Synthetic personas as support for UX research
Dieses Paper schlägt ein auf Design Science Research basierendes Verfahren vor, um synthetische Personas und KI-generierte Journeys in die UX-Forschung zu integrieren, um die Analyse in der Frühphase sowie die Hypothesenbildung zu beschleunigen, während gleichzeitig die kritische Notwendigkeit menschlicher Aufsicht betont wird, um Bias zu minimieren und die empirische Validität sicherzustellen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Jedes Produkt, das wir verwenden, von einer Smartphone-App bis hin zu einer Banking-Website, basiert auf einer verborgenen Annahme darüber, wer es nutzen wird und wie sich diese Person darin bewegen wird. Designer entwerfen oft ein mentales Bild dieses Nutzers, aber um dieses Bild für ein ganzes Team nützlich zu machen, erstellen sie traditionell eine „Persona“. Betrachten Sie eine Persona als ein detailliertes Charakterprofil, das die Ziele, Gewohnheiten und Frustrationen eines bestimmten Typs von Mensch zusammenfasst. Zusammen mit diesem Profil skizzieren Teams eine „Journey“ (Reise), also eine schrittweise Erzählung darüber, wie diese Person versucht, eine Aufgabe zu bewältigen, wo sie stecken bleiben könnte und was sie als Nächstes erwartet. Diese Werkzeuge helfen Teams zu vereinbaren, für wen sie designen und an welchen Stellen das Erlebnis scheitern könnte. Die Erstellung dieser Profile und Geschichten kostet jedoch Zeit, und einmal erstellt, bleiben sie oft unverändert, selbst wenn sich das Produkt oder die Welt wandelt. Mit dem Aufstieg der künstlichen Intelligenz, die Geschichten schreiben und Bilder generieren kann, ist eine neue Frage aufgetaucht: Können Maschinen diese Nutzerprofile und Geschichten für uns erstellen, und wenn ja, wie nutzen wir sie, ohne von einer überzeugenden, aber gefälschten Geschichte getäuscht zu werden?
Ein Team von Forschern der Federal University of Rio de Janeiro setzte sich zum Ziel, diese Frage zu beantworten, indem sie einen neuen Weg entwickelten, künstliche Intelligenz in der Designforschung einzusetzen. Sie baten den Computer nicht einfach darum, einen Nutzer zu erfinden; stattdessen entwickelten sie eine strikte Methode, um sicherzustellen, dass der Output des Computers ein Werkzeug zum Denken bleibt und kein Ersatz für echte Belege ist. Die Forscher begannen mit der Anerkennung eines kritischen Risikos: Eine künstliche Intelligenz kann eine Geschichte über einen Nutzer schreiben, die vollkommen logisch und detailliert klingt, aber dennoch völlig ausgedacht ist. Wenn ein Designteam diese Geschichte als Tatsache akzeptiert, baut es möglicherweise ein Produkt auf der Grundlage einer Fantasie statt der Realität. Um dies zu lösen, entwickelte das Team ein schrittweises Verfahren, das diese KI-generierten Profile als „Hypothesen“ oder fundierte Vermutungen behandelt, die durch Menschen überprüft werden müssen.
Die von ihnen vorgeschlagene Methode beginnt damit, dass das menschliche Team das spezifische Problem, das es lösen möchte, und den Kontext des Produkts klar definiert. Erst nachdem dieser Kontext gesetzt wurde, bittet man die KI, ein Profil zu erstellen. Der KI werden spezifische Anweisungen darüber gegeben, was für diese particular Situation wichtig ist, wie etwa das Hauptziel des Nutzers, was ihn am Erfolg hindern könnte und mit welchen Werkzeugen er vertraut ist. Die KI generiert dann eine Geschichte darüber, wie diese hypothetische Person sich durch das Produkt bewegen würde. Entscheidend ist, dass die Forscher darauf bestehen, dass das menschliche Team diese Geschichte sofort überprüfen muss. Sie prüfen, ob die Geschichte im Hinblick auf die von ihnen gesetzten Regeln Sinn ergibt, ob sie unfaire Stereotypen vermeidet und ob sie tatsächlich dabei hilft, bessere Fragen zu stellen. Das Team schreibt zudem vor, dass jeder Schritt dokumentiert werden muss, wodurch ein klarer Pfad entsteht, der das ursprüngliche Problem mit der Vermutung der KI und schließlich mit der Entscheidung des menschlichen Teams verknüpft. Dies stellt sicher, dass niemand vergisst, dass die Geschichte von einer Maschine und nicht von einem echten Menschen stammt.
Um zu testen, ob diese Methode funktionierte, lud das Forscherteam elf erfahrene Designprofis ein, sie auszuprobieren. Die Teilnehmer wurden gebeten, das neue Verfahren zu erstellen eines Nutzerprofils und einer Journey-Geschichte für ein Projekt anzuwenden, mit dem sie vertraut waren. Die Ergebnisse waren ermutigend. Die Fachleute berichteten, dass der Prozess sehr nützlich war, wobei fast alle von ihnen ihn auf einer Skala von eins bis fünf hoch bewerteten. Sie fanden, dass die KI ihnen half, schnell den Anfang zu finden, indem sie einen ersten Entwurf einer Geschichte lieferte, den sie dann kritisieren und verbessern konnten. Sie fungierte als Funke für Diskussionen und half dem Team, potenzielle Probleme zu erkennen, die sie vielleicht übersehen hätten, wenn sie mit einem leeren Blatt begonnen hätten. Die Teilnehmer machten jedoch auch deutlich, dass die KI nicht für sie denken konnte. Sie betonten, dass die generierten Geschichten einer sorgfältigen Bearbeitung bedurften und dass das Team die Kontrolle behalten musste, um sicherzustellen, dass die Geschichten nicht zu generisch oder voreingenommen wurden.
Die Studie kommt zu dem Schluss, dass künstliche Intelligenz ein mächtiger Partner in den frühen Phasen des Designs sein kann, aber nur, wenn sie mit einem klaren Regelwerk eingesetzt wird. Die KI kann viele verschiedene Szenarien schnell generieren und Teams helfen, mehr Möglichkeiten zu erkunden, als sie allein könnten. Dennoch sind die Forscher der festen Überzeugung, dass diese maschinengenerierten Geschichten niemals ein Ersatz für das Gespräch mit echten Menschen sind. Der Wert der Methode liegt in ihrer Fähigkeit, Fragen zu organisieren und Annahmen sichtbar zu machen, nicht darin, endgültige Antworten zu liefern. Indem Designteams den KI-Output als Ausgangspunkt für die menschliche Überprüfung und nicht als fertiges Produkt behandeln, können sie diese Werkzeuge nutzen, um sich auf reale Tests vorzubereiten, ohne den Blick für die Komplexität tatsächlicher menschlicher Erfahrung zu verlieren. Die Forschung legt nahe, dass dieser Ansatz, wenn er verantwortungsbewusst angewendet wird, Teams hilft, schneller und tiefer zu denken – vorausgesetzt, sie vergessen nie, dass die Geschichte von einer Maschine geschrieben und nicht von einem Menschen gelebt wurde.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.