s
INTELIGÊNCIA ARTIFICIAL

O design de produtos de IA é diferente. Por quê?

Entre outros motivos, porque os designers precisam ajudar os desenvolvedores a entender o potencial das soluções e seu impacto na vida das pessoas. Sobretudo os impactos negativos

A maioria de nós conhece as etapas de um processo tradicional de design de produto, afirma Amanda Linden, diretora de design do Facebook. Mas poucos entendem as diferenças do design de produtos baseados em IA.

No design de produto padrão, primeiro dedicamos um tempo para entender o usuário. Fazemos uma pesquisa exploratória para saber como o público-alvo resolve um problema hoje, entender quais são os pontos fracos e onde estão as oportunidades de melhorar a experiência, explica Linden. Em seguida, trabalha para definir as metas, princípios e critérios de sucesso para uma nova solução. A equipe idealiza a criação de um conjunto de soluções possíveis que atendam aos critérios de sucesso. E, geralmente, constrói um protótipo para testar a solução, obter feedback e corrigir problemas antes do lançamento.

O design de IA segue o mesmo processo, mas com algumas etapas adicionais importantes. Algumas dessas etapas se aplicam apenas a experiências de produtos baseadas em IA, e outras são críticas para IA, mas também podem agregar valor na construção de outros produtos, alerta Linden.

  • Ao projetar para IA, além de ter empatia com os usuários, também é preciso pensar cuidadosamente sobre a futura colaboração IA/humano que se deseja criar e o futuro que se deseja ver.
  • Ao definir os requisitos do projeto, também precisamos definir os recursos de IA que desejamoss aproveitar e entender se eles ainda estão maduros o suficiente para serem usados.
  • Ao idealizar, não é suficiente construir uma ferramenta que resolva o caso de uso; precisamos pensar sobre como a IA obterá os dados de que precisa e aprenderá com o tempo.
  • E, finalmente, quando começarmos a construir a ideia, precisamos de tempo para pensar em como minimizar os impactos negativos não intencionais da solução, ou as ações de agentes mal-intencionados que farão uso dela.

Este é um conteúdo exclusivo para assinantes.

Cadastre-se grátis para ler agora
e acesse 5 conteúdos por mês.

É assinante ou já tem senha? Faça login. Já recebe a newsletter? Ative seu acesso.

Desafio de tornar a Inteligência Artificial confiável é imperativo para os negócios

Inteligência Artificial

Desafio de tornar a Inteligência Artificial confiável é imperativo...

As pessoas não estão dispostas a aceitar tecnologias a menos que possam exercer mais controle sobre seus resultados

Por Cristina De Luca
Estamos a um passo do boom de produtividade provocado pela IA

Inteligência Artificial

Estamos a um passo do boom de produtividade provocado pela IA

Embora as discussões sobre o impacto previsto da IA ​​na produtividade continuem cercadas de incertezas, há entre os economistas quem já enxergue avanços reais

Por Cristina De Luca
MVP e MLOps: antídotos para falhas em projetos de Inteligência Artificial

Inteligência Artificial

MVP e MLOps: antídotos para falhas em projetos de Inteligência Artif...

Se um MVP com um grupo controlado de usuários é a melhor maneira de comprovar o desempenho de um modelo de IA, o MLOps é uma boa metodologia a ser aplicada