Extending the UXR Point of View Pyramid: A Generative AI-Augmented Methodology for Human-Centred AI Systems

Sintesi Tecnica: Estensione della Piramide del Punto di Vista (PoV) della UXR per Sistemi di IA Centrati sull'Uomo

Definizione del Problema
La Ricerca sulla User Experience (UXR) affronta una sfida persistente nel tradurre prove empiriche complesse in narrazioni strategiche che possano informare in modo credibile il design e la governance. Questa sfida è esacerbata nei contesti finanziari ad alto rischio, specificamente nel settore della gestione del debito nel Regno Unito. L'aumento del debito delle famiglie e le pressioni legate al costo della vita hanno intensificato il ricorso a tecnologie finanziarie basate sull'IA per la valutazione del credito, la strutturazione dei rimborsi e il rilevamento della vulnerabilità. Questi sistemi operano all'interno di ambienti socio-tecnici complessi caratterizzati da vincoli normativi, opacità algoritmica e rischi elevati per i consumatori vulnerabili.

L'attuale framework del Punto di Vista (PoV) della UXR, pur essendo efficace per il design di prodotto generale, non è stato originariamente progettato per sistemi finanziari mediati dall'IA dove l'interpretabitilità, l'equità e la responsabilità sono fondamentali. Inoltre, l'integrazione dell'IA Generativa (GenAI) nei flussi di lavoro della ricerca introduce rischi di "esternalizzazione epistemica", riduzione della tracciabilità e amplificazione dei bias strutturali. Nella gestione del debito, l'uso non strutturato dell'IA rischia di generare narrazioni persuasive ma debolmente fondate che potrebbero influenzare negativamente le politiche di rimborso e le strategie di trattamento degli utenti. Il problema centrale affrontato è come integrare sistematicamente la GenAI nella piramide del PoV della UXR per supportare tecnologie di gestione del debito basate su IA centrate sull'uomo (HCAI), preservando al contempo la responsabilità umana, il rigore metodologico e la difendibilità normativa.

Metodologia
Lo studio impiega una metodologia di workshop PoV della UXR aumentata dalla Generative AI, basata sui servizi finanziari del Regno Unico e sui sistemi di supporto al debito mediati dall'IA. Inveza di adottare una singola lente analitica, la ricerca applica una sintesi multi-prospettica che combina i principi HCAI, i framework di vulnerabilità finanziaria, i requisiti di difendibilità normativa e i modelli di ciclo decisionale situazionale.

La metodologia è strutturata in quattro fasi distinte, formalizzando una Piramide del PoV aumentata dall'IA:

1. Mappatura delle Pratiche e Generazione di Ipotesi supportata da GenAI:

   • Input: Artefatti strutturati del workshop, conoscenza operativa specifica del dominio (ad es., modellazione dell'affordability, interviste sulle difficoltà economiche) e documentazione di governance.
   • Processo: La GenAI è guidata tramite prompt strutturati per sintetizzare le pratiche esistenti, identificare i gap epistemici e proporre ipotesi che colleghino gli insight supportati dall'IA alla difendibilità normativa.
   • Vincolo: Le ipotesi generate dall'IA sono trattate come provvisorie e richiedono la validazione umana rispetto alla conoscenza del dominio e ai requisiti di governance.

2. Governance Fondamentale e Mappatura delle Roadmap degli Stakeholder:

   • Processo: La GenAI simula la mappatura degli stakeholder, l'analisi dell'impatto sulla vulnerabilità e la pianificazione dell'allineamento normativo.
   • Output: Una roadmap condivisa che collega gli obiettivi di ricerca, la responsabilità istituzionale e le misure di mitigazione del danno. Questa fase identifica i rischi cognitivi, emotivi e finanziari introdotti da sistemi decisionali IA opachi.

3. Generazione di Insight e Sviluppo di Play focalizzati sul Debito:

   • Processo: Lo studio opera il modello "Building Blocks" (Fondazione, Raccolta Dati, Generazione di Insight, Traduzione del PoV) per produrre "Playbook Cards" strutturate.
   • Meccanismo: La GenAI raggruppa iterativamente gli insight empirici e traduce i risultati validati in artefatti orientati al design e alla governance.
   • Validazione: Un flusso di lavoro strutturato richiede la triangolazione tra narrazioni qualitative di difficoltà economica, metriche quantitative di rimborso e standard di conformità prima dell'accettazione.

4. Costruzione della Narrativa del PoV e Comunicazione agli Stakeholder:

   • Processo: I "Play" validati sono sintetizzati in narrazioni di PoV della UXR specifiche per gli stakeholder.
   • Ruolo della GenAI: Supporta la riformulazione iterativa e il raffinamento strutturale, mentre l'autorità interpretativa rimane strettamente in capo al team di ricerca umano.
   • Output: Narrazioni coerenti adatte a istituzioni finanziarie, responsabili della conformità (compliance officer) e team di prodotto, garantendo l'allineamento con la difendibilità normativa del Regno Unito.

Contributi Chiave
Il documento contribuisce con un framework metodologico formalizzato per l'integrazione della GenAI nei flussi di lavoro UXR all'interno di ambienti finanziari regolamentati:

• La Piramide del PoV aumentata dall'IA: Un'estensione del tradizionale framework del PoV della UXR che inserisce la GenAI come "meccanismo di supporto epistemico" piuttosto che come autorità analitica.
• Architettura di Prompt Strutturata: Un set specifico di strategie di prompting (esplorative, contrastive, controfattuali ed etiche) progettate per mitigare il bias di compressione narrativa, identificare le iniquità nelle soglie di affordability e garantire la tracciabilità delle prove.
• Sistema di Playbook Card abilitato dall'IA: Un set di 10 oggetti limite (Play Cards) che fungono da ponte tra i team di UX, compliance e governance dell'IA. Queste carte formalizzano l'integrazione difendibile della GenAI, dettagliando scopo, template di prompt, passaggi di validazione umana e checkpoint etici.
• Pilastri del PoV allineati agli Stakeholder: L'identificazione di quattro pilastri trasversali per i PoV della gestione del debito: Tracciabilità, Sensibilità all'Equità, Interpretabilità e Stress Test Etico.

Risultati
L'applicazione di questa metodologia ha prodotto output specifici e azionabili:

• Dieci Ipotesi Strutturate: Generate da pattern analitici ricorrenti, queste ipotesi collegano i flussi di lavoro supportati dall'IA a risultati quali la riduzione del bias di compressione narrativa (H1), il miglioramento dell'identificazione delle iniquità di affordability tramite prompting controfattuale (H2) e il potenziamento della tracciabilità dell'audit tramite l'etichettatura delle prove (H5).
• Mappatura degli Stakeholder: Una mappatura dettagliata di cinque gruppi primari (Clienti in difficoltà finanziaria, Responsabili della conformità, Ricercatori UXR, Data Scientist e Product Lead), che evidenzia tensioni sistemiche come "Trasparenza vs segretezza del modello competitivo" e "Efficienza dell'automazione vs protezione della vulnerabilità".
• Dieci Playbook Cards: Artefatti concreti che affrontano problemi specifici come la "Compressione della narrazione di difficoltà economica", il "Bias della volatilità del reddito" e la "Sintesi dell'IA non tracciabile". Ogni carta prescrive un intervento di governance specifico (ad es., simulazioni controfattuali del reddito, prompt di interrogazione del bias).
• Quattro Pilastri del PoV: La sintesi dei play validati in un framework narrativo che sottolinea che ogni insight supportato dall'IA deve essere auditabile, la modellazione dell'affordability deve tenere conto della volatilità del reddito, gli output del modello devono essere comunicabili tra i team e la simulazione controfattuale deve essere integrata prima del deployment.

Significato e Rivendicazioni
Il documento posiziona la propria significatività come un avanzamento della metodologia UXR per ambienti di IA finanziaria ad alto rischio. Esso rivendica di:

• Operazionalizzare l'IA Centrata sull'Uomo (HCAI): Posizionando la GenAI come uno strato di potenziamento piuttosto che come un'autorità epistemica, il framework si allinea alle linee guida che raccomandano una supervisione strutturata negli ambienti decisionali supportati dall'IA.
• Spostare la Valutazione dell'Equità a Monte: Integrando il prompting controfattuale e l'interrogazione del bias nella fase di sintesi della ricerca (costruzione del PoV), il framework sposta la valutazione dell'equità dalla fase di auditing post-hoc alla fase di design e governance.
• Riconfigurare gli Artefatti UXR come Infrastruttura di Governance: Il lavoro riconfigura gli output della UXR non solo come guide al design, ma come infrastrutture critiche che mediano tra la modellazione finanziaria, la conformità normativa (specificamente il FCA Consumer Duty) e la protezione del consumatore.

Gli autori mantengono una posizione modesta riguardo ai limiti, riconoscendo che la GenAI rimane probabilistica e vulnerabile a allucinazioni e amplificazione dei bias. Essi affermano che il prompting strutturato e i flussi di lavoro di validazione mitigano ma non eliminano tali rischi. Di conseguenza, il framework è presentato come una disciplina metodologica che migliora la tracciabilità e il rigore interpretativo, ma dipende dalla maturità organizzativa e dalla supervisione umana per funzionare efficacemente. Il documento conclude che il lavoro futuro richiede una validazione longitudinale attraverso casi studio applicati per valutare miglioramenti misurabili nelle metriche di equità e nelle prestazioni di audit normativo.