I denne artikkelen skal vi dele litt om hvordan vi tenker og jobber med KI i These Ways gjennom praktiske faglige utfordringer, hvordan vi beholder mennesket oppi alt sammen, og kanskje komme med en brannfakkel eller to. Vi ser det som starten på en samtale, der vi sammen kan se makro-perspektivet, og samtidig dele praktiske verktøy.
Så forvent mye viftende armer fra undertegnede — og at denne artikkelen sikkert går ut på dato når alt har endret seg igjen… i neste uke en gang.

I det siste har vi jobbet med bl.a. Eviny Termo med maskinlæring for å predikere f.eks. kundeforbruk og forventet energiproduksjon, og gjort prosjekter med Grieg Maritime og G2Ocean. Når vi står i slike store teknologiske omvendinger (gjerne sammen med en kunde) er det fort gjort å miste retningssansen når nye modeller og teknikker tikker inn hver time. Men vår tilnærming starter med det store bildet, der vi prøver å forstå endringene, risikoene, og mulighetene over tid, mens vi holder fast i menneskene som teknologien skal tjene, og skaper verdi for kunden.

Nye metoder for klassiske utfordringer

KI hjelper oss med å se med nye briller på utfordringer vi kjenner godt hos kundene, så la oss kikke på fire eksempler:

1: Det er vanskelig å forstå hva brukerne egentlig trenger

Innsiktsfasen er den viktigste fasen, der vi sørger for at vi løser det riktige problemet for kunden. Men det er ofte en utfordring å demonstrere verdien av dette for nye kunder når vi står tidlig i prosessen og ennå ikke vet hva vi ikke vet. Da kan det fort bli fristende å gi KI roret til hele skuta så alt går kjappere, der maskinen prosesserer både hard og “myk” data, og vi gjør oss selv til assistenter til KI-en. Denne bjørnetjenesten gjør oss ikke mer effektive, men filtrerer ut verdien av prosessen på veien mot minste felles multiplum. KI hjelper oss å sparre oss frem til riktige spørsmål og se nye sammenhenger i innsikten, men til syvende og sist er det bare folk som forstår seg på folk.

Setter vi maskinen til å gruble over menneskelige interaksjoner på denne måten, forsvinner alt gullet ned sprekkene i maskinens jakt på et gjennomsnitt. Mellom linjene i brukerintervjuer og testing finner vi det som brukerne ikke klarer eller tør å si høyt, og det er her mye av verdien ligger. Det er vanskelig som menneske å fortelle fremmede designere hvor skoen egentlig trykker i en bedrift du arbeider i, er avhengig av og skal være lojal mot. I et intervju kan det hende man bare streifer borti problemet et raskt øyeblikk, men uten de trygge rammene til intervjuet rundt, hadde man aldri fanget det opp i øyeblikket eller i prosesseringen etterpå.

2: Lange og dyre utviklingsprosesser

Utviklingsløpet er nok der de fleste har fått med seg at KI vil endre stort på. Det føles som det kommer nye KI-baserte verktøy daglig, og de fleste etablerte design-og utviklingsverkøy har fått KI-features både der det gir mening og der det.. ikke gjør det.

Vi designere kan sparre med KI for å utforske mulighetsrommet bedre, og for å korte ned tidsbruk fra idé til en ferdig prototype. Flere og flere verktøy gjør oss i stand til å «snakke med» en kodebase og skape mer levende produkter, nærmere ferdig kode.

Utviklere kan få “flere hender” med f.eks CoPilot, eller hoppe helt ut av paradigmet og være Vibe Coder der maskinen gjør nesten alt det praktiske — som understreker hvordan den største verdien av flinke utviklere aldri var kodingen i seg selv, men kunnskapen om hvorfor et valg er bedre enn et annet!

3: Vanskelig å prioritere hva man bør bygge først

I These Ways jobber vi ofte med å lage det vi kaller en “Minimum Lovable Product”, der det handler om å lage det minste produktet som brukerne vil elske. I denne prosessen kan KI hjelpe oss med å få oversikt over alle alternativene, så vi kan tegne opp den mest kostnadseffektive prosessen. Hver kunde har sine egne komplekse premisser i intern teknikk og eksternt marked som KI kan hjelpe oss å forstå, mens vi mennesker kan undersøke de myke, sosiale premissene.

Videre kan KI hjelpe designere med å planlegge prosesser i detalj, og organisere prosjektplaner og struktur. Flere og flere av de “kjedelige” og repetetive oppgavene som er helt vesentlige for en god design-prosess, men som ikke er design i seg selv, kan nå KI bistå med. Databaser må graves i, lag må navngis i Figma, lisenser og verktøy må finnes frem i digitale roteskuffer. Alle gode oppgaver for en KI, som bidrar til å gi designere mer tid til å faktisk designe, til å utfordre og til å forbedre.

4: Interne floker i prosess og metode

I en design-sprint kan vi gå inn hos en kunde og analysere prosesser og arbeidsflyter, og med en KI i baklommen kan vi i tillegg grave i kundens digitale univers. Med historiske data å kna på, kan vi gjøre arbeidshverdagen til kunden lettere, og finne nye mønstre å følge. Det er ofte her maskinlæring har kommet inn og jobbet med prediksjon som er sentralt for selve produktet (som f.eks. å predikere kundeforbruk hos Eviny Termo), men når disse verktøyene blir mer tilgjengelige, kan vi bruke dem i interne prosesser som ikke alltid er like umiddelbart intuitive, men kan gi store gevinster.

Eksempler på våre verktøy som får superkrefter av KI

Alle problemene vi løser for kunder er unike og nye, men mange eksisterende metodikker kan få en boost av KI så vi løser kundens problemer med metoder vi vet vi kan stole på. Da er det essensielt å vite hvor KI hører hjemme, og hvor mennesket ikke kan overgås:

1. Dynamisk Strategi: Kontinuerlig oppdaterte langtidsbilder, basert på daglig data. Mennesker setter målet, og KI kan oppdatere «GPS-en» underveis.
2. Kvantitativ innsikt: Finn mønstre i strukturert innsikt og store datamengder
3. Prosessanalyse- og forbedring: KI kan gå gjennom enorme mengder historisk data for å løse floker og se mønstre
4. Tech Safari: I en tech safari etterforsker vi de teknologiske og praktiske premissene til kunden, for å forstå mulighetsrom og begrensninger. KI kan hjelpe oss å forstå teknikken, gjøre research underveis, og hjelpe oss som kommer utenifra å forstå kompliserte systemer.
5. Five why’s: Oss mennesker kan grave flere nivåer dypere for å forstå rotårsaken til problemet, mens KI hjelper oss å se mønstre der vi graver.

Mye blir likere — som lar oss gjøre ting annerledes

Etterhvert som KI-utviklingen smelter inn i etablerte arbeidsmetoder kan det gi oss mer normerte mønstre og standarder i digitale flater — jeg er gammel nok til å huske internett før reglene vi tar for gitt i dag var etablert: Skal logoen være oppe til venstre på nettsiden, eller blinke midt på skjermen? Skal nettsiden stenge når butikken gjør det? KI-ens tendens til å finne gjennomsnittet fører oss mot økt normering. Men om utviklingen fører til at alt blir mer uniformt og kjedelig, eller om det fører til mer tydelige rammer for kreativitet, er opp til oss. Hvis alt i produktet er intuitivt og enkelt, er det ingenting som stopper oss fra å gjøre det til et kunstverk også!

Mennesker > Maskinen

Hele fagfeltet menneskesentrert design og Brukeropplevelse oppsto som et motsvar til teknologi som løp fra menneskene det skulle tjene. Vårt mantra har alltid vært at teknologien må tilpasse seg menneskene, ikke omvendt. Da er det opp til oss at utviklingen ikke bare gir sluttbrukerne tilgang til flere “features”, men lar brukerne være enda mer seg selv i møte med maskinen. Fremtiden på internett kommer til å være full av ‘kunstige vesener’, men det må tjene folket først.

Det er nettopp dette som er mitt eget optimistiske håp for KI-framtiden; at det ikke gjør oss mer som maskiner, men omvendt, at det presser oss til å være enda mer menneskelig. Når “firkantet” arbeid blir automatisert, må vi både insistere på og lene oss inn i de oppgavene som maskiner aldri kan ta fra oss: Empati og forståelsen av hverandre — kjerneverktøyene i design.

Ki vokser ikke bare i evner, men som diskusjonstema i seg selv. Så i bunken med post-its som startet denne artikkelen er det mange vinklinger vi trenger å snakke mer om. Hva slags kognitiv gjeld setter vi oss i? Hvordan stopper vi KI fra å mate overvåkningssamfunnet? Hvilken rolle har faget brukeropplevelse i en KI-moden verden? Hvordan ser verden ut når kostnaden for kunnskap og prosessering er null? Konklusjonen blir den samme her og nå: KI er et verktøy. Det kan brukes til fremmedgjøring og undertrykkelse, eller til å skape en Star Trek-aktig framtid der alle har nok og alt er intuitivt. I mellomtiden er det vårt felles ansvar å bruke fantasien vår til å skape den fremtiden vi foretrekker.

Vil du vite mer om hvordan KI kan både utfordre og forbedre dine egne tjenester, så kom på en kaffekopp eller slå av en prat med oss!
Kontakt Bergen: Hallvard
Kontakt Oslo: Ranvir