Kunstig intelligens og design — Miro Assist i analyse av brukerinnsikt

Alle som jobber med design og innovasjon har fått med seg kraften av AI og hvor verdifullt det kan være for å løse komplekse problemstillinger. Vi vet at kunstig intelligens er på full fart fremover og at AI er med på å skape fremtiden — både hvordan vi jobber, skaper verdi og utvikler nye forretningsmodeller. Som tjenestedesigner og ikke-teknolog er AI en håndfull å gripe over. Hvor starter man?

I mitt daglige virke som tjenestedesigner jobber jeg med å utvikle brukervennlige og bærekraftige tjenester og løsninger. Målet er å utfordre og forbedre samfunnet. Alt for lenge har jeg ‘fryktet’ AI og tenkt at kunstig intelligens kun er nyttig for å analysere store kvantitative datasett. Her har jeg tatt feil, fordi alle som jobber med brukerinnsikt og kan få verdifull drahjelp fra AI. Faktisk skriver Grafill at designere vil være de beste til å utnytte verktøy og kvalitetssikre visuelle resultater i møte med AI.

Skjermbilde av chatten med Miro Assist.

Miro Assist er hjelperen i Miro som bruker kunstig intelligens for å kategorisere, organisere og analysere materialet. Jeg bruker Miro Assist til å grovsortere dataen eller skrive små sammendrag. I store prosjekter med mye kvalitativ data — typisk fra dybdeintervjuer, er det genialt å få et ekstra sett med ‘øyne’ i analyseprosessen. Står man fast i workshop-planlegging eller utvikling av intervjuguide kan man spørre Miro Assist om å evaluere teksten og gi konkrete tilbakemeldinger. Dette er tidsbesparende og god hjelp, men det er enkelte forutsetninger som må være på plass for at bruken av Miro Assist skal bli verdifull;

• Datamaterialet må være bra! Det betyr at utferdige notater og stikkord fra intervjuer ikke vil være tilstrekkelig for å kunne få gode resultater. Vi snakker om å vaske data, det betyr i denne sammenhengen å ha rett og slett ha et datamateriale med minst mulige feil. I kvalitativ sammenheng betyr dette at du som intervjuer må sørge for utfyllende setninger og flest mulig nyanser i teksten. Det finnes egne AI verktøy for å ta opp intervjuene på lydbånd og transkribere etterfølgende — men velger man å ikke transkribere er det viktigste er å ta gode notater underveis slik at analysematerialet er bredt nok. Som alltid er det verdifullt å være to stykker i innsiktsfasen, én som kan lede dialogen og én som kan notere underveis.
• Sørg for at du har anonymisert datamaterialet i henhold til GDPR. Før alle dybdeintervjuer er det viktig å ha på plass samtykkeskjemaer og ha en plan for lagring av dataen. En typisk nybegynner-feil er å ukritisk lime inn absolutt alt man har av datamateriale i Miro uten å anonymisere personkritiske forhold.
• Transparens, vi må vise hvordan vi kommer frem til resultatene. I alle forskningsprosesser må man kunne vise til selve bearbeidelsen som ligger bak funnene. Miro Assist og kunstig intelligens generelt forklarer ikke denne prosessen — og dermed er det vanskelig å validere funnene. Som designer er det viktig å kunne forklare hvordan resultatene henger sammen brukerinnsikten, og konkret vise til tolkningene av dataen — ikke bare input og output.
• Husk at tekst bare er tekst. Det betyr at Miro Assist kan sortere og trekke ut antall ganger spesifikke ord er nevnt i datamaterialet, men følelsene, dimensjonene og nyansene klarer ikke kunstig intelligens å prosessere. Det er kun du som har gjennomført intervjuene som har observert kroppsspråket og dermed forstått meningen bak det som ble sagt. Miro Assist aner ikke hvilken kontekst ordene tilhører. Humor, ironi og ord med doble betydninger forsvinner nemlig i oversettelsen fra ord til tall. Derfor er din rolle som forsker så utrolig viktig, for du skal formidle selve opplevelsene og tolke de viktigste funnene fra både det åpenbare og tydelige (det eksplisitte) — men også det som blir sagt mellom linjene (det implisitte).

Konklusjonen min er at det absolutt nyttig å bruke Miro Assist. Jeg er tilhenger av å bruke kunstig intelligens der det forenkler og effektiviserer manuelt arbeid. Derimot er denne hjelpen relativt liten i selve arbeidet med å forstå det kvalitative datamaterialet. Meningen bak det som blir uttrykt kan kun hentes ut ved at du som menneske setter deg inn i hvert enkelt intervjuobjekts virkelighet og opplevelse ved bruk av empati. Vår menneskelighet er rett og slett vår superkraft når design møter AI.