Come molti altri in questo periodo, ci siamo incuriositi sul tema del design con l'AI. Ci siamo immersi nel People + AI Guidebook di Google e abbiamo finito per creare Lola, la nostra assistente AI per il completamento vocale di form. Scopri di più sul nostro divertente e illuminante viaggio nel mondo del design con AI!
Livia Stevenin In Buildo crediamo nell’apprendimento pratico attraverso la nostra iniziativa “Skillo”, in cui gli interessi e le idee dei partecipanti guidano le attività formative. Questo approccio incoraggia creatività e curiosità, favorisce l’interazione tra persone con background diversi e fa emergere interessi comuni su temi di forte impatto sul luogo di lavoro.
In una delle nostre recenti sessioni di Skillo, ci siamo chiesti come progettare prodotti con funzionalità AI. Abbiamo intrapreso un percorso per capire i metodi e le metodologie disponibili oggi.
Durante la nostra ricerca, abbiamo incontrato due attori importanti del settore che hanno investito molto in quest’area e sviluppato linee guida complete per la progettazione di prodotti e servizi con AI. Microsoft ha creato delle linee guida per l’interazione uomo-AI, focalizzate su come persone e AI possano collaborare in modo efficace. Google, invece, offre il People + AI Guidebook, una risorsa dettagliata con buone pratiche ed esempi per progettare con l’AI.
Dopo aver studiato a fondo entrambe le metodologie, ci siamo rimboccati le maniche e abbiamo messo alla prova il “People + AI Guidebook” di Google.
Basato sugli insight di oltre cento esperti, il Guidebook è una raccolta completa di metodi, buone pratiche ed esempi per progettare con l’AI, organizzata in sei capitoli:
Volevamo integrare questa nuova metodologia nel nostro consueto processo di product design. Per testarla, abbiamo scelto un progetto già realizzato e immaginato come avremmo potuto renderlo ancora migliore con l’AI. Abbiamo optato per un progetto per un’agenzia di noleggio auto, in cui i dipendenti noleggiano vetture ai clienti tutto il giorno — un esempio perfetto di attività ripetitiva in cui l’AI può dare supporto. Applicando l’AI, puntavamo a rendere il processo più fluido, veloce ed efficace per tutti.
Per mettere in pratica ciò che abbiamo imparato dal Guidebook di Google, abbiamo intrapreso un divertente percorso per progettare Lola, la nostra assistente speech-to-form. Progettata per semplificare la compilazione dei form, Lola utilizza interazioni basate su AI per rendere il processo più rapido, semplice e preciso. Le principali funzionalità che abbiamo progettato per Lola sono:
Per dare vita a Lola abbiamo usato il nostro design system interno, Bento, che ha reso la creazione dell’interfaccia più semplice e veloce. Ora che avete conosciuto Lola, vediamo come ci siamo arrivati seguendo i passi del Guidebook di Google!
Il nostro primo compito è stato mappare la user journey del processo AS-IS scelto: noleggiare un’auto online come agenzia. Seguendo il nostro processo standard, abbiamo iniziato individuando gli elementi chiave del percorso:
Per integrare le funzionalità AI abbiamo introdotto un nuovo livello: individuare le opportunità AI in corrispondenza di ogni pain point. Questo passaggio è stato decisivo per capire esattamente dove e come l’AI potesse migliorare il processo, rendendo l’esperienza complessiva più fluida ed efficiente.
Poi abbiamo fatto un passo indietro per valutare criticamente se le funzionalità AI che avevamo in mente fossero davvero utili per gli utenti o solo rumore superfluo. Il People + AI Guidebook di Google ci ha dato un framework solido per determinare il valore reale di queste funzionalità AI.
Abbiamo potuto usare il template di Google per confrontare le nostre idee basate su AI con i metodi tradizionali: ci ha aiutato a individuare le funzionalità che aggiungevano davvero valore. Alla fine abbiamo deciso di concentrarci su una funzionalità in particolare: la compilazione automatica dei moduli a partire da conversazioni non strutturate. È così che è nata Lola, la nostra assistente AI speech-to-form. Questa funzionalità si distingueva per il potenziale di semplificare un’attività comune, rendendo tutto più fluido e aumentando la soddisfazione degli utenti.
Scelta la funzionalità — la compilazione automatica dei moduli da conversazioni non strutturate — ci siamo dedicati a definire criteri di successo chiari per garantire efficacia e soddisfazione degli utenti. L’obiettivo era sfruttare l’AI per eliminare la necessità di inserimento manuale, interpretando con precisione il parlato dell’utente e convertendolo in richieste formali per compilare un modulo.
Usando il format di Google, abbiamo formulato i criteri di successo così:
Pensiamo che l’AI (possa/non possa) aiutare a risolvere (bisogno dell’utente) perché (motivo).”
Questo metodo ci ha aiutato ad articolare con chiarezza la logica dietro ogni criterio.
Abbiamo anche individuato i potenziali impatti negativi e predisposto dei piani d’azione. Anche qui ci siamo appoggiati al format di Google per strutturare gli scenari:
Se { metrica di successo specifica } per { la funzionalità AI del tuo team } { scende sotto/sale sopra } { soglia significativa }, allora { azione specifica }.
Per esempio:
Definendo criteri positivi e negativi abbiamo costruito un framework solido per valutare le prestazioni della nostra funzionalità AI. Questo approccio ci ha permesso di celebrare i risultati raggiunti e di affrontare rapidamente i problemi, per un’esperienza AI più affidabile e facile da usare.
Nell’affrontare le sfide nella gestione dei dati il lavoro di squadra è stato fondamentale — così ho collaborato con il mio collega Giovanni. Insieme abbiamo unito le nostre competenze per mantenere tutto funzionante senza intoppi. Abbiamo lavorato a stretto contatto per garantire che l’esperienza utente che ho progettato fosse perfettamente allineata con le capacità e le modalità di interazione della tecnologia, tenendo sempre presenti possibilità e limitazioni. La nostra collaborazione è stata essenziale per identificare le esigenze principali riguardanti i dati e sviluppare strategie per affrontare potenziali problemi.
I requisiti essenziali su cui ci siamo concentrati includevano:
Mentre io ho portato scenari e insight incentrati sull’utente, Giovanni ha applicato la sua competenza tecnica per costruire soluzioni solide e affidabili. La nostra collaborazione ha garantito che il sistema AI fosse non solo efficace, ma anche affidabile, inclusivo e sicuro, portando infine a un’esperienza utente migliore.
Abbiamo anche pianificato possibili criticità legate ai dati, come problemi di privacy, esclusione o fragilità dei dati, sviluppando strategie solide per affrontarle subito. È stato un vero lavoro di squadra e ha dato i suoi frutti, creando un sistema più robusto e facile da usare.
Una parte importante della nostra missione era garantire che gli utenti si sentissero in controllo, mantenendo al centro la loro fiducia e soddisfazione. Io e Giovanni ci siamo presi il tempo per definire ogni evento, attività e funzionalità in cui gli utenti dovevano avere controllo, assicurando che il nostro approccio restasse incentrato su di loro. Alcune delle funzionalità chiave su cui ci siamo concentrati sono state:
Abbiamo anche definito i tipi di feedback (implicito o esplicito) che il sistema avrebbe fornito, assicurando che gli utenti fossero sempre informati su ciò che Lola stava facendo. Anticipare e gestire errori e malfunzionamenti è stato altrettanto fondamentale per mantenere la fiducia degli utenti.
Abbiamo mappato i potenziali errori, considerato come potessero impattare gli utenti e pianificato le soluzioni migliori. Ogni volta che qualcosa andava storto, gli utenti ricevevano messaggi chiari e semplici che spiegavano cosa fosse successo e come risolverlo — senza gergo tecnico confuso, ma informazioni facili da capire per evitare frustrazione.
Introdurre funzionalità AI come Lola può essere una sfida. È necessario un onboarding ben pensato per aiutare gli utenti a sentirsi a proprio agio e sicuri con la nuova tecnologia. Il nostro obiettivo era suscitare curiosità e interesse, guidando gli utenti passo dopo passo.
Man mano che gli utenti diventano più familiari con Lola, si possono introdurre progressivamente nuove funzionalità, dando loro tutto il tempo di adattarsi e comprendere ogni caratteristica prima di incontrarne altre.
Abbiamo realizzato un proof of concept (POC) per dare vita al nostro design e verificare se le idee avrebbero funzionato davvero. Questo primo POC si è concentrato sulla funzionalità principale, rimandando alcune caratteristiche secondarie. Come stack tecnologico abbiamo usato Whisper di OpenAI e Assembly AI per la conversione speech-to-text e OpenAI GPT-3.5 e GPT-4 per l’estrazione dei dati. Questa combinazione ci ha fornito le capacità necessarie per costruire una soluzione intelligente di compilazione dei moduli.
Il POC iniziale è stato un successo, con le informazioni estratte inserite nei campi corretti. Abbiamo condiviso una demo interna con i colleghi, che ha suscitato molto entusiasmo, domande e vivaci discussioni su ciò che Lola potrebbe fare in futuro. È stato un modo fantastico per avviare la conversazione e fare brainstorming su nuovi progetti guidati dall’AI — senza contare che ci siamo divertiti moltissimo!
La nostra immersione nella metodologia di Google ci ha insegnato lezioni preziose che siamo entusiasti di integrare nel nostro processo di design. Ecco i principali punti chiave:
Integrando queste lezioni nella nostra metodologia di design, siamo pronti a creare progetti AI che non siano solo all’avanguardia, ma anche profondamente human-centered e in sintonia con le esigenze degli utenti. Questo approccio ci aiuterà a offrire esperienze innovative, di valore e realmente orientate agli utenti nei progetti futuri.
https://pair.withgoogle.com/guidebook/
https://www.microsoft.com/en-us/research/project/guidelines-for-human-ai-interaction/
https://adamfard.com/blog/ai-ux-design
https://www.interaction-design.org/master-classes/how-to-design-with-and-for-artificial-intelligence
https://www.interaction-design.org/master-classes/ux-design-and-ai
Livia è designer in Buildo, con competenze in UI, UX e design system. Le sue origini brasiliane portano nel team diversità culturale e nuovi punti di vista. La guida la passione per la ricerca e per il lavoro di squadra, con l'obiettivo di realizzare progetti di alta qualità.
Ogni mese scegliamo articoli utili ma anche idee fresche e stimolanti. Proprio quello che vorremmo trovare noi in una newsletter!
