این روزها همه جا صحبت از هوش مصنوعیه، ولی وقتی پای عمل میرسه، خیلی از تیمها نمیدونن از کجا باید شروع کنن. ایدهها زیاده، ابزارها هم هر روز بیشتر میشن، اما اینکه چطور همه اینا رو تبدیل به یک پروژه واقعی و قابل اجرا کنیم، خودش یه داستانه. توی این مطلب میخوام با هم مرور کنیم که چطور میشه ایدههای هوش مصنوعی رو به شکل درست شکل داد، با تیم جلو برد و در نهایت به نتیجهای برسیم که واقعا ارزش داشته باشه.
کار کردن با هوش مصنوعی این روزها شده یکی از جذابترین موضوعات تو دنیای طراحی محصول و تجربه کاربری. ولی یه چیزی هست که کمتر بهش توجه میشه: اجرای درست.
خیلی وقتها شرکتها یا تیمها پر از ایدههای جذاب هستن، اما وقتی میخوان واقعا شروع کنن، گیر میکنن. نه به خاطر اینکه تکنولوژی رو بلد نیستن، بلکه چون نمیدونن چطور باید ایده رو به یک فرآیند عملیاتی تبدیل کنن که خروجی مشخص داشته باشه.
اینجاست که تسهیلگری یا همون هدایت جلسات و فرایندهای ایدهپردازی و تصمیمگیری در پروژههای AI اهمیت پیدا میکنه. ما با یه «طوفان فکری ساده» طرف نیستیم، بلکه باید بتونیم همهی ذینفعها رو کنار هم بیاریم، زبان مشترک پیدا کنیم و اولویتها رو روشن کنیم.
۱. ذهنیتها و پیشفرضهای متفاوت: تیم فنی بیشتر تمرکزش روی داده و الگوریتمهاست، تیم بیزینس روی ارزش تجاری، و طراحان روی تجربه کاربر. جمع کردن این سه نگاه توی یک مسیر، کار راحتی نیست.
۲. ابهام بالا: خیلی وقتها حتی معلوم نیست مشکل دقیقا چیه یا قراره AI چه نقشی تو حلش داشته باشه.
3. سرعت تغییر تکنولوژی: ابزاری که امروز تازهست، ممکنه فردا منسوخ بشه.
نویسندههای مقاله پیشنهاد میدن این فرآیند رو تو چند مرحله انجام بدیم:
تعریف شفاف مسئله: قبل از هر چیز، باید همه توافق کنیم که دقیقا دنبال حل چه چیزی هستیم.
همزبانی بین تیمها: استفاده از مثالها، سناریوها و زبان ساده به جای اصطلاحات فنی سنگین.
تعیین معیار موفقیت: اینکه بدونیم خروجی خوب چه شکلیه، باعث میشه از همون اول مسیر درستی رو بریم.
طراحی نقشه راه: مشخص کردن اینکه چه کارهایی، به چه ترتیبی و با چه منابعی انجام میشه.
شروع با پایلوت: بهتره اول روی یک نمونه کوچک و کمریسک تست کنیم تا بتونیم مسیر رو اصلاح کنیم.
در نهایت، مهمترین نکته اینه که این جلسات و فرآیندها فقط برای ایدهپردازی نیست؛ هدفشون اینه که همهی تیم روی یک تصویر مشترک و مسیر عملی توافق کنن، و بتونن ایده رو تا رسیدن به نتیجه واقعی همراهی کنن.
راستش رو بخواین، من همیشه فکر میکردم ایدهپردازی توی پروژههای هوش مصنوعی مهمترین بخش ماجراست. اما هر چی بیشتر با تیمها کار کردم، فهمیدم اصل داستان توی «وصل کردن نقطهها»ست.
اینکه همه آدمها با تخصصهای مختلف رو بیاری سر یک میز و کاری کنی که همدیگه رو بفهمن، چیزی نیست که خودش اتفاق بیفته.
به نظرم، بخش زیادی از شکستهای پروژههای AI نه به خاطر ضعف تکنولوژی، که به خاطر نبود همین هماهنگیه.
گاهی طراح تجربه کاربری باید نقش مترجم رو بازی کنه: حرف بیزینس رو برای فنیها قابل فهم کنه، و حرف فنیها رو برای بیزینس.
اگر این پلها ساخته بشه، حتی ایدههای کوچک هم میتونن به خروجیهای بزرگ تبدیل بشن.
برای همین فکر میکنم هر کسی که توی پروژههای هوش مصنوعی نقش داره، باید کمی از مهارتهای «تسهیلگری» رو یاد بگیره — حتی اگه کارش طراحی، برنامهنویسی یا مارکتینگه.
این مطلب بر اساس مقالهی «Facilitating AI Workshops» از وبسایت Nielsen Norman Group نوشته شده.
توی اون مقاله، نویسندهها توضیح میدن که چطور میشه جلسات و فرایندهای کار تیمی رو در پروژههای هوش مصنوعی طوری پیش برد که همهی اعضا درک مشترکی پیدا کنن و ایدهها از حالت خام به مسیر اجرایی برسن.
اگر هنوز مقالهی «با هوش مصنوعی کار میکنه؟ کافی نیست!» رو نخوندی، پیشنهاد میکنم یه نگاه بندازی.
توی اون مطلب، در مورد این حرف زدیم که چرا صرفاً گفتن «این محصول با AI کار میکنه» برای قانع کردن کاربر یا سرمایهگذار کافی نیست و باید مزیت واقعی و کاربردش رو توضیح بدیم. این بحث میتونه پایهی مهمی برای فهم بهتر موضوع «کارگاههای هوش مصنوعی، از ایده تا اجرا» باشه.
بهزودی یک مقالهی تازه منتشر میکنم با عنوان «چه زمانی تحقیق کاربری لازم نیست؟»
توی این مطلب قراره درباره شرایطی حرف بزنیم که انجام تحقیق UX نهتنها مفید نیست، بلکه میتونه باعث اتلاف زمان و منابع بشه.
