Jak projektować UX dla produktów AI według Greg Nudelman #EN64

TL;DR:

• UX stoi na rozdrożu – albo zmieni sposób działania w kontekście AI, albo stanie się nieistotny
• 85% projektów AI kończy się porażką, najczęściej z powodu złego wyboru przypadku użycia
• Trzy kluczowe narzędzia dla UX-erów to storyboarding, digital twin i value matrix
• AI to „augmented intelligence” – ma wzmacniać nasze możliwości, nie zastępować ludzi
• Wpływ AI będzie 10x większy i szybszy niż wpływ internetu i urządzeń mobilnych
• Przyszłość dostępności to personalizacja, nie uniwersalny projekt dla najniższego wspólnego mianownika
• Projektanci muszą porzucić „wyuczoną bezradność” i zaangażować się w strategiczne rozwiązywanie problemów
• Relacje i zaufanie w zespole są ważniejsze niż narzędzia i detale projektowe

Dwie ścieżki dla UX w świecie AI

Greg Nudelman, ekspert z ponad 30 projektami AI, autor książek o UX i Distinguished Designer w Sumo Logic, przedstawia jasną wizję: UX musi ewoluować albo stać się nieistotny. W podcastach „Experience Design” oraz „Brave UX” dzieli się przemyśleniami na temat przyszłości branży projektowej w erze sztucznej inteligencji.

To co najważniejsze – według Grega przed nami powstanie dwóch specjalizacji UX:

1. UX generaliści (strategiczni)

Skupieni na:

• Badaniach i głębokim zrozumieniu użytkowników
• Identyfikacji właściwych problemów do rozwiązania
• Wyborze odpowiednich przypadków użycia dla AI
• Tworzeniu wartości dla przedsiębiorstw
• Łączeniu różnych interesariuszy wokół jednej wizji
• Zadawaniu niewygodnych pytań biznesowych

2. Specjaliści design ops

Skupieni na:

• Systemach projektowych połączonych bezpośrednio z kodem
• Utrzymaniu spójności interfejsów
• Wdrażaniu personalizacji interfejsów
• Zapewnieniu dostępności dla różnych grup użytkowników
• Współpracy z AI przy generowaniu interfejsów

Według Grega, branża UX musi zdecydowanie przesunąć swój punkt ciężkości. Zamiast skupiać się na narzędziach jak Figma i auto-layout, projektanci powinni wrócić do korzeni: twórczego rozwiązywania problemów i zadawania trudnych pytań.

Od chemii do UX – wartość technicznych podstaw

Ciekawym kontekstem dla zrozumienia podejścia Grega jest jego droga zawodowa. Zaczynał jako chemik, który stopniowo wszedł w świat projektowania przez bazodanowe i techniczne projekty.

„W chemii, to niemal jak ręka Boga czy ręka wszechświata. Jeśli pewna reakcja zawiedzie, może to być twoja wina, albo po prostu nigdy nie zadziała, bez względu na to, co spróbujesz” – wyjaśnia Greg.

Ta postawa rezonuje z cytatami, które przywołuje w wywiadach – słowa Churchilla o „przechodzeniu od porażki do porażki bez utraty entuzjazmu” oraz stwierdzenie Edisona, że nie poniósł porażki 300 razy próbując stworzyć żarówkę, a raczej „znalazł 300 sposobów, które nie działają”.

Korzyści z technicznych podstaw w UX:

• Głębsze zrozumienie ograniczeń i możliwości technologii
• Umiejętność oceny rzeczywistego nakładu pracy potrzebnego na implementację
• Zdolność prowadzenia merytorycznych rozmów z deweloperami i data scientists
• Holistyczne spojrzenie na proces tworzenia produktu „od zera do końca”

Greg podkreśla, że dzięki solidnemu technicznemu backgroundowi (certyfikacja DBA, programowanie obiektowe, znajomość baz danych) potrafi lepiej ocenić, ile naprawdę czasu zajmie wykonanie określonych zadań, oraz prowadzić wartościowe rozmowy z zespołem technicznym. Ta perspektywa „full stack” daje mu przewagę w projektach AI, gdzie zrozumienie ograniczeń technologicznych jest kluczowe.

Obecne wyzwania UX w erze AI

Problem stawiania UX na drugim planie

„Jesteśmy spychani na drugi plan. I myślę, że wina nie leży w gwiazdach, ale w nas samych” – twierdzi Greg. Problem tkwi w sposobie, w jaki UX-erzy działają, koncentrując się na narzędziach zamiast na rzeczywistym rozwiązywaniu problemów.

Analogia z Morfeuszem i rubinem – pułapka przywiązania do narzędzi

Greg używa ciekawej analogii z komiksów Neila Gaimana o Morfeuszu (Sandmanie), który umieszcza swoją moc w narzędziach, takich jak worek piasku, rubin i hełm. Gdy ktoś niszczy rubin myśląc, że to źródło mocy Morfeusza, energia wraca do jej właściciela.

„To jak PM-owie z Figmą. Skupiają się na tym rubinie i myślą: 'to jest design, to jest design!’. A to jest prawie, ale nie całkiem, kompletnie odwrotna sytuacja” – wyjaśnia Greg. Design to wszystko wokół narzędzia, a Figma to tylko dokumentacja.

„Oddzielając się od narzędzia, możemy osiągnąć ostateczny wyraz naszej mocy i wolności” – podkreśla ekspert, dodając że AI i tak nas do tego zmusi.

Umiejętności przyszłości kontra te zagrożone przez AI

Umiejętności, które przetrwają rewolucję AI:

✅ Narysowanie obrazka ilustrującego scenariusz
✅ Tworzenie storyboardów
✅ Projektowanie przepływów pracy
✅ Zadawanie trafnych, często niewygodnych pytań
✅ Wyobrażanie sobie nowych możliwości
✅ Opowiadanie historii (storytelling)

Umiejętności zagrożone przez AI:

❌ Tworzenie makiet z gotowych wymagań
❌ Projektowanie podstawowych formularzy i tabel
❌ Implementacja standardowych wzorców projektowych
❌ Praca nad drobnymi detalami wizualnymi
❌ Dopracowywanie stylistyki bez uwzględnienia kontekstu użycia

„Ta zdolność do wyobrażenia sobie czegoś z niczego to dosłownie to, jak design był definiowany” – podkreśla Greg. „Czy potrafisz wyobrazić sobie, co jest możliwe do zrobienia z tą technologią na podstawie potrzeb użytkownika?”

Pirat czy arystokrata? Balans między innowacją a rzemiosłem

Greg przywołuje metaforę z filmu Ratatouille, porównując projektantów do szefów kuchni:

„Jeśli kiedykolwiek oglądałeś Ratatouille, to tam jest naprawdę dobra dyskusja o tym, kim są szefowie kuchni. Ona mówi: 'Wszyscy jesteśmy jak artyści i piraci, i jesteśmy disruptorami na swój sposób.’ Nawet jeśli wszyscy gotują w oparciu o ustalone przepisy, wszyscy są dość indywidualni w swoim podejściu i wszyscy mają swoje dziwactwa, które odzwierciedlają się w ich pracy.”

Ta równowaga między byaniem „piratem” – innowatorem łamiącym zasady, a rzemieślnikiem pracującym w ramach ustalonych wzorców jest kluczowa dla dobrego projektowania w erze AI. Projektanci potrzebują zarówno umiejętności przestrzegania zasad, jak i odwagi, by je czasem łamać.

AI jako wzmocniona inteligencja (augmented intelligence)

Greg wyraźnie preferuje termin „augmented intelligence” (wzmocniona inteligencja) zamiast „artificial intelligence” (sztuczna inteligencja):

„Myślę o tym jako o wzmocnionej inteligencji zamiast sztucznej inteligencji. Innymi słowy, bierzemy to, co jest tworem sztucznej inteligencji, i pracujemy z tym, aby wzmocnić samych siebie, by stworzyć coś, czego nie bylibyśmy w stanie zrobić sami.”

Kluczowe cechy AI jako wzmocnionej inteligencji:

• Wzmacnia ludzkie możliwości, nie zastępuje nas
• Pomaga tworzyć rozwiązania, których nie stworzylibyśmy sami
• Eliminuje powtarzalne, mechaniczne zadania
• Pozwala skupić się na wartości strategicznej

Według Grega, wpływ AI będzie znacznie większy niż poprzednich rewolucji technologicznych:

„Pomyśl o AI jako 10 razy szybszej i mającej 10 razy większy wpływ [niż internet i mobile]. Tak, tworzymy deus ex machina. Tworzymy nowych bogów z maszyny i ze wszystkich danych, które generujemy.”

Ta skala zmian pogłębi też istniejący cyfrowy podział:

„Ludzie, którzy będą potrafili lepiej to wykorzystać, oczywiście będą prosperować w ciągu następnych 10-15 lat. A ludzie, którzy naprawdę z tym walczą, niestety zostaną w tyle.”

Przejście od „robot monkey work” do pracy o wartości strategicznej

Greg wprowadza interesujące rozróżnienie między dwoma typami pracy:

1. „Robot monkey work” – powtarzalne, mechaniczne zadania, które będą zautomatyzowane:
   • Tworzenie tabel i formularzy z gotowych specyfikacji
   • Wdrażanie standardowych wzorców UI
   • Dostosowywanie elementów w ramach ustalonego systemu projektowego
   • Praca nad drobnymi detalami wizualnymi bez kontekstu biznesowego
2. „Strategic value work” – praca o wartości strategicznej:
   • Rozwiązywanie złożonych problemów projektowych
   • Prowadzenie badań z użytkownikami i interpretacja wyników
   • Definiowanie strategii produktowej wspólnie z biznesem
   • Zadawanie trudnych pytań o wartość i sens rozwiązań

„Każdy raz, gdy ktoś mówi 'zrób to w Figmie według tych wymagań’, w ciągu roku gwarantuję, że to będzie robot monkey work, praca dla AI czy robotów. To nie jest już praca dla ludzi” – ostrzega Greg. Ten fundamentalny podział jest kluczowy dla zrozumienia, gdzie projektanci powinni skupić swoje wysiłki w przyszłości.

Trzy kluczowe narzędzia UX dla projektów AI

Greg Nudelman podkreśla, że UX-erzy dysponują już narzędziami, które są kluczowe dla powodzenia projektów AI. Porównuje je do aikido: „Aikido jest bardzo proste. To tylko pięć ruchów. Ale możesz spędzić całe życie na ich nauce”. Podobnie jest z narzędziami UX – są proste do rozpoczęcia, choć wymagają lat praktyki, by je opanować.

Checklist: Narzędzia UX dla projektów AI i ich zastosowanie

1. Storyboarding

• Co to jest: Wizualne przedstawienie rozwiązania w formie sekwencji obrazów
• Kiedy stosować: Na wczesnym etapie projektu, przed zainwestowaniem w pełny rozwój
• Zalety:
  • Szybko weryfikuje hipotezy biznesowe
  • Pozwala na tanią i szybką porażkę, oszczędzając czas i zasoby
  • Komunikuje koncepcję wszystkim interesariuszom w przystępny sposób
• Jak to zrobić:
  • Naszkicuj kluczowe momenty interakcji użytkownika z systemem
  • Pokaż storyboard potencjalnym użytkownikom i zapytaj: „Czy zapłaciłbyś za to?”
  • Zidentyfikuj słabe punkty koncepcji i przeformułuj rozwiązanie

2. Digital Twin (Cyfrowy Bliźniak)

• Co to jest: Model wizualizujący przepływ danych przez system AI
• Kiedy stosować: Podczas definiowania wymagań dla modelu AI i planowania zbierania danych
• Zalety:
  • Umożliwia wysokiej jakości rozmowy z data scientists i deweloperami
  • Pomaga zidentyfikować brakujące dane potrzebne do działania modelu
  • Wcześnie wykrywa problemy z dostępnością i jakością danych
• Jak to zrobić:
  • Narysuj system w centrum
  • Po lewej stronie umieść wejściowe metryki i dane
  • Po prawej przedstaw oczekiwane rezultaty i wyjścia
  • Omów z zespołem, czy dostępne dane wystarczą do osiągnięcia pożądanych rezultatów

Greg przytacza przykład projektu przemysłowego przypominającego gotowanie makaronu – gdzie AI miało przewidywać moment wrzenia na podstawie temperatury i ciśnienia. Problem polegał na tym, że dane wejściowe były niewystarczające, ponieważ operator mógł zobaczyć powierzchnię wody, a AI nie. Digital Twin pomógł wykryć ten problem zanim zainwestowano miesiące pracy.

„AI nie było w stanie zobaczyć powierzchni wody, a operator mógł. Więc polegając tylko na temperaturze i ciśnieniu, nie było wystarczających danych, by model mógł poprawnie przewidzieć wrzenie.” Ten przykład pokazuje, jak ważne jest modelowanie danych i współpraca z data scientists przed budową modelu.

3. Value Matrix (Macierz Wartości)

• Co to jest: Analiza biznesowej wartości różnych wyników modelu AI
• Kiedy stosować: Przy definiowaniu celów biznesowych i ewaluacji modelu AI
• Zalety:
  • Pomaga ustalić priorytety dla usprawnienia różnych aspektów modelu
  • Kwantyfikuje biznesową wartość ulepszeń modelu
  • Pomaga zrozumieć kompromisy między różnymi typami błędów
• Jak to zrobić:
  • Określ wartość biznesową prawdziwie pozytywnych wyników
  • Oszacuj koszt fałszywie pozytywnych rezultatów
  • Oblicz wartość prawdziwie negatywnych i koszt fałszywie negatywnych
  • Porównaj proporcje, aby określić, na jakim typie błędu należy się skupić

Greg ilustruje to przykładem mailingów bankowych: „Jeśli zarabiam 1000 dolarów za każde nowe konto, a koszt fałszywie pozytywnego wyniku to zaledwie 10 dolarów, mogę pomylić się 99 razy i nadal wyjść na plus” – wyjaśnia ekspert. Takie analizy pomagają zrozumieć, co faktycznie ma znaczenie w modelach AI.

Jak AI zmieni pracę projektantów – ewolucja roli content designerów

Interesujące światło na przyszłość UX rzuca analiza ewolucji roli content designerów, którą Greg śledził przez ostatnią dekadę:

Ewolucja roli content designerów:

1. 10 lat temu: Obecni na każdym spotkaniu, projektowali każdą etykietę i przycisk
2. 5 lat temu: Zajmowali się głównie dokumentacją
3. Obecnie: Tworzą przewodniki i wytyczne
4. Z AI: Centralna rola – każda instrukcja dla AI, każdy prompt, każda interakcja z asystentem to content

„Wszystko, co dotyczy LLM, asystentów, copilotów – to wszystko to content. Nagle content jest w centrum całego doświadczenia” – zauważa Greg. AI całkowicie zmieniło znaczenie i wagę contentu w projektach, a podobna transformacja czeka całą branżę UX.

Ta sama ewolucja zachodzi w UX:

1. Mniej osób rysujących tabele i formularze
2. Więcej osób myślących strategicznie
3. Skupienie na wartości, rezultatach i etyce
4. Projektowanie staje się bardziej holistyczne, obejmuje całe doświadczenie, nie tylko interfejs

Przyszłość dostępności: personalizacja zamiast uniwersalnego designu

Jednym z najbardziej intrygujących wątków jest wizja przyszłości dostępności cyfrowej. Greg odnosi się do kontrowersyjnego artykułu Jakoba Nielsena, twierdząc że tradycyjne podejście do dostępności nie sprawdziło się. Zamiast projektować do najniższego wspólnego mianownika, AI umożliwi tworzenie interfejsów dostosowanych do indywidualnych potrzeb.

„Nie ma powodu, by dwoje ludzi o różnych potrzebach korzystało z interfejsu na poziomie najniższego wspólnego mianownika” – mówi Greg. Zamiast tego, agenty AI będą mogły dostosować interfejs w czasie rzeczywistym do preferencji użytkownika, jego lokalizacji, urządzenia czy nawet sytuacji (np. prowadzenie samochodu).

Jak będzie wyglądała personalizacja interfejsów w przyszłości:

• Agent AI użytkownika będzie komunikował się z agentem AI firmy
• Interfejs będzie automatycznie dostosowywał się do preferencji wizualnych (kontrast, rozmiar tekstu)
• Zmiana trybu interakcji w zależności od kontekstu (np. prowadzenie samochodu = interfejs głosowy)
• Dostosowanie złożoności interfejsu do poziomu zaawansowania użytkownika
• Dynamiczna zmiana interfejsu w zależności od przepustowości łącza

Przejście od obrazków do kodu

W podcaście Greg i prowadzący omawiają również trend przechodzenia od projektowania w postaci obrazków do bezpośredniego kodu. „Przyszłość nie należy do obrazków… ostatecznie liczy się kod. To jest produkt, bez względu na to, jak dobre są twoje obrazki” – podkreśla Greg.

Korzyści z bezpośredniego projektowania w kodzie:

• Eliminacja pośrednich warstw abstrakcji i nieporozumień
• Możliwość testowania prawdziwego zachowania interfejsu
• Sprawdzenie responsywności i dostępności w czasie rzeczywistym
• Przyspieszenie procesu wdrażania zmian

Narzędzia takie jak Cursor AI czy UXPin już teraz pozwalają na bardziej bezpośrednie przejście od projektu do kodu. UXPin na przykład pracuje bezpośrednio z komponentami React, więc dodając kolumnę do tabeli, dodaje się faktyczną kolumnę React, a nie obrazek kolumny.

W przyszłości projektanci będą mogli wskazać elementy, które im się podobają, i powiedzieć AI, by iterowało nad nimi – eliminując pośrednie warstwy abstrakcji.

Arogancja jako problem branży UX

Greg nie boi się mocnych słów, gdy opisuje jeden z kluczowych problemów branży UX – arogancję i oderwanie od rzeczywistości:

„Stworzyliśmy sobie reputację… nie będę owijał w bawełnę… reputację dupków. Nie jesteśmy zespołowymi graczami. Nie przyjmujemy krytyki. Jesteśmy primadonnami.”

Podaje przykład projektanta, który spędził sześć miesięcy z zespołem sześciu osób na stworzeniu interfejsu dla pracowników naftowych, który był:

• Zapisany małymi literami trudnymi do odczytania w słońcu
• Z niskim kontrastem w pełnym świetle dziennym
• Polegający na kolorach do oznaczenia błędów (choć wielu pracowników to daltonicy)
• Nieprzystosowany do używania w rękawicach

Projektant bronił swego dzieła, mówiąc: „Przynoszę piękno światu”. Taka postawa, według Grega, jest absolutnie nieakceptowalna i musi się zmienić, jeśli UX chce pozostać istotną częścią procesów.

Dlaczego projekty AI zawodzą i jak temu zapobiec

Greg podkreśla, że 85% projektów AI kończy się porażką według Forbesa i Gartnera. Odsetek ten potwierdza jego osobiste doświadczenie. Co zaskakujące, większość niepowodzeń nie wynika z ograniczeń technologii, ale z wyboru niewłaściwego przypadku użycia.

Najczęstsze przyczyny porażek projektów AI:

1. Błędny wybór przypadku użycia (najczęstsza przyczyna)
2. Niewystarczające lub niewłaściwe dane do trenowania modelu
3. Brak prawnych uprawnień do wykorzystania danych
4. Niewystarczające zrozumienie procesu decyzyjnego użytkowników
5. Błędna ocena wartości biznesowej różnych typów błędów modelu

Checklist: Jak wybrać odpowiedni przypadek użycia dla AI

• [ ] Przeprowadź badania terenowe, aby zrozumieć faktyczne problemy użytkowników
• [ ] Zweryfikuj, czy użytkownicy nie mają już prostszego rozwiązania problemu
• [ ] Oceń, czy AI faktycznie zrobi to lepiej niż obecne rozwiązanie
• [ ] Zapytaj użytkowników: „Czy zapłacilibyście za to rozwiązanie?”
• [ ] Sprawdź, czy masz dostęp do danych potrzebnych do trenowania modelu
• [ ] Upewnij się, że masz prawne pozwolenie na wykorzystanie tych danych
• [ ] Oceń finansową wartość prawidłowych i nieprawidłowych wyników modelu

Relacje i zaufanie są ważniejsze niż narzędzia

Jeden z najbardziej pouczających przykładów, które podaje Greg, dotyczy projektu formularza logowania, który zajął zespołowi projektowemu trzy miesiące pracy. Analizując tę porażkę, Greg podkreśla, że problemem nie były kwestie techniczne czy projektowe, ale:

• Brak wystarczającego zaufania w zespole
• Brak budowania relacji
• Brak określenia decydenta
• Brak jasnej definicji sukcesu

„Spędziliśmy trzy miesiące na decyzjach typu: Czy nazywamy to 'login’ czy 'sign on’? Czy to 'login’ czy 'log in’? Gdzie powinien prowadzić przycisk 'Anuluj’? Jak responsywny powinien być ten formularz?” – opisuje Greg.

Ten przykład pokazuje, jak wiele czasu i zasobów można zmarnować na detale, gdy nie ma zaufania, jasnej komunikacji i określonych ról decyzyjnych w zespole. AI mogłoby wygenerować taki formularz w kilka sekund, stosując sprawdzone wzorce.

Jak przełamać „wyuczoną bezradność” w UX

Greg radzi UX-erom, by nie ograniczali się do formalnych wymagań: „To jest kompletny nonsens, gdy słyszę od wielu ludzi: 'Nie dotknę nawet myszki, dopóki nie otrzymam pełnych wymagań’” – krytykuje takie podejście.

Działania przełamujące „wyuczoną bezradność”:

• Proponuj przeprowadzenie badań terenowych, nawet jeśli nie jest to formalnie wymagane
• Twórz proste prototypy lub storyboardy podczas rozmów z klientami
• Prowadź rozmowy z data scientists na temat jakości i dostępności danych
• Zadawaj trudne pytania o model biznesowy i wartość różnych typów wyników
• Twórz szkice rozwiązań jako podstawę do dyskusji z interesariuszami
• Oferuj współtworzenie rozwiązań z klientami podczas wywiadów

Greg porównuje UX-erów do tyranozaurów z małymi łapkami: „Mamy t-rexowe ręce. Gdybym tylko mógł sięgnąć… Gdybym tylko mógł zadać to pytanie… Ale moje ręce są zbyt krótkie.”

Metafora „świń i kurczaków” w projektowaniu

„Musisz być świnią, a nie kurczakiem. Zbyt często jesteśmy kurczakami – tworzymy te jajka, mówimy 'jakie piękne jajko’ i rzucamy je przez ścianę mówiąc 'powodzenia, idź zrobić omlet’.”

Bycie kurczakiem (unikaj tego):

• Dostarczanie fragmentów projektu bez pełnego zaangażowania
• Tworzenie „pięknych” makiet bez zrozumienia kontekstu
• Odrzucanie odpowiedzialności za końcowy produkt
• Brak zainteresowania, jak projekt faktycznie działa dla użytkowników

Bycie świnią (dąż do tego):

• Pełne zaangażowanie w cały proces
• Zrozumienie biznesu i potrzeb użytkowników
• Gotowość do podejmowania ryzyka
• Odpowiedzialność za końcowy produkt

Praktyczny przykład: Historia startupu z inteligentnym nawadnianiem

Greg podaje przykład startupu zajmującego się inteligentnym nawadnianiem. Założyciele chcieli sprzedawać ubezpieczenia nawadniania rolnikom, przekonując ich, że pomogą zapewnić odpowiednie nawodnienie upraw.

„Ci rolnicy, wielu z nich było w drugim, trzecim, a w jednym przypadku dziesiątym pokoleniu… Próbujesz powiedzieć tej osobie, że plony są odpowiednio nawodnione, oni po prostu wyśmieją cię.”

Kluczowy moment przełomowy: Zamiast forsować pierwotny pomysł, Greg zapytał: „Co nie daje wam spać w nocy?”

Co odkrył:

• Nowe przepisy dotyczące wody
• Niedobory wody z powodu zmian klimatycznych
• Presja na wspólne źródła wody (akwifery)
• Koszty pompowania wody (elektryczność)

Jak to zmieniło produkt: Zamiast sprzedawać „ubezpieczenie nawadniania”, startup przekierował produkt na oszczędzanie wody przy zachowaniu plonów: „Jak mogę ci pomóc nawadniać mniej przy zachowaniu plonów? Teraz mówisz. Tak, jestem zainteresowany. Zapisz mnie.”

Ten przykład pokazuje, jak kluczowe jest zadawanie właściwych pytań i słuchanie rzeczywistych potrzeb użytkowników, zamiast narzucania z góry założonego rozwiązania.

AI w edukacji i rozwoju

Greg jest bardzo optymistyczny co do przyszłości swoich dzieci, ponieważ dorastają jako „cyfrowi tubylcy”. Są przyzwyczajeni do tego, że część ich umysłu i tożsamości istnieje w internecie, i są komfortowi z niewiedzą.

Problemy obecnego systemu edukacji:

• Przestarzałe metody nauczania
• Odrzucanie nowych narzędzi jak AI
• Skupienie na formie zamiast na rezultatach
• Brak wizji przyszłości

„System edukacji naprawdę utknął… Muszą pisać swoje eseje, ryjąc je w kamieniu piramidy, a potem przywiązać je do nogi gołębia i wysłać gołębia przez okno zamku. To tak archaiczne.”

Możliwości, jakie daje AI w edukacji:

• Personalizacja na poziomie ucznia
• Wyjaśnianie na wiele różnych sposobów
• Wizualizacje, diagramy i materiały multimedialne
• Nauczanie dostosowane do tempa ucznia

„ChatGPT-4o jest doskonałym nauczycielem. Dostosowuje się do poziomu, na którym jesteś, i wyjaśnia to na wiele różnych sposobów, aż naprawdę zrozumiesz, dając wiele przykładów. Rysuje obrazki, tworzy diagramy i wideo, do tego stopnia, że to po prostu nie było dostępne nawet rok temu. A całkowite odrzucenie tego jest absurdalne.”

Etyka i odpowiedzialność – być jak Gandalf, nie jak chłopiec wołający „wilk”

Na pytanie o rolę projektantów jako etycznych strażników Greg ostrzega przed postawą ciągłego blokowania:

Reaguj stanowczo, gdy:

• Istnieje realne ryzyko szkody
• Algorytmy mogą wpłynąć na demokrację (np. Facebook promujący treści wywołujące oburzenie)
• Cel jest czysty zysk kosztem dobra publicznego
• Zagrożone są podstawowe wartości

Unikaj ciągłego blokowania, gdy:

• Chodzi o drobne niedoskonałości
• Istnieją alternatywne podejścia
• Korzyści znacznie przewyższają ryzyko
• Problem można rozwiązać iteracyjnie

„Myślę, że tam, gdzie musimy interweniować, to gdy istnieje dosłownie potencjalna szkoda, która może się wydarzyć, i wtedy wyciągasz wszystkie stopery i krzyczysz 'wilk’. Kiedy wilki naprawdę przychodzą, nie bądź chłopcem, który wołał wilka, bo widzisz kociaka lub mrówkę w trawie.”

Zamiast ciągłego bycia strażnikiem, Greg sugeruje rolę zaufanego doradcy:

„Musimy wejść w rolę eksperta konsultanta, może Nadwornego Doradcy, lub Gandalfa dla Aragorna… Gdzie stajesz się zaufanym doradcą, kimś, kto jest szanowany w zespole kierowniczym jako głos.”

Greg przywołuje przykład Facebooka i algorytmów promujących treści wywołujące oburzenie, które doprowadziły do wydarzeń z 6 stycznia w USA. Jego zdaniem, to jest właśnie sytuacja, w której projektanci powinni byli stanowczo zaprotestować, a nie po prostu wykonywać polecenia czy ignorować konsekwencje.

„Algorytm Facebooka przeszedł w tryb promowania treści wywołujących oburzenie. 'Oburzenie generuje kliknięcia, świetnie! Podwójmy stawkę na wszystkie treści wywołujące oburzenie.’ To właśnie tam powinniśmy byli interweniować i nazwać rzeczy po imieniu.”

Jednocześnie podkreśla, że nie możemy reagować na każdą drobnostkę, bo to osłabia naszą wiarygodność, gdy trzeba stanąć w obronie naprawdę ważnych wartości.

Emocjonalny aspekt zmian – niepokój w czasach transformacji

Greg zauważa, że AI wywołuje wśród wielu projektantów wysokie poziomy niepokoju i nawet dramatyzm. Powodem jest nie tylko obawa o utratę pracy, ale także trudność w ocenie, co jest etyczne, a co nie, w tak szybko zmieniającym się środowisku:

„Dziś coś może wydawać się w porządku, ale po tygodniu lekko zmieniamy algorytm i nagle jest to całkowicie nie w porządku. To powoduje ciągły stan niepokoju i dramatu, na który wielu z nas w branży jest już i tak podatnych, łącznie ze mną.”

Jest to szczególnie trudne, ponieważ:

• Wczesne etapy technologii są trudne do oceny pod kątem długoterminowych skutków
• Granica między etycznym a nieetycznym użyciem często jest niejasna
• Brakuje ustalonych standardów i wytycznych
• Osobiste wartości projektantów mogą być w konflikcie z celami biznesowymi

Greg radzi przyjęcie postawy: „Nie reaguj na każdy drobiazg, ale bądź gotowy stanąć na wysokości zadania, gdy naprawdę trzeba”.

Podsumowanie – odwaga, pokora i wizja

UX w erze AI znajduje się na rozdrożu. Z jednej strony, tradycyjne aspekty pracy UX związane z tworzeniem makiet i obrazków będą automatyzowane. Z drugiej strony, strategiczne umiejętności rozwiązywania problemów, prowadzenia badań i łączenia biznesu z technologią stają się jeszcze bardziej wartościowe.

Jak podsumowuje Greg Nudelman: „Musimy odejść od wyuczonej bezradności z rękami jak u dinozaura i w pełni objąć problem”. Niezależnie od technologicznych zmian, istota UX pozostaje ta sama – jest to rozwiązywanie rzeczywistych problemów w kreatywny sposób.

Jako projektanci stoimy przed wyborem: albo będziemy kurczakami, które dostarczają „piękne jajka” bez odpowiedzialności za końcowy produkt, albo staniemy się świniami – w pełni zaangażowanymi w tworzenie wartości i rozwiązywanie prawdziwych problemów.

„Musisz być odważny, jak podcast Brave. Musisz być odważnym UX-owcem i zadawać właściwe pytania, zadawać te niewygodne pytania, a następnie działać na ich podstawie.”

Przyszłość należy do tych, którzy potrafią zadawać niewygodne pytania i proponować odważne, kreatywne rozwiązania – a wszystko to z pokorą chemika, który wie, że niektóre reakcje po prostu nigdy nie zadziałają, bez względu na to, jak bardzo się staramy.

Ten artykuł jest syntezą wypowiedzi Grega Nudelmana z podcastów „Experience Design” i „Brave UX„, opracowaną na podstawie transkryptów rozmów.