際の行動データを収集する方法を設計することが重要です。この入力データは、モデルを改善し、AI ソリューションが意図したとおりに倫理的に機能することを保証するために必要です。

実際にはここにギャップがあり、これは理想的に聞こえますが、数人の AI エンジニアとデザイナーをチームに配置して、彼らが一緒に楽にイノベーションを起こすことを期待することはできません。私たちは、2 つの分野に共通言語がなく、互いについて誤った前提を保持し、異なる方法で機能していることをよく観察します。

たとえば、AI エンジニアは Visual Studio Code を使用して作業しますが、デザイナーは通常、Miro などのツールを使用します。機械学習モデルは可能な限り慎重かつ正確に機能する必要がありますが、プロトタイプの設計は非常に概念的で推測的なものになる可能性があります。機械学習の指標は数値と予測を中心に進化するのに対し、設計の指標は人間のニーズと顧客体験を中心に進化します。図 2 に示すように、メソッドを比較する場合にも同じ違いが存在します。図では、設計委員会の二重ひし形が CRISP-DM データ管理手法と重なっています。 3 つのギャップが表示されます:

ギャップ 1: 「なぜ」が欠落している

AIエンジニアがプロジェクトの初期段階から排除されてしまうと、AIエンジニアが構築するソリューションが本来の顧客の課題から逸脱してしまうリスクがあり、顧客のニーズを理解することが重要となります。

ギャップ 2: 技術的な理解の欠如

一方、デザイナーは人工知能の可能性について非現実的な期待を抱いていることが多く、常に最新の技術開発を認識しているわけではありません。設計者はエンジニアリングコンポーネントを簡単に理解できないため、実装が難しいソリューションに偏らないように、提案されたソリューションの実現可能性を把握するために支援が必要になることがよくあります。

ギャップ 3: フィードバック ループの欠如

プロセスの最後に、ソリューションを構築するときに、ソリューションが期待どおりに機能したこと、正しいデータが収集されたこと、モデルが倫理的であることを確認する方法が必要です。これはフィードバック ループを通じて解決できます。フィードバック ループにより、ソリューションに対する可視性と透明性が大幅に高まります。ほとんどの場合、現実世界は AI が開発されるトレーニング環境とは大きく異なるため、これは重要です。さらに、ユーザーと開発された AI ソリューションとの間の継続的な対話により、新しいデータが利用可能になります。適切なデータが収集されると、バイアスや外れ値を排除してモデルを継続的に改善できます。

2. AI-by Design の 6 つのステップ

ギャップを埋めて作業方法を見つけるために、6 段階のアプローチを作成しました。

1.発見: 最初のステップは、プロジェクトの目標、顧客のニーズ、問題、ビジネスチャンスを理解することです。通常、これには顧客調査が含まれます。

2. 定義: 2 番目のステップでは、チームは課題の範囲を定義します。解決すべき問題または追求する機会を選択します。このステップには、人工知能の背景と可能性の調査が含まれます。

3.AI 設計の決定: この段階で、チームは、これが解決できる問題なのか、解決すべき問題なのかを自問することが奨励されます。これはAIを使えば解決できます。その場合、どのようなデータが必要であるかを評価し、そのソリューションが非倫理的な結果をもたらす可能性があるかどうかを検討します。これは、AI が適切なソリューションではない場合にも良い結果となります。人工知能は高価で時間もかかります。他の選択肢で問題を解決できる場合は、それらを選択する必要があります。

4. 開発: 4 番目のステップは、問題を解決する最適な方法を理解することです。今こそ、さまざまなソリューションを検討し、必要なデータとモデリングを検討する時期です。 AI エンジニアは探索的データ分析 (EDA) を実行できます。これは、データを掘り下げて理解を深め、外れ値や欠損値があるかどうか、ベースライン モデルを構築できるかどうかを確認することを意味します。

5. テスト: ソリューションの構築と展開に取り組む前に、チームはどのような危険な想定があるかを特定し、プロトタイプのテストを使用するなど、それらの検証を試みる必要があります。これは、ソリューションを構築する必要があるかどうか、または「ピボット」が必要かどうかを確認する最も速い方法です。

6.提供と評価: 最後に、チームはソリューションを繰り返し、改良し、提案し、最終的にはエンド顧客と主要な関係者にソリューションを提供する必要があります。ただし、プロセスはこれで終わりではありません。代わりに、チームはソリューションを継続的に反復する必要があります。時間の経過とともに、ソリューションに新たな光を当てることができるさらに多くのデータが利用可能になるでしょう。モニタリング システム (フィードバック ループ) は、現実のバイアスとデータのドリフトができるだけ早くチェックされ修正されるように設計する必要があります。

前の 6 つのステップは、チームが AI イノベーションを実装する方法を改善したいと考えている人にガイダンスを提供することを目的としています。

＃＃＃結論は ＃＃＃

企業は、(A) 効果的で、(B) 実際のユーザーの問題を解決し、(C) ビジネスにプラスの影響を与える AI を構築するテクノロジーと設計を必要としています。まだまだ長い道のりはありますが、私たちが提案するアプローチにより、組織は効率的かつ倫理的な方法でイノベーションを実現できると信じています。

原著者: Serena Westra、Ioannis Zempekakis (この記事は関係者および原著者の承認を得ています)

元のタイトル: AI-by-Design: Human-Centred AI Innovation: AI ソリューションを構築するための 6 ステップのアプローチ

翻訳者: Chen Yuzhi Yeutz Chen、WeChat パブリック アカウント: YeutzDesign (ID: Yeutzsheji) は、サービス デザインの分野に焦点を当て、サービス デザインの革新と変革に関する研究に取り組んでいます。

この記事は @陈昱志Yeutz Chen が「Everyone is a product manager」を翻訳して公開したものです。無断転載を禁止します。

タイトル画像は、CC0 契約に基づいて Unsplash から提供されたものです。

以上がAI 向けのサービスデザイン: AI イノベーションへの人間中心のアプローチの構築の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。