per VisionSphere
Vehnta doveva dare a VisionSphere un'identità di marca forte e coerente, con scadenze strette. Abbiamo integrato l'AI nel nostro processo di branding per accelerare l'analisi dei dati e ampliare le idee, consegnando un'identità di qualità nei tempi previsti.
Vehnta ci ha chiesto di progettare una brand identity per il suo prodotto, VisionSphere, così da dare agli utenti una comprensione chiara e diretta del suo scopo. L’obiettivo era creare coerenza tra sito web e applicazione attraverso un’immagine coordinata, forte e ben costruita.
VisionSphere è un software di business intelligence che aiuta i reparti vendite delle aziende a prendere decisioni data-driven. Nel dettaglio, VisionSphere permette ai suoi utenti di:
In questo contesto, spieghiamo come abbiamo usato l’AI per accelerare il processo di branding, migliorando la qualità dei deliverable e rispettando le scadenze strette dettate dalla roadmap di prodotto.
Il branding è spesso considerato un esercizio molto immaginativo e artistico. In realtà è soprattutto un processo data-driven, basato su un’analisi approfondita dei dati qualitativi e quantitativi di un brand.
Poiché svolgere questa analisi manualmente può richiedere moltissimo tempo, spesso resta poco spazio per l’aspetto davvero creativo del branding. D’altra parte, liquidare troppo velocemente l’analisi affidandosi solo alla creatività può portare il brand ad allontanarsi dalla vision, dalla mission o dal posizionamento previsti.
Ed è qui che entra in gioco l’AI. L’intelligenza artificiale può aiutarci a elaborare grandi quantità di dati impossibili da analizzare da soli, rispettando le tempistiche di progetto. È però fondamentale restare vigili per evitare i bias che potrebbero insinuarsi nel processo, sia da parte dell’AI sia da parte nostra.
L’AI può aiutarci ad accelerare l’analisi? E come facciamo a non farci influenzare dai suoi bias, o a non influenzarla con i nostri?
Quando lavoriamo con l’AI dobbiamo cambiare prospettiva sul processo creativo. Per ottenere risultati di qualità, servono alcuni accorgimenti: usare dataset vari e di qualità, verificare l’accuratezza e la validità del modello di AI e integrare il controllo umano nei momenti decisionali critici, così da evitare i bias e prendere decisioni di design responsabili.
Se implementata correttamente, con queste precauzioni e questi checkpoint, l’intelligenza artificiale non sostituisce il lavoro dei designer, ma li supporta nel potenziare e accelerare i processi. Questo aiuto ci permette di ampliare in modo significativo la gamma di risultati sia nelle fasi di divergenza sia in quelle di convergenza, in modi altrimenti impraticabili per i limiti di tempo e risorse.
Il nostro processo si basa sulla metodologia di branding sviluppata da Amanda Louisi, senior brand designer specializzata in personal e corporate branding. Questa metodologia sottolinea l’importanza di costruire fondamenta solide partendo dai dati, che una volta entrati nella parte creativa forniranno linee guida e confini chiari.
Il primo passo è raccogliere e analizzare quanti più dati quantitativi e qualitativi possibili sul brand, per estrarre keyword che aiutino a definire i tratti di personalità del brand. Poi si crea un catalogo di forme, colori, font e simboli capaci di comunicare efficacemente i valori e le caratteristiche fondamentali del brand, ispirati alla sua personalità. Infine, il processo creativo può iniziare su questa base ben definita: Amanda applica e rielabora gli elementi visivi del catalogo sugli artefatti tipici della brand identity, costruendo un’identità coesa e forte.
Le linee guida e i vincoli stabiliti durante il processo aiutano ad assicurare che i deliverable rispondano ai reali bisogni di comunicazione del brand.
Ispirandoci al metodo di Amanda Louisi e ai principi del design thinking, all’inizio avevamo costruito un processo di branding più o meno così:
Nella fase iniziale di divergenza e convergenza, il nostro obiettivo è individuare i valori fondamentali del brand più che i suoi tratti di personalità. Per farlo analizziamo a fondo tutti i documenti rilevanti sul prodotto e, all’occorrenza, raccogliamo dati noi stessi attraverso interviste e questionari. Nella seconda fase costruiamo il catalogo di elementi visivi a partire dai valori, come suggerisce Amanda.
Il processo di analisi veniva svolto con metodi analogici e assorbiva di solito il 70-80% del tempo totale di progetto, lasciando poco spazio alla parte creativa della brand identity.
Poi è arrivata l’AI.
Come azienda che riunisce menti curiose e innovative, Buildo crede molto nel lasciare che le proprie persone sperimentino il potenziale dell’AI, per capire come possa migliorare i processi e far crescere la produttività. In quest’ottica, l’AI non è mai vista come un sostituto delle capacità umane, ma come uno strumento che le amplia e le completa, liberando tempo per le attività non-AI.
Così, di recente, il nostro servizio di branding ha vissuto una trasformazione importante grazie all’integrazione dell’AI nel processo.
Con l’aiuto dell’intelligenza artificiale possiamo ora ampliare enormemente gli orizzonti delle fasi di divergenza. Questo aumento esponenziale di idee non ci preoccupa, perché allo stesso modo l’AI ci permette di convergere rapidamente, ancora più velocemente di prima.
Per questo abbiamo smesso di descrivere il processo come un double diamond e abbiamo iniziato a chiamarlo Double Cusp.
Ma vediamo i passaggi del processo nel dettaglio, ripercorrendo le fasi del rebrand di VisionSphere.
Quando Vehnta ci ha contattati, ci ha chiesto che VisionSphere avesse una propria brand identity, invece di usare l’immagine dell’azienda. Durante il kick-off di progetto abbiamo indagato a fondo i bisogni di comunicazione e discusso le idee del team di Vehnta sul look and feel del prodotto.
Abbiamo analizzato il brand esistente di VisionSphere, il sito, l’applicazione, i visual e i copy. Poi abbiamo individuato le incoerenze e gli elementi di comunicazione che si discostavano da vision, mission e obiettivi di Vehnta per il prodotto.
Abbiamo trasformato in testo tutte le informazioni raccolte, usando citazioni dirette ed evitando reinterpretazioni. Poi abbiamo chiesto a ChatGPT di analizzarle ed estrarre keyword in più iterazioni, definendo system e user prompt e usando versioni diverse a ogni iterazione per garantire l’accuratezza.
Dopo la prima fase di divergenza, passiamo a una fase di convergenza, in cui lavoriamo di nuovo con ChatGPT per sperimentare varie combinazioni e cluster di keyword. L’obiettivo principale è individuare da tre a cinque valori fondamentali che riassumano efficacemente le caratteristiche uniche del brand.
Questo è anche il primo checkpoint in cui il lavoro generativo di ChatGPT incontra il controllo e la messa in discussione del designer, che grazie alla propria esperienza e al proprio know-how verifica la qualità e la bontà dell’output.
Per VisionSphere, i tre valori emersi sono stati Innovazione, Accuratezza e Affidabilità.
Una volta stabiliti i valori del brand, era il momento di divergere di nuovo ed esplorare tutte le possibilità visive per comunicarli. Abbiamo chiesto a ChatGPT quali fossero le forme, i colori, i font e i simboli migliori per trasmettere i valori del brand al target di VisionSphere. Allo stesso modo, abbiamo chiesto una lista degli elementi visivi che avrebbero potuto ostacolare la comunicazione, così da evitarli. Come nel passaggio divergente precedente, più scenari testavamo, meglio era.
Anche in questo caso, ChatGPT ci aiuta a convergere rapidamente su una lista coerente di elementi visivi che potrebbero o meno essere usati per comunicare efficacemente i valori del brand. Spetta poi al designer valutare i consigli di ChatGPT e confrontarli con i requisiti del brand e i feedback del cliente.
Questo ci permette di comunicare efficacemente tutte le sfumature di significato e di dare priorità allo sviluppo di una messaging strategy chiara e completa.
Il nostro obiettivo ultimo è creare una comunicazione di marca coerente, che permetta a clienti e stakeholder di interiorizzare la brand voice e comunicarne i valori con facilità.
Il cambiamento principale nel processo di rebranding ha riguardato il colore del brand, passato dal verde al viola. La ragione è che un aspetto essenziale di VisionSphere è il suo approccio geografico e territoriale, rappresentato visivamente attraverso le mappe.
Quando però l’iconografia delle mappe è associata al verde, tende a richiamare l’ecologia e l’ambiente, un messaggio diverso da quello che VisionSphere vuole comunicare. Per questo abbiamo scelto il viola, più coerente con i valori del brand e con il tema della tecnologia e dei dati.
Grazie al lavoro coerente e incrementale svolto per costruire le fondamenta della brand identity, abbiamo realizzato in modo efficiente e in tempi ridotti le interfacce sia del sito sia dell’applicazione di VisionSphere, mantenendo la massima qualità e attenzione al dettaglio che pretendiamo dai nostri output.
Una delle sfide più comuni quando si integrano ChatGPT e altri strumenti di AI nei processi di design sono i bias che gli algoritmi ereditano dal proprio dataset di training. Questo timore, però, non dovrebbe fermarci dallo sfruttare l’immenso potere e le possibilità degli strumenti di AI generativa. Se ci pensiamo, noi designer siamo chiamati ogni giorno a riconoscere e monitorare i nostri bias: anche noi cadiamo spesso nella trappola di cercare pattern che confermano le nostre ipotesi, ignorando quelli che le contraddicono.
L’intelligenza artificiale è incredibilmente utile per elaborare grandi quantità di dati che a un team di designer richiederebbero molto tempo, ampliando esponenzialmente i nostri orizzonti e proponendo spesso soluzioni inaspettate e inesplorate.
Dal canto nostro, noi designer possiamo usare esperienza e know-how per affinare e migliorare ulteriormente l’output generato dall’AI, dandogli un tocco umano e garantendone la qualità.
La coppia Designer-AI riesce così a compensare a vicenda debolezze e bias, valorizzando al massimo i rispettivi punti di forza e le rispettive competenze.
Quando si parla del ruolo dell’AI nel mondo del design e della grafica, emergono spesso pregiudizi legati alla qualità del lavoro. Danno l’impressione che l’intero processo creativo sia delegato solo alla macchina, il che può far sorgere dubbi sull’autenticità, l’originalità e la qualità del prodotto finale.
Dalla nostra esperienza, il modo migliore di usare l’AI nei processi creativi è delegarle i compiti in cui eccelle — come elaborare rapidamente e più volte grandi quantità di dati — lasciando al designer tutto il tempo per fare ciò che sa fare meglio: progettare.
Avendo avuto la possibilità di valutare a fondo questa combinazione unica, la nostra esperienza racconta non solo la produzione di output di alta qualità, economicamente sostenibili e allineati ai bisogni e alle preferenze dei nostri clienti, ma anche un significativo miglioramento della qualità della vita dei nostri designer. Abbracciando questo approccio, abbiamo ottenuto risultati eccellenti, con un impatto positivo sia sul nostro business sia sulle persone che ne fanno parte.
Design System Assessment
Un design system vale quanto le sue fondamenta. Per Vivisol - provider di servizi homecare - abbiamo condotto un audit quantitativo (WCAG 2.2) e qualitativo, restituendo una roadmap concreta per rafforzare coerenza e accessibilità a partire da colori, tipografia, spaziature e token.
AI-based Fraud Detection
Individuare frodi tra milioni di transazioni al giorno, in ambienti bancari sensibili e offline, è una sfida enorme. Dalla ricerca del Politecnico di Milano è nato Banksealer: con il machine learning segnala subito agli analisti le transazioni a rischio.
Conversation Intelligence
I team di vendita perdono tempo prezioso a riguardare le call e prendere appunti. Per Superlayer - revenue platform per team B2B - abbiamo progettato e sviluppato il modulo Conversation Intelligence che, grazie all'AI, velocizza il lavoro del team sales.
