44. AI & UX Research (feat. Savina Hawkins & Caleb Sponheim)
2024/11/26
NN/g UX Podcast
C
Caleb Sponheim
S
Savina Hawkins
Savina Hawkins认为，Transformer架构的突破使得AI在自然语言处理方面取得了显著进展，能够更好地理解和分析人类语言，这为UX研究带来了新的机遇。然而，AI目前仍缺乏人类在解决问题时所具备的多层次智能和考虑因素，例如商业、人文、社会影响等，因此UX专业人士需要将AI工具视为“初级合作伙伴”，对其输出结果进行审核和把关，避免AI生成虚假信息或不准确的内容。
Caleb Sponheim认为，AI应用的积极影响不能孤立来看，需要考虑其成本和潜在的负面影响。大型语言模型虽然易于使用，但要高效使用需要具备编写有效指令的能力，这需要时间和技能的投入。此外，公司裁员可能并非完全因为AI技术，而是多种因素综合作用的结果，AI只是被用来作为裁员的理由。AI可以生成研究数据，但这些数据是基于现有的人类知识，而非对特定产品的用户研究，因此无法替代人类进行用户研究。用户研究的核心在于探索未知领域，这是AI目前无法完成的。AI对某些设计领域（如平面设计）的影响较大，但对UX设计的影响相对较小，因为UX设计需要跨部门协作、数据转化、迭代反馈等能力，这些是AI目前难以取代的。面对AI的冲击，UX专业人士需要继续提升自身价值，关注业务需求，并有效地将AI工具融入工作流程中。
Savina Hawkins强调了AI在UX研究中的应用，特别是Altis系统在分析对话数据方面的能力。Altis系统能够区分事实和推论，并提供多种解释，以帮助用户进行更准确和全面的分析。Altis系统可以加快设计迭代速度，例如在设计冲刺中，可以在一天内完成访谈，并在第二天获得分析结果。此外，Altis系统可以帮助UX研究人员发现新的见解，并弥补人类记忆和注意力的局限性。
Caleb Sponheim建议UX专业人士尝试将AI应用于日常工作中，例如写作或数据分析，以了解AI工具的实际能力和局限性。他建议关注AI领域乐观和悲观的两种视角，并订阅一些新闻简报或周报，以了解AI行业动态。他认为，与AI协作是一项新的技能，需要学习如何有效地引导AI，这与UX专业人士进行用户访谈的技巧类似。
Deep Dive
The chapter discusses the evolution of AI, particularly the transformer architecture, and its impact on UX research and analysis, highlighting the advancements in natural language processing and visual understanding.
- Transformer architecture has significantly improved natural language processing.
- AI can now analyze and understand human interaction and UI design more effectively.
- Google's AI model can understand UI design elements, a breakthrough for UX professionals.
Shownotes Transcript