Yapay Zekâ Ürün Tasarımı: Fayda, Kontrol ve Hata Payı

Yapay zekâ ürün tasarımı, bir modelin yapabildiklerini kullanıcının gerçek işiyle buluşturmayı gerektirir. Bir uygulamaya metin üreten alan eklemek, o uygulamanın daha yararlı olduğunu kendiliğinden göstermez. Kullanıcının aldığı sonucun kalitesi, onu kontrol etmek için harcadığı çaba ve hata olduğunda izleyebildiği yol birlikte değerlendirilmelidir.

Başlangıç sorusu şu olabilir: Kullanıcı bugün hangi işi yaparken zorlanıyor ve yapay zekâ bu işin hangi bölümünü iyileştirebilir?

Yapay zekânın rolünü daraltın

Örnek olarak uzun bir görüşme kaydından taslak özet çıkaran bir araç düşünelim. Ürünün görevi “ekibin bütün işlerini yönetmek” olduğunda sınırları belirsizleşir. Görevi “görüşmenin ana kararlarını ilk taslak hâline getirmek” olduğunda ise sonuç kontrol edilebilir bir çerçeveye oturur.

Google’ın People + AI Guidebook rehberi, kullanıcı ihtiyacı ile yapay zekânın güçlü olduğu alanların kesişmesini ve otomasyon ile insanı destekleme seçeneklerinin ayrı değerlendirilmesini önerir. Google PAIR — User Needs + Defining Success

Bu çerçeveden hareketle, önce çıktının nasıl kullanılacağını yazın. Kullanıcı metni okuyup düzeltecek mi, başkalarıyla paylaşacak mı, başka bir işlemi başlatacak mı? Aynı taslak, bu kullanım biçimlerinde farklı riskler ve kontrol ihtiyaçları doğurur.

Taslak üretmek ile karar vermek farklıdır

Bir özet önerisi oluşturmak ve o özete dayanarak dışarıya mesaj göndermek farklı eylemlerdir. İlki üzerinde çalışılabilir bir malzeme sunar. İkincisi başka kişileri etkileyen bir sonuç doğurur.

Arayüz bu farkı görünür kılmalıdır. Kullanıcı neyin üretildiğini, neyin kaydedildiğini ve neyin gönderildiğini anlayabilmelidir. “Tamamlandı” gibi genel bir mesaj yerine, tamamlanan işlemin adını kullanmak daha açıktır.

Örnek özet aracında “Taslak oluşturuldu” mesajı ile “Ekip üyelerine gönderildi” mesajı ayrı durumları anlatır. Ürünün dilini bu ayrımın etrafında kurmak, kullanıcının kontrolünü destekler.

Kontrol yükünü de hesaba katın

Bir çıktı çok hızlı üretilebilir ama kullanıcı her cümleyi kaynakla karşılaştırmak zorunda kalabilir. Toplam iş süresini yalnızca üretim süresiyle değerlendirmeyin. İnceleme, düzeltme ve yeniden deneme adımlarını da gözlemleyin.

Özet örneğinde şu sorular yararlıdır: Kararlar doğru aktarılmış mı? Kimin ne yapacağı karışmış mı? Söylenmemiş bir sonuç eklenmiş mi? Kaynak kaydın ilgili bölümünü bulmak kolay mı?

Bu sorular için farklı uzunlukta ve nitelikte örnekler hazırlayın. Yalnızca temiz, kısa ve sorunsuz girdileri denemek ürünün sınırlarını gizleyebilir. Başarı ölçütünü de sadece akıcı yazıya indirgemeyin.

Hata anı için işe yarar bir devam yolu tasarlayın

Kullanıcı hatalı bir sonuçla karşılaştığında hangi parçayı düzelteceğini anlayabilmelidir. Her sorun için aynı “Tekrar dene” düğmesini sunmak yeterli olmayabilir. Girdiyi değiştirmek, bir bölümü elle düzenlemek veya önceki sürüme dönmek daha yararlı seçenekler olabilir.

Google PAIR’ın hata rehberi, başarısızlıkları ürün deneyiminin parçası olarak ele alır ve kullanıcının düzeltme yapabildiği yolların önemini tartışır. Google PAIR — Errors + Graceful Failure

Bir tahmini kesin bilgi gibi göstermemek de bu tasarımın parçasıdır. Kullanıcı, sistemin hangi işi üstlendiğini ve nerede kendi değerlendirmesine ihtiyaç olduğunu anlayabilmelidir.

Özelliği ürünün amacıyla değerlendirin

Yayın öncesinde kısa bir kontrol yapın:

• Kullanıcıya sağlanan fayda tek cümlede açıklanabiliyor mu?
• Sonucun doğru olup olmadığı değerlendirilebiliyor mu?
• Hatalı çıktı düzenlenebiliyor veya geri alınabiliyor mu?
• Kullanıcı, bir sonraki eylem üzerindeki kontrolünü koruyor mu?
• İnceleme dahil toplam çaba makul mü?

Pist Studio’nun akıllı dijital ürün yaklaşımında teknoloji, kullanımda karşılığını bulmalı. Yapay zekânın ürün içindeki yeri de bu ölçüyle belirlenebilir: İnsanların işini daha iyi yapmasına yardımcı olan, sınırları anlaşılır bir araç.