Tekoäly UX-ammattilaisen työparina

Tekoäly muuttaa nopeasti myös UX-ammattilaisten työtä. Se tehostaa tutkimuksen suunnittelua, analyysiä ja raportointia, mutta käyttäjäkokemuksen ymmärtämisessä asiantuntijuus on edelleen korvaamatonta. Teknologia auttaa tunnistamaan mitä tapahtuu , mutta asiantuntija ymmärtää, miksi. 

Asiantuntijuus erottaa "mitä"- ja "miksi"-havainnot

Lähtökohtamme on, että käytettävyyden arvioinnin ja käytettävyystestauksen tulemme jatkossakin tekemään ainoastaan asiantuntijatyönä. Kokemuksella on työssämme valtava merkitys, sillä merkityksellisimmät havainnot vaativat kykyä nähdä pintaa syvemmälle. Hankalimmat ja käyttäjän kannalta oleellisimmat havainnot tunnistaa vain kokemuksen kautta. Käyttäjä saattaa esimerkiksi todeta, että sivuston haku on huono. Tekoäly kirjaisi tämän havainnoksi, mutta asiantuntija osaa analysoida, mistä ongelma johtuu. Onko kyse huonosta hakulogiikasta, puutteellisesta asiasanoituksesta vai kenties siitä, että sivuston rakenne on niin sekava, että käyttäjä joutuu turvautumaan hakuun löytääkseen tietoa.

Asiantuntija kuulee sen, mitä käyttäjä jättää sanomatta

Kokemusta tarvitaan myös käytettävyystestien vetämisessä ja käyttäjien toiminnan analysoimisessa testin aikana. Käytettävyystestauksessa on paljon käyttäjän ilmeiden, eleiden ja äänensävyjen tulkintaa, jota tekoäly ei pysty tekemään. Esimerkiksi jos käyttäjä on hiljaa, tekoäly näkee sen vain tyhjänä kohtana, jolloin ei tapahdu mitään. Asiantuntija kuitenkin ymmärtää tilanteen olevan sellainen, jota kannattaa selvittää. Käyttäjän olemuksesta näkee lukeeko hän tekstiä vai onko hän hämmentynyt jostain kohdasta. 

Tekoälyltä puuttuu myös kyky ymmärtää ironiaa tai käyttäjän viittauksia aiempaan tekemiseensä. Kun käyttäjä sanoo huokaisun saattelemana: "Onpa tämä helppoa", asiantuntija tunnistaa turhautumisen, kun taas tekoäly saattaa tulkita kommentin positiiviseksi palautteeksi. Toisaalta käyttäjän todetessa: “Tässä on se sama juttu, mistä äsken sanoin”, tekoäly ei pysty tulkitsemaan viittausta, mutta asiantuntija ymmärtää sekä viittauksen kohteen että käyttäjän osoittaman ongelman toistuvan eri muodossa.

Kokemus auttaa myös asiantuntija-arvioinneissa. Kun on käytettävyystesteissä seurannut satojen käyttäjien toimintaa, ymmärtää, miten käyttäjät toimivat ja millaisia oletuksia he tekevät käyttöliittymästä. Jos käytettävyystesteissä jokin ratkaisu on osoittautunut hankalaksi, sen voi olettaa tuottavan hankaluuksia myös muissa samankaltaisissa tuotteissa. 

Tekoäly poistaa rutiinit ja vapauttaa aikaa ajattelulle

Tekoälystä on kuitenkin paljon hyötyä tulosten analysoinnissa. Se pystyy testitallenteista listaamaan osan rajatun käyttöliittymän havainnoista vapauttaen asiantuntijan aikaa ajattelutyölle. Asiantuntija voi keskittyä laajempiin ja hankalammin ymmärrettäviin havaintoihin tekoälyn listatessa selkeimmät ja helpoimmat havainnot.  

Tekoäly on arvokas apu myös raportointivaiheessa. Sen avulla voimme kirjoittaa alkuhaastattelun perusteella aiempaa kattavamman kuvauksen käyttäjistä raportin liitteeksi. Raporttiin on helpompi lisätä lainauksia ja mainintoja siitä, miten joku käyttäjä on toiminut, kun lukija voi katsoa millainen käyttäjä on taustaltaan. Yksityiskohtaisempi kuvaus käyttäjistä ja esimerkit todellisesta käytöstä auttavat raportin lukijaa ymmärtämään paremmin käyttäjien toimintaa palvelussa.

Raporteissamme on usein tiivistelmä tärkeimmistä havainnoista, jotta asiakkaamme saavat nopean yleiskuvan tutkimuksemme tuloksista. Tekoäly voi koota raporttimme havainnoista tiivistelmän asiakasta parhaiten hyödyttävällä tavalla. Osa asiakkaistamme haluaa tiivistelmän keskeisimmistä havainnoista kun taas toiset tiivistelmän erityyppisistä havainnoista, esimerkiksi sisältöön, visuaalisuuteen tai käyttöliittymän logiikkaan liittyen. Kehitämmekin raportointiamme niin, että erilaisten tiivistelmien tuottaminen asiakkaan toivomalla tavalla on helppoa. 

Vaikka tekoälystä on hyötyä raportoinnin tukena, oleellista on kuitenkin tarkistaa sen tekemät tekstit. Kokemuksemme mukaan niissä on usein kohtia, jotka ovat vain vähän virheellisiä mutta kuitenkin virheellisiä. 

Vastuullisuus ja tietosuoja tutkimuksen keskiössä

Käyttäjien yksityisyys on luonnollisesti meille tärkeä asia. Ennen tutkimuksia selitämme käyttäjille, miten hyödynnämme tekoälyä, ja pyydämme lupaa sen käyttöön.

Testitallenteissamme ei näy käyttäjien kasvoja tai nimiä, eikä testeissä käytetä todellisia syötteitä. Tallenteissa kuuluu kuitenkin käyttäjien puhe. Ennen tekoälyn hyödyntämistä käyttäjän ääntä tuleekin muuttaa niin, että se ei ole enää tunnistettava. 

Käytämme tekoälyratkaisuja, joissa tutkimusdata pysyy suljetussa ympäristössä. Syöttämäämme aineistoa ei käytetä tekoälymallien opettamiseen. Näin varmistamme, että hyödynnämme uusinta teknologiaa turvallisesti ja eettisesti.

Vuosien kokemus asiakkaidemme hyödynnettävissä

Mielenkiintoinen mahdollisuus siintää kuitenkin aiempien tutkimustemme ja niiden raporttien hyödyntämisessä. Vuosien varrella meille on kertynyt valtava määrä tutkimustietoa ja raportteja eri tuotteista ja palveluista. Tähän asti tieto on ollut usein yksittäisillä asiantuntijoilla, jolloin kertynyttä tietoa on vaikea hyödyntää eri projektien välillä. Tekoälyn avulla pystymme hakemaan tietoa aiemmista raporteista. Voimme esimerkiksi selvittää verkkokauppoihin liittyviä toistuvia ongelmia, yksittäiseen ominaisuuteen, kuten ostoskoriin, liittyviä havaintoja tai hyviksi todettuja ratkaisuja.

Tämä ei ainoastaan säästä aikaa, vaan parantaa tutkimuksemme laatua. Voimme rakentaa uuden tutkimuksen vahvan pohjatiedon varaan: tiedämme jo, mitkä ratkaisut ovat aiemmin osoittautuneet toimiviksi, jolloin voimme keskittyä tutkimuksissa hankaliin, kriittisiin ja uusiin toiminnallisuuksiin. Tämä muuttaa yksittäiset tutkimusprojektit ja vuosien kokemuksemme asiakasta entistä paremmin hyödyttäviksi. 

Lopuksi

Tekoäly ei ole meille itsetarkoitus, vaan väline, jotta voimme tehdä työmme entistäkin laadukkaammin ja asiakasta paremmin palvelevasti. Tekoälyn hoitaessa rutiinitehtäviä se antaa meille asiantuntijoille mahdollisuuden käyttää hiljaista tietoa ja kokemusta entistä tehokkaammin. Voimme keskittyä siihen, mikä on todella merkityksellistä, eli ihmisen ja palvelun väliseen vuorovaikutukseen, mahdollistaen entistä paremman digitaalisen kohtaamisen.