Wprowadzenie do odcinka podcastu

Paulina Kacprzak

Cześć, tu Paulina Kacprzak...

Aga Naplocha

I Aga Naplocha. W podcaście Design Practice rozmawiamy o praktycznych stronach pracy na styku technologii i designu, zarówno od strony projektowania, jak i zarządzania.

Paulina Kacprzak

W tym odcinku rozmawiamy o projektowaniu dla AI, o styku UX z data science, i życiu i pracy w Szwajcarii.

Aga Naplocha

Naszą gościną jest Anna Maria Szlachta. Ania jest product designerką, która specjalizuje się w projektowaniu produktów oraz systemów związanych z AI i innowacjami. Prowadzi również badania i fascynuje się tematem Human AI Interaction. Na co dzień mieszka i pracuje w Szwajcarii, gdzie prowadzi swoją własną firmę.

Paulina Kacprzak

Notatki i linki wymienione w tym odcinku znajdziecie na naszej stronie designpractice.pl/076. A jeśli chcecie dowiedzieć się więcej o AI i o produktywności, to zapraszamy Was do kursu AI Designer. Aktualnie możecie kupić dostęp do całego kursu na raz i to jest ostatnia szansa na zakup tego kursu, bo zdecydowaliśmy się już nie robić kolejnych edycji. Także sprzedaż trwa tylko do 15 maja do godziny 21:00. Jeśli jesteście zainteresowani to zobaczcie szczegóły na stronie aidesigner.pl.

Aga Naplocha

Cześć Ania.

Anna Maria Szlachta

Hej, hej!

Aga Naplocha

Tradycyjnie już – powiedz nam, jaką książkę ostatnio przeczytałaś?

Anna Maria Szlachta

Ostatnio czytałam książkę Petera Tarchina, takiego biologa ewolucyjnego, który zajmuje się kliodynamiką, czyli modelowaniem procesów społeczno-historycznych, w jaki sposób możemy w ogóle zaprzęgnąć machine learning do modelowania historii. Bardzo ciekawe.

Aga Naplocha

Super! Jeszcze raz powtórzysz, jak się nazywa ta dziedzina?

Anna Maria Szlachta

Kliodynamika.

Paulina Kacprzak

Wow!

Anna Maria Szlachta

A książka się nazywa „Czasy ostateczne”.

Aga Naplocha

O, super, to podlinkujemy.

Kim jest gościni odcinka – Anna Maria Szlachta

Paulina Kacprzak

Tak jest. A tymczasem powiedz nam, Aniu, czym się zajmujesz?

Anna Maria Szlachta

Zajmuję się przede wszystkim product designem. Od wielu lat pracuję z mniejszymi i większymi firmami, uniwersytetami, głównie w tym momencie w obszarze AI i wszelkich automatyzacji. Natomiast zajmuję się produktami bardziej B2B, bardziej backoffice-owymi, kompleksowymi, niż B2C. Wcześniej pracowałam jako in-house designer, a teraz, od jakiegoś czasu, prowadzę swoją firmę i pracuję bardziej freelancersko. Oprócz tego zajmuję się researchem, analizą najnowszych badań naukowych w zakresie AI-Human Interaction i trochę przekładaniem tej wiedzy na różnego rodzaju kanwy UX-owe, tak żeby pomóc projektantom nawigować w tym procesie. Dlatego, że dużo jest takiej, dużo jest pytań, jak podejść czasem do czegoś, jak coś zaprojektować, nie wiadomo, gdzie zacząć. Więc mam nadzieję, że te kanwy trochę pomagają w tym, żeby się odnaleźć w takich procesach. No i głównie jest to związane z tym, że prowadzę też warsztaty właśnie dla firm wewnętrzne dla zespołów produktowych, czasem otwarte właśnie z zakresu UX for AI z różnych aspektów. No a ostatnio zaczęłam się zajmować jeszcze Business Innovation i pracować dla jednej z firm właśnie w przeprojektowywaniu portfolio usług i produktów. Tak, żebyśmy się zastanowili raz jeszcze, jak można do różnych tematów podejść.

Paulina Kacprzak

A czy mogłabyś dać jakiś przykład tego, z czym przychodzą do Ciebie designerzy albo firmy i jak pomagasz im właśnie w procesie? Co to jest za proces? Może mogłabyś podzielić się jakimś przykładem po prostu z Twojej pracy?

Anna Maria Szlachta

Mhm. Zazwyczaj to się zaczyna w tym momencie, przez to, że mamy ten hype technologiczny, to zazwyczaj zaczyna się od tego – „mamy taką technologię, co z nią możemy zrobić”? Więc wydaje mi się, że to chyba najczęstszy przypadek. Tylko różne firmy też skupiają się na różnych aspektach. Są firmy, które zajmują się bardziej swoimi produktami, swoimi modelami, mają trochę inne problemy i to jest trochę też inny proces. Są firmy, które zajmują się bardziej integracją na przykład z istniejącymi modelami, jak OpenAI. Budują różnego rodzaju produkty na bazie API do Chata GPT i tam też jest wiele różnych parametrów, które, z jednej strony, odpowiadają za nie data scientists albo deweloperzy, którzy ustawiają te rzeczy. Z drugiej strony User Research ma tam dużo do powiedzenia i może przyjść z bardzo konkretnymi wnioskami, które trochę nawigują też ten zespół techniczny i jak to wszystko skonfigurować. Więc to są takie kanwy, które po prostu pomagają przejść projektantom przez ten proces, gdzie się spotykają właśnie z tymi różnego rodzaju parametrami, odpowiedzieć na pytania, jakie pytania zadawać w user researchu, jakie wnioski formułować tak, żeby można było to potem wykorzystać we współpracy właśnie z zespołami technicznymi, tak, żeby ten experience produktów był lepszy od początku.

Aga Naplocha

No właśnie, bo dużo się mówi o tym, jak wykorzystać AI w naszej pracy, a jeszcze niewiele albo stosunkowo mało mówi się o tym, jak projektanci projektują produkty, w których jest zagnieżdżony AI i różne modele językowe. Więc może gdybyś Ania mogła opowiedzieć, jak ty wylądowałaś w tej niszy, że wyspecjalizowałaś się właśnie w Human-AI Interaction, w tym, jak my jako ludzie wchodzimy w interakcję z czymś, co jest stosunkowo nowe, a może i nie, więc fajnie, jakbyś opowiedziała właśnie tę Twoją historię?

Anna Maria Szlachta

No ja tak trochę nieświadomie wylądowałam tam 7 lat temu, jak zaczęłam pracować dla firmy, która zajmowała się algorytmami do detekcji ruchu i wtedy jeszcze w ogóle nie wiedziałam, że to są takie tematy związane z jakimiś bardziej skomplikowanymi algorytmami. I pamiętam, że wtedy się bardzo dużo uczyłam jak w ogóle działa Computer Vision, co to jest za technologia i jakie ma ograniczenia po to, żeby lepiej zaprojektować pewne elementy, interakcje, które były tam wymagane. A tak już bardziej świadomie, 4 lata temu zaczęłam pracować dla jednej z firm, która szukała projektanta z dobrym rozumieniem inżynierskim. Tak to określili. I najpierw dotyczyło to, ten projekt dotyczył samego projektowania interfejsu dla użytkownika, natomiast potem też różnego rodzaju narzędzi dla data science przy trenowaniu modelu, przy współpracy z takim zespołem eksperckim. No i to był taki pierwszy moment, więc tak naprawdę to było 4 lata temu, jeszcze przed tym całym hypem związanym z Chatem GPT. No i to było wyzwanie, bo pamiętam, że jak tam przyszłam, to byłam w ogóle pierwszym product designerem zatrudnionym w dużej korporacji, w której nikt nie wiedział, czym jest UX, nie znał procesów, wiedział tylko, że mam im pomóc w tym styku człowiek-technologia, użytkownik-technologia. Pamiętam taki moment, jak ja się skupiłam na początku na projektowaniu samego interfejsu. Natomiast jak odpaliliśmy MVP, to się okazało, że większym problemem niż jakieś tam rzeczy związane z interfejsem, to są te dane, które się generują i te rekomendacje. No i to był taki moment, że przyszłam, pamiętam, do tego zespołu Data Science i powiedziałam im, że no, mamy tutaj problem z user experience i oni nie wiedzieli, o co mi chodzi, no bo dla nich user experience, no to były interfejsy, więc to tam jest zespół deweloperski, frontendowy, no to tam z nimi gadaj. Takie było ich podejście. No więc zaczęłam się trochę tego uczyć w środku zaczęłam to rozgryzać, bo wydawało mi się, widziałam już pewne zależności, że tam okej, to wynika coś z ich decyzji i tak dalej. No więc to był taki bardzo, bardzo powolny proces, krok po kroku poznawania tego, w jaki sposób ta technologia działa z tyłu. To był taki bardzo powolny proces na początku, bo ja coś do nich przychodziłam, pytałam, oni mi tłumaczyli, więc znowu chodziłam, pytałam, oni znowu tłumaczyli. No ale coraz więcej się udało tam różnych rzeczy poprawić i coraz więcej zaczęliśmy, oni też zaczęli zauważać, coraz więcej takich elementów, które faktycznie wpływają z ich strony na user experience finalny, o którym wcześniej może nie myśleli nawet z tej perspektywy, tak, bo to były takie stricte decyzje techniczne z ich punktu widzenia. Potem się zaczął trochę ten hype, w sensie Open AI odpalił Chata GPT, więc to był taki moment, kiedy dużo rzeczy się działo. Potem prowadziłam swoje badania związane z UX researchem dla AI na studiach. No i tak zaczęłam trochę więcej czytać o tym, o tym AI Innovation Gap, czyli że problemem też w tych produktach tego, że dużo porażek jest takich produktowych, to też jest wynik właśnie pracy w silosach i tego, że nie mamy tego połączenia między Data Science i UXem. No więc zaczęłam coraz więcej, coraz więcej zgłębiać. Potem były kolejne kursy, szkolenia i tak dalej. No i tak się to toczy.

‍

Aga Naplocha

Super! To padło już wiele razy hasło model trenowania AI. To gdybyś, Ania, mogła powiedzieć, na kanwie Twoich doświadczeń i tego, tych systemów, dla których Ty pracowałaś - czym jest to AI? Tak wiesz, w takim przystępnym języku. Jak Ty to rozumiesz w tych systemach, z którymi Ci się przyszło spotkać?

Anna Maria Szlachta

Bardzo ogólnie, gdybym miała wytłumaczyć, czym jest AI, to bym zaczęła od tego, że to jest po prostu technologia. Żadne magiczne pudełko. Wydaje mi się, że technologia, która już jest z nami bardzo długo, tylko dopiero na bazie tego, co się zadziało z generatywną AI, może jest trochę więcej o tym głośno w tym momencie. Myślę, że też przez to odpalenie Chata GPT każdy z nas mógł nagle mieć ten dostęp do sztucznej inteligencji. Więc myślę, że ten dynamiczny rozwój, ten marketing wokół AI sprawił, że zaczęliśmy dużo o tym mówić. No i teraz pytanie, jak się z kimś rozmawia, co ktoś ma na myśli mówiąc AI? Bo dla jednych to jest kwestia technologii, dla kogoś innego to jest narzędzie. Czasem to jest bardzo konkretne narzędzie, czasem ktoś mówi AI jako wymiennie z Chat GPT, tak? Więc ja bym zaczęła właśnie od określenia może o jakiej technologii w ogóle mówimy? Bo będzie czymś innym, jak mówimy o generative AI, mówimy o LLMach w konkretnych rozwiązaniach, czymś innym będą jakieś modele predykcyjne. Więc chyba chyba bym po prostu tak technologicznie do tego podeszła. No w zasadzie – o czym konkretnie rozmawiamy, tak? A w kontekście UX, no to myślę, że tak jak powiedziałaś wcześniej, tak, są dwa obszary. Jeden to jest właśnie AI dla UX, tak? Czyli gdzie możemy AI wpleść w nasz workflow. Jak możemy sobie zautomatyzować, jak możemy ułatwić, pomóc, w jakichś codziennych zadaniach związanych z UXem. A od drugiej strony to właśnie projektowanie feature'ów czy produktów, które bazują na tych technologiach. Z jakimi wyzwaniami się to mierzy? Trochę jeszcze czasem mówię o tym, jak o takim nowym materiale. Jak mamy, nie wiem, z industrial designu, metal albo drewno, albo każde drewno ma jakieś tam konkretne właściwości. No to jak chcemy projektować dobre produkty, to musimy się też nauczyć trochę jak się posługiwać tą technologią, czy jakie ten materiał ma ograniczenia, żebyśmy mogli z tego potem coś ciekawego zaprojektować. No i podobnie chyba jest z tą technologią. Trochę musimy się nauczyć, jak to działa, jakie to ma możliwości, ograniczenia, żebyśmy mogli wiedzieć, co możemy projektować. Chyba tak bym trochę to porównała.

Paulina Kacprzak

A powiedz z Twojego doświadczenia warsztatowego i takiego edukacyjnego. Z czym najczęściej, w tym momencie, mierzą się projektanci UX, projektując dla AI? Bo wyobrażam sobie, popraw mnie, jeśli jest inaczej, że przychodzi do Ciebie firma, jacyś designerzy, którzy mają zaprojektowania interfejs nowego produktu związanego z AI. Czy to będzie właśnie połączenie przez API z Chatem GPT, czy jakieś własne narzędzie, własny jakiś MLM? Powiedz, z czym oni mają problem? Z czym do Ciebie przychodzą? Co jest takie najczęściej spotykane? Wspominałaś już o tym, że połączenie między Data Scientist i UX, że to jest problem. Jakbyś mogła może podać jakiś przykład, jak to wpływa końcowo na użytkowników?

Anna Maria Szlachta

Wydaje mi się, że najczęstszym problemem, z którym przychodzą projektanci to jest – „dostaliśmy od biznesu polecenie, że mamy wpleść AI w nasz produkt. Jak to zrobić?”. To jest kwestia właśnie myślenia w ogóle o tej technologii, tych ficzerach, jak się w ogóle w tym odnaleźć, żeby to miało sens, żeby to przyspieszało pracę dla użytkowników, żeby to było wartościowe, a nie było tylko takim kwiatkiem do kożucha – musimy uruchomić chatbota, bo wszyscy mają chatbota, więc nieważne, czy ktoś będzie tego używał, czy nie. Więc to jest trochę takie odkrywanie, jaki AI może mieć potencjał, gdzie, jak możemy się tym posługiwać. To są trochę też takie wyzwania związane już z samymi interfejsami, to znaczy jak w ogóle podejść do projektowania samych interakcji, jakie mamy możliwości, jest sporo różnych patternów związanych z samymi interfejsami, ale też jest duży potencjał na odkrywanie nowego. To znaczy możemy trochę spróbować eksperymentalnie podejść do pewnych rzeczy, zamiast tylko powtarzać coś, co gdzieś tam już się pojawiło. Tak, wydaje mi się, że jeszcze takim mega dużym wyzwaniem jest kwestia, w jaki sposób komunikować do użytkowników, albo nawigować ich w tym interfejsie, żeby oni zrozumieli, że w kontekście AI ten output jest propabilistyczny, a nie deterministyczny. Mierzymy się z takimi wyzwaniami, że to nie jest tak, że to jest zerojedynkowa odpowiedź, tylko to jest najbardziej prawdopodobna odpowiedź. I teraz jak zbudować ten interfejs, żeby ci użytkownicy byli tego świadomi i też podejmowali mądre decyzje na podstawie tego, a nie sugerowali się pewnym przyzwyczajeniem, że do tej pory to była prawda, więc teraz też zawsze to jest prawda. Tak, to myślę, że też istotna kwestia. No, na przykład weźmy kwestie, powiedzmy, przyznawania kredytu. Mamy jakiś model, który pomaga, albo rekomenduje, jakieś decyzje w kwestii przyznawania kredytu i mamy zatem ileś różnych czynników, które się na to składają. No i teraz model, powiedzmy, podał odpowiedź, czy rekomendację, że w tym przypadku rekomenduję to na 79%. No i teraz co to znaczy to 79% dla użytkownika? Bo możemy to przedstawić za pomocą procentów 79%, możemy zaprojektować jakieś progi konkretne i powiedzieć, że na przykład nie wiem, od 0 do 50%, a potem od 51 do 75, tak? A dlaczego 75, a nie do 80? Więc to trochę jak tłumaczymy ten output z modelu do użytkownika, no, myślę, że jest właśnie takim bardzo dobrym przykładem skrzyżowania pomiędzy UX a Data Science. No bo dla Data Science nie mogą podać te widełki w jakiś sposób. No a teraz jeżeli zbadamy dobrze naszych użytkowników i wiemy, jak oni podejmują te decyzje, co jest dla nich ważne, jakie aspekty, no to możemy to inaczej zaprojektować, tak?

Aga Naplocha

Tak, to od razu mi się też takie pytanie nasuwa. Wydaje mi się, że to jest dosyć spory luksus, żeby były takie osobne zespoły, w ogóle, data science w firmach, jak to Ania z Twojej perspektywy wygląda? Czy te firmy, które się do Ciebie zgłaszają, faktycznie mają taki background i takich pracowników i pracowniczki? Czy jednak to jest trochę tak, że oni gdzieś tam szyją i chcą wejść w ten data science, ale to jest trochę takie, wiesz, powiedzmy, klejone na ślinę. Jak to z twojej perspektywy wygląda?

Anna Maria Szlachta

Może to kwestia też też firm, które się zgłaszają, że to raczej są firmy, które już coś chcą robić z data science i mają już takich pracowników, albo już miały wcześniej jakieś takie zespoły, albo od niedawna, np. zatrudnili ich kilka miesięcy temu i teraz się zastanawiają trochę jak z tym samym procesem ruszyć, więc większość ma. To jest może bardziej różnica między tym, czy to są tacy data scientist, którzy w ogóle budują modele i trenują modele, czy to są bardziej developerzy, którzy się posługują integracjami. Myślę, że tutaj jest trochę różnica.

Kluczowe zagadnienia AI – pojęcia, które warto znać

Paulina Kacprzak

To powiedz w takim razie, jeżeli chcemy, jako projektanci, wejść w ten obszar i projektować jakieś rozwiązania, produkty, związane z AI/używające AI, to co powinniśmy wiedzieć? Jakie zagadnienia powinniśmy znać?

Anna Maria Szlachta

Oczywiście jest to kwestia znajomości technologii, z którą pracujemy. Więc jakaś świadomość tego, jakie konkretne ograniczenia czy możliwości ma ta konkretna technologia. Nie wiem, nawet jeżeli weźmiemy LLM i ktoś bazuje na integracji, to to, czy weźmiemy model od OpenAI od Google'a, czy jeszcze jakiś inny, no, one też się trochę między sobą różnią, mają jakieś inne możliwości. Więc kwestia tej technologii, z którą pracujemy. Kwestia różnego rodzaju design patternów i też takiego krytycznego myślenia, analizowania i zastanawiania się, jak w naszym przypadku coś się sprawdzi, czy to ma sens, czy to nie ma sensu. Może nie zawsze tylko powielanie tego, co jest, ale bardziej takie krytyczne myślenie w odniesieniu do tych rzeczy. Myślę, że to kwestia zastanowienia się też nad user researchem i tego, jak formułujemy jakiś output researchu. Nie wszystkie sprawdzają się w tej samej formie, albo potrzebujemy też do nich dołączyć jakieś nowe elementy. Może taki przykład podam w budowaniu person takie narzędzie, którym często się posługujemy i w kontekście tych produktów AI-owych dobrze byłoby zadbać jeszcze o ten aspekt związany ze zbadaniem, jakie ta grupa ma podejście do tej technologii, jak to rozumie, jak tego używa, a nie tylko takie dane, jakieś właśnie demograficzne, czy cele związane z samym produktem, ale też właśnie, jak się adaptuje do tej technologii. Myślę, że to kwestia terminologii podstawowej związanej z data science, tak żeby lepiej porozumiewać się, lepiej się komunikować z zespołami technicznymi.

Aga Naplocha

A jakieś przykłady dałabyś właśnie takich haseł, które są dosyć popularne?

Anna Maria Szlachta

Takie jak accuracy, jak propability, to są takie podstawowe rzeczy, ale chociażby w kontekście LLMów, jak tokeny, czy chunki. Z czym to się je, dlaczego, jak to działa. Więc myślę, że to lepiej pomaga też budować taką komunikację z tymi zespołami technicznymi.

Aga Naplocha

To może my Cię od razu podpytamy, bo mamy kilka haseł wynotowanych, jakbyś nam opowiedziała właśnie, czym jest user model feedback loop, bo wiemy, że to się pojawia gdzieś tam często w różnych materiałach edukacyjnych?

Anna Maria Szlachta

Czym jest user, czym jest user model feedback loop? Najprościej powiedzieć, że to jest takie wzajemne oddziaływanie pomiędzy użytkownikiem a modelem, który cały czas się gdzieś, gdzieś tam dzieje w tle i zmienia często sposób działania obu stron. Czyli użytkownik poprzez swoje interakcje ma wpływ na model, jest jakimś znowu kolejnym inputem do modelu i to, co model generuje ma też wpływ później na to jak użytkownik się posługuje jakimś rozwiązaniem. Więc chyba najprostszy przykład, żeby to wytłumaczyć, to są social media. Czyli jak odpalamy jakąkolwiek platformę, to w jakiś sposób wchodzimy w interakcję, czyli jaki kontent odwiedzamy, co lajkujemy, ile czasu na nim spędzamy i tak dalej, sprawia, że coraz bardziej ten system rekomendacyjny się do nas dostosowuje. Więc my, poprzez swoje działania, mamy wpływ na model. Inny przykład może aplikacji... To np. do trackowania treningów na Apple Watchu. Możemy włączyć sami jakiś trening i powiedzieć „teraz idę biegać”, albo „jeżdżę na rowerze”, więc włączam trening, albo możemy nic nie robić i liczyć na to, że model wykryje i on wykrywa tę naszą aktywność. I wtedy nas pyta „Hej, to wygląda na to, że zacząłeś biegać”. No i prosi nas o potwierdzenie tego, i nasze potwierdzenie, albo odrzucenie tej sugestii sprawia, że to ma wpływ znowu na model, który przyzwyczaja się do czegoś, że tak, a nie inaczej funkcjonujemy. Więc to jest taka wzajemna relacja w jaki sposób na siebie działamy. I teraz, w wielu tych modelach, one posługują się takimi czterema wartościami, na których bazują, czyli to jest true positive, true negative, false positive, i false negative. Czyli co się dzieje, jak model odczytuje rzeczywistość. No i w tym przykładzie aplikacji fitnessowej, jeżeli byśmy mówili, co to jest true positive, to to znaczy, że faktycznie biegasz i model Ci zasugerował, że biegasz. Czyli jego sugestia jest zgodna z rzeczywistością. Przy true negative nie biegasz i on sugeruje Ci, że nie biegasz, tak? Czyli mimo, że nic się nie dzieje, to to jest też pewien status dla modelu, który obserwuje rzeczywistość. False positive jest wtedy, kiedy ty idziesz, a model błędnie Ci sugeruje, że biegasz, a false negative, kiedy ktoś zaczął biegać, a model tego nie wykrył, czyli nie zasugerował Ci. Podwójne zaprzeczenie. Nie zasugerował Ci, że biegasz. No i teraz takimi wartościami się posługuje Data Science. I jak popatrzymy sobie chociażby na ten interfejs od Apple Watch, no to te pewne interakcje zostały też zaprojektowane w jakiś sposób, jak nawigować użytkownika poprzez tę sytuację.

Aga Naplocha

To jeszcze kolejne hasło z serii Ania, wytłumacz, czym jest w takim razie explainable AI, bo wiemy, że też gdzieś tam popularyzujesz to hasło.

Anna Maria Szlachta

To jest sposób tłumaczenia, czy jakby różnego rodzaju podejścia, w jaki sposób możemy tłumaczyć, dlaczego model podjął taką, a nie inną decyzję. Czyli próbujemy przejść z tego poziomu myślenia o AI jako o czarnej skrzynce, do próby wyjaśnienia, dlaczego tak, a nie inaczej, jakaś decyzja została podjęta. Po pierwsze, to buduje jakąś przejrzystość, transparentność w tym, jak działa model. Po drugie, też pozwala zbudować większe zaufanie użytkowników do AI, bo często się mówi o budowaniu zaufania. I to nie jest taka magiczna rzecz, którą można zrobić przy pomocy jakiegoś tam kawałka interfejsu, tylko no, to też wynika po prostu z pewnego poziomu wyjaśnienia, co ten AI robi. No i też w Explainable są różne strategie, różne podejścia do tego, bo możemy o tym mówić, możemy tłumaczyć użytkownikom, jak ten model działa ogólnie, czyli oni próbują zrozumieć pewne zasady, które za nim stoją, a to może być zejście na poziomie konkretnej decyzji, czyli wytłumaczyć, dlaczego tak, a nie inaczej, w tym konkretnym przypadku, taka decyzja została podjęta. Możemy się posługiwać wagami feature'ów, czyli w kontekście modelu też mamy różnego rodzaju czynniki, które wpływają na podjęcie tej decyzji. No i teraz te czynniki mogą mieć różną wagę, więc wiemy, że na przykład czynnik A miał większą wagę w podejmowaniu decyzji niż czynnik B, C i D. Tak więc też jest łatwiej zrozumieć, dlaczego taka, a nie inna decyzja została podjęta. No i w budowaniu takich produktów, które pomagają właśnie podejmować jakieś decyzje, wydaje mi się, że to jest jeden z kluczowych aspektów. Natomiast też ważny jest ten aspekt rozumienia swoich użytkowników. Czyli musimy się dowiedzieć dużo o swoich odbiorcach, żeby wiedzieć, jak te technologie przetłumaczyć do użytkownika, żeby to nie był tylko zestaw jakichś parametrów i procentów.

Paulina Kacprzak

Jasne. To powiedz Ania, w takim razie, jak wygląda Twój proces pracy? Załóżmy, że projektujesz jakąś aplikację, która wykorzystuje AI. Powiedz, jak do tego podchodzisz? Jakie kroki po kolei wykonujesz? Jakich narzędzi używasz?

Psst! Może zainteresuje Cię odcinek o AI w designie, czyli  jak pracować efektywniej? Grzegorz Róg zdradza tam swoje tricki! 👀

‍

Anna Maria Szlachta

Może zrobię to na przykładzie. Będzie łatwiej.

Aga Naplocha

Super!

Anna Maria Szlachta

Dla jednej z firm zaczynaliśmy też od bardzo takiego klasycznego problemu. Czyli mamy teraz AI. Jest dużo dostępnych technologii. Co możemy zrobić, żeby to wpleść? I tam był taki case, że zastanawialiśmy się nad tym, jak przyspieszyć i zautomatyzować pracę zespołu sprzedażowego, który nie był duży, natomiast miał problem z obsługiwaniem dużej ilości zapytań, gdzie ta firma miała dość mocno sprecyzowane, czym konkretnie chciałaby się zajmować i jakich zleceń podejmować, a jakich nie. Więc to była kwestia analizowania tych zapytań, dość złożonych, no i automatyzowania tego procesu, tak żeby przyspieszyć tę pracę. Więc chyba tak, jak w każdym procesie UX-owym zaczęliśmy od tego, co my w ogóle chcemy osiągnąć i o czym ma to być, czyli o czym jest ten projekt. No i potem kolejnym krokiem był dla mnie taki standardowy research, czyli wywiady pogłębione z zespołem sprzedażowym, po to, żeby się dowiedzieć lepiej, jakie są pain-pointy w tym procesie. Tak, żeby spróbować zmapować ten proces i zobaczyć, gdzie, na przykład, może jest duża powtarzalność pewnych zadań albo gdzie oni tracą bardzo dużo czasu, bo coś mogłoby się dziać szybciej. No i na podstawie tego, jakby zrobiliśmy taką propozycję, co można byłoby w tym workflow przyspieszyć, wspomóc jakimiś technologiami, jakimiś elementami w tym całym procesie, żeby finalnie mieć, zaoszczędzić sporo czasu? No, taki był, taki był cel tego wszystkiego. Więc zanim tak naprawdę wzięliśmy się tam, za projektowanie jakiegokolwiek interfejsu czy elementów interfejsu, w tym przypadku, to testowaliśmy to na ich danych, czyli wzięliśmy bazę różnego rodzaju zapytań, które oni dostawali i próbowaliśmy budować takie małe prototypy, które sprawdzały, na ile dobrze te rzeczy działają i jak to wygląda, zanim jeszcze się zabraliśmy za interfejs. No i tam dopracowaliśmy sobie różne rzeczy, różnego rodzaju parametry, jak to widzieliśmy, że to działa pod spodem, że tak powiem, no to potem dopiero przeszliśmy do tej warstwy projektowania samego interfejsu i tych elementów. Tam była kwestia łączenia wielu różnych narzędzi. I do projektowania tak naprawdę mniejszych elementów interfejsu plus takiej dużej mapy, która wizualizowała niejako rozkład różnego rodzaju produktów, konfiguracji, które oni używali. Więc ten interfejs się pojawił dużo później, dużo wcześniej się pojawiła kwestia testowania na tych realnych danych, które możemy wykorzystać w tym konkretnym czasie. I wydaje mi się, że to jest bardzo istotny punkt, dlatego że często te rzeczy nie działają tak, jak my byśmy sobie życzyli, żeby działały, czyli coś tam zakładamy, a niekoniecznie potem się okazuje w tym MVP, że to tak działa. Więc wtedy jest dużo do przeprojektowania. Dlatego moje podejście jest takie, że próbujemy zawsze zacząć od tej strony, może nie technicznej, ale tego clou, co ten model może generować i przeprowadzenia czasem kilku iteracji najpierw na tym poziomie, a dopiero potem przejść do tych dalszych etapów już samego interfejsu. Teraz jak o tym myślę, to wydaje mi się, że w tych produktach AI to trochę więcej ma nawet wspólnego z service designem z elementami interfejsu niż z takim UX, o którym myślimy w kontekście interfejsu.

Co warto wiedzieć o Data Science?

Aga Naplocha

Aha. To jeszcze jakbyś, Ania, mogła wspomnieć, z jakich narzędzi korzystałaś w trakcie tego procesu?

Anna Maria Szlachta

No tutaj nic, nic odkrywczego. Miro, Figma, jako takie podstawowe, podstawowe rzeczy. Trochę więcej potem pracowaliśmy, ja najpierw sobie analizowałam sporo tych rzeczy, które oni mają w Excelu. Często też jak dane są, to jak wygląda ekstrakcja tych danych przez model, który używamy i tak dalej, żeby trochę zrozumieć, gdzie tam się pojawiły jakieś problemy. Natomiast nie wiem, czy tutaj były jakieś odkrywcze narzędzia. Chyba nie. Chyba dość klasycznie.

Aga Naplocha

To jeszcze jakbyś wspomniała, z kim pracowałaś w tym procesie? Czy tam też byli Data Scientist, czy developerzy na przykład, którzy stawiali te pierwsze prototypy? Jak to wyglądało, Kto był zaangażowany?

Anna Maria Szlachta

I tacy, i tacy. Oczywiście był zespół sprzedażowy, był tam ktoś z managementu, który odpowiadał w ogóle za ten projekt i prowadzenie tego. Ale był też zespół taki wewnętrzny, który zajmował się testowaniem na tych prototypach, tak, żebyśmy mieli ten efekt, o który nam chodzi. No, a potem mieliśmy już wewnętrzny zespół developerski, który zajmował się wdrażaniem samych interfejsów. Samych tych elementów bardziej frontendowych, powiedzmy.

Aga Naplocha

Mhm. A ty byłaś włączona w ten projekt, tak bardziej projektowo, zleceniowo, już jako firma niezależna?

Anna Maria Szlachta

Tak.

Aga Naplocha

Okej, okej. Fajnie.

Paulina Kacprzak

To w takim razie załóżmy, że jesteś właśnie kimś, kto został przydzielony do takiego projektu, albo jesteśmy w firmie, która rozwija taki produkt i poza tym, że możemy się zgłosić do Ciebie i poprosić o pomoc, to powiedz, skąd możemy czerpać wiedzę na temat tego, jak taki proces przeprowadzić? Bo wydaje mi się, że to może być dosyć przytłaczające dla projektantów, którzy nigdy wcześniej tego nie robili, bo ta technologia jest jeszcze dość nowa i dosyć skomplikowana. I gdzie najlepiej uzupełnić taką wiedzę?

Anna Maria Szlachta

Ja bym powiedziała o dwóch aspektach. Jeden to jest oczywiście kwestia związana z poznawaniem i uczeniem się o tych technologiach. Tak, może odrzuceniem jakiegoś przekonania, że to jest bardzo trudny i skomplikowany temat. Bo wydaje mi się, że on nie jest aż tak bardzo skomplikowany, ale bardziej ma taką renomę, bardzo takiego skomplikowanego i tajemniczego. Może zaczęłabym od jakichś podstawowych terminów związanych z tą technologią, w której na przykład bym pracowała w tym projekcie, żeby wiedzieć w ogóle, w czym się poruszam. Ale wydaje mi się, że nawet ważniejszym aspektem byłoby dla mnie zbudowanie takiej współpracy z tym zespołem Data Science, z którą pracuję, dlatego że dla nich to też jest jakaś nowość, często ten UX, nie mamy tak opracowanych procesów, jak mamy to dla naszej współpracy, na przykład z frontendem, gdzie to już wszystko jest w miarę ustandaryzowane i nawet często jak zmieniamy firmę, to to flow jest bardzo, bardzo podobne. Wydaje mi się, że tutaj w data science jesteśmy tutaj jeszcze trochę na początku tej drogi, więc myślę, że po prostu takie zbudowanie bazy do współpracy z tymi ludźmi i zadawanie pytań. Próba zrozumienia, gdzie w naszym projekcie te rzeczy się przecinają ze sobą, tak, żeby nie pracować w silosach, żeby nie przychodzić na końcu, tylko mieć wpływ też taki UX-owy, dużo, dużo wcześniej. Z samej wiedzy, myślę, że bym zaczęła może od jakichś prostych książek, takich związanych nawet z klasycznym machine learningiem, dlatego, że wydaje mi się, że dużo łatwiej jest zrozumieć później inne technologie, jak się rozumie klasyczny machine learning, jak działa na przykład generative AI. Jest bardzo fajna książka z 2016 roku co prawda, ale ona się nie postarzała w żaden sposób. Nazywa się „Machine Learning for Designers” z O'Reilly i ona tłumaczy w bardzo przystępny sposób te wszystkie koncepty związane, czym jest supervised machine learning, czym jest unsupervised machine learning. I wydaje mi się, że jak się trochę zrozumie tą logikę, która stoi za tym, to potem dużo łatwiej zrozumieć też to, jak działa generative AI czy deep learning, możemy iść trochę dalej. Myślę, że to jest trochę tak, jak uczenie się o frontendzie, jak ktoś zaczął pracować przy interfejsach i mówiliśmy sporo o tym. Zresztą, Aga, też robiłaś kurs związany z „Zakoduj swoje portfolio”, który dawał tą wiedzę od strony technicznej jak pracować. To bym porównała trochę, że ta podstawowa wiedza, taka związana z data science jest czymś podobnym. Czyli nikt nie prosi o to, żebyśmy potem projektowali modele i wdrażali modele, tylko chodzi o to, żebyśmy zrozumieli, jak to działa, żebyśmy się lepiej komunikowali, żeby nasza współpraca była bardziej efektywna i tak dalej.

Polecane źródła o AI

Aga Naplocha

To powiedz jeszcze Ania, czy ty masz jakieś strony albo blogerów, konta na LinkedInie, czy Instagramie, które podglądasz, bo dostarczają Ci jakichś takich ciekawostek odnośnie projektowania dla AI?

Anna Maria Szlachta

Myślę, że głównie te źródła to są bardziej to, co wynika z tych najnowszych badań, dlatego, że bardzo wiele się pojawia takich nowych artykułów w dziedzinie Human Computer Interaction, które dotykają tych aspektów chociażby, no nie wiem, taki przykład, w jaki sposób ludzie podejmują decyzje, czy użytkownicy podejmują decyzje w momencie, kiedy AI nam daje jakąś sugestię i możemy zaprojektować interfejs na dwa sposoby. Możemy najpierw mieć tę sugestię od AI, a potem użytkownik podejmuje swoją decyzję. Albo możemy mieć odwrotny proces. Użytkownik najpierw podejmuje decyzję, a potem dostaje sugestię od AI, z którą weryfikuję swoją decyzję końcową. I teraz okazuje się, że to ma bardzo, bardzo duże znaczenie, dlatego, że po prostu nasz mózg działa tak, że jesteśmy leniwi. W związku z tym nawet jeżeli deklarujemy, że my zawsze przemyślimy tę decyzję, to co AI nam sugeruje, no to tak się nie dzieje w rzeczywistości. I teraz, jeżeli takie interfejsy projektujemy dla jakiegoś zespołu ekspertów, no to to nie jest zbyt bezpieczne. Dużo bezpieczniejszym procesem jest jednak, kiedy to oni najpierw podejmują swoją decyzję, a później weryfikują ją niejako z rekomendacją, jeżeli to ma nam dać jakiś szerszy kontekst. Więc myślę, że jest wiele takich aspektów czy takich smaczków, które się pojawiają w tych różnego rodzaju paperach. A może my trochę podchodzimy do tego, że wiedza naukowa to jest taka archaiczna i że w ogóle co tam można wyczytać, często, wydaje mi się, że więcej niż właśnie z jakichś takich wpisów blogowych. A z osób, które bym polecała, czy rzeczy, które obserwuję, to myślę, że na pewno jakieś biblioteki, które się pojawiają. Też śledzę często to jest zebranie różnego rodzaju patternów, które gdzieś tam w różnych produktach się pojawiają, jak Shape of AI czy AI/UX Patterns, tak się nazywają dość ogólnie, ale podlinkujemy to później, także.

Aga Naplocha

Pewnie. To jeszcze Ania powiedz a propos tych badań właśnie, gdzie ich szukasz? Czy masz jakieś jedno źródło, z którego korzystasz?

Anna Maria Szlachta

Nie jest to jedno źródło. Zazwyczaj to jest po prostu tak jak przy każdym researchu, Czyli zaczynam od haseł, które mnie interesują. Szukam po prostu, co się pojawiło w ostatnich trzech, czterech latach, tak, żeby nie były to starsze rzeczy. A zaczynam od takich rzeczy jak Google Scholar, bo to są najszybsze, tak naprawdę, bazy. Perplexcity trochę kiedyś bardziej pomagało, teraz mniej. Teraz mam wrażenie, że więcej jest tych artykułów, które się po prostu pojawiają się jakiś wpisów blogowych, niekoniecznie źródeł. Kiedyś na początku pamiętam, że dość, że lepiej jakby nawigowało do tych źródeł naukowych. No więc zaczynałam zazwyczaj od konkretnych aspektów i potem często w jakichś przypisach tych artykułów są kolejne rzeczy. Więc to jest takie przechodzenie z jednego punktu do drugiego, żeby odkrywać. No i plus obserwowanie trochę tego, co się dzieje w ostatnim czasie na takich uczelniach jak Stanford czy MIT, które wrzucają w miarę regularnie jakieś update'y czy jakieś papiery się pojawiają na ich stronach z konferencji i tak dalej, więc można tam sporo rzeczy znaleźć też.

Paulina Kacprzak

A powiedz, czy firmy, z którymi współpracujesz, czy to są firmy zwykłe z Polski, czy z zagranicy?

Anna Maria Szlachta

Ja w tej chwili działam pomiędzy rynkiem szwajcarskim i polskim, więc głównie działam na rynku szwajcarskim. Trochę staram się teraz też na rynku polskim. To jest bardzo dobry pomysł, żeby być częściej w Polsce. Też głównie działam na tamtym rynku, natomiast tutaj też coraz częściej.

Paulina Kacprzak

To jeszcze opowiedz, Ania, o tym, jak w ogóle bada się rozwiązania takie związane z AI, czy są, czy te metody jakoś odbiegają od takich klasycznych interfejsów? Gdybyś tutaj mogła opowiedzieć.

Anna Maria Szlachta

Wydaje mi się, że to nie są jakieś drastycznie inne metody. Myślę, że czasem po prostu biorą pod uwagę inne aspekty. Tak samo jak przy każdym projekcie, w zależności od tego, jaka to faza, czy to jest Discovery, czy w ogóle zaczynamy i próbujemy cokolwiek uformować na temat tego produktu od strony Researchu, czy to już jest jakaś późniejsza ewaluacja. W przypadku Discovery, no to na pewno wchodzą jakieś nowe aspekty związane z tym, na przykład, jakie jest oczekiwane zachowanie AI w kontekście produktu, co ten AI znaczy dla użytkowników, Jakie może oczekiwania względem AI są przenoszone z innych platform czy produktów, bo to też się często dzieje. Jak dużo tej złożoności samego AI powinniśmy tłumaczyć, bo może będzie jakiś produkt dla użytkowników, gdzie oczekiwany jest bardzo prosty output, a w przypadku jakichś ważniejszych decyzji, no to jednak oczekuje się dużo szerszego kontekstu, tak? To, o czym mówiłam w kontekście explainable AI, w kontekście samej ewaluacji, no to myślę, że znowu podobnie. To kwestia związana z metrykami różnego rodzaju produktowymi, tylko w przypadku AI. No to troszeczkę czasem inne metryki wchodzą w grę.

Aga Naplocha

Jakbyś może podaj jakiś przykład, który masz gdzieś w głowie.

Anna Maria Szlachta

Powiedzmy w kontekście jakiegoś przedmiotu. Możemy mierzyć z punktu, to też ma sens, z punktu takiego biznesowego. Jak szybko nasz użytkownik osiąga efekt, o który mu chodziło, bo wchodzi w interakcję z chatbotem. I teraz jeżeli ta interakcja nie jest nawigowana w jakiś sposób, jeżeli mu nie pomagamy dojść szybciej do celu, no to też kosztuje, no bo zużywa więcej tokenów i albo będzie bardzo długo z tą technologią wchodził w interakcję, więc kosztuje to więcej, albo w ogóle się frustruje i nie będzie miał ochoty z tego korzystać. Więc takie rzeczy właśnie związane, chociażby z osiągnięciem celu, nie zawsze na przykład czas spędzany w aplikacji już w tym kontekście może ma takie znaczenia, a inne metryki, ale też takie związane z zaufaniem, jakieś zaufanie do technologii. Więc oczywiście zależy znowu od kasy. Natomiast wydaje mi się, że ten aspekt UX-owy jest jeszcze może trochę, nie wiem, czy bagatelizowany, ale taki jeszcze niesłyszalny. Natomiast wraz z biegiem czasu wydaje mi się, że coraz będzie istotniejszy dlatego, że po tym hypie technologicznym, no to zaczynamy więcej rozmawiać o rozwiązaniach, które faktycznie mają sens, które wdrażamy nie tylko dlatego, że są AI. No i tam ten UX się już coraz bardziej pojawia, tylko może w takiej formie nie do końca skupionej tylko i wyłącznie na samym interfejsie, ale bardziej bym powiedziała takim może User-AI Interaction. Trochę szerszym. Jak w ogóle nasz workflow wygląda, czy z interfejsem, czy bez interfejsu w konkretnych aspektach, co tam się dzieje w tle, niż tylko na samym takim projektowaniu ekranów.

Paulina Kacprzak

To ja wrzucę może ciekawostkę z moich ostatnich doświadczeń, bo pękła rura w mieszkaniu i zalało sąsiadów. Musiałam zgłosić szkodę do ubezpieczalni i rozmawiałam właśnie z botem. Ta rozmowa w ogóle zszokowała mnie, bo zobaczyłam, jak bardzo ta technologia poszła do przodu przez ostatnie lata. I to było dosyć fajnie zaprojektowane, pod takim kątem, że bardzo naturalnie się rozmawiało z botem. Mówił „powiedz, czy dobrze zrozumiałam” – i wtedy powtarzał to, co ja mówiłam. Samo to, że były takie wtrącenia: „mhm, rozumiem. To powiedz teraz”...  To sprawiło, że miałam takie poczucie wow, ale miło się rozmawiało. Więc powiedz Ania, czy też zajmujesz się projektowaniem takich interakcji głosowych, czy skupiasz się raczej właśnie na takich chatbotach, czy związanych z ekranem w jakiś sposób?

Anna Maria Szlachta

One zazwyczaj są związane z ekranem, bo przez to, że to jednak są takie produkty, których ludzie używają często w otoczeniu biurowym, to też jest kwestia tego, że nie zawsze ten interfejs głosowy ma sens tylko i wyłącznie. Natomiast ciekawe jest to, o czym powiedziałaś, bo w ogóle to obserwowanie tej antropomorfizacji, całej tej technologii i tego, jak my podchodzimy do tego, jest super ciekawym aspektem. I ostatnio też nawet czytałam, że sam Altman przyznał, że to, że ludzie mówią do Chata GPT „proszę”, „dziękuję”, tak? Używają takich sformułowań. No ciekawie się przekłada na biznes, bo ich to kosztuje znowu gigantyczne pieniądze. Przez to, że w taki sposób do technologii podchodzimy. Natomiast czytałam właśnie takie pytania, z czego to się bierze? I większość ludzi ma takie przekonanie, że nie do końca ufa, jak ta technologia może się zachować. W związku z tym uważają, że jeżeli będą grzeczniejsi, to są bezpieczniejsi w tym, że jakby nie...

Aga Naplocha

Grabią sobie.

Paulina Kacprzak

No tak, ale z drugiej strony ChatGPT jest przemiły, mówi: „jasne. To opowiem ci coś tam, coś tam. Aha. No tak, rzeczywiście to jest” i mówi takim miłym tonem. Od razu lepiej się tego używa.

Anna Maria Szlachta

To prawda.

Aga Naplocha

Tak, tak. To powiedz, Ania, jak ty wykorzystujesz AI w swojej pracy? Czyli już trochę od drugiej strony?

AI w pracy Data Scientist i perspektywy dla Designerów

Anna Maria Szlachta

Ojej, bardzo klasycznie. ChatGPT, który pomaga mi w wielu aspektach związanych z przepisaniem jakichś treści czy lepszym uformowaniem. Nie wiem, czy ja tu jestem jakaś super odkrywcza w tym temacie. Nawet kupiłam od Was ten kurs i zaczęłam go przerabiać powoli ten AI Designer, bo myślałam, że może coś znajdę dla siebie. W większości to się posługuję tymi narzędziami, tak jak właśnie ChatGPT, czy Gemini, też jakieś generowanie obrazów. Może taka rzecz, która faktycznie mi pomaga mega, to jest budowanie storyboardów w kontekście, jak mapuje się proces z użytkownikiem. To przez to, że tak szybko się generuje teraz różnego rodzaju obrazki, to dużo szybciej mi to idzie w jakimś przestawianiu czy modelowaniu koncepcji. Więc to wydaje mi się dość ciekawe. Natomiast tak na co dzień, to wydaje mi się, że chyba tak jak większość osób, które gdzieś tam próbują włączyć to mniej lub więcej. Raczej staram się, żeby to AI nie podejmował za mnie decyzji mimo wszystko, albo nie generował gotowych koncepcji. Raczej staram się po prostu wrzucać tam jakieś swoje założenia po to, żeby zostały lepiej opisane, lepiej może przedstawione albo prostszym językiem. No właśnie trochę, żeby chyba też nie rozleniwiać mózgu.

Paulina Kacprzak

To powiedz, jak obserwujesz ten rynek. Widzisz jakie produkty powstają, jak, jakie jest zapotrzebowanie na designerów w tym obszarze właśnie projektowania dla AI. Powiedz, jakie widzisz perspektywy pracy dla designerów w takiej właśnie niszy?

Anna Maria Szlachta

Myślę, że to się dość mocno będzie dalej rozwijać. Znaczy, pamiętam, że obserwowałam trochę rynek pracy rok temu. No właśnie, jak to wygląda, jak się to zmienia? I sobie analizowałam ogłoszenia o pracę z różnych firm, bo się zaczęły pojawiać takie pozycje, które się nazywały AI Product Designer. Zaczęłam sobie patrzeć, jakie mają wymagania w kontekście tej roli. Faktycznie na początku było tak, że dużo się pojawiło tych AI Product Designer i czy to było właśnie, nie wiem, Microsoft, czy tego rodzaju firmy, które mówiły o podstawowych umiejętnościach designerów, ale właśnie w kontekście AI, więc też wymagały trochę doświadczenia projektowania dla AI. Natomiast teraz coraz więcej widzę, że znikło trochę to AI Product Designer i trochę zaczyna być bardziej Product Designer, ale w samym opisie wymagane są po prostu umiejętności dotyczące projektowania dla AI, więc myślę, że dzisiaj może to się nazywa AI Product Designer, a za 5 lat to dalej będzie product designer. No nie wiem. Tak samo jak była zmiana z mobile. Nagle zaczęliśmy projektować na mobile i pewnie też to w tamtych czasach się nazywało Mobile Designer albo coś w tym stylu, a dzisiaj już nikt tego nie rozróżnia. Raczej zakładamy, że ktoś wie, jak projektować na mobile, czy na desktop, tak? Więc myślę, że trochę podobnie będzie z tym, że w przyszłości może nie będzie tak, że wszystkie produkty będą AI-owe, natomiast duża ich część będzie AI, i tak samo pracując jako Product Designer, będziemy musieli umieć projektować dla takich klasycznych technologii, jak i dla tych nowych, nowych technologii w różnym ujęciu. Więc jak się popatrzy nawet na hype, no to wiadomo, że dużo startupów dostaje teraz gigantyczne pieniądze na zbudowanie swoich pomysłów. Dostępność modeli rośnie. Coraz jest to tańsze, więc myślę, że będzie się to bardzo, bardzo rozwijać. Na pewno ten nacisk na automatyzację pracy, wspomagania, projektowania procesów, w których możemy zwiększyć efektywność. Nie sądzę, żeby to się skończyło za chwilę. Czy AI nas zastąpi przy UI? Nie wiem, czy przy jakichś prostszych rzeczach. Może tak. Dużo tych narzędzi jeszcze chyba nie do końca generuje taki efekt, jakiego byśmy się spodziewali, więc może jeszcze trochę czasu przed nami. Ale właśnie wzrośnie, myślę, ta rola umiejętności takiego mapowania procesów. Czyli ten service design w kontekście AI z elementami interfejsu, znajomość, dobra znajomość psychologii tych aspektów, użytkownik AI w kontekście interakcji. Myślę, że trochę też myślenia takiego biznesowego, bardziej ogólnego. Że jeżeli chcemy osiągnąć jakiś efekt, nie wiem, automatyzacja – co to znaczy dla biznesu? Co to znaczy dla użytkownika? Chyba dużo się o tym mówi o takich umiejętnościach bardziej strategicznych, takim szerszym myśleniu o produkcie niż tylko o samym interfejsie i interakcjach.

O życiu i pracy w Szwajcarii

Aga Naplocha

Mhm. To przejdźmy może do wątku na sam koniec wątku szwajcarskiego, bo tak jak już wspominałaś, realizujesz projekty dla firm szwajcarskich, mieszkasz w Szwajcarii, to gdybyś opowiedziała, jakie są właśnie różnice kulturowe, które Ty zauważasz, no bo współpracujesz ze Szwajcarią i z Polską. Więc tak na gorąco może masz jakieś przemyślenia na ten temat?

Anna Maria Szlachta

Punktualność.

Aga Naplocha

Rozumiem dla Szwajcarów?

Anna Maria Szlachta

Dla Szwajcarów punktualność jest rzeczą świętą, absolutnie.

Aga Naplocha

O, Paulina, powinna się zainteresować.

Paulina Kacprzak

Ja już się interesuję, bo dla Ciebie jest punktualność rzeczą świętą, więc już jestem zainteresowana. Nie potrzebuję Szwajcarów do tego.

Anna Maria Szlachta

Jak spotkanie jest o dziesiątej, to staram się przypomnieć sobie jakąś sytuację, żebym nie zaczęła tego spotkania o dziesiątej. Ciężko, ciężko mi sobie przypomnieć. Wręcz jest takie trochę założenie, że jeżeli spotkanie jest o 10:00, to ty wchodzisz o 9:59, bo minuta zajmie Ci jeszcze otworzenie laptopa i przygotowanie się do spotkania. Więc to jest absolutnie fenomenalne w takiej współpracy, bo faktycznie zaczynasz 10:00, kończysz o 11:00. Jest, jest co do minuty czasem. Rzecz, która mnie bardzo zaskoczyła, na początku musiałam się do niej przyzwyczaić, jak się poznaje na przykład nowy zespół, albo przychodzi się pracować z jakąś nową firmą i tam ludzie się przedstawiają, to oprócz tego, że każdy mówi, czym się zajmuje w firmie, to jeszcze opowiada o tym, czy ma męża i ile ma dzieci i w ogóle co robi w wolnym czasie. Więc ludzie tak trochę podchodzą, może bardziej też prywatnie, do opowiadania o sobie. Myślę, że z takich różnic trochę rynkowych, to może tak to nazwała, trochę trudniejsze jest przebranżowienie się, dlatego, że oni bardzo konserwatywnie podchodzą do ścieżki kariery, to znaczy zazwyczaj do wykonywania jakiegoś zawodu. Wymagają studiów w tym kierunku i wymagają doświadczenia w tym kierunku. I takie przebranżowienie się, o którym możemy myśleć, wydaje mi się na naszym rynku dużo, dużo szybciej, żeby przejść do jakiegoś trochę pokrewnego zawodu. Tam jest dużo trudniejsze do osiągnięcia. To też wynika z tego, że po prostu to jest bardzo konkurencyjny rynek pracy. W związku z tym jednak bardzo dużo ludzi z całego świata aplikuje. W związku z tym zawsze jest tak, że znajdą specjalistę, który po prostu pasuje 100% do tych wymagań, więc nie ma też takiej motywacji, może, żeby się otworzyć czasem na kogoś, kto niekoniecznie ma stricte to doświadczenie, ale robi coś podobnego. No myślę, że to takie jakieś główne rzeczy, które mi przyszły do głowy.

Paulina Kacprzak

A powiedz, co z takich rzeczy bardziej życiowych podoba Ci się w Szwajcarii, a co nie?

Anna Maria Szlachta

W kontekście pracy, że jest się od kogo uczyć. To znaczy, zazwyczaj połowa twojego zespołu ma doktorat po Stanfordzie. Znaczy, przychodzisz i myślę okej, jest się zdecydowanie od kogo uczyć. To są często specjaliści takiej top klasy w swoich dziedzinach, więc myślę, że to bardzo motywuje do tego, żeby sobie pogłębiać wiedzę w swoim obszarze. A z takiego podejścia właśnie od strony znowu mówię o pracy, miałam mówić o takim bardziej, ale to też bardzo ciekawe, podoba mi się jeszcze takie szeroko propagowane myślenie biznesowe, jak w kontekście swojej dziedziny. To znaczy jak się myśli o może nawet Data Scientist, ale o jakiejś innej ścieżce, to bardzo dużo jest takiego myślenia końcowego. To znaczy, jak moja praca finalnie ma się przyczynić do rozwoju biznesu, no bo nasza praca się przyczynia do rozwoju biznesu. Finalnie więc dużo większy jest nacisk na to i wydaje mi się, że to też pomaga. Lepiej budować może współpracę między specjalistami, bo czasem łatwiej znaleźć ten punkt wyjścia i potem pójść w obie strony i przetłumaczyć, co to znaczy dla Ciebie, co to znaczy dla mnie. A co mi się podoba, od innej strony podoba mi się dostęp do natury, do tego, że można wsiąść w pociąg i w 20 minut być w górach. Więc wydaje mi się, że to jest super. Chyba w ogóle cała taka kultura, która się kręci dość mocno jednak wokół sportu, wokół takiego aktywnego życia, kempingu. Zawsze wszyscy się śmieją, że duża część Szwajcarów nie wyjeżdża na wakacje za granicę, bo w Szwajcarii jest wystarczająco fajnie. I faktycznie tak jest, że bardzo duża część po prostu jeździ na camping i spędza wakacje gdzieś w innych rejonach, może gór. Transport publiczny, który jest świetny pod tym kątem, szczególnie takiej sieci kolejowej, krajowej, że bardzo łatwo jest dojechać wszędzie pociągiem do jakiejkolwiek małej miejscowości i też to wszystko jest dobrze skomunikowane. Aczkolwiek to jest swoją drogą ciekawy przykład od strony UX-u, dlatego że oni też się wiele lat temu zmagali z takimi problemami jak my mamy, że mamy koleje, które są w każdym województwie inne i trzeba kupić taki bilet i taki bilet i wejść na tę stronę, żeby znaleźć. I oni bardzo dużo włożyli pracy w to, żeby ten cały system zintegrować. Że teraz w zasadzie w jednej aplikacji można kupić bilet gdziekolwiek. I jeszcze te przesiadki są na tyle dobrze skomunikowane, że powiedzmy, nie czeka się więcej, czasem przy jakichś lokalnych, więcej niż 3 minuty, a przy dłuższych powiedzmy mniej niż 10 minut na przykład. Tak więc. Więc to jest to jest faktycznie super.

Aga Naplocha

To jeszcze powiedz Ania, gdzie mieszkasz w Szwajcarii?

Anna Maria Szlachta

Mieszkam w centralnej części, przeprowadziłam się w góry po kilku latach mieszkania w Zurychu, więc odkrywam teraz uroki wsi szwajcarskiej. No, ale pytałaś też o to, co mniej mi się podoba i wydaje mi się, że Szwajcaria trochę, czasem tak myślę, że trochę pada ofiarą własnego mitu idealności. Może tak, że takie są duże oczekiwania w związku z tym, że wszystko działa świetnie, a z drugiej strony to jest bardzo, bardzo konserwatywny kraj, dlatego, że i historycznie, jak się popatrzy na to, w którym roku kobiety dostały prawa wyborcze, tam ostatni kanton. W 94, to już po tym, jak się urodziłam w ogóle. Więc jak myślę o tym, że to nie jest pokolenie mojej babci czy prababci, która już miała prawa wyborcze, tylko na przykład mamy moich koleżanek, tak w tym samym wieku, nie wiem, nie miały możliwości pracy bez zgody męża albo nie miały własnego konta bankowego. No to trochę to zmienia perspektywę. Może to jest trochę inny świat, jeśli mówimy o jakichś takich międzynarodowych korporacjach, gdzie pracuje większość ekspatów i inaczej to wygląda. Ale już jak się zaczyna pracować więcej ze szwajcarskimi firmami, to trochę widać. Trochę to widać.

Aga Naplocha

To Aniu, na sam koniec pytanie, na rozwoju jakich umiejętności Ty chciałabyś się skupić w najbliższych miesiącach?

Anna Maria Szlachta

Trochę może więcej bym jeszcze weszła w te narzędzia dotyczące generowania Interfejsów, czy tutaj bym coś więcej dla siebie skubnęła, bo robiłam to już jakiś czas temu i nie jestem w tym momencie aż tak na bieżąco z tymi narzędziami, więc zastanawiam się, co się zmieniło, więc trochę bym chętnie poeksplorowała. No i chyba bym chciała jeszcze trochę więcej wejść w ten aspekt pracy z danymi, dlatego że wydaje mi się, że na takim początkowym etapie, często przy modelach, które są trenowane od początku, to ma duże znaczenie. Jak możemy poznać trochę dane, na których ten model bazuje i zrozumieć, jaka tam jest jakość tych danych. Często i gdzieś tam zrobiłam jakieś takie podstawowe rzeczy w tym zakresie związane z Excelem, natomiast chciałabym trochę więcej jeszcze w tym kierunku poeksperymentować.

Aga Naplocha

Super! To będziemy trzymać kciuki. Trzymamy kciuki za szwajcarskie życie i bardzo dziękujemy za rozmowę. Chciałam tylko dodać, że jak będziesz w Warszawie, to liczymy na czekoladę.

Anna Maria Szlachta

Dobra, załatwione.

Aga Naplocha

Super! Wielkie dzięki.

Paulina Kacprzak

Dziękujemy i do zobaczenia.

Anna Maria Szlachta

Dzięki! Do zobaczenia!

Paulina Kacprzak

Bardzo dziękujemy Wam za to, że byliście dzisiaj z nami. Notatki i linki wymienione w tym odcinku znajdziecie na naszej stronie designpractice.pl/076. No i pamiętajcie o tym, żeby zajrzeć do naszego kursu AI Designer na stronie aidesigner.pl.

Aga Naplocha

A jeśli podoba Wam się nasz podcast, to serdecznie zapraszamy Was do zasubskrybowania go na swojej ulubionej platformie podcastowej lub na YouTube. No i oczywiście czekamy na Wasze komentarze. Wszystkie czytamy i za wszystkie jesteśmy bardzo, bardzo wdzięczne. Dzięki nim możemy dotrzeć do jeszcze większego grona słuchaczek i słuchaczy.

Paulina Kacprzak

A na nowe odcinki możecie liczyć w każdy pierwszy i piętnasty dzień miesiąca. Do usłyszenia za dwa tygodnie.

‍