번역가 | Li Rui
리뷰어 | Sun Shujuan
인공지능 개발 관리자와 디자이너는 인공지능 시스템의 보다 인간 중심적이고 민첩한 개발을 위해 디자인 사고 방법을 사용하는 경우가 많습니다.
올바른 프로젝트 관리 방법을 선택하는 것은 기업의 프로젝트 개발에 매우 중요합니다. 이는 개발자가 오류를 줄이고 개발 프로세스 속도를 높이며 대상 그룹 간의 문제를 식별하는 데 도움이 됩니다. 개발자는 대상 그룹의 요구 사항을 깊이 이해한 후에만 문제에 대한 솔루션을 개발할 수 있습니다. 문제 발견에 초점을 맞춘 프로젝트 관리 방법에는 여러 가지가 있으며, 디자인적 사고가 그 중 하나입니다.
인공지능은 사람들의 삶에서 더욱 중요하고 중요한 부분이 되어가고 있습니다. 자율주행차부터 시리(Siri), 알렉사(Alexa) 같은 음성 비서까지, 인공지능을 기반으로 한 제품과 서비스는 어디에나 있습니다. AI 디자인 싱킹은 제한된 자원으로 예측할 수 없는 환경에서 간결하고 반복적인 방식으로 작동할 수 있는 인공 지능 시스템을 설계하는 프로세스입니다. AI를 위한 설계에는 다른 유형의 기술을 위한 설계와는 다른 기술이 필요합니다. 왜냐하면 AI는 예측 가능한 규칙과 동작을 따르지 않기 때문입니다. 기업은 AI가 프로세스에 미치는 영향과 이를 AI 프로젝트에 구현하는 방법에 대해 더 많이 이해해야 합니다.
디자인 사고는 완벽한 개발 프로세스를 만드는 고대(아직도 매우 현대적인) 방법 중 하나입니다. 이 접근 방식은 사용자로부터 시작하여 사용자를 전체 개발의 중심에 둡니다. 사용자의 요구, 감정, 느낌, 문제는 개발팀에게 가장 중요한 것이어야 합니다.
1960년대 탐험가들은 L. Bruce Arche의 책 "Visual Thinking Experience"에서 찾을 수 있는 디자인 사고에 대한 첫 번째 아이디어를 공식화하기 시작했습니다. 그들의 목표는 실제 제품이나 서비스 개발에 화가, 작가, 디자이너와 같은 창의적인 사람들을 위한 도구와 모범 사례를 사용하는 것입니다.
한동안 디자인 씽킹은 IT계에서 다소 잊혀졌거나, 애자일이나 스크럼 시대에는 가장 대중적인 방식이 아니었지만, 디자인 씽킹을 구현한 프로젝트에서 몇 가지 확실한 개선이 이루어지면서 인기가 계속 늘어나고 있습니다. 예를 들어, 더 빠르고 더 나은 결정을 내릴 수 있어 기업이 대상 그룹의 문제를 명확하게 이해하고 전체 프로젝트의 위험을 줄이는 데 도움이 됩니다.
디자인적 사고를 인공지능에 적용할 때의 과제 중 하나는 보편적인 방법이 없다는 것입니다. 유사한 프로젝트에 대한 수년간의 작업 끝에 Nexocode는 소프트웨어 개발 커뮤니티에서 인기 있는 Design Sprint 프레임워크 솔루션과 같은 Design Thinking의 많은 프레임워크와 솔루션을 사용하는 성숙하고 검증된 프로세스를 개발했습니다. 지식과 경험을 통합하고 일치시켜 기계 학습을 통해 혁신을 모색하는 모든 비즈니스를 위한 로드맵을 만드세요. 이는 AI 기회 연구, 가능한 AI 구현 프로토타이핑 및 테스트에 초점을 맞춘 각 고객에 맞춘 AI 디자인 스프린트 워크숍으로 시작됩니다. 우리는 모든 기업이 왜, 어디서, 어떻게 프로젝트를 개발해야 하는지 이해하기 위해 유용한 AI 프로젝트를 개발하기를 원한다고 믿으며, 이것이 바로 AI 디자인 스프린트가 이러한 주제에 중점을 두는 이유입니다. 이것은 시작에 불과했지만 고객이 프로젝트를 계속 개발하기로 결정한 후에는 취하는 모든 단계가 디자인에 대해 반복되었습니다.
디자인적 사고를 AI 개발에 통합할 때 팀이 핵심입니다. 따라서 경험이 풍부한 AI 전문가로 구성된 팀을 보유하는 것이 중요합니다. 그들은 전체 과정에서 중요한 역할을 할 것이며 그들의 지식과 기술은 프로젝트에 중요한 영향을 미칠 것입니다.
인공지능을 설계하려면 다른 유형의 기술을 설계하는 것과는 다른 기술이 필요합니다. 왜냐하면 인공지능은 예측 가능한 규칙과 행동을 따르지 않기 때문입니다. 이는 매일 이러한 기술을 사용하게 될 사용자의 요구, 감정, 느낌 및 생각을 고려하고, 이 AI를 사용하는 동안 직면할 수 있는 모든 것을 고려하여 가능한 한 인간 중심적인 솔루션을 만드는 것을 의미합니다. 기반 프로세스 문제가 있는 제품 또는 서비스. 디자인 솔루션의 타당성과 그 영향은 일반적인 소프트웨어 개발만큼 명확하지 않습니다. 기계 학습 프로젝트에는 우수하고 윤리적인 설계와 신뢰할 수 있는 데이터 소스가 필요합니다. 모든 프로젝트는 다르지만 프로젝트 관리자의 데이터 과학 지식은 성공적인 R&D에 매우 중요합니다.
디자이너는 인간 중심의 AI 제품과 서비스를 만들기 위해 AI 디자인 사고에 집중해야 합니다. 그렇기 때문에 AI 디자이너는 다른 유형의 기술과 동일한 디자인 사고 프로세스를 따라야 하지만 AI 윤리를 포함한 모든 문제를 고려하여 이러한 기술을 매일 사용하는 사람들의 감정, 느낌, 생각도 고려해야 합니다. 이러한 인공지능 솔루션을 구현할 때 직면할 수 있는 문제.
인공지능 프로젝트에서는 책임을 지는 것이 중요하다. 왜냐하면 인공지능을 기반으로 한 제품과 서비스는 이미 사람들의 일상생활에 영향을 미치고 있기 때문이다.
사람들의 삶의 다양한 측면에서 인공지능을 사용할 때, 인공지능 디자인 싱킹을 하는 디자이너는 실제 사용 중에 발생할 수 있는 다양한 유형의 위험을 고려하면서 가능한 모든 시나리오를 고려해야 합니다. 예를 들어, AI 시스템이 특정 결정을 내린다면 누가 책임을 져야 할까요? AI 시스템 결정은 최종적인 것입니까, 아니면 인간의 감독이 있습니까?
딥러닝 시스템은 블랙박스처럼 작동합니다. 그들의 의사결정 과정은 사람들이 의사결정을 내리는 방식과 유사한 방식으로 설명될 수 없습니다. 모든 AI 솔루션은 어느 정도 설명 가능하고 설명 가능해야 합니다. 그러나 AI 설계자는 AI가 마술 상자가 아니며 작동 방식에 대한 규칙이 있다는 점을 이해해야 합니다. 즉, AI가 특정 시나리오에서 왜 그런 방식으로 작동하는지 알 수 있다는 의미입니다.
인공지능을 기반으로 한 제품과 서비스는 신뢰하기 쉽지 않을 수 있습니다. AI 알고리즘은 종종 불투명하며 해석 가능한 AI가 부족하면 AI에 대한 과도한 의존으로 이어질 수 있습니다. 디자인 싱킹은 사용자가 AI 알고리즘이 수행하는 작업을 이해할 수 있도록 명확한 피드백 루프를 제공하는 시스템을 설계하여 개발자가 인공 지능에 대한 신뢰를 구축할 수 있도록 하는 도구입니다.
인간-컴퓨터 상호 작용은 새로운 것이며 표준적인 인간-컴퓨터 상호 작용과 구별되어야 합니다. 인간과 컴퓨터의 상호 작용에 대한 몇 가지 모범 사례와 권장 사항이 있습니다. 디자인 사고 접근 방식은 기업이 최종 사용자의 관점에서 AI에 대해 생각하고 가능한 상호 작용에 집중하도록 장려하기 때문에 AI 기반 제품 및 서비스를 위한 훌륭한 프레임워크입니다.
이 경우 다른 방법에 비해 디자인 싱킹의 가장 큰 장점은 입력 데이터, 알고리즘 프로세스, 출력 및 인공 지능이 사용될 수 있는 모든 가능한 시나리오를 고려하여 인공 지능 솔루션을 설계할 수 있다는 것입니다. 이를 통해 디자이너는 AI 의사결정 프로세스를 더 효과적으로 제어할 수 있어 프로그래밍 언어보다 AI를 더 명확하게 만들 수 있습니다.
디자인 사고를 이야기할 때 이해해야 할 가장 중요한 것 중 하나가 이 단계입니다. 디자인적 사고는 이전 단계를 바탕으로 다음 단계가 구축되고 이전 단계가 완료된 후에만 시작할 수 있는 간단한 프로세스입니다.
이 단계에서는 회사 사용자에 대한 공감 능력 개발에 중점을 둡니다. 다양한 사회, 사고방식, 경험, 집단을 대표하는 많은 사람들을 모아 그들의 감정, 생각, 기대를 함께 발견해야 합니다. 예를 들어 기업이 제품이나 서비스를 사용하여 삶을 개선하는 방법이 있습니다.
기억해야 할 것은 기업 개발 프로세스의 중심은 항상 사람과 그들의 요구라는 것입니다. 기업은 제조 프로세스를 지원하는 백엔드 AI 플랫폼을 구현하고 있습니다. 모든 프로세스에는 많은 이해관계자가 참여하며, 첫 번째 단계는 감정과 미래 목표 및 기회에 관한 것입니다. 인공 지능을 구현할 때 기계 학습 모델, 신경망 또는 데이터 분석에 대한 일부 지식이 필요할 수 있으므로 이 단계는 더욱 복잡해집니다. 기존 솔루션에 복잡한 구현 프로세스를 도입하지 않으려면 프로젝트 초기에 AI의 타당성을 고려해야 합니다.
다양한 사람들과 교류한 후 대상 그룹과 대상 과제를 정의할 수 있습니다. 개발자는 인공지능을 채택할 수 있는 기회에 대해 생각해야 합니다. 구체적이고 정당한 요구 사항을 가진 그룹을 선택하고 해당 문제에 집중하여 AI 솔루션을 구현합니다. 이를 통해 전체 상황을 명확하게 확인하고 프로젝트에서 어떤 문제를 해결할 것인지 선택할 수 있습니다. 이제 질문을 하고, 통찰력을 찾고, 더 깊이 파고들 시간입니다.
이 단계는 대상 그룹의 문제에 대한 해결책을 찾는 단계입니다. 팀을 구성하고 팀원들이 아이디어를 브레인스토밍할 수 있어야 합니다. 이 단계의 목표는 팀의 창의성을 발휘하고 대상 그룹의 문제를 해결하기 위한 새롭거나 특이한 방법을 찾는 것입니다. 이 단계에서는 프로젝트에 어떤 AI 알고리즘, 도구, 기술을 사용할지 공식화할 수 있습니다.
팀원들이 브레인스토밍을 한 후 가장 흥미로운 아이디어를 선택하고 MVP(최소 실행 가능 제품) 등 프로토타입으로 변환하여 최대한 빠르게 지식을 수집합니다. 이 단계에서는 시간이 많이 걸리는 프로세스이므로 포괄적인 AI 솔루션을 개발할 필요가 없습니다. 이 단계의 주요 목표는 학습 능력을 갖추는 것입니다. 이러한 AI 개발 접근 방식을 사용하면 기업은 완벽한 소프트웨어를 개발하기 위한 최선의 방법을 선택하게 됩니다.
이것은 마지막이지만 아마도 가장 중요한 단계 중 하나일 것입니다. 이는 비즈니스가 제품의 문제를 식별하고 제거하는 데 도움이 되기 때문입니다. 프로토타입이 대상 그룹에게 제시되거나 첫 번째 단계에서 선택한 거의 현실적인 환경에서 테스트되는 순간입니다. 사용자들의 반응, 회사가 제공하는 제품을 어떻게 사용하는지, 그들의 감성을 관찰할 수 있습니다. 비즈니스 솔루션이 문제를 해결할 수 있을까요? 마음에 들지 않는다면 지금이 바로 개선할 때입니다.
기업 내 고객 만족도 향상과 비즈니스 소프트웨어 도입이 가장 중요한 것은 인공지능 기반 프로젝트를 포함한 모든 프로젝트에서 디자인 싱킹을 구현하는 것이 가장 중요한 장점 중 하나 . 디자인 싱킹 방법을 사용하여 제작된 제품의 사용자는 사용 시 더 높은 만족도를 나타냅니다. 기업의 제품 개발의 중심에는 항상 사용자가 있기 때문에 고객 만족이 항상 최우선 목표가 되어야 합니다.
기업이 디자인 사고 연습에 투자하는 시간은 장기적인 AI 투자를 보장할 수 있습니다. 모든 비즈니스에는 고유한 특성과 요구 사항이 있습니다. 이것이 머신러닝 구현이 맞춤형으로 이루어져야 하는 이유입니다. 디자인 사고는 기업의 문제점을 파악하고 AI에 대한 비즈니스 사례를 정의하는 데 도움이 되므로 AI 꿈을 수익성 있는 투자로 전환하는 데 도움이 됩니다.
디자인 사고 과정의 아이디어 단계는 비표준적인 방식, 즉 틀에서 벗어나 생각하는 것을 목표로 합니다. 이러한 접근 방식을 통해 기업은 전혀 고려하지 않은 문제에 대한 솔루션을 찾을 수 있습니다. 이는 기업이 매우 혁신적인 솔루션을 개발하고 시장에서 두각을 나타내는 데 도움이 될 수 있습니다.
회사가 대상 그룹과 문제를 자세히 조사하면 요구 사항에 맞는 제품이 개발되고 제품의 성공 가능성이 높아집니다.
디자인적 사고 방식은 앞으로도 오랫동안 존재할 것이며, 이는 인공지능 제품이나 서비스 개발에 활용될 수 있는 효과적이고 유용한 방식임을 입증하기도 합니다.
그러나 이는 쉬운 일이 아니며 기업에서 문제에 직면할 수도 있습니다. 따라서 팀을 지원할 신뢰할 수 있는 파트너를 찾는 것이 중요하며 이는 전략 회의로 시작하여 성공적인 테스트 및 개발 단계로 마무리됩니다.
원제: AI 기반 프로젝트에 디자인 사고를 적용해야 하는 이유?, 저자: Dorota Owczarek
위 내용은 AI 기반 프로젝트에서 디자인 사고를 사용하는 이유는 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
