Design aplicado à Inteligência Artificial — Parte 1



Original Source Here

Design aplicado à Inteligência Artificial

Illustration by DeepMind Design on Behance

É um enorme desafio falar de assuntos técnicos ainda não estabelecidos completamente, principalmente no Design — uma disciplina com tantos fundamentos e tantas coisas em movimento. Gosto de pensar no Design como um ponto de partida, onde perguntas são feitas o tempo todo para descobrir a natureza das coisas, abordar possibilidades e aprender ciclicamente.

Acredito que, dentro desse princípio, o resto da aplicação do Design se encaixa; dos mais simples aos mais complexos frameworks, das teorias mais fundamentais do Design de experiência às tecnologias emergentes. É disso que esse ensaio se trata: como esse racional se estende à novas abordagens tecnológicas e aos personagens envolvidos nesse ecossistema.

Daqui para frente pretendo diferenciar e explicar alguns conceitos que são comuns a quem já trabalha na área de IA (Inteligência Artificial), enquanto explico também alguns temas relacionados ao Design importantes para melhor entendimento desse material.

Se você já é designer de experiência, ótimo! Muito do seu dia a dia já vai estar descrito aqui de alguma maneira. Se você não é designer ou está ponderando migrar para design, ou simplesmente está curioso com o artigo, vou tentar explicar bem cada passo para que fique didático e de fácil entendimento.

Projetos com e projetos de Inteligência Artificial

O primeiro ponto que é importante diferenciar antes de nos aprofundarmos no como é definir bem o que estamos trabalhando. Existe uma diferença importante entre o que é um projeto com Inteligência Artificial e um projeto de Inteligência Artificial.

Um projeto com Inteligência Artificial é aquele que usa de dados como parte da solução de uma jornada de usuário. Você quer a melhor recomendação de filme para ver? Quer saber o melhor horário e local para conseguir os melhores descontos de uma rede de supermercado? Quer uma lista personalizada de músicas na sua playlist de faxina? Jornada com Inteligência Artificial.

O que une todos esses exemplos é a existência de uma jornada maior que usa da Inteligência Artificial como artifício de materialização da proposta de valor.

Os projetos de Inteligência Artificial se diferem do primeiro por tipo pela crucialidade do resultado esperado: enquanto no primeiro caso, a IA é uma catalisadora da decisão, no segundo caso, a decisão (nos moldes ideais) não é possível sem a Inteligência Artificial. Ou seja, a jornada do usuário em questão é definida por padrões oferecidos pela IA.

Exemplificando:

Vamos supor que você é um entregador de delivery e vai usar um aplicativo com Inteligência Artificial para calcular a melhor rota para aquela entrega.

No primeiro caso, você usa um App feito em um projeto com Inteligência Artificial. Ele vai calcular distâncias, provavelmente vai te informar as ruas menos movimentadas, altitude e tempo médio gasto para te recomendar um trajeto.

No segundo caso, você usa o mesmo App feito em um projeto de Inteligência Artificial. Ele sabe que você tem uma meta pré-estabelecida no mês e que você precisa de um número de entregas, gorjetas e outros objetivos secundários para atingir essa meta pré-estabelecida.

A diferença é que no primeiro caso, você pode escolher ou não seguir a recomendação e conseguir terminar a jornada, que se encerra quando a entrega é feita. No segundo caso, você não alcança as suas metas se não fizer exatamente o que o App manda, e é aí que mora toda a diferença de escopo.

Os dois usam IA mas só um dos dois é amplo o suficiente para resolver problemas além da jornada de entrega, dando visibilidade a planos de ação que sem a IA não seria possível cobrir.

Qual dos dois é “mais correto”? Nenhum é mais correto que o outro, porque os objetivos de projeto, escopo e execução dependem de inúmeros fatores, principalmente o problema que deve ser resolvido por si só. Soluções podem ser melhores ou piores analisando exatamente o ciclo que precisa de intervenção, e isso não necessariamente leva a um escopo maior.

Todavia, é importante assinalar o que é um projeto com IA (incremental) e um projeto de IA (fundamental).

Como funciona um projeto de Inteligência Artificial

Um projeto de Inteligência Artificial começa com pelo menos 3 possibilidades de objetivos:

  1. Facilitar processos decisórios com insights quantitativos
  2. Tomar decisões de baixa complexidade de forma rápida para que o ser humano se concentre em decisões de maior ambiguidade
  3. Antecipar a visibilidade de eventos que ameaçam a jornada de ser concluída.
Desenho esquemático do fluxo de dados até a entrega de valor na jornada de Big Data

No exemplo 1, vemos bastante essa aplicação em dashboards real time e pré-seleções que afunilam o processo decisório. Como, por exemplo, quando um analista está monitorando uma linha de produção e percebe, graças à IA, que uma determinada estação está sobrecarregada, conseguindo tomar uma atitude antes que um erro grave aconteça.

No exemplo 2, o objetivo principal é diminuir o tempo de resposta a um problema com muitas variáveis que exigem ação. Por exemplo, um gestor de estacionamento pode saber quais mensalistas estão próximos de chegar com base nos check-ins anteriores e programar o layout do seu espaço disponível baseado em quais carros vão chegar e sair e em que momento. Ou por exemplo um comerciante pode decidir o melhor momento de antecipar a compra de estoque baseado na movimentação sazonal da economia (como datas comemorativas por exemplo), já sabendo quando o preço daquele insumo vai estar mais barato.

No último exemplo, eu posso planejar um roteiro de viagem baseado em uma série de eventos que podem prejudicar minha experiência, como chances de chuva e mau tempo, melhor horário de chegada baseado no histórico de tráfego daquela região, melhores opções de lazer próximos às hospedagens, etc.

Todos esses exemplos não necessariamente são excludentes e muitas vezes são incrementais, ou seja, podem acontecer no mesmo projeto em momentos diferentes.

O que caracteriza principalmente um projeto de IA é responder um problema de dados com o tratamento e otimização desses mesmos dados. Ou seja, eu preciso de dados históricos (anteriores ao “momento zero do projeto”) para que esses cálculos dos exemplos acima consigam ser realizados.

Por exemplo, um serviço de streaming não consegue te recomendar uma playlist se ele não sabe nada sobre você ou se você não tenha interagido com ele em nenhum momento (na verdade ele consegue porque traça uma média de dados de outros usuários para te recomendar, nesse caso). Ou, um hospital não consegue saber quando haverá aumento de pacientes por virose e se preparar para isso se não se sabe em qual época os motivadores da virose estão mais ativos.

Há também o caso de muitos projetos serem apenas de foundations (criação estrutural necessária para novos projetos que se beneficiam do tratamento desses dados) e mesmo assim, alguns dos projetos voltados para o usuário final acabam não tendo user facing (interface onde o usuário final interaja). Então, nesse contexto é importante delimitar como o designer pode ajudar um time técnico a ter melhores resultados e criar produtos e serviços melhor alinhados as necessidades do seu usuário.

Onde entra o Design nesse tipo de projeto

Toda essa história até agora serviu para chegarmos na grande pergunta: “e como o Design entra nessa história?”

O Design tem três atribuições em projetos de IA:

  1. Liderar,
  2. Apoiar e
  3. Acompanhar.
Colaborações do Design no processo de Big Data e como as atribuições de escopo são distribuídas

Liderar

No primeiro momento, o “liderar” vem da necessidade de se construir a visão de produto e o que o projeto precisa entregar para os principais interessados. Nessa liderança, as metodologias de Design são necessárias para que as decisões sejam tomadas sob uma perspectiva menos pragmática que a visão técnica. Com isso, profissionais de diferentes especialidades tem a tranquilidade de que as decisões de “o que” e “como” respeitam as expertises de cada um.

Apoiar

No segundo momento, “apoiar” está conectado já no andamento técnico do projeto. Onde a jornada de dados já está acontecendo e o designer precisa, quando necessário, ajudar o time a encontrar alternativas técnicas para potenciais empecilhos que possam surgir.

Acompanhar

E em um último momento, o “acompanhar” significa entender se os resultados atingidos estão indo na mesma direção que o produto deveria seguir e quais os próximos passos deverão ser tomados. Em uma visão product-driven para IA, é importante antecipar decisões de escala que evitem o retrabalho desnecessário e como novas entregas podem abranger ainda mais a cobertura de dores mapeadas nas jornadas.

O grande desafio do designer nesse ponto é como aplicar o processual adequado de Design em cada etapa do projeto e como interagir com figuras importantes nesse tempo: cientistas de dados, gerentes de produto, engenheiros de software, analistas de dados e o próprio stakeholder.

Na segunda parte, falaremos como essas partes interagem e também das habilidades técnicas necessárias para guiar esse tipo de projeto, dicas de condução e quais as possibilidades que o mercado prepara para o futuro.

O UX Collective doa US$1 para cada artigo publicado na nossa plataforma. Esse artigo contribuiu para a World-Class Designer School: uma escola de design gratuita de nível universitário, com foco em preparar designers africanos jovens e talentosos para o mercado de produtos digitais local e internacional. Construa a comunidade de design na qual você acredita.

AI/ML

Trending AI/ML Article Identified & Digested via Granola by Ramsey Elbasheer; a Machine-Driven RSS Bot

%d bloggers like this: