affisch med texten Designer - AI behöver dig

Designer! Algoritmerna behöver dig!

Pontus Wärnestål

Hallå designer! Ditt yrke håller på att förändras (igen!). Du måste för framtiden också kunna designa rättvis och nyttig datainsamling - inte bara gränssnitt eller användarupplevelse. 

Från klick på e-handelssajten, till leverans vid kundens dörr - på tolv minuter. Det är det nya rekordet från Alibaba (och deras logistikorganisation Cainiao).

Vi lever i den andra (eller tredje eller fjärde, välj själv) industriella revolutionen. Hur Amazon, Alibaba och andra aktörer idag snabbar upp leverans och kundupplevelse är bara ett exempel på hur snabbt världen nu förändras. 

Och i denna revolution förändras självklart också slutanvändarnas mål, attityder och förväntningar. 

Hur kan leverans på tolv minuter bli möjlig? En sådan kundupplevelse handlar uppenbart inte om ett smidigt gränssnitt, eller trevliga ikoner. Det är istället möjligt tack vare algoritmdrivna plattformar som samordnar stora mängder strukturerad data och miljontals aktörer i realtid. 

En populär term för detta är AI. Men dagens tillgängliga AI är maskinlärning: förmågan att förutsäga ett värde utifrån en modell tränad på en  uppsättning historiska data. (Mänsklig intelligens –”konceptbildande” eller ”artificiell allmän intelligens” – ligger ännu långt bortom vad dagens teknik är kapabel till. )

Maskininlärning gör stora framsteg för närvarande, men för praktiska ändamål är AI ännu idag alltså en fråga om förutsägelse (prediktion). Och kraften i dessa förutsägelser håller på att bli riktigt bra. Sedan 2015 slår bildklassificering till exempel mänskliga prestationer, i alla fall för vissa ändamål.

Maskininlärning är alltså en kraftfull och imponerande teknologi. Men som alltid finns det en en mörkare baksida: maskininlärning kräver massor av träningsdata. 

Historiska data har per definition en tendens att förstärka historiska fenomen. Så, om träningsdata till exempel speglar historisk ojämlikhet mellan människor, kommer den prediktionsmodell som genereras att per definition fortsätta att skapa (mer) ojämlikhet.

Maskininlärning är den ultimata ”garbage-in/garbage-out-teknologin”. Det verkar inte finnas någon gräns för vad dåliga datamodeller kan ställa till med, vilket framgår av det stora antalet varningar om systematisk bias och negativa (både avsiktliga och oavsiktliga) effekter av ”dåliga” träningsdata, som nyligen publicerats. Cathy O'Neill (författare till boken Weapons of Mass Destruction) skrev: ”Data är ett digitalt eko av vår kultur. Algoritmer är åsikter inbäddade i kod.”

Vi vet ganska bra hur man hanterar de tekniska detaljerna för data och algoritmer. Kultur och åsikter däremot, kräver andra typer av färdigheter och verktyg. 

Det faller på oss – på människo-centrerade designers – att hjälpa till att kasta ljus över, och designa för sådana nya företeelser i världen som

  • strategier för datainsamling
  • effekter av maskininlärning, och 
  • interaktionsmönster för agentbaserade system.

Det kommer att bli en central aspekt för utformningen av AI-drivna serviceplattformar. Hur kan vi skapa interaktion för ömsesidig nytta? Det vill säga samtidigt stödja användaren och samla in data?

Detta måste ingå i jobbet för en interaktionsdesigner eller UX-designer. Dessutom bör strategisk datainsamling inte bara ske i digitala gränssnitt. Relevant användningsdata kan fångas vid andra typer av touchpoints också – därför är det också en kritisk aspekt av Service Design.

Det är ju inte första gången som vi som utvidgar vår repertoar. Tänk på när vi gick från teckenbaserade menyer och DOS-prompt till grafiska gränssnitt. Då var vi tvungna att börja prata om gestaltprinciper, layout och komposition – det som tidigare varit visuell design. 

I det nya paradigmet krävs det att vi börjar resonera kring och hantera nya interaktionsloopar och strategisk datainsamling.

Detta är den kontinuerliga och naturliga utvecklingen av designfältet. För skulle det inte vara väldigt konstigt om just vårt yrke inte förändrades drastiskt, om vi lever i en era där fundamentala saker som kommunikation, energi, transport och infrastruktur revolutioneras?

Vill du diskutera mer om AI och design? Anmäl dig till From Business to Buttons 2019, där AI kommer vara ett av årets teman. Och håll utkik efter de workshops som kommer att erbjudas i samband med konferensen. Där finns en som du definitivt inte kommer att vilja missa.

Bild: Lisa Lindahl / Art Director, InUse

Lämna en kommentar

1 kommentar

  • Fredrik Påhlman

    Angående hur vi samlar in data från användare, på ett sätt som inte är "creepy" så gillar jag tre principer från Ericsson Consumer Labs research: 1. Transparens - var tydlig med vad som samlas in, och hur det är tänkt att användas 2. Kontroll - Ge användaren möjlighet att styra över insamlingen, eller hindra den. 3. Delat värde - Visa på vilket värde användaren får ut av transaktionen. Blir sökresultaten bättre, eller är utbytet en nödvändighet för att kunna erbjuda tjänsten gratis?