Pourquoi utiliser le design thinking dans les projets basés sur l'IA ?

​Traducteur | Li Rui

Critique | Sun Shujuan

Les responsables du développement de l'intelligence artificielle et les concepteurs utilisent souvent des méthodes de design thinking pour créer un développement plus centré sur l'humain et plus agile des systèmes d'intelligence artificielle.

Choisir la bonne méthode de gestion de projet est crucial pour le développement de projets d'une entreprise. Cela aidera les développeurs à réduire les erreurs, à accélérer le processus de développement et à identifier les problèmes parmi les groupes cibles. Ce n’est qu’après avoir acquis une compréhension approfondie des besoins du groupe cible que les développeurs peuvent développer des solutions à leurs problèmes. Il existe de nombreuses méthodes de gestion de projet axées sur la découverte de problèmes, et le design thinking en fait partie.

L'intelligence artificielle devient un élément de plus en plus important et critique dans la vie des gens. Des voitures autonomes aux assistants vocaux comme Siri ou Alexa, les produits et services basés sur l’intelligence artificielle sont partout. Le design thinking de l’IA est le processus de conception de systèmes d’intelligence artificielle capables de fonctionner de manière allégée et itérative dans des environnements imprévisibles avec des ressources limitées. Concevoir pour l'IA nécessite des compétences différentes de celles conçues pour d'autres types de technologies, car l'IA ne suit pas de règles et de comportements prévisibles. Les entreprises doivent mieux comprendre comment l’IA affecte les processus et comment la mettre en œuvre dans leurs projets d’IA.

Qu’est-ce que le design thinking ?

Le Design Thinking est l'une des méthodes anciennes (encore très modernes) permettant de créer un processus de développement parfait. Cette approche commence par l'utilisateur et le place au centre de tout le développement. Les besoins, les émotions, les sentiments et les problèmes des utilisateurs devraient être la chose la plus importante pour l’équipe de développement.

Dans les années 1960, les explorateurs ont commencé à formuler leurs premières idées autour du design thinking, que l'on retrouve dans le livre "Visual Thinking Experience" de L. Bruce Arche. Leur objectif est d'utiliser des outils et des meilleures pratiques pour les créatifs tels que les peintres, les écrivains ou les designers dans le développement pratique de produits ou de services.

Pendant un certain temps, le Design Thinking a été un peu oublié dans le monde informatique, ou ce n'était pas la méthode la plus populaire à l'ère Agile ou Scrum, mais sa popularité continue de croître avec de nettes améliorations apportées aux projets depuis la mise en œuvre du Design Thinking, pour Par exemple, des décisions plus rapides et meilleures peuvent être prises, aidant les entreprises à avoir une compréhension claire des problèmes des groupes cibles, réduisant les risques de l'ensemble du projet, etc.

Comment la méthodologie du design thinking s'adapte-t-elle au développement de projets d'intelligence artificielle ?

L’un des défis liés à l’application du design thinking à l’intelligence artificielle est qu’il n’existe pas d’approche universelle. Après plusieurs années de travail sur des projets similaires, Nexocode a développé un processus mature et éprouvé qui utilise de nombreux frameworks et solutions issus du Design Thinking, comme celui populaire dans la communauté du développement logiciel, la solution framework Design Sprint. Intégrez et associez les connaissances et l'expérience pour créer une feuille de route pour chaque entreprise cherchant à innover avec l'apprentissage automatique. Cela commence par un atelier AI Design Sprint adapté à chaque client, axé sur la recherche d'opportunités d'IA, le prototypage et le test d'implémentations possibles d'IA. Nous pensons que chaque entreprise souhaite développer un projet d'IA utile pour comprendre pourquoi, où et comment elle doit développer le projet, c'est pourquoi l'AI Design Sprint se concentre sur ces sujets. Ce n'était qu'un début, mais une fois que le client a décidé de continuer à développer le projet, chaque étape franchie était itérative dans la conception.

Lors de l’intégration du design thinking dans le développement de l’IA, les équipes sont essentielles. Il est donc crucial de disposer d’une équipe d’experts expérimentés en IA. Ils joueront un rôle important dans l’ensemble du processus et leurs connaissances et compétences auront un impact significatif sur le projet.

Pourquoi les projets de machine learning nécessitent-ils une approche centrée sur l'humain ?

La conception de l'intelligence artificielle nécessite des compétences différentes de la conception d'autres types de technologies, car l'intelligence artificielle ne suit pas de règles et de comportements prévisibles. Cela signifie créer des solutions aussi centrées sur l'humain que possible, en tenant compte des besoins, des émotions, des sentiments et des pensées des utilisateurs qui utiliseront ces technologies au quotidien, en tenant compte de toutes les choses auxquelles ils peuvent être confrontés en utilisant cette IA. processus basé sur un produit ou un service problématique. La faisabilité d'une solution de conception et son impact ne sont pas aussi évidents que dans le développement logiciel normal. Les projets d’apprentissage automatique nécessitent une bonne conception éthique et des sources de données fiables. Chaque projet est différent, mais les connaissances du chef de projet en science des données sont essentielles à la réussite de la R&D.

Les concepteurs devraient se concentrer sur la réflexion sur la conception de l'IA pour créer des produits et services d'IA centrés sur l'humain. C'est pourquoi les concepteurs d'IA doivent suivre le même processus de design thinking que les autres types de technologies, mais également prendre en compte les émotions, les sentiments et les pensées des personnes qui utilisent ces technologies au quotidien, en tenant compte de toutes les questions, y compris l'éthique de l'IA, qu'ils abordent. problèmes qui peuvent être rencontrés lors de la mise en œuvre de telles solutions d’intelligence artificielle.

(1) Prendre ses responsabilités

Dans les projets d’intelligence artificielle, prendre ses responsabilités est crucial, car les produits et services basés sur l’intelligence artificielle affectent déjà la vie quotidienne des gens.

Lorsqu’ils utilisent l’intelligence artificielle dans divers aspects de la vie des gens, les concepteurs qui s’engagent dans une réflexion conceptuelle en matière d’intelligence artificielle doivent envisager tous les scénarios possibles tout en considérant différents types de risques lors de l’utilisation réelle. Par exemple, si un système d’IA prend une décision spécifique, qui doit être tenu responsable ? Les décisions relatives au système d’IA sont-elles définitives ou y a-t-il des oublis humains ?

(2) Capacité d'explication

Les systèmes d'apprentissage en profondeur fonctionnent comme des boîtes noires. Leurs processus décisionnels ne peuvent pas être expliqués de la même manière que la façon dont les gens pourraient prendre des décisions. Dans une certaine mesure, toutes les solutions d’IA peuvent et doivent être explicables. Cependant, les concepteurs d’IA doivent comprendre que l’IA n’est pas une boîte magique et qu’il existe des règles sur son fonctionnement, ce qui signifie que l’on peut savoir pourquoi l’IA fonctionne comme elle le fait dans un scénario particulier.

(3) Confiance

Il n'est peut-être pas facile de faire confiance aux produits et services basés sur l'intelligence artificielle. Les algorithmes d’IA sont souvent opaques, et un manque d’IA interprétative peut conduire à une dépendance excessive à l’IA. Le design thinking est un outil qui permet aux développeurs de renforcer la confiance dans l'intelligence artificielle en concevant des systèmes qui fournissent aux utilisateurs des boucles de rétroaction claires afin qu'ils comprennent ce que fait l'algorithme d'IA.

(4) Interaction homme-machine

L'interaction homme-machine est une chose nouvelle et doit être distinguée de l'interaction homme-machine standard. Il existe plusieurs bonnes pratiques et recommandations en matière d’interaction homme-machine. L’approche du design thinking constitue un excellent cadre pour les produits et services basés sur l’IA, car elle encourage les entreprises à réfléchir à l’IA du point de vue de l’utilisateur final et à se concentrer sur les interactions possibles.

Dans ce cas, le principal avantage du design thinking par rapport à d'autres méthodes est qu'il permet de concevoir des solutions d'intelligence artificielle en considérant les données d'entrée, les processus algorithmiques, les sorties et tous les scénarios possibles dans lesquels l'intelligence artificielle peut être utilisée. Cela donne aux concepteurs plus de contrôle sur le processus décisionnel de l’IA, rendant l’IA plus explicite que les langages de programmation.

La phase du Design Thinking dans l'intelligence artificielle

L'une des choses les plus importantes à comprendre lorsque l'on parle de design thinking est cette phase. Le design thinking est un processus simple dans lequel la phase suivante s’appuie sur la phase précédente et ne peut commencer qu’une fois la phase précédente terminée.

(1) Empathie

Cette étape se concentre sur le développement de l'empathie envers les utilisateurs de l'entreprise. Il doit rassembler de nombreuses personnes représentant différentes sociétés, modes de pensée, expériences et groupes et découvrir avec eux leurs sentiments, leurs pensées et leurs attentes. Par exemple, comment une entreprise peut utiliser son produit ou service pour améliorer sa vie.

Ce qu'il faut retenir, c'est que le centre du processus de développement d'une entreprise est toujours les personnes et leurs besoins. Les entreprises mettent en œuvre une plate-forme d'IA back-end qui facilite leurs processus de fabrication. De nombreuses parties prenantes sont impliquées dans chaque processus, et la première phase concerne le ressenti, les objectifs et les opportunités futurs. Lors de la mise en œuvre de l’intelligence artificielle, cette étape devient plus complexe, car certaines connaissances sur les modèles d’apprentissage automatique, les réseaux de neurones ou l’analyse des données peuvent être nécessaires. La faisabilité de l’IA doit être considérée dès le début du projet pour éviter d’introduire des processus de mise en œuvre complexes dans les solutions existantes.

(2) Définition

Après avoir interagi avec différentes personnes, ses groupes cibles et ses défis cibles peuvent être définis. Les développeurs doivent réfléchir aux opportunités d’adopter l’intelligence artificielle. Sélectionnez un groupe ayant des besoins spécifiques et légitimes et concentrez-vous sur sa problématique pour mettre en œuvre la solution IA. Cela vous permet de voir clairement la situation dans son ensemble et de sélectionner les problèmes à aborder dans votre projet. Il est maintenant temps de poser des questions, de rechercher des informations et d’approfondir.

(3) Idéation

Cette étape consiste à trouver des solutions aux problèmes du groupe cible. Une équipe doit être constituée et les membres de l’équipe peuvent réfléchir à des idées. Le but de cette phase est de libérer la créativité de l’équipe et de trouver des façons nouvelles ou inhabituelles de résoudre les problèmes du groupe cible. À ce stade, il est possible de formuler quels algorithmes, outils et techniques d’IA seront utilisés dans le projet.

(4) Prototype

Après un brainstorming des membres de l'équipe, sélectionnez les idées les plus intéressantes et convertissez-les en prototypes, tels que des produits minimum viables (MVP), pour collecter des connaissances le plus rapidement possible. Il n’est pas nécessaire de développer une solution d’IA complète à ce stade, car cela prend du temps. L’objectif principal à ce stade devrait être d’avoir la capacité d’apprendre. Grâce à cette approche de développement de l’IA, les entreprises choisiront la meilleure méthode pour développer le logiciel parfait.

(5) Tests

C'est la dernière mais probablement l'une des étapes les plus importantes car elle aide l'entreprise à identifier et à éliminer les problèmes avec le produit. C'est le moment où le prototype est présenté au groupe cible ou testé dans un environnement quasi réaliste choisi lors de la première phase. Vous pouvez observer les réactions des utilisateurs, la manière dont ils utilisent les produits fournis par l'entreprise et leurs émotions. La solution proposée par l'entreprise résoudra-t-elle son problème ? S’ils ne l’aiment pas, il est temps de s’améliorer.

Avantages du Design Thinking

(1) Répondre aux besoins des parties prenantes

Améliorer la satisfaction des clients et l'adoption commerciale des logiciels au sein de l'entreprise est le plus important pour mettre en œuvre le design thinking dans chaque projet, y compris les projets basés sur l'intelligence artificielle. L'un des avantages . Les utilisateurs de produits construits selon une approche de design thinking affichent des niveaux de satisfaction plus élevés lors de leur utilisation. Puisque les utilisateurs d’une entreprise sont toujours au centre du développement de produits, la satisfaction du client doit toujours être son objectif principal.

(2) Améliorer le retour sur investissement des investissements en IA

Le temps qu'une entreprise consacre aux exercices de design thinking peut garantir son investissement à long terme en IA. Chaque entreprise a ses propres caractéristiques et besoins. C’est pourquoi la mise en œuvre du machine learning doit être sur mesure. Le Design Thinking aide à identifier les points faibles d’une entreprise et à définir l’analyse de rentabilisation de l’IA, contribuant ainsi à transformer ses rêves d’IA en investissements rentables.

(3) Innovation

La phase d'idéation du processus de design thinking vise à penser de manière non standard, c'est-à-dire hors des sentiers battus. Cette approche peut amener les entreprises à trouver des solutions à des problèmes qu’elles n’avaient jamais envisagés. Cela peut aider une entreprise à créer une solution très innovante et à se démarquer sur le marché.

(4) Réduire le risque d'échec

Lorsqu'une entreprise étudie en détail le groupe cible et ses problèmes, elle développera des produits qui répondent à leurs besoins, et le produit aura plus de chances de succès.

Conclusion

La méthode du design thinking existera encore longtemps, ce qui prouve également qu'il s'agit d'une méthode efficace et utile qui peut être utilisée pour le développement de produits ou de services d'intelligence artificielle.

Mais ce n’est pas une tâche facile et les entreprises peuvent rencontrer des problèmes. Il est donc essentiel de trouver un partenaire fiable pour épauler son équipe, et cela commencera par des réunions stratégiques et se terminera par une phase de tests et de développement réussie.

Titre original : ​​Appliquer le Design Thinking à l'intelligence artificielle Pourquoi devriez-vous l'utiliser dans vos projets basés sur l'IA ?​​​, auteur : Dorota Owczarek​

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!