El potencial de usar nuevas tecnologías como Inteligencia Artificial (AI) para crear mejores Experiencias de Usuario es enorme, pero como todo en UX, trabajamos primero desde el usuario y después con la tecnología.
Al ampliar la geometría del Espacio de Diseño de UX con nuevas tecnologías y enfoques para interactuar con usuarios con productos y servicios digitales encontraremos también nuevas maneras de resolver necesidades y
problemas que anteriormente parecían ser demasiado complejos.
El concepto de Inteligencia Artificial (AI) no es nuevo, pero solo hasta hace unos años se ha vuelto suficientemente útil y accesible para poder pensar en ella como una alternativa viable para integrar en productos y servicios digitales.
Hablemos de Inteligencia Artificial
La Inteligencia Artificial (Artificial Inteligence o AI) se define como «la capacidad de un sistema para interpretar datos externos, aprender de ellos y emplear ese aprendizaje para lograr tareas o metas concretas».
El término Inteligencia Artificial se aplica a una máquina (hardware o software) que emula las funciones «cognitivas» que los humanos asocian con las mentes humanas como: «percibir», «razonar», «aprender» o «resolver problemas».
En entornos tradicionales se utiliza un enfoque algorítmico para resolver problemas:
Pero no todos los problemas pueden ser resueltos de esta manera: ¿qué pasa en situaciones donde los datos no son claros? ¿Qué pasa cuando las reglas tienen demasiadas excepciones o cambian según el contexto donde se apliquen?
Es justo en estos escenarios donde los enfoques de AI son útiles para deducir las reglas a partir de un grupo de datos:
El Aprendizaje Automatizado o Machine Learning (ML) es una rama de la Inteligencia Artificial que se utiliza algoritmos y heurísticas para convertir muestras de datos en modelos capaces de generalizar comportamientos e inferencias para un conjunto más amplio o infinito de datos.
Los modelos de Machine Learning pueden utilizarse en muchos casos de uso: desde detección de texto, reconocimiento de imágenes, rostros hasta la detección de patrones en volúmenes de datos muy grandes.
AI y ML en Experiencia de Usuario
Las aplicaciones prácticas de AI y ML en el diseño de Experiencia de Usuario aún se están descubriendo, pero la relación es clara:
AI puede ayudar a comprender mejor los problemas, necesidades y contexto de un usuario para minimizar su trabajo y su carga cognitiva.
AI también puede ayudar a definir las mejores opciones para un usuario si conoce su historial y lo puede comparar con perfiles similares para predecir comportamiento. AI es una herramienta poderosa para crear experiencias personalizadas y dinámicas que ya está en muchas aplicaciones: desde las recomendaciones de Netflix o el sistema de reservación de vuelos de Google, hasta los coches que se manejan solos.
Está claro que los diseñadores de UX aún tenemos mucho que aprender sobre ML para que nuestros usuarios se sientan en control de la tecnología que utilizan. Como fue el caso con la revolución móvil, y la web anterior a eso, ML hará que reconsideremos, reestructuremos, desplacemos y consideremos nuevas posibilidades para prácticamente cada experiencia que construimos.
Human-Centered Machine Learning
Un equipo en Google de UX e Inteligencia Artificial llamado People + AI Research (PAIR) iniciaron hace unos meses un proyecto denominado «Aprendizaje Automático Centrado en Seres Humanos« (Human-Centered Machine Learning o HCML) con el objetivo de utilizar ML para en las resolver necesidades humanas de una manera única.
Para documentar su proceso, publicaron un libro online llamado «People + AI Guidebook» con 6 puntos clave para diseño de productos de AI centrados en las personas:
1. Define las necesidades del usuario y el éxito del producto.
Identifica las necesidades del usuario, encuentra oportunidades para resolver problemas con IA y diseña la función de recompensa.
2. Recopilación de datos + Evaluación.
Decide qué datos se requieren para satisfacer las necesidades del usuario, el origen de los datos y comienza a entrenar la AI.
3. Modelos mentales.
Muestra a los usuarios el sistema de inteligencia artificial y define las expectativas de ajustes al producto en el corto y mediano plazo.
4. Claridad + Confianza.
Explica el sistema de inteligencia artificial y determina si, cuándo y cómo mostrar la confiabilidad del modelo.
5. Retroalimentación + Control.
Diseña mecanismos de retroalimentación y control para mejorar la inteligencia artificial y la experiencia del usuario.
6. Errores + Fracaso feliz.
Identifica y diagnostica los errores de AI y de contexto, y define los siguientes pasos.
Conclusión
Estos seis puntos no son la respuesta completa: es necesario entrar a profundidad en los temas técnicos de AI y ML sin perder de vista el diseño de experiencia de usuario.
Los puntos del People + AI Guidebook son un punto de partida útil para un equipo que comienza a pensar en como crear productos con tecnología ML o en integrarlo en un producto o servicio que ya existe.
A medida que ML comience a potenciar cada vez más productos y servicios, avanzaremos en nuestro trabajo de crear experiencias centrados en las personas y de encontrar un valor único para nuestros usuarios al hacer que cada experiencia sea satisfactoria y memorable.
