Come utilizzare l’IA per fare ricerca come un vero ricercatore

Leggi la trascrizione:

Stiamo sperimentando la trascrizione dei nostri podcast tramite un programma software. Perdonate eventuali errori di battitura, dato che il bot non è sempre corretto al 100%.

Hannah Clark: Da tempo immemorabile, le persone hanno condotto ricerche in modo errato. Non avevamo bisogno dell’IA per prendere scorciatoie mal calcolate o per trarre grandi conclusioni da pochi dati, o per creare goffe personas basate su assunzioni e interviste utenti poco utili. Quindi, ora che l’IA è arrivata, non sorprende che la comunità di ricercatori sia preoccupata che la tecnologia possa causare ancora più danni alla qualità delle ricerche. Ma, nell’episodio di oggi, esploriamo i modi in cui l’IA può effettivamente aiutare a standardizzare e democratizzare le buone pratiche di ricerca su larga scala.

Ospite di oggi è Cori Widen, Responsabile della Ricerca Utenti presso Photoroom. Se ancora non conosci Photoroom, l’azienda sta riscuotendo molta attenzione per gli approcci innovativi che sta adottando grazie all’IA, e Cori mi ha fornito una panoramica affascinante di come tutto questo parta dal livello culturale. Parliamo di come la mentalità dell’azienda stimoli l’entusiasmo nell’esplorare nuove possibilità, oltre ad alcuni esempi pratici su come i team possono usare l’IA per valorizzare, svolgere e sfruttare al meglio la ricerca. Iniziamo subito.

Ah, tra l’altro, ogni settimana teniamo conversazioni come questa. Quindi, se ti interessa, perché non ti iscrivi? Bene, ora possiamo davvero iniziare.

Bentornati al podcast di Product Manager. Oggi sono qui con Cori Widen, Responsabile della Ricerca Utenti di Photoroom.

Cori, grazie mille per aver trovato del tempo nella tua agenda per parlare con me.

Cori Widen: Grazie a te. Sono molto felice di essere qui.

Hannah Clark: Anch’io. E Cori in realtà lavora con me da tempo, e questa è una delle prime occasioni in cui finalmente riusciamo a parlarci e non solo a scriverci via email. È emozionante, sembra quasi di parlare con una vecchia amica o una corrispondente di penna.

Cori Widen: Sì, molto emozionante. Sono d’accordo.

Hannah Clark: Cominciamo come sempre. Puoi raccontarmi un po’ della tua esperienza e di come sei arrivata dove sei oggi?

Cori Widen: Certo. Lavoro nel settore tecnologico da circa 13 anni.

Per la maggior parte di quel tempo ho lavorato nel marketing di prodotto, ma come molti che fanno questo mestiere, i metodi di ricerca erano una parte del mio lavoro, ad esempio intervistare gli utenti e simili. A un certo punto però ho deciso che era proprio quella la parte che mi appassionava di più: la ricerca utente.

Quindi sono passata a fare la ricercatrice a tempo pieno, prima in Lightrix e ora in Photoroom, dove guido il team di ricerca utenti.

Hannah Clark: Fantastico. Oggi ci concentreremo sui metodi approvati dai ricercatori per usare l’IA nella ricerca, che è un tema molto caldo in questo momento. E iniziamo proprio da questo punto: usare l’IA per l’analisi qualitativa.

Qual è il tuo approccio attuale per combinare IA e lavoro manuale in una maniera che ritieni valida e che puoi approvare personalmente? Come si è evoluto nel tempo?

Cori Widen: Indubbiamente è controverso, e prima di spiegare dove sono arrivata ora, racconto come ci sono arrivata. Anch’io ero scettica.

Credo lo fosse tutta la comunità dei ricercatori. Primo, perché non mi fidavo delle capacità dell’IA, e in effetti, all’inizio non era affidabile. E poi, cosa che non viene detta spesso, io adoravo il mio lavoro. Non aspettavo certo l’arrivo dell’IA per migliorare le cose.

Non avevo bisogno che risolvesse problemi per me. Mi piaceva l’analisi qualitativa, svolgerla in prima persona. Quindi, all’inizio non ero particolarmente entusiasta, ma è diventato evidente che dovevo capire come sfruttarla o sarei rimasta indietro. Quando ho iniziato a usare l’IA per l’analisi qualitativa, ho dapprima portato avanti in parallelo il mio metodo manuale di sempre insieme all’uso dell’IA, per fare confronti e capire cosa funzionasse e cosa no, trovando quel punto d’incontro ideale in termini di affidabilità.

C’è stato molto trial and error, e penso che il processo continuerà sempre ad evolversi perché l’IA è in continua evoluzione. Ma vi descrivo dov’è il mio processo oggi. Penso sia utile un esempio concreto. Supponiamo che stia analizzando un progetto di ricerca strategica e che la maggior parte dei dati sia costituita da interviste agli utenti.

Tutte le trascrizioni sono inserite in un progetto. Usiamo Dovetail per archiviarle, e poi uno strumento chiamato Dust per interrogare l’IA in base a tutte le trascrizioni presenti in Dovetail. In pratica, uso l’IA per porre domande su un set di trascrizioni relative a un progetto.

Mi preparo le domande di ricerca (fatte manualmente) e inizio a chiedere all’IA citazioni pertinenti alle domande, ad esempio sui punti dolenti di uno specifico flusso. Chiedo quindi all’IA di trovare citazioni dagli utenti rilevanti per la questione di ricerca.

In questo modo sostituisco l’attività manuale di etichettatura delle interviste: molti ricercatori usano vari strumenti per taggare manualmente le interviste secondo le proprie domande di ricerca, ora lascio fare all’IA. Poi prendo le citazioni per ogni argomento, le metto in una board su Miro e faccio un affinity diagramming, come ho sempre fatto per analizzare le interviste.

Questo passo lo svolgo ancora a mano. Dall’affinity diagram ricavo i miei insight. Un altro punto dove uso l’IA è prendere questi insight e chiedere all’IA di contraddirli, ovvero di trovare elementi nei transcript che mettano in discussione le conclusioni che ho tratto, per controllare se mi sono sfuggiti dati o c’è qualche bias.

Ecco il mio processo “Frankenstein” tra manuale e IA per l’analisi.

Hannah Clark: Hai accennato che la tua percezione dell’IA è cambiata: credo molti abbiano vissuto questa evoluzione tra incertezza e apertura. Come si è evoluto questo aspetto per te?

Cori Widen: All’inizio avvertivo molta pressione dalle aziende per capire come usare l’IA.

Era una pressione un po’ senza direzione: doveva renderti più efficiente, aiutarti a fare meglio, eccetera. Ma non sapevo davvero come applicarla e i primi tentativi non erano efficaci: non riusciva a sostituirmi in nessuna parte del processo, almeno non bene.

Quella pressione però restava. Così, man mano che ChatGPT ha iniziato a gestire porzioni di dati sempre più grandi, mi sono arresa e ho iniziato a creare script personalizzati per attività molto semplici, ad esempio riassumere un’intervista. Questo mi ha aperto un po’ la mente, ma il vero punto di svolta è arrivato quando sono entrata in Photoroom, un’azienda davvero singolare nell’approccio all’IA, sia per l’IA rivolta agli utenti sia internamente.

C’è pressione per incorporare l’IA? Sì, ma è una pressione positiva. Tutti sono molto entusiasti dei diversi utilizzi che scoprono nel proprio ambito e professione tramite l’IA.

C’è un clima in cui tutti condividono i risultati ottenuti, c’è molta curiosità nel sapere come si utilizzi l’IA, ecc. In questo ambiente, da “oddio, sono una ricercatrice e ora devo capire come farlo” si passa a una prospettiva più divertente e interessante nel proprio lavoro.

Hannah Clark: Molto interessante. Voglio entrare più nel dettaglio sulla cultura aziendale di Photoroom tra poco, perché è davvero affascinante e può influenzare tanto l’adozione dell’IA in azienda — una questione enorme di per sé.

Parliamo però delle IA assistenti: hai citato che il modo di usarla si è evoluto e che crearne di più efficaci ha segnato la differenza, e so che ormai tutti conoscono le IA assistenti e hai sviluppato alcuni strumenti davvero utili nel tuo processo. Che tipo di assistenti hai creato e quali problemi risolvono?

Cori Widen: Due principali mi vengono in mente. Il primo si chiama Mining User Interviews, nome poco creativo ma descrive esattamente ciò che fa. Essenzialmente, tutte le interviste utente fatte in Photoroom sono salvate in Dovetail, e poi tramite API prendiamo le trascrizioni e possiamo porre domande. Quindi viene usata così.

Ha risolto problemi diversi per me, Becky (la mia collega nel team di ricerca), e per altri stakeholder. Per noi ricercatori è parte fondamentale dell’analisi: ci aiuta a trovare citazioni invece di etichettare, quando analizziamo un progetto. Per gli stakeholder invece, è un modo per poter interrogare tutte le interviste fatte senza passare da noi e senza chiedere report — basta cercare tutte le informazioni su utenti o utenti dei competitor.

Ad esempio: “Mi fai un elenco di tutte le difficoltà incontrate dagli utenti con gli sfondi IA oppure con una funzione di Photoroom?” Questo ci fa risparmiare tempo e aiuta gli stakeholder ad avvicinarsi agli utenti cercando direttamente queste informazioni.

La seconda è più recente, un generatore di guide per le interviste. Molte persone in Photoroom conducono interviste utenti, ma manca spesso il tempo per preparare una buona scaletta di domande e la conoscenza delle best practices: come si interroga per ricavare insight validi?

Il generatore di guide chiede input su cosa vuoi imparare, chi sono gli utenti e cosa vuoi sapere da loro, e poi genera una guida secondo le best practices. Il risultato è che, a prescindere dalla conoscenza pregressa, puoi avere una scaletta che evita domande tendenziose e che non chiede agli utenti di prevedere il proprio comportamento futuro.

Hannah Clark: Davvero potente, perché noto una tendenza: non solo l’IA espande la produttività, ma anche le competenze delle persone, permettendo di trasferire il proprio sapere — è un modo interessante di usare la tecnologia. Bella la tua prospettiva diretta e concreta!

Parliamo ora dell’ingegneria dei prompt, altro tema centrale. Tutti cercano di ottimizzarla, e in tanti suggeriscono di dare molto contesto, ma forse è più complesso di così.

Quali tecniche specifiche hai scoperto che davvero migliorano la qualità degli output quando analizzi dati della ricerca utenti?

Cori Widen: Anch’io, come tutti, cerco sempre di trovare la formula giusta, e a volte perdo la pazienza perché l’IA non mi capisce…

Ma ci sono alcune riflessioni che trovo molto utili in fase di analisi. Primo: ogni domanda che pongo all’IA la formulo in almeno due o tre modi diversi. Non essendo umana, non si può sapere come interpreta la richiesta, e spesso ottengo citazioni utente diverse a seconda della formulazione.

Quindi per essere sicura di trovare tutti i punti rilevanti quando analizzo un progetto, uso più prompt diversi per ogni tema. Poi, come dico io, “tormento” sempre l’IA: chiedo continuamente altri esempi. Anche se domando un elenco esaustivo, non lo è mai veramente, quindi insisto a chiedere nuovi esempi. Ho imparato poi che, nella conversazione tra umani, si possono fare più domande alla volta; con l’IA invece bisogna essere monotematici, una domanda per volta nel prompt.

E anche sul fornire contesto: tanti suggeriscono di darne molto ma, per mia esperienza, se il contesto è eccessivo, l’IA inizia a stabilire gerarchie di importanza e a trascurare alcune cose.

Cerco quindi di trovare il giusto equilibrio, che per me vuol dire a volte fornire meno contesto.

Hannah Clark: Interessante! Dipende anche da dove si vuole inserire il contesto. Bello sentire opinioni nuove!

Parlando di sottigliezze: una delle problematiche che hai citato è il rischio che l’IA perda sfumature nei dati o presenti dati limitati come se fossero una tendenza generale, cose che un ricercatore coglierebbe. Se trasmetti competenze ad altri, non sempre passano queste accortezze.

Come validi l’analisi dell’IA per non perderti outlier importanti e, se condividi il lavoro con altri stakeholder, come garantisci che il trasferimento di competenze sia efficace?

Cori Widen: Domande importantissime.

Quando analizzo un progetto, raramente chiedo all’IA degli insight diretti; le chiedo di trovare punti rilevanti, poi io — come umana — ricavo gli insight. Ma l’assistente Mining User Interviews di cui parlavamo viene spesso usato per tematiche al di fuori dei progetti strategici.

Chiediamo all’IA domande sugli utenti: quali sono le difficoltà principali, eccetera. È una cosa complessa e seguo sempre due regole. Primo: quando chiedo un insight, pretendo che l’IA mi citi ogni singola trascrizione usata per elaborarlo.

Così, se mi cita solo due transcript su centinaia, controllo di persona nei testi se sia realmente una tendenza o no. Posso usare il mio senso critico per capire l’origine dell’insight. Secondo: chiedo sempre gli outlier.

Se l’IA mi dà un insight, chiedo: “Ora dammi più esempi possibili di utenti che smentiscono questa tesi”. Così vedo tutti i dati e posso trarre conclusioni più sfaccettate. Quanto all’uso dell’agente IA da parte degli stakeholder:

Abbiamo creato una guida in Notion accessibile a tutti per usarlo correttamente. Alcuni la usano, altri meno; è un aspetto che sto ancora cercando di ottimizzare. Se apriamo i dati utenti a tutta l’azienda, dobbiamo garantire l’allineamento, ma ancora non ho una risposta definitiva.

Hannah Clark: Credo sia un cantiere aperto — emerge l’importanza di avere comunque un supervisore umano: serve sempre un esperto per controllare e guidare l’IA, trattandola come una risorsa da gestire piuttosto che una “pari competenza”.

Penso sia una questione con cui molti si stanno confrontando: come garantire che il sapere interno sia allineato fra chi usa l’IA a questo scopo.

Ora che abbiamo parlato tanto di valori aziendali e modalità operative, possiamo approfondire i valori di Photoroom che ti hanno permesso di vivere così l’adozione dell’IA. Parliamo dei valori di Photoroom in rapporto all’uso dell’IA.

Hai sottolineato che la cultura aziendale ha avuto un ruolo fondamentale nella tua adozione e coinvolgimento con la tecnologia. Cosa significa democratizzare la ricerca? Come è cambiato il modo in cui gli stakeholder interagiscono con i risultati di ricerca UX e li valorizzano?

Cori Widen: La cosa che mi ha più colpita di Photoroom è quanto siano davvero centrati sull’utente. Anche i leader intervistano regolarmente gli utenti. Durante il processo di selezione, ho capito che era richiesto che tutti in Photoroom parlassero con gli utenti e guardassero sia dati quantitativi che qualitativi.

Non è così ovunque. E il fatto di usare quei dati e interagire con gli utenti per prendere decisioni era già una pratica consolidata prima che arrivassi. All’inizio ero un po’ timorosa: la mia visione della democratizzazione era l’opposto, ossia la ricerca dovrebbe essere gestita dai ricercatori.

Certo, è ottimo se PM e designer parlano con gli utenti, ma non vedevo la democratizzazione totale come una strada efficace. Invece, qui mi sono dovuta ricredere. Ho visto che, in un’azienda dove si interagisce spesso con gli utenti e si prendono in considerazione i dati qualitativi, la ricerca utenti viene valorizzata e usata molto di più.

Spesso chi fa ricerca si lamenta che deve sempre “spingere” per far accettare i risultati agli stakeholder. In Photoroom invece, tutti sono desiderosi di questi insight: questa è la differenza principale. Il terrore più grande dei ricercatori, comunque, in ambienti molto “democratici”, è che la ricerca non venga fatta nel modo giusto — e anche la mia paura era quella, perché occorrono competenze specifiche. Ma ho scoperto che, dove tutti interagiscono spesso con gli utenti, c’è anche fame di best practices: ognuno vuole svolgere una buona intervista, fare test di usabilità accurati.

Il bello del nostro lavoro di ricerca utenti è proprio aiutare a far acquisire queste skill dove serve.

Hannah Clark: È uno di quei casi in cui, quando inizia a capire quanta tecnica e quanta attenzione servono per fare ricerca utenti o interviste efficaci, ti rendi conto di non sapere quanto c’è dietro!

Cori Widen: Verissimo.

Hannah Clark: Qualche anno fa abbiamo fatto una bellissima puntata con Steve Portigal sulle interviste utenti. Non ne avevo mai fatte prima, solo podcast, e già in 20 minuti ho capito quante cose del comportamento dell’intervistatore possono influenzare il risultato.

Quindi è bellissimo vedere questa “fame” di conoscenza e voglia di migliorarsi nell’interagire con gli utenti.

Cori Widen: Curioso che tu lo dica: Steve ha scritto il libro “Interviewing Users”, l’ho regalato a vari stakeholder più di una volta, e molti hanno esclamato “Ma esiste un libro su questo?”. Sì, esiste davvero, c’è tanto da imparare!

Hannah Clark: Sì, ed è affascinante perché ogni azienda cerca sempre di integrare il feedback reale degli utenti: servono quantità ma anche qualità per sfruttarlo davvero. Sono entusiasta di vedere come l’IA sta aiutando a convincere gli altri dell’importanza della ricerca. Sono decisamente “pro ricercatori”, non si era capito?

Guardando avanti, pensi che la ricerca UX potrà beneficiare ulteriormente dell’IA? Intr vedi capacità nuove all’orizzonte?

Cori Widen: Non ho abbastanza conoscenza tecnica per dire come o quando la tecnologia sarà pronta, ma pensando al ruolo dei ricercatori man mano che l’IA si evolve e viene adottata, mi accorgo già oggi di avere molto più tempo da dedicare alla collaborazione con gli stakeholder grazie all’efficienza che mi dà l’IA.

Credo che, in prospettiva, il ruolo del ricercatore cambierà: non solo “eseguire ricerca” e fornire insight, ma sempre più collaborare con gli stakeholder, fare brainstorming, lavorare sulle soluzioni insieme.

Perché avremo più tempo per farlo e anche più credibilità e informazioni da portare al tavolo in tempi rapidi.

Hannah Clark: Per chi vuole integrare l’IA nel processo di ricerca UX, hai condiviso già molti consigli concreti, ma hai altre raccomandazioni per chi non ha ancora una “best practices” da seguire?

Cori Widen: Il consiglio principale è cambiare mentalità: accetta che questo processo è in corso.

So che è difficile, ma quando lo fai cambia tutto. In tanti suggeriscono di partire dall’uso dell’IA su task piccoli, ma per me funziona l’approccio opposto: buttati subito sull’analisi qualitativa.

Prova a usare l’IA per le fasi più “corpose” e che assorbono più tempo, ad esempio per sostituire la categorizzazione manuale, estrarre dati dalle interviste o dai test di usabilità, categorizzare le informazioni e procedere da lì con l’analisi.

Serve fare un salto: solo così, quando vedi quanto tempo ed energia risparmi, puoi davvero diventare entusiasta dell’uso dell’IA nella ricerca.

Hannah Clark: Per concludere, qual è stata la scoperta più sorprendente usando l’IA nella tua attività? Il momento “aha” personale?

Cori Widen: Due cose. Primo: il momento di svolta è stato rendermi conto che come umana ho ancora un ruolo cruciale, non devo delegare tutto all’IA. Bisogna capire in cosa sono brava io e in cosa lo è l’IA e combinarli per la miglior analisi qualitativa possibile. Secondo: mi hanno detto in Photoroom che la più grande paura era assumere un ricercatore, perché “la ricerca è lenta”, non avrebbero avuto insight in tempo. Invece hanno scoperto che sono rapida grazie al fatto che ho abbracciato l’IA nei passaggi chiave della ricerca.

Non sarei stata così veloce senza IA. Capirlo mi ha reso più preziosa per il team: un vero “aha moment”.

Hannah Clark: Bellissimo. Deve essere confortante avere un asso nella manica.

Grazie mille per essere stata con noi, Cori. Le conversazioni sulla ricerca mi appassionano sempre, imparo tanto e oggi abbiamo davvero condensato tantissime nozioni in 25 minuti. Grazie per aver condiviso tutto questo. Dove possiamo seguirti online?

Cori Widen: In realtà non sono molto attiva online. Tuttavia, sono sempre felice di connettermi su LinkedIn, sentitevi liberi.

Hannah Clark: Perfetto. Grazie ancora per essere stata con noi.

Cori Widen: Grazie a voi.

Hannah Clark: Grazie per l’ascolto. Per altri approfondimenti, guide pratiche e recensioni di strumenti, iscriviti alla nostra newsletter su theproductmanager.com/subscribe. E puoi ascoltare altre conversazioni come questa abbonandoti a Product Manager ovunque ascolti i tuoi podcast.