Tutkimuksessa on usein turvauduttu oikoteihin ja oletuksiin, ja käyttäjähaastatteluja on toteutettu puutteellisesti jo kauan ennen tekoälyn tuloa mukaan kuvioon. Vaikka on olemassa huoli siitä, että tekoäly pahentaa näitä ongelmia, tarkastelemme tänään, miten tekoäly voi itse asiassa parantaa tutkimuskäytäntöjä yhdenmukaistamalla ja demokratisoimalla laadukasta tutkimusta laajassa mittakaavassa.
Photoroomin käyttäjätutkimuksesta vastaava johtaja Cori Widen liittyy seuraamme kertomaan, miten tekoälyä hyödynnetään tutkimuskäytäntöjen muuttamiseen hänen yrityksessään. Hän käsittelee innovointia kannustavaa kulttuurista ajattelutapaa ja tarjoaa käytännön näkemyksiä siitä, miten tiimit voivat tekoälyn avulla parantaa tutkimuksensa laatua ja vaikuttavuutta.
Haastattelun kohokohdat
- Corin tausta ja siirtyminen käyttäjätutkimukseen [01:31]
- Corilla on 13 vuoden kokemus teknologia-alalta.
- Hän työskenteli pääasiassa tuotemarkkinoinnin parissa, johon kuului käyttäjätutkimusmenetelmiä.
- Hän huomasi pitävänsä eniten käyttäjätutkimuksesta ja siirsi painopistettään siihen.
- Corista tuli kokoaikainen käyttäjätutkija, ja hän aloitti Lightrixilla.
- Nykyään hän johtaa käyttäjätutkimusta Photoroomilla.
- Tekoälyn käyttö laadullisessa analyysissä [02:02]
- Aluksi Cori suhtautui epäilevästi tekoälyn käyttöön laadullisessa tutkimuksessa luottamukseen liittyvien ongelmien vuoksi ja koska hän piti manuaalisesta analyysistä.
- Vähitellen hän alkoi hyödyntää tekoälyä ja ymmärsi, että hänen oli mukauduttava tai jäätävä kehityksestä jälkeen.
- Hän aloitti vertaamalla tekoälyn tuloksia perinteiseen manuaaliseen prosessiinsa.
- Tällä hetkellä hän käyttää Dovetailia haastattelujen litterointien tallentamiseen ja Dustia tekoälyn kyselyihin.
- Tekoäly auttaa poimimaan tutkimuskysymyksiin liittyviä lainauksia, mikä korvaa manuaalisen koodauksen.
- Sen jälkeen hän luo näistä lainauksista manuaalisesti samankaltaisuuskaavioita oivallusten johtamiseksi.
- Lopuksi hän käyttää tekoälyä kyseenalaistamaan oivalluksensa ja tarkistaa mahdolliset ennakkoluulot tai huomiotta jääneet näkökulmat.
- Hänen prosessinsa yhdistää tekoälytyökaluja ja manuaalisia menetelmiä, ja se kehittyy jatkuvasti.
- Muuttuvat näkemykset tekoälystä tutkimuksessa [05:24]
- Aluksi Cori tunsi painetta eikä ollut varma, miten tekoälyä voisi hyödyntää tehokkaasti työssään.
- Varhaiset tekoälytyökalut eivät toimineet tutkimusprosessissa hyvin, mikä johti epäilyihin.
- Tekoälyn kehittyessä, erityisesti ChatGPT:n kaltaisten työkalujen myötä, hän alkoi käyttää sitä yksinkertaisiin tehtäviin, kuten haastattelujen tiivistämiseen.
- Photoroomille liittyminen käänsi tilanteen, sillä yrityksen tekoälykulttuuri oli innostunut ja innovatiivinen.
- Photoroomin kannustava ja utelias ympäristö sai tekoälyn käyttöönoton tuntumaan innostavalta velvollisuuden sijaan.
- Tekoälystä on nyt tullut hauska ja kiinnostava osa hänen työtään.
- Photoroomin tekoälyavustajat [07:18]
- Cori rakensi kaksi pääasiallista tekoälyavustajaa tukemaan tutkimusta Photoroomilla.
- ”Käyttäjähaastattelujen louhinta” auttaa analysoimaan Dovetailiin tallennettuja haastattelujen litterointeja ohjelmointirajapintakyselyjen avulla.
- Tutkijat käyttävät sitä löytääkseen olennaisia lainauksia manuaalisen koodauksen sijaan.
- Sidosryhmät käyttävät sitä saadakseen suoran pääsyn käyttäjäoivalluksiin ilman raportteja.
- Haastatteluoppaiden generaattori luo haastatteluoppaita käyttäjän antamien tietojen (tavoitteet, yleisö jne.) perusteella.
- Se varmistaa, että oppaat noudattavat parhaita käytäntöjä ja että niissä vältetään puolueelliset tai tehottomat kysymykset.
- Se auttaa kaikentasoisia tiimin jäseniä valmistautumaan laadukkaisiin haastatteluihin tehokkaasti.
- Kehotusmenetelmien suunnittelutekniikat [09:45]
- Cori käyttää saman kysymyksen useita muunnelmia saadakseen monipuolisia ja olennaisia tekoälyn tuottamia vastauksia.
- Hän esittää aina jatkokehotteita saadakseen esiin lisää esimerkkejä, sillä ensimmäiset vastaukset ovat harvoin kattavia.
- Kehotteissa esitetään kerrallaan yksi selkeä kysymys – moniosaiset kysymykset heikentävät tarkkuutta.
- Hän suhtautuu varovaisesti liian suuren asiayhteyden lisäämiseen, sillä se voi hämmentää tekoälyä tai saada sen asettamaan tietyt syötteet muiden edelle.
- Kaiken kaikkiaan hän kokeilee jatkuvasti erilaisia tapoja parantaakseen kehotteiden selkeyttä ja tehokkuutta.
- Tekoälyn tuottamien oivallusten validointi ja tiedon jakaminen [11:54]
- Cori käyttää tekoälyä olennaisten tietojen esiin tuomiseen, mutta luottaa omiin arvioihinsa oivallusten muodostamisessa.
- Laajempien kysymysten kohdalla hän varmistaa, että tekoälyn esiin tuomiin oivalluksiin sisältyy viittauksia tiettyihin litterointeihin.
- Jos lähteitä mainitaan vain vähän, hän tarkistaa ne manuaalisesti arvioidakseen niiden pätevyyttä.
- Hän pyytää tekoälyltä aina poikkeavia tapauksia välttääkseen liialliset yleistykset ja säilyttääkseen vivahteet.
- Sidosryhmille luotiin opas tekoälyavustajan käyttöön, mutta sen käyttöönotto vaihtelee.
- Hän selvittää edelleen, miten yrityksessä voitaisiin varmistaa tekoälyn tuottaman tiedon yhdenmukainen ymmärtäminen ja käyttö.
Projektia analysoidessani pyydän tekoälyltä harvoin oivalluksia. Pyydän sitä etsimään olennaisia tietoja, ja käytän sitten omaa harkintaani varsinaisten oivallusten muodostamiseen.
Cori Widen
- Photoroomin kulttuuri ja arvot [14:54]
- Photoroomissa on vahva käyttäjäkeskeinen kulttuuri, jossa johto ja tiimit ovat säännöllisesti vuorovaikutuksessa käyttäjien kanssa ja hyödyntävät laadullista dataa.
- Tämä kulttuuri oli olemassa jo ennen Corin liittymistä yritykseen, ja se loi perustan käyttäjäkokemuksen tutkimuksen syvälliselle arvostamiselle.
- Aluksi Cori suhtautui epäilevästi tutkimuksen demokratisointiin, mutta Photoroomissa hän alkoi suhtautua siihen avoimesti.
- Hän huomasi, että laaja käyttäjien kanssa toimiminen lisää tutkimuksesta saatujen oivallusten arvostusta ja hyödyntämistä.
- Yleinen pelko – että muut kuin tutkijat saattaisivat käyttää tutkimusmenetelmiä väärin – lieveni, kun sidosryhmät osoittivat innokkuutta oppia ja soveltaa parhaita käytäntöjä.
- Cori tukee nykyään taitojen kehittämistä ja ohjausta tiimeille, jotka tekevät omaa tutkimustaan.
- Käyttäjäkokemuksen tutkimuksen tulevaisuus tekoälyn kanssa [19:24]
- Tekoäly tekee käyttäjäkokemuksen tutkijoista tehokkaampia ja vapauttaa aikaa syvällisempään yhteistyöhön sidosryhmien kanssa.
- Cori ennustaa, että tutkijan rooli kehittyy siten, että toteutuksen sijaan painopiste siirtyy strategiseen yhteistyöhön.
- Tutkijat saattavat käyttää enemmän aikaa ideointiin ja ratkaisujen kehittämiseen osallistumiseen.
- Tekoälyn mahdollistama nopeampi pääsy luotettaviin oivalluksiin tukee tätä vastuiden muutosta.
- Käytännön vinkkejä tekoälyn käyttöönottoon [20:32]
- Muuta ajattelutapaasi ja hyväksy tekoäly pysyväksi osaksi tutkimuksen työnkulkuja.
- Sen sijaan että aloittaisit pienestä, ota tekoäly käyttöön laadullisessa analyysissä, joka on aikaa vievin tehtävä.
- Käytä tekoälyä manuaalisen tunnisteiden lisäämisen korvaamiseen ja käyttäjädatan luokittelun apuna (esimerkiksi haastatteluista tai käytettävyysistunnoista saatavan datan).
- Merkittävät ajansäästöt ja energiankulutuksen väheneminen voivat tehdä tekoälyn käyttöönotosta vaikuttavaa ja kannattavaa.
Jotta siirtyisit tilanteeseen, jossa olet innostunut tekoälyn käytöstä tutkimuksessa, sinun on tehtävä jotain, jolla on merkittävä vaikutus työnkulkuusi. Prosessin aikana säästetty aika ja energia voivat olla valtavia.
Cori Widen
- Yllättäviä löytöjä tekoälyn avulla [21:58]
- Corin läpimurto tapahtui, kun hän ymmärsi, millaista arvoa hänen inhimillisen asiantuntemuksensa yhdistäminen tekoälyyn voi tuoda laadullisen analyysin kehittämiseen.
- Hän oppi, ettei tekoäly korvaa hänen rooliaan vaan vahvistaa sitä hoitamalla tehtäviä, joissa tekoäly on parhaimmillaan, ja vapauttamalla hänet keskittymään siihen, minkä hän osaa parhaiten.
- Kollegalta saatu palaute paljasti, että hänen nopeutensa oivallusten toimittamisessa johtui suurelta osin tekoälyn hyödyntämisestä tutkimusprosessissa.
- Tämä oivallus auttoi häntä ymmärtämään, mitä lisäarvoa tekoäly tuo hänen roolilleen ja tiimille.
Tutustu vieraaseemme
Cori Widen toimii käyttäjätutkimuksen johtajana Photoroomissa, maailman johtavassa tekoälyä hyödyntävässä kuvankäsittelysovelluksessa, jossa hän johtaa käyttäjätutkimuksen viitekehysten kehittämistä ja käyttöönottoa tuotekehityksen ja strategian tueksi. Corilla on yli vuosikymmenen kokemus teknologia-alalta, ja ennen käyttäjätutkimukseen keskittymistään hän työskenteli useissa tuotemarkkinoinnin tehtävissä. Hän on kirjoittanut lukuisia artikkeleita käyttäjäkokemuksesta ja tutkimusmenetelmistä sekä jakanut näkemyksiään laajemman käyttäjäkokemuksen yhteisön kanssa. Photoroomissa Cori tekee laadullista ja määrällistä tutkimusta, kuten käyttäjähaastatteluja ja palautteen analysointia, tuotekehitystä koskevien päätösten ohjaamiseksi. Hänen työnsä varmistaa, että Photoroomin työkalut vastaavat sen maailmanlaajuisen käyttäjäkunnan muuttuviin tarpeisiin, ja edistää sovelluksen menestystä yli 5 miljardin kuvan käsittelyssä vuosittain sekä sen yli 150 miljoonassa latauksessa maailmanlaajuisesti.
Läpimurto tapahtui, kun ymmärsin, että voisin ihmisenä edelleen olla merkityksellinen osa prosessia. Tekoälyn käyttäminen ei tarkoittanut kaiken ulkoistamista tekoälylle.
Cori Widen
Tämän jakson resurssit:
- Tilaa The CPO Clubin uutiskirje
- Verkostoidu Corin kanssa LinkedInissä
- Tutustu Photoroomiin
Aiheeseen liittyvät artikkelit ja podcastit:
- Tietoa CPO Clubin podcastista
- Tarvitsemasi tekoälyn tuottavuus- ja kehotemuotoiluvinkit
- Näin teet UX-tutkimuksesta hauskaa
- Asiantuntijavinkkejä tekoälyyn liittyvien tuotehallintataitojesi kehittämiseen
- Näin käytät UX-tutkimusta käyttäjiesi ilahduttamiseen
- Näin kirjoitat UX-tutkimuksen tavoitteet (14 esimerkin avulla)
Lue litterointi:
Kokeilemme podcastiemme litterointia ohjelmiston avulla. Antakaa anteeksi mahdolliset kirjoitusvirheet, sillä botti ei ole sataprosenttisen tarkka.
Hannah Clark: Ihmiset ovat tehneet tutkimusta huonosti jo ikuisuuden. Emme tarvinneet tekoälyä ottaaksemme huonosti laskettuja oikoteitä tai tehdäksemme laajoja oletuksia vähäisen datan perusteella, tai kehittääksemme kömpelöitä persoonakuvauksia oletusten ja tuskallisen hyödyttömien käyttäjähaastattelujen pohjalta. Nyt kun tekoäly on täällä, ei ole yllätys, että tutkimusyhteisö on huolissaan siitä, että teknologia saattaa aiheuttaa vielä enemmän vahinkoa tutkimuksen laadulle. Tämän päivän ohjelmassa tarkastelemme kuitenkin tapoja, joilla tekoäly voi todella auttaa yhdenmukaistamaan ja demokratisoimaan hyvää tutkimusta suuressa mittakaavassa.
Vieraakseni saapuu tänään Cori Widen, Photoroomin käyttäjätutkimuksesta vastaava johtaja. Jos Photoroom ei ole teille entuudestaan tuttu, yritys on saanut paljon huomiota innovatiivisista tavoista, joilla se käyttää tekoälyä, ja Cori kertoi minulle kiehtovan katsauksen siihen, miten kaikki alkaa kulttuurin tasolta. Keskustelemme siitä, kuinka yrityksen ajattelutapa kannustaa mahdollisuuksien tutkimiseen, sekä käytännön tavoista, joilla tiimit voivat käyttää tekoälyä arvostaakseen, tehdäkseen ja hyödyntääkseen laadukasta tutkimusta. Aloitetaan.
Niin, ja muuten: käymme tällaisia keskusteluja joka viikko. Jos tämä kuulostaa kiinnostavalta, mikset tilaisi ohjelmaa? Hyvä on, aloitetaan.
Tervetuloa takaisin tuotepäälliköiden podcastiin. Olen tänään täällä Cori Widenin kanssa. Hän toimii Photoroomin käyttäjätutkimuksesta vastaavana johtajana.
Cori, kiitos paljon siitä, että löysit kalenteristasi aikaa tapaamisellemme.
Cori Widen: Kiitos paljon. Olen todella iloinen saadessani olla täällä.
Hannah Clark: Niin minäkin. Cori on itse asiassa työskennellyt kanssani jo pitkään, ja tämä on ensimmäisiä kertoja, kun olemme oikeasti päässeet keskustelemaan emmekä ole vain viestineet sähköpostitse. Tämä on siis hyvin jännittävää. Tuntuu kuin puhuisin vanhan ystävän tai vanhan kirjekaverin kanssa.
Cori Widen: Kyllä. Erittäin jännittävää. Olen samaa mieltä.
Hannah Clark: Aloitetaan kuten aina. Voitko kertoa hieman taustastasi ja siitä, miten päädyimme siihen, missä olet nyt?
Cori Widen: Toki. Olen työskennellyt teknologia-alalla noin 13 vuotta.
Suurimman osan ajasta työskentelin itse asiassa tuotemarkkinoinnin parissa, mutta kuten useimmilla tuotemarkkinoinnin ammattilaisilla, tutkimusmenetelmät kuuluivat työhöni, eikö niin? Käyttäjien haastatteleminen ja muu vastaava. Jossain vaiheessa päätin vain, että oikeastaan juuri käyttäjätutkimus on se osa, josta pidän eniten.
Siirryin siis kokopäiväiseksi tutkijaksi ensin Lightrixille ja nyt Photoroomille. Johdan käyttäjätutkimusta Photoroomilla.
Hannah Clark: Hienoa. Tänään keskitymme siis tutkijoiden hyväksymiin tapoihin käyttää tekoälyä tutkimustarkoituksiin, mikä on tällä hetkellä hyvin ajankohtainen aihe. Aloitetaan kuumasta aiheesta: tekoälyn käyttäminen laadulliseen analyysiin.
Mikä on nykyinen menetelmäsi tekoälyn ja manuaalisen työn yhdistämiseen tavalla, jonka koet hyväksi ja jonka voit itse hyväksyä? Ja miten se on kehittynyt ajan myötä?
Cori Widen: Ehdottomasti kiistanalainen aihe. Ennen kuin kerron, mihin olen nyt päätynyt, voin hieman kuvata kehitystä: myös minä suhtauduin asiaan aluksi varauksellisesti.
Luulen, että koko tutkimusyhteisö suhtautui niin. Ensinnäkin, koska en luottanut tekoälyn tekevän hyvää työtä, eikä se aluksi todella tehnytkään. Se oli täysin oikeutettu huoli. Toinen asia, josta en kuule ihmisten puhuvan tarpeeksi, on se, että rakastin työtäni. En oikeastaan odottanut tekoälyn tulevan ja sanovan, että anna minun tehdä tästä parempaa.
Pidin esimerkiksi laadullisesta analyysistä ja sen tekemisestä itse. En siis ollut aluksi erityisen innostunut, mutta kävi selväksi, että oli joko opeteltava hyödyntämään sitä tai jäätävä jälkeen. Kun aloin käyttää tekoälyä laadulliseen analyysiin, ensimmäinen menetelmäni oli tehdä täsmälleen sama manuaalinen prosessi kuin aina ennenkin tekoälyn käytön rinnalla. Vertailin kokemuksia ja tarkastelin, missä tekoäly onnistui, missä ei ja kuinka se voisi saavuttaa luotettavuuden kannalta sopivan tasapainon.
Se on ollut pitkälti kokeilua ja erehdystä, ja uskon tämän prosessin kehittyvän aina, koska tekoälykin kehittyy jatkuvasti. Voin kuitenkin kuvata, missä olen tällä hetkellä. Konkreettinen esimerkki auttaa. Oletetaan, että analysoin strategista tutkimusprojektia, jonka datasta suurin osa koostuu käyttäjähaastatteluista.
Kerään kaikki projektin litteroinnit yhteen. Ne tallennetaan Dovetailiin, ja käytämme Dust-nimistä työkalua kyselyiden tekemiseen tekoälylle kaikkien Dovetailissa olevien litterointien perusteella. Käytän siis tekoälyä kysyäkseni kysymyksiä projektia varten keräämästäni litterointijoukosta.
Minulla on edessäni tutkimuskysymykset, jotka olen laatinut manuaalisesti. Alan ohjata tekoälyä ja pyydän siltä lainauksia, jotka liittyvät tutkimuskysymyksiimme. Jos esimerkiksi haluan tietää tietyn käyttäjäpolun ongelmakohdista, pyydän tekoälyä etsimään käyttäjälitteroinneista kyseiseen tutkimuskysymykseen liittyviä lainauksia.
Tämä korvaa haastattelujen manuaalisen merkitsemisen. Monet tutkijat käyttävät erilaisia työkaluja haastattelujen manuaaliseen merkitsemiseen aiheiden perusteella tutkimuskysymysten mukaisesti. Nyt käytän siihen tekoälyä. Sen jälkeen otan kunkin aiheen lainaukset ja sijoitan ne Miro-taululle, jossa teen affiniteettikaavion, kuten olen aina tehnyt haastattelujen analysoinnissa.
Teen edelleen tämän manuaalisesti. Affiniteettikaavion perusteella muodostan projektin oivallukset. Käytän tekoälyä myös niiden tarkistamiseen: annan oivallukseni tekoälyn arvioitaviksi ja pyydän sitä olemaan eri mieltä kanssani tai etsimään litteroinneista asioita, jotka ovat ristiriidassa esiin nostamieni oivallusten kanssa. Näin voin nähdä, olenko jättänyt jotain huomaamatta, ja tarkistaa mahdolliset vinoumat.
Tämä on siis Frankensteinin hirviötä muistuttava manuaalisen työn ja tekoälyn yhdistelmäni analyysia varten.
Hannah Clark: Mainitsit, että yleinen mielipiteesi tekoälystä on muuttunut. Luulen, että monilla meistä on ollut samanlainen matka: aluksi hieman epävarmuutta, joka on ajan myötä kehittynyt. Miten asia on muuttunut sinun kohdallasi?
Cori Widen: Kyllä. Aluksi yrityksissä tuntui olevan paljon painetta selvittää, kuinka tekoälyä pitäisi hyödyntää.
Paine oli hieman suunnatonta: tekoäly tekee sinusta tehokkaamman, auttaa sinua tekemään parempaa työtä ja niin edelleen. En ollut varma, miten sitä pitäisi soveltaa, eivätkä ensimmäiset yritykseni olleet kovin onnistuneita. Se ei ollut kovin hyvä korvaamaan minua missään tutkimusprosessin osassa.
Paine ei kuitenkaan kadonnut. Kun ChatGPT kehittyi käsittelemään suurempia datamääriä, annoin vähitellen periksi ja aloin tehdä mukautettuja skriptejä hyvin yksinkertaisiin tehtäviin, kuten haastattelun tiivistämiseen. Se avasi ajatteluani hieman, mutta todellinen käännekohta oli melko hiljattain, kun siirryin Photoroomille. Photoroomilla on erittäin ainutlaatuinen lähestymistapa tekoälyyn, sekä käyttäjille suunnattuun tekoälyyn että yrityksen sisäiseen käyttöön.
Onko tekoälyn käyttöönottoon painetta? Toki. Kuvailisin sitä kuitenkin innostuneeksi paineeksi. Kaikki ovat todella innostuneita erilaisista käyttötapauksista, joita he löytävät omalla alallaan ja ammatissaan tekoälyn avulla.
Yrityksessä vallitsee ilmapiiri, jossa ihmiset jakavat jatkuvasti saavutuksiaan ja ovat aidosti kiinnostuneita siitä, miten muut hyödyntävät tekoälyä. Tämä ympäristö muutti tilanteen sellaisesta, että ajattelin: ”Voi ei, olen tutkija ja minun on selvitettävä, miten käytän tekoälyä”, sellaiseksi, että tekoälyn hyödyntämisestä tuli hauska ja kiinnostava osa työtäni.
Hannah Clark: Hienoa. Haluaisin palata hetken kuluttua Photoroomin kulttuuriin, koska tämä on todella kiinnostavaa. Uskon, että se on merkittävä tekijä, joka voi vaikuttaa tekoälyn käyttöönottoon yrityksissä yleisesti. Se on jo itsessään valtava kysymys.
Puhutaan kuitenkin hieman tekoälyavustajista. Mainitsit, että tekoälyn käyttötapasi ovat muuttuneet ja että sen tehokkaampi hyödyntäminen on ollut todellinen mullistus. Luulen, että kaikki tietävät nykyään tekoälyavustajien olevan nousussa, ja tiedän sinun rakentaneen muutamia avustajia, joista on ollut prosessissasi paljon hyötyä. Millaisia avustajia olet rakentanut ja mitä ongelmia ne ovat viime aikoina ratkaisseet?
Cori Widen: Kaksi pääasiallista tulee mieleen. Ensimmäinen on nimeltään ”Käyttäjähaastattelujen louhinta”. Se ei ole kovin luova nimi, mutta kuvaa täsmälleen sen toimintaa. Käytännössä jokainen Photoroomilla tehtävä käyttäjähaastattelu tallennetaan Dovetailiin. Sitten saamme litteroinnit ohjelmointirajapinnan kautta ja voimme esittää niistä kysymyksiä. Näin sitä hyödynnetään.
Se on ratkaissut erilaisia ongelmia minulle, kanssatutkijalleni Beckylle ja muille sidosryhmille. Tutkijoina se on tärkeä osa analyysiprosessiamme. Sen avulla löydämme lainauksia sen sijaan, että merkitsisimme asiat manuaalisesti projektia analysoidessamme. Sidosryhmille se tarjoaa loistavan tavan louhia kaikki tähän mennessä tehdyt haastattelut ilman, että heidän tarvitsee pyytää meitä etsimään raportteja ja muuta vastaavaa.
He voivat kysyä käytännössä mitä tahansa käyttäjistä tai kilpailijoiden käyttäjistä. Esimerkiksi: ”Anna minulle luettelo kaikista haasteista, joita ihmisillä on ollut tekoälytaustojen tai jonkin Photoroomin ominaisuuden kanssa.” Se säästää aikaamme ja tuo sidosryhmiä lähemmäs käyttäjää, koska he voivat itse etsiä tietoa ja olla vuorovaikutuksessa sen kanssa.
Toinen avustaja on uudempi, ja se on haastatteluoppaan luoja. Monet Photoroomin työntekijät tekevät käyttäjähaastatteluja, mutta käytettävissä oleva aika hyvän haastatteluoppaan valmisteluun ennen haastatteluja on rajallinen. Myös tietämys parhaista käytännöistä, kuten siitä, miten käyttäjiltä kysytään asioita haluttujen oivallusten saamiseksi, vaihtelee.
Haastatteluoppaan luojalle annetaan syötteenä, mitä halutaan oppia, keitä haastateltavat käyttäjät ovat ja mitä heiltä halutaan oppia. Sen jälkeen se tuottaa haastatteluoppaan pääasiassa parhaiden käytäntöjen mukaisesti. Tämän ansiosta jokainen voi tietotasostaan riippumatta luoda haastatteluoppaan, jossa ei esitetä johdattelevia kysymyksiä eikä pyydetä käyttäjiä ennustamaan tulevaa käyttäytymistään.
Hannah Clark: Se on todella tehokasta, koska huomaan tässä suuntauksen: tekoäly ei vain lisää yksilöiden tuottavuutta, vaan myös laajentaa heidän osaamistaan siirtämällä tietoa ja muuta vastaavaa. On todella hienoa kuulla teknologian tällaisesta hienovaraisemmasta käytöstä.
Puhutaan seuraavaksi kehotteiden suunnittelusta. Tämä on toinen valtava aihe. Kaikki yrittävät kehittyä siinä, ja tiedän monien sanovan, että tekoälylle pitää vain antaa paljon kontekstia. Asia on kuitenkin hieman monimutkaisempi.
Mitä erityisiä tekniikoita olet löytänyt, jotka ovat todella parantaneet käyttäjätutkimuksen analyysissä saamiesi tulosten laatua?
Cori Widen: Ensinnäkin yritän tätä aivan kuten kaikki muutkin. Joskus olen repiä hiuksiani ja ihmettelen, miksei tekoäly ymmärrä minua.
Muutama asia on kuitenkin osoittautunut erityisen hyödylliseksi analyysissä. Ensinnäkin esitän jokaisen tekoälylle esittämäni kysymyksen vähintään kahdella tai kolmella eri tavalla. Tekoäly ei ole ihminen, emmekä voi tietää, kuinka se tulkitsee kysymykseni. Huomaan usein saavani erilaisia käyttäjälainauksia tai litterointeja, kun esitän kysymyksen hieman eri tavalla.
Erityisesti projektia analysoidessani haluan varmistaa, että löydän jokaisen tiettyyn aiheeseen liittyvän olennaisen näkökohdan. Siksi käytän useita eri kehotteita ja muotoilen ne joka kerta eri tavalla. Lisäksi kutsun sitä tekoälyn ”nalkuttamiseksi”, mutta pyydän aina etsimään lisää esimerkkejä. Vaikka pyytäisin kattavaa luetteloa lainauksista tai esimerkeistä, se ei koskaan oikeasti ole kattava.
Aina löytyy lisää. Siksi pyydän aina lisää. Olen myös oppinut, että ihmisen kanssa voin esittää neljä tai viisi kysymystä kerralla ja innostua aiheesta, mutta tekoälyn kanssa se ei toimi hyvin. Yritän kovasti kirjoittaa kehotteita, jotka sisältävät vain yhden kysymyksen.
On kiinnostavaa, että mainitsit monien puhuvan mahdollisimman suuren kontekstin antamisesta. Omien kehotekokemusteni perusteella ajattelen kuitenkin, että kontekstia voi olla liikaa. Tekoäly alkaa muodostaa asioista tärkeysjärjestystä, priorisoi osan sanomastasi ja jättää muut huomiotta.
Yritän löytää sopivan tasapainon, joka näyttää omalla kohdallani kallistuvan jopa vähäisempään kontekstiin.
Hannah Clark: Mielenkiintoista. Se riippuu varmasti myös siitä, missä käytät kontekstia. Tämä on hyvä tietää, koska en ole aiemmin kuullut kenenkään sanovan, ettei hän käytä kaikkea mahdollista kontekstia.
Puhutaan vivahteiden puuttumisesta. Mainitsit aiemmin tekoälyn mahdollisen ongelman: se voi joskus jättää datan vivahteet huomaamatta tai esittää rajallisen datan trendinä. Tutkijat ehkä huomaisivat tällaisia asioita, mutta kuten sanoit, kun taitoja ja tietoa siirretään muille, kaikki ei aina välity.
Kuinka validoit tekoälyn analyysin ja varmistat, ettet jätä tärkeitä poikkeamia huomaamatta? Ja mikä tärkeämpää, jos jaat näitä taitoja muiden sidosryhmien kanssa, miten varmistat tiedon siirtymisen myös heidän käyttöönsä?
Cori Widen: Nämä ovat todella tärkeitä kysymyksiä.
Kun analysoin projektia, pyydän tekoälyltä harvoin oivalluksia. Pyydän sitä etsimään olennaisia asioita, minkä jälkeen käytän inhimillistä arviointikykyäni varsinaisten oivallusten muodostamiseen. Aiemmin mainitsemaamme käyttäjähaastattelujen louhinta -avustajaa käytetään usein strategisten projektien ulkopuolisiin asioihin.
Esitämme sille kysymyksiä käyttäjistä: ”Minkä kanssa käyttäjillä on eniten vaikeuksia tässä asiassa?” Ensinnäkin tämä on todella haastavaa, ja noudatan aina kahta sääntöä. Kun pyydän tekoälyltä oivallusta, pyydän sitä viittaamaan jokaiseen litterointiin, jota se käyttää oivalluksen muodostamiseen.
Joskus se viittaa kahteen litterointiin satojen joukosta. Voin avata litteroinnit ja tarkistaa asian. Kun näen, mistä se on oivalluksensa johtanut, voin käyttää inhimillistä harkintaani päätelläkseni, pitääkö se paikkansa. Toinen asia on, että pyydän aina poikkeamia.
Jos tekoäly esittää oivalluksen, sanon: ”Hyvä on, anna nyt mahdollisimman monta esimerkkiä käyttäjistä, jotka ovat tämän oivalluksen kanssa ristiriidassa.” Se auttaa minua tarkastelemaan kaikkea dataa ja tekemään oman, vivahteikkaamman johtopäätökseni.
Sidosryhmien tekoälyavustajan käytöstä voin sanoa, että loimme Notioniin oppaan avustajan käyttöä varten, ja kaikki pääsevät siihen käsiksi. Tällaisia resursseja jotkut käyttävät ja jotkut eivät. Selvitän siis edelleen, kuinka varmistamme kaikkien olevan samalla sivulla, kun jokin työkalu on tarkoitettu avaamaan käyttäjädatan kaikkien yrityksen työntekijöiden saataville.
Minulla ei ole siihen vielä tarkkaa vastausta.
Hannah Clark: Tämä on varmasti jatkuva prosessi. Se korostaa mielestäni sitä, että meillä täytyy olla ihminen valvomassa toimintaa riippumatta siitä, mihin käytämme tekoälyä. Sinun on edelleen oltava kyseisen alan asiantuntija, jotta voit tarkistaa työn ja varmistaa sen laadun. Tekoälyä pitää kohdella pikemminkin johdettavana työntekijänä kuin henkilönä, jolla on kanssasi samanlainen osaaminen.
Monet painivat varmasti sen kanssa, miten varmistetaan sisäisen, yrityksen omistaman tiedon yhdenmukaisuus sen kanssa, miten tekoälyä yritetään käyttää tähän tarkoitukseen.
Olemme puhuneet paljon yrityksen arvoista ja toimintatavasta. Voimme nyt siirtyä suoraan joihinkin Photoroomin arvoihin, jotka ovat mahdollistaneet ja tukeneet tällaista tekoälyn käyttöä. Puhutaan Photoroomin arvoista tekoälyn käytön näkökulmasta.
Olet korostanut paljon ajatusta siitä, että Photoroomin kulttuuri on tärkeä tekijä teknologian käyttöönotossa ja hyödyntämisessä. Mitä tutkimuksen demokratisointi tarkoittaa? Ja kuinka se on muuttanut tapaa, jolla sidosryhmät suhtautuvat käyttäjätutkimuksen tuloksiin ja arvostavat niitä?
Cori Widen: Photoroomissa minua aluksi eniten houkutteli heidän käyttäjäkeskeisyytensä. Johto käytti aikaa käyttäjien haastattelemiseen. Haastatteluprosessin aikana tajusin, että Photoroomilla odotetaan ihmisten puhuvan käyttäjille ja tarkastelevan laadullista dataa määrällisen datan lisäksi.
Näin ei ole jokaisessa yrityksessä. Photoroomilla käyttäjien kanssa käytyä vuorovaikutusta ja laadulliselle datalle altistumista hyödynnetään päätöksenteossa. Tämä oli käytäntö jo kauan ennen kuin tulin Photoroomille.
Suhtauduin siihen hieman hermostuneesti, koska oma lähestymistapani demokratisointiin oli aina ollut spektrin toisessa päässä: tutkimusta pitäisi tehdä tutkijoiden. On hienoa, jos tuotepäälliköt, suunnittelijat ja muut keskustelevat käyttäjien kanssa, mutta en pitänyt täydellistä demokratisointia parhaana toimintatapana.
Sain Photoroomilla kuitenkin todella hyvän oppitunnin. Päätin olla avoin uuden kokeilemiselle. Olen oppinut, että kun yrityksessä ihmiset ovat vuorovaikutuksessa käyttäjien kanssa ja heidän odotetaan huomioivan laadullinen data, he arvostavat käyttäjätutkimusta enemmän ja hyödyntävät oivalluksia todennäköisemmin.
Tämä on yksi käyttäjätutkijoiden usein mainitsemista ongelmista: heidän on jatkuvasti puolustettava käyttäjää ja käyttäjien perusteella tekemiään havaintoja.
Photoroomilla tällainen kulttuuri tarkoittaa, että kaikki kaipaavat näitä oivalluksia. Tutkijoiden suuri pelko demokratisoidussa ympäristössä on, ettei tutkimusta tehdä oikein. Se oli yksi minunkin peloistani, koska tutkimukseen tarvitaan todellisia taitoja.
Olen kuitenkin huomannut, että ympäristössä, jossa ihmiset ovat jatkuvasti vuorovaikutuksessa käyttäjien kanssa, he kaipaavat myös hyviä käytäntöjä. Kaikki haluavat tehdä hyvän haastattelun, kun he haastattelevat käyttäjiä säännöllisesti. Kaikki haluavat käytettävyystestauksen olevan täsmällistä.
Yksi käyttäjätutkimuksen työn hienoista puolista on se, että voimme auttaa ihmisiä kehittämään näitä taitoja silloin, kun niissä on puutteita.
Hannah Clark: Luulen, että erityisesti tutkimuksen parhaisiin käytäntöihin liittyvien asenteiden kohdalla käy usein niin, että kun ymmärtää tehokkaan käyttäjätutkimuksen ja käyttäjähaastattelujen vaatiman taitojen ja vivahteiden määrän, huomaa: ”Vau, et tiennyt, kuinka paljon et tiennyt.”
Cori Widen: Olen täysin samaa mieltä.
Hannah Clark: Teimme pari vuotta sitten hienon jakson Steve Portigalin kanssa käyttäjähaastattelujen tekemisestä. En ollut koskaan tehnyt haastatteluja ennen hänen haastattelemistaan, podcast-haastatteluja lukuun ottamatta. Hän osoitti vain 20 minuutissa valaisevalla tavalla, kuinka moni asia, jopa oma käyttäytymisesi, voi vaikuttaa haastattelun lopputulokseen.
Minusta on siis todella hienoa, että ihmisillä on halu siirtää tietoa ja kehittyä käyttäjien kanssa keskustelijoina. Se on kiinnostavaa.
Cori Widen: On hauskaa, että mainitsit tuon, koska Steve kirjoitti kirjan nimeltä ”Käyttäjien haastatteleminen”. Hän kirjoitti siitä kokonaisen kirjan. Olen antanut sitä sidosryhmille, ja niin on tapahtunut useammin kuin kerran. Ihmiset sanovat: ”Tästä on olemassa kokonainen kirja?” Ja vastaus on kyllä, tästä on todellakin niin paljon opittavaa.
Hannah Clark: Se on hienoa, koska kuten sanoit, jokainen yritys haluaa aina saada käyttäjien todellisen palautteen ja heidän oikeat tarpeensa osaksi tuotteita. Tarvitset riittävästi palautetta, mutta sen on oltava myös laadukasta, jotta sitä voi hyödyntää tehokkaasti. Olen todella innostunut näkemään, kuinka tekoäly auttaa tutkijoita saamaan tukea ja auttamaan ihmisiä puolustamaan käyttäjätutkimusta. Olen selvästi tutkijoiden puolella.
Miten käyttäjätutkimus hyötyy mielestäsi tekoälystä tulevaisuudessa? Näetkö horisontissa uusia kyvykkyyksiä, joita emme vielä täysin pysty hyödyntämään?
Cori Widen: Minulla ei ole tarpeeksi teknistä tietämystä voidakseni kertoa, kuinka hyväksi teknologia kehittyy tai milloin se tapahtuu. Kun ajattelen tutkijan roolin kehittymistä tekoälyn kehittyessä ja käytön yleistyessä, olen jo huomannut, että minulla on paljon enemmän aikaa tehdä yhteistyötä sidosryhmien kanssa, koska tekoälyn käyttö tekee prosessistani tehokkaamman.
Jos minun pitäisi tehdä yksi suuntaa-antava ennustus, sanoisin, että tutkijan rooli muuttuu. Se ei koske enää vain tutkimuksen toteuttamista ja oivallusten jakamista, vaikka tutkimusta edelleen tehdään tarvittaessa. Tutkija käyttää enemmän aikaa sidosryhmien kanssa esimerkiksi ideointiin ja ratkaisujen kehittämiseen.
Meillä on siihen aikaa, ja pystymme tuomaan pöytään uskottavaa tietoa nopeammin.
Hannah Clark: Mitä käytännön neuvoja antaisit juuri nyt tutkijoille, jotka vasta ottavat tekoälyä osaksi työnkulkuaan? Olet jakanut paljon helposti lähestyttäviä ja heti käyttöön otettavia vinkkejä. Onko vielä muita suosituksia hyvään lähtökohtaan niille, joilla ei ole parhaiden käytäntöjen käsikirjaa?
Cori Widen: Uskon rehellisesti, että paras tapa aloittaa on muuttaa ajattelutapaa. Hyväksy, että tämä tapahtuu.
Se on vaikeaa, mutta kun sen tekee, monet sanovat, että tekoälyä kannattaa ensin käyttää pieniin tehtäviin. Minä ajattelen päinvastoin. Hyvä lähtökohta on hypätä suoraan laadullisen analyysin pariin.
Selvitä, missä tekoäly voi auttaa työn tärkeimmässä ja useimmiten aikaa vievimmässä osassa. Suositukseni perustuu omaan prosessiini: kokeile käyttää tekoälyä manuaalisen merkitsemisen korvaamiseen. Pyydä sitä poimimaan käyttäjädatastasi, olipa kyse käytettävyysistunnoista, haastatteluista tai jostain muusta, paikat, joissa tietoa voi luokitella, ja tee analyysisi siitä eteenpäin.
Syy on se, että siirtyäksesi tekoälyn käytöstä tutkimuksessa innostuneeksi käyttäjäksi sinun on tehtävä jotain, joka vaikuttaa työnkulkuusi. Säästämäsi aika ja energia voivat olla valtavia.
Hannah Clark: Lopuksi: mikä on ollut yllättävin havaintosi, kun olet käyttänyt tekoälyä omiin tarkoituksiisi? Mikä on ollut sinulle se läpimurtohetki?
Cori Widen: Tässä on kaksi asiaa. Minulle tärkeä läpimurto, joka saattoi olla muille ilmeisempi, oli oivallus siitä, että minulla ihmisenä voi edelleen olla vaikuttava rooli tässä prosessissa. Tekoälyn käyttäminen ei tarkoita kaiken ulkoistamista tekoälylle.
Se tarkoittaa sen ymmärtämistä, missä minä olen parhaimmillani ja missä tekoäly on parhaimmillaan, ja näiden yhdistämistä mahdollisimman laadukasta laadullista analyysia varten.
Toinen todellinen ahaa-elämys oli, kun sain palautetta eräältä Photoroomin työntekijältä. Hän kertoi, että kun yritykseen palkattiin ensimmäinen tutkija, eli minut, suurin pelko oli tutkimuksen hitaus.
He ajattelivat: ”Tämä henkilö tulee ja antaa meille oivalluksia niin hitaasti, ettemme pysty hyödyntämään niitä.” Sitten hän kertoi minulle, että olenkin melko nopea. Tajusin, että olen nopea, koska olen ottanut tekoälyn käyttöön tutkimusprosessin kriittisissä kohdissa.
En olisi ilman sitä nopea. Sen ymmärtäminen teki minusta arvokkaamman tiimin jäsenen, ja se oli ehdottomasti ahaa-hetki.
Hannah Clark: Se on todella hienoa. Täytyy tuntua hyvältä, kun on nyt tällainen ässä hihassa.
Kiitos paljon, että liityit seuraamme, Cori. Rakastan aina tutkimuksesta keskustelemista. Opin joka kerta niin paljon, ja tänään olemme sulattaneet valtavan määrän tietoa samaan 25 minuuttiin. Kiitos kaikesta. Mistä kuulijat voivat seurata työtäsi verkossa?
Cori Widen: En ole kovin aktiivinen verkossa. Olen kuitenkin aina mielelläni yhteydessä muihin tutkijoihin LinkedInissä, joten ottakaa rohkeasti yhteyttä.
Hannah Clark: Hienoa. Kiitos paljon, että olit mukana.
Cori Widen: Kiitos.
Hannah Clark: Kiitos kuuntelemisesta. Lisää hyviä oivalluksia, ohjeita ja työkaluarvosteluja saat tilaamalla uutiskirjeemme osoitteessa theproductmanager.com/subscribe. Voit kuunnella lisää tämänkaltaisia keskusteluja tilaamalla Product Managerin sieltä, mistä kuuntelet podcastisi.
