AI를 위한 서비스 디자인: AI 혁신에 대한 인간 중심 접근 방식 구축

인공지능의 발전과 함께 점차 다양한 분야에 적용되고 있지만, 인공지능 솔루션에 있어서 디자이너들은 새로운 도전에 직면할 수도 있습니다. 본 기사에서는 이를 탐구하고 두 학문의 장점을 통합하는 6단계 방법, 즉 "인공지능 설계"를 제안합니다. 살펴보겠습니다.

앞으로 쓰기

AI 기술이 발전함에 따라 기술이나 디자인만으로는 효과적인 AI 솔루션을 구축하고 실제 사용자 문제를 해결하며 사회에 긍정적인 영향을 미치는 데 충분하지 않다는 것이 점점 더 분명해지고 있습니다. 디자이너 없이 작업하는 AI 엔지니어는 확인되지 않은 가정을 기반으로 너무 빨리 솔루션에 뛰어들어 팀이 "잘못된 문제"를 해결하게 만들 수 있습니다. 반대로, 기술적 지식이 부족하면 디자이너는 인공 지능의 기능에 대해 비현실적이거나 모호한 아이디어를 가지게 되어 인공 지능의 기능을 과대평가하거나 과소평가하는 상황으로 이어질 수 있습니다.

AI 솔루션과 관련하여 디자이너는 투명성, "설명 가능성" 또는 신뢰성을 위해 AI 시스템을 설계하는 방법과 같은 새로운 과제에 직면할 수 있습니다. 또는 AI 솔루션이 사용자와 사회에 미치는 영향과 결과를 평가하는 방법도 있습니다. 따라서 우리는 인공지능(AI) 엔지니어와 서비스 디자이너가 협력하여 인간 중심적이고 윤리적이며 긍정적인 영향을 미치는 솔루션을 만들어야 한다고 믿습니다. 이 기사에서는 두 분야의 장점을 통합하는 6단계 접근 방식, 즉 "AI 디자인"을 제안합니다.

1. 인공지능(AI)이 필요한가요?

우리는 AI 디자인을 AI 혁신에 대한 인간 중심의 반복적이며 협업적인 접근 방식으로 봅니다. AI의 동적 구성 요소를 고려하면서 디자이너의 문제 해결 접근 방식을 활용하고 AI 혁신에 엔지니어링 접근 방식을 적용합니다. 이 접근 방식은 영국 디자인 위원회의 Double Diamond1, CRISP-DM2 데이터 관리 방법론과 3억 명이 넘는 온라인 방문자를 보유하고 있으며 세계에서 가장 빠르게 성장하는 시장 및 분류 플랫폼 네트워크 중 하나인 OLX 그룹의 AI 혁신 경험을 기반으로 합니다.

AI 팀과 디자인 팀 모두 협업의 이점을 누릴 수 있습니다. 우리는 이것이 보다 효율적인 작업 방식과 보다 고객 중심적인 솔루션으로 이어질 것이라고 믿습니다. 그 이유는 다음과 같습니다:

1. 인간 중심 접근방식을 채택한 인공지능 혁신

AI-by-Design은 솔루션을 개발하기 전에 고객의 요구 사항을 깊이 이해하기 위해 인간 중심의 인공 지능 혁신 접근 방식을 채택합니다. 때로는 AI가 올바른 솔루션이 아닐 수도 있습니다. 때로는 스프레드시트와 같은 간단한 솔루션이 작업을 잘 수행하고 리소스를 절약할 수도 있습니다. 따라서 개발을 시작하기 전에 AI가 실제로 문제를 해결하는 데 적합한 도구인지 판단해야 합니다. 팀은 특정 도구나 기술을 처방하기보다는 문제를 해결하고 인간에게 힘을 실어주는 무엇이든 구축해야 합니다.

2. 학제간 활용

AI-by-Design은 디자인 연구 팀에서 AI 엔지니어에게 통찰력을 냉정하게 전달하는 대신 사일로를 넘어 작업하는 방식을 장려합니다. 디자이너와 AI 엔지니어가 함께 일하면 서로의 사각지대를 메워주고 의사소통 오류의 여지를 줄일 수 있습니다. 프로세스는 더욱 효율적이고 효과적일 것이며 솔루션은 더욱 고객 중심적이고 기술적으로 실현 가능해질 것입니다. 이를 통해 올바른 문제를 해결하고 팀 시간을 절약할 수 있습니다. 실제로 맥킨지의 2021년 인공지능 현황(State of Artificial Intelligence)에서는 “AI 도구 개발 시 디자인적 사고의 활용”이 AI 성과가 높은 기업을 차별화하는 가장 중요한 요소로 꼽았습니다.

3. 역동적인 세계를 위해 설계된 AI 기반 솔루션

AI 모델은 샌드박스 환경에서 훈련되는 경우가 많지만 결국 지저분하고 복잡한 세상에서 사용됩니다. 따라서 우리는 AI 모델에 지속적인 재교육이 필요하다고 믿습니다.

실제 세계에서 솔루션은 사용자가 최종 제품과 상호 작용하는 방식에 영향을 받는 반면, AI에는 많은 동적 구성 요소가 있습니다. 사용자 피드백과 실제 행동 데이터를 수집하는 방법을 설계하는 것이 중요합니다. 이 입력 데이터는 모델을 개선하고 AI 솔루션이 의도한 대로 윤리적인 방식으로 작동하도록 보장하는 데 필요합니다.

실제로는 격차가 있고 이상적으로 들리지만 몇 명의 AI 엔지니어와 디자이너를 팀에 배치하여 쉽게 함께 혁신할 수는 없습니다. 우리는 두 분야가 공통 언어가 없고, 서로에 대해 잘못된 가정을 갖고 있으며, 서로 다른 방식으로 작동하는 것을 종종 관찰합니다.

예를 들어 AI 엔지니어는 Visual Studio Code에서 작업하는 반면 디자이너는 Miro와 같은 도구를 자주 사용합니다. 머신 러닝 모델은 최대한 신중하고 정확하게 작동해야 하지만, 프로토타입 설계는 매우 개념적이고 추측적일 수 있습니다. 기계 학습 지표는 숫자와 예측을 중심으로 발전하는 반면, 디자인 지표는 인간의 요구와 고객 경험을 중심으로 발전합니다. 그림 2에 표시된 것처럼 방법을 비교할 때 동일한 차이점이 존재합니다. 그림에서 설계위원회의 이중 다이아몬드는 CRISP-DM 데이터 관리 방식과 겹칩니다. 세 개의 공백이 나타납니다:

간극 1: '이유' 부족

AI 엔지니어가 프로젝트 초기 단계에서 제외되면 그들이 구축하는 솔루션이 원래 고객 문제에서 벗어날 위험이 있습니다.

격차 2: 기술적 이해 부족

반면에 디자이너는 인공 지능의 가능성에 대해 비현실적인 기대를 갖는 경우가 많으며 최신 기술 개발을 항상 최신 상태로 유지하는 것은 아닙니다. 설계자는 엔지니어링 구성요소를 쉽게 이해할 수 없기 때문에 구현하기 어려운 솔루션에 치우치는 것을 피하기 위해 제안된 솔루션의 타당성을 파악하는 데 도움이 필요한 경우가 많습니다.

간격 3: 피드백 루프 부족

프로세스 마지막에 솔루션을 구축할 때 솔루션이 예상대로 작동했는지, 올바른 데이터가 수집되었는지, 모델이 윤리적인지 확인할 수 있는 방법이 필요합니다. 이는 피드백 루프를 통해 해결될 수 있습니다. 피드백 루프는 솔루션에 대한 많은 가시성과 투명성을 제공할 수 있습니다. 대부분의 경우 실제 세계는 AI가 개발되는 훈련 환경과 매우 다르기 때문에 이는 중요합니다. 또한 사용자와 개발된 AI 솔루션 간의 지속적인 상호 작용으로 인해 새로운 데이터를 사용할 수 있게 됩니다. 올바른 데이터가 수집되면 편향과 이상값을 제거하여 모델을 지속적으로 개선할 수 있습니다.

2. AI 기반 디자인 6단계

공백을 메우고 일하는 방법을 찾기 위해 6단계 방법을 만들었습니다.

1.발견: 첫 번째 단계는 프로젝트의 목표, 고객 요구, 문제 및 비즈니스 기회를 이해하는 것입니다. 일반적으로 고객 조사가 포함됩니다.

2. 정의: 두 번째 단계에서 팀은 과제의 범위를 정의합니다. 즉, 해결할 문제나 추구할 기회를 선택합니다. 이 단계에는 인공지능의 배경과 가능성에 대한 연구가 포함됩니다.

3.AI 디자인 결정: 이 단계에서는 이것이 해결될 수 있고 해결되어야 하는 문제인지 팀이 스스로 질문하도록 권장합니다. 이는 AI를 활용해 해결할 수 있다. 그렇다면 어떤 데이터가 필요한지 평가하고 솔루션이 비윤리적인 결과를 초래할 수 있는지 여부를 조사합니다. AI가 올바른 솔루션이 아닌 경우에도 좋은 결과입니다. 인공지능은 비용과 시간이 많이 소요됩니다. 다른 대안으로 문제를 해결할 수 있다면 이를 선택해야 합니다.

4. 개발: 네 번째 단계는 문제를 해결하는 최선의 방법을 이해하는 것입니다. 이제 다양한 솔루션을 탐색하고 필요한 데이터와 모델링을 살펴볼 때입니다. AI 엔지니어는 탐색적 데이터 분석(EDA)을 수행할 수 있습니다. 즉, 데이터를 더 잘 이해하기 위해 데이터를 조사하고 이상값, 누락된 값이 있는지, 기준 모델을 구축할 수 있는지 확인하는 것을 의미합니다.

5. 테스트: 솔루션 구축 및 배포를 시작하기 전에 팀은 어떤 위험한 가정이 있는지 확인하고 프로토타입 테스트 등을 사용하여 이를 검증해야 합니다. 이는 솔루션을 구축해야 하는지 또는 "피벗"이 필요한지 확인하는 가장 빠른 방법입니다.

6.전달 및 평가: 마지막으로 팀은 반복, 개선, 발표를 거쳐 궁극적으로 최종 고객과 주요 이해관계자에게 솔루션을 전달해야 합니다. 그러나 프로세스는 여기서 끝나지 않습니다. 대신 팀은 지속적으로 솔루션을 반복해야 합니다. 시간이 지남에 따라 솔루션에 대한 새로운 시각을 제시할 수 있는 더 많은 데이터가 제공될 것입니다. 실제 편향과 데이터 드리프트를 최대한 빨리 확인하고 수정할 수 있도록 모니터링 시스템(피드백 루프)을 설계해야 합니다.

이전 6단계는 팀이 AI 혁신을 구현하는 방식을 개선하려는 사람들에게 지침을 제공하기 위해 설계되었습니다.

결론

기업에는 (A) 효과적이며, (B) 실제 사용자 문제를 해결하고, (C) 비즈니스에 긍정적인 영향을 미치는 AI를 구축하려면 기술과 설계가 필요합니다. 아직 갈 길이 멀지만 우리는 우리가 제안하는 접근 방식을 통해 조직이 효율적이고 윤리적인 방식으로 혁신을 이룰 수 있다고 믿습니다.

원저자: Serena Westra, Ioannis Zempekakis (이 글은 관련 당사자와 원저자의 승인을 받았습니다)

원제: AI-by-Design: 인간 중심 AI 혁신: AI 솔루션 구축을 위한 6단계 접근 방식

번역자: Chen Yuzhi Yeutz Chen, WeChat 공개 계정: YeutzDesign(ID: Yeutzsheji)은 서비스 디자인 분야에 중점을 두고 서비스 디자인의 혁신과 변혁에 대한 연구에 전념하고 있습니다.

이 기사는 @陈昱志Yeutz Chen이 번역하여 게시했습니다. 모든 사람은 제품 관리자입니다. 무단 전재를 금지합니다.

제목 사진은 Unsplash에서 가져온 것이며 CC0 라이선스를 기반으로 합니다.

위 내용은 AI를 위한 서비스 디자인: AI 혁신에 대한 인간 중심 접근 방식 구축의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!