经验丰富的企业应用设计师如何将AI作为设计材料进行运用

文献标题

How Experienced Designers of Enterprise Applications Engage AI as a Design Material

文献信息

• 主题领域: 人机交互（HCI）、人工智能（AI）与用户体验（UX）设计
• 关键词: 用户体验设计、人工智能、机器学习、人机交互、服务设计、系统设计、设计工具、数据可视化、设计蓝图、跨学科合作

研究背景与问题

• 研究背景: 随着人工智能在产品和服务用户体验中的重要性不断提升，HCI 研究开始将 AI 视为一种设计材料，即设计师可以利用 AI 的技术能力构想新机会。然而，在实际应用中，设计师往往在理解 AI 的能力和局限性方面遇到困难，进而影响其创新能力。
• 研究问题:
  1. 设计师如何识别和设计基于 AI 的新机会和交互？
  2. 跨学科 AI 团队中的设计师在推动企业级 AI 创新时需要克服哪些挑战？
  3. 如何促进设计师与数据科学家的协作？
• 研究动机与相关工作:
  • 当前的研究表明，企业应用中的自适应用户界面（AUI）是设计师识别 AI 增强 UX 机会的潜在领域，但在实际应用中被忽略。
  • 设计师与数据科学家之间的协作由于缺乏共同的语言和工作流程而受阻，贯通这两领域的边界对象（boundary objects）可能促进跨学科交流。

解决方案

• 方法与设计:

  1. 通过设计研讨工作坊，探索具有丰富经验的 AI 团队设计师如何发掘人工智能的设计机会，并在团队协作中应对设计挑战。
  2. 研讨会涉及企业内外的多个设计和技术角色，分三个阶段讨论设计流程中的重要议题（早期发现、中期定义和开发，以及后期交付）。
  3. 利用服务蓝图、数据可视化、逻辑流图等工具，理解和交流设计与 AI 系统的关系。

• 创新之处:

  1. 扩展了“AI 作为设计材料”的概念，聚焦设计师如何在服务和系统层面而非仅 UI 层面创新。
  2. 研究强调了设计师与数据科学家协作的重要性，并提出了新的设计工具和方法（如添加数据泳道的服务蓝图）。

研究成果

• 具体成果:

  1. 设计师的影响范围: 设计师的创新不仅限于界面层面的任务优化，还包括服务流程和系统目标层面的增强。
  2. AI 创新的主要障碍: 设计师并未在识别 AI 增强机会方面遇到困难，但商业价值和投资回报的证明成为主要障碍。
  3. 跨学科协作与边界对象: 合作中，数据可视化、蓝图和逻辑图等工具作为边界对象，帮助弥合设计与数据科学领域之间的差距。

• 与现有解决方案的比较:

  • 当前主要讨论设计师在 UI 层面的作用，而本研究证明了设计师在系统和服务设计中的更大潜力。
  • 提供了对企业应用背景下 AI 设计不同于消费应用设计的新视角。

• 实验或评估结果:

  1. 工具与方法的使用：设计师使用了增强的服务蓝图、AI 创意矩阵和数据驱动的服务设计画布，有效促进了团队间的信息沟通与对齐。
  2. 案例分析：研究总结了设计师如何通过协作实现对数据和 AI 系统的深入理解以及如何识别可实施的 AI 创新。

• 局限性与未来方向:

  1. 局限性: 研究样本仅包括经验丰富的设计师，缺乏其他企业背景和角色的广泛覆盖；未深入研究隐私和伦理问题。
  2. 未来方向:
     • 开发支持 AI 成本和价值估算的工具。
     • 探讨设计师角色在 AI 团队中的进一步扩展，特别是在问题设置和系统思维方面。
     • 设计和评估促进多学科协作边界对象，对公平性、透明性和隐私等领域提供支持。

总结

这项研究提供了关于设计师如何在企业级跨学科团队中利用人工智能作为设计材料的独特视角。通过识别设计师在 AI 驱动创新中的角色以及他们面临的主要障碍，研究为设计工具、方法和协作实践的改进提供了新方向，同时也为未来的研究奠定了基础。