作者都是各自领域经过审查的专家,并撰写他们有经验的主题. 我们所有的内容都经过同行评审,并由同一领域的Toptal专家验证.
Darrell是一名UX设计师,拥有超过25年的经验,为IBM等公司设计高度复杂的应用程序, CSX公司, 和CarMax. 他对IBM Maximo移动应用程序的重新设计获得了2021年产品设计金火花设计奖.
Gytis是一名数字产品设计师,在壳牌等公司拥有超过8年的设计经验, 福特, BP, 和推动力. 他采用科学的方法,孜孜不倦地测试设计,以生产用户友好的产品.
生成的人工智能 不是为了设计而来:它已经在这里了. 应用程序等 γ 和 概念 使用 AI “写”演示文稿和文档. Adobe萤火虫 能从几张图片中变出Photoshop的构图吗 提示. 一家备受争议的初创公司甚至吹嘘自己有能力提供“无需用户的用户研究”——这一切都要归功于生成式人工智能.
这种能力的突然激增使专业设计师陷入了一个复杂的境地. 随着越来越多的公司急于将人工智能功能集成到他们的产品中, 设计师需要围绕这项技术设计新的界面和体验. 同时, 一些设计师担心,这项技术首先会抑制他们找工作的能力. 随着数字内容越来越多地与机器“共同设计”, 设计师有什么责任披露他们对AI的使用?
在这个Q中&A, 两位Toptal专家就生成式人工智能将如何影响实践分享了不同的观点, 道德, 的值 数字设计. 达雷尔·埃斯塔布鲁克(对人工智能持谨慎态度)在UI、UX和数字领域拥有超过25年的经验 产品设计 适用于IBM、CSX公司和CarMax等企业客户. Gytis Markevicius(欢迎人工智能)拥有神经科学和心理学背景,曾为壳牌等客户做过设计工作, BP, 以及人工智能营销工具 顺风.
为了清晰和篇幅的考虑,这段对话经过了编辑.
埃斯塔布鲁克: 从我在我们拥有它的短时间内所看到和经历的来看,它是一个有用的工具. 我使用ChatGPT来指导我编写一些代码,它非常有帮助. 但我担心的是 创造力方面,解决问题的一方. 当人工智能替我们思考时,它会把我们变成什么? 我们如何驾驭它?
Steve Krug有一本关于交互设计的经典著作 不要让我思考. 这一切都是关于可用性,以及我们如何让复杂的东西变得非常简单和易接近. 但我担心,当思考是自动化的, 你似乎可以得到任何问题的答案, 未来的箴言可能是:“我不需要思考, 因为人工智能会给我正确的答案.”
只要输入一个提示,就会弹出一封电子邮件,这正是你想说的. 这真的是我的想法吗? 我是一个创意总监,还是只是一个重新利用机器内容的消费者? 这可能就是危险所在.
Markevicius: 当我们第一次了解到人工智能的能力时, 我还看到到处都是红灯:“哦, 我的神, 这将彻底消除许多工作和许多专业.“然后随着更多工具的出现, 我开始意识到, OK, 人工智能非常擅长获取大量现有数据,然后为你提供相同内容的新版本. 但它在产生原创想法方面并不那么出色, 一些全新的,非常具体的东西.
这就是我目前对人工智能的看法:它是一个积极的工具,可以帮助我们消除一些我们觉得讨厌的重复性任务, 比如产生一堆 原型 或者想出九种不同的小按钮. 这样的事情并不需要很多经验,只需要时间. 设计师可以与人交谈, 我们可以试着理解他们想要什么, 而人工智能做不到这一点. 但它可以消除我们无聊的东西,让我们做更多的事情 战略思考 为我们的客户.
Markevicius: 生成式AI对经验丰富的设计师来说是个好消息, 但对初级设计师来说是个坏消息,因为人工智能可以做很多公司雇佣他们做的无聊的事情,比如检查所有东西是否像素完美, 或者为用户角色创建初始草稿. 我有一个小的设计师团队, 有些是初级的, 所以我们讨论人工智能,因为(他们)需要知道事情的发展方向.
埃斯塔布鲁克: 这将是一个挑战. 有了人工智能,我们不仅仅是加快了日常工作或消除了一些流程. 解决问题的行为现在是在一个盒子里:你可以给它一个模糊的参数,并得到一个定向的结果. 那你为什么不用呢? 它的存在.
作为一个设计教练, 我想鼓励初级设计师在此基础上拓展, 把这些生成内容作为一个起点. 否则, 你只需要拿出最方便的人工智能模型,接受它的输出,并认为你正在解决一个问题. 你可能真的解决了一个问题! 它可能在一些非常低需求的情况下有效. 例如检查a 色谱 在调色板中查看它们是否全部通过 可访问性 和可感知阈值,或者从示例文本输入设计中构建一组UI表单元素.
但对于更复杂的问题,比如基于金融服务数据集生成执行仪表板, 或者基于用户访谈生成多屏幕工作流——我认为问题是, 我们该把AI插到哪里? 作为经验丰富的设计师和创意总监,我们很高兴使用人工智能来增强我们正在做的事情. 但那是因为我们总是在脑海中解决问题.
Markevicius: 确实如此, 初级设计师, 我认为人工智能可以用基本的东西开始他们的学习道路. ChatGPT可以提供如何编写用户角色和旅程地图的好例子, 甚至如何构建一个网站或自己的投资组合. 初级设计师也可以向ChatGPT询问概念的简单解释,例如 费茨定律 和 设计思考. 但在学习软技能时,比如时间和项目管理, 领导, 和沟通——我认为没有什么比有人指导你更好的了.
埃斯塔布鲁克: 比如ppt, 演示设计, 作为设计过程的一部分,我们用来交流想法的任何软件. 例如, 传统上,我们是通过制作一系列幻灯片来进行演示的,这些幻灯片以合乎逻辑的方式引导观众了解我们的设计概念,并给出预期的反应. 使用生成式AI演示工具, 我可以给它这些参数它就能创建一个我想要传达的量身定制的故事板. 这能走多远? 从概念上讲, 一个复杂的人工智能(可以制作)幻灯片, 幻灯片内容, 以及内容的辅助视觉效果.
人工智能(还可能消除)在设计过程中连接各个步骤的实用工具软件, 如 赞贝林. 赞贝林是一个手动发布和管理屏幕和流的好工具, 以及对这些设计进行版本控制. 想象一下,如果Figma不仅在本地做到这一点, 还可以在设计师工作时由AI自动处理这些任务. 对于Figma这样的公司来说, 这些实用功能可以在他们自己的产品中得到更好的服务,所以像赞贝林这样的公司应该考虑将其工具转换为Figma的人工智能插件, 而不是把它作为一个独立的产品.
Markevicius: 这听起来可能有点言过其实, 但如果你的产品不打算以某种形式加入人工智能, 你很有可能会被淘汰. 我们喜欢和已经使用的所有工具都有一些人工智能功能, 或者他们已经宣布他们会这么做. 您不希望用户分散在各个地方, 去ChatGPT获取一些文本, 一些图像的中途, 然后把所有这些都放回Figma或 帆布. 每个工具都应该拥有这些功能.
例如,当我开始与顺风合作时,ChatGPT还不存在. 但一旦发射, 我接下来六个月的重点是将人工智能整合到产品套件中:帮助用户更快地生成社交媒体内容, 更快地生成电子邮件内容, 更快地生成图像创意. 这些平凡的、重复的任务是你必须要做的——这就是游戏的名字. 在一个已经很好的产品中加入人工智能会让产品变得更好, 特别是对于那些不是专家的用户.
Markevicius: 这是人工智能可能会遇到的困难. 也许是A/B测试, 哪个通常是用数字来衡量的, 能在某种程度上由人工智能管理吗, 或者至少是数据收集的部分. 但如果我们谈论定性可用性研究, 当你真正与用户交谈时,试着衡量那些尴尬的停顿,他们有点卡住了,但并没有真正说出来, 我认为没有.
埃斯塔布鲁克: 让我们承认吧:我们有时是不理智的人. 所以,就盖蒂斯的观点而言,真实的人会有一些人工智能无法预测的反应. 但是再一次,这是很容易获得的. 有一家公司叫 合成用户 研究人工智能角色. 如果人物角色在那里, 你还可以查询虚拟角色的“意图”, 结果将是 似乎 现实的. 这比调查一千人或安排小组会议和一对一的面试要容易得多,这些都要花一整天的时间. 所以危险在于你会对这些结果充满信心并采取行动.
零售商业[产品], 模拟这些角色可能很容易——他们可能包含了你期望从面试中得到的很多品质. 但在我处理的一些高技术项目和专业工作流程中, 这些角色在一般市场中并不存在. 这将取决于公司建立自己的专有AI角色模型,以便他们可以在自己的墙壁内利用它. 但是人是会变的. 就像我说的,不理智. 这种模式能跟上吗? 我们是否能够信任它,让我们能够在金钱问题上做出自信的设计决策, 工作岗位岌岌可危, 否则就会有安全隐患?
埃斯塔布鲁克: 如果人工智能帮助我增强我所做的决定,这就是它很快变得非常模糊的地方. 如果我向客户提交一份研究报告,我会将结果的来源追溯到帮助我的人工智能模型. 无论如何,这是向客户展示研究成果的好方法. If, 作为一个创意总监, 我用人工智能制作了一个设计系统, 我可以毫不犹豫地透露我使用的是哪种AI工具,但我不会觉得有必要这么做. 客户今天没有偏好我是否使用Sketch制作设计, Figma, ProtoPie, 筹划者, 或者其他工具.
关键是我一直在用我的创造力来做调整. 但作为一个有创造力的人,我支持我所做的工作, 我很难把我的脸放在生成AI内容面前说, “这是我做的。.“信任是任何关系的基本要素,必须通过努力才能赢得. 如果我要在这个过程中使用AI,我会让客户知道. “展示你的作品”不仅仅是数学证明的格言——它对每个人来说都是很好的设计实践.
Markevicius: 我可以毫不犹豫地告诉客户我使用了库存照片, 对人工智能做同样的事情可能也有意义. 比如说,我没有使用库存照片,而是使用Midjourney来生成一些图像. 我不认为用户会在意,但我对我的客户有责任. 他们雇佣我是因为我的专业知识, 我的知识, my specific choices; they’re trusting my process to deliver value to them. 我不应该是一个模仿者,也不应该找到快速得到答案的方法,而是应该把时间花在工作上. 这份工作的一部分就是要对我说的话和制作的东西负责. 如果我犯了错,那是我的错,而不是人工智能的错.
Markevicius: 我首先想到的是设计系统的创建和管理:生成所有不同的状态和变化, 然后确保在不同的产品中都是一致的, 团队, 诸如此类. 整个部门都在管理设计系统. 公司花费大量的金钱和时间来确保所有这些都到位. 这基本上就是做很多重复的重新设计,然后看分析. 我希望人工智能能接管这一切,我相信它会的.
埃斯塔布鲁克: 人工智能肯定会侵蚀所有涉及设计甚至开发的学科. 我认为这一切都将融合在一起. 会变成一个“人工智能部门”吗?? 这是一件好事吗? 肯定会是另一回事. 生成东西是一回事. 这是另一种生成 正确的 而生成正确的东西又是另一回事 想要 它. 以创意总监的身份引导人工智能——这将是我们的新角色.
Markevicius: 生成式AI显然有利有弊, 但是每一项新技术, 新的机会出现了. 我们看到很多带有人工智能功能的新产品, 他们还需要知道它们如何工作以及如何正确使用它们的设计师. 例如, AI确实用一种简单的方式来总结概念, 分析信息, 并生成一些初始内容. Figma有AI插件 它们为内容、图像生成和自动化提供了非常强大的工具. 这个行业过去被称为“人机交互”,现在在某种程度上它将变成“人机交互”. AI相关设计师或具有AI经验的设计师将会有特定的角色. 这肯定已经在市场上了.
也许我们会看到设计师扮演更多战略性角色. 正如我所说, 如果人工智能被用作一种工具,它将产生我们每天所做的50%的日常事情, 设计师也许能够更深入地研究事物的商业方面.
产品, 行业, 市场分析都需要时间,所以花更少的时间去做费力的设计任务可以让我更多地了解客户, 他们的痛苦和目标, 与我的产品团队建立更有意义的关系. 更深入地了解客户的业务也有助于设计师分析AI可以提供更精确输出的机会. 像ChatGPT这样的人工智能模型非常适合一般任务, 但对人工智能进行特定业务和用户数据的培训,将使其产生更有针对性、更有价值的产出.
埃斯塔布鲁克: 我也有很多同感. 重复的工作功能将被吸收,就像过去的电梯操作员一样. 如果你是一个初级员工, 学习所有的技术流程并不重要——帮助你超越的是创造性思维. 作为招聘经理, 为了找到适合某一特定角色的人,我查阅了成百上千的履历. 其中一个重要因素是好奇心和创造力. 所以我认为,现在我们不再雇佣初级设计师,而是雇佣初级创意总监. 原则是:你能使用人工智能吗? 你将如何使用人工智能来解决这个问题? 你能告诉我你为什么选择这个吗?
举个例子,如果应聘者描述了他们如何使用人工智能设计一个生产力应用程序. 如果他们告诉我他们如何使用人工智能将他们的用户研究综合到关键主题中,那将是令人印象深刻的, 将其中一个主题充实到一组屏幕中, 然后用真实用户和他们的数字化身对这些屏幕进行测试. 在整个过程中, 我想知道他们是如何获取AI的输出,并做出能够引导下一个输入的深思熟虑且具体的设计决策.
Markevicius: 作为一名设计师,你希望自己是受欢迎的. 所以很明显,你需要具备与人工智能合作的技能,并了解它是如何工作的. 我肯定会说学习它在做什么,但不可能使用所有东西. 只要试着了解正在发生的事情的要点,事情的发展方向,并开始学习如何 创建接口 帮助用户与人工智能互动.
设计中的人工智能伦理包括公平性, 透明度, 以及意味着隐私的人工智能系统应该避免歧视, 提供他们的操作信息, 并保护用户的个人数据.
设计师在使用AI和披露AI生成的内容时,应该对客户保持透明, 类似于他们对库存图片的信用. 设计师还应该承认,人工智能不能取代定性研究,并确保人工智能角色不会被视为与用户交谈的全面替代品.
设计中人工智能伦理的三个主要关注点是公平、隐私和问责制. 公平性确保人工智能系统不会歧视或强化现有的偏见. 隐私问题围绕着负责任地处理用户的个人数据. 问责强调了理解人工智能系统如何做出决策的必要性.
世界级的文章,每周发一次.
世界级的文章,每周发一次.