AI-UXer | طراحِ هوش‌محور

پادکست AIUXer اپیزود سوم؛ خوشبینی در مورد هوش مصنوعی یا AI Optimism هوش مصنوعی با افزایش بهره‌وری ممکن است برخی از مشاغل سنتی را تغییر دهد، اما به‌طور کلی فرصت‌های شغلی جدیدی ایجاد خواهد کرد. تاریخ نشان داده است که با معرفی فناوری‌های جدید، نوع مشاغل تغییر می‌کند، نه تعداد آن‌ها. با رشد اقتصادی ناشی از هوش مصنوعی، تقاضا برای محصولات و خدمات باکیفیت افزایش یافته و فرصت‌های شغلی در زمینه‌های جدید پدیدار می‌شوند. همچنین، هوش مصنوعی می‌تواند آموزش‌های باکیفیت و گسترده‌تری را ارائه کند و باعث توانمندسازی نسل‌های جدید شود. نتیجه‌گیری این است که هوش مصنوعی به‌جای نابودی شغل‌ها، دنیای شغلی تازه‌ای خواهد ساخت.

هوش مصنوعی ما را بسیار ثروتمندتر خواهد کرد زیرا تولید ناخالص داخلی را گسترش می‌دهد. این ثروت جدید بسیاری از مشاغل جدید را ایجاد خواهد کرد، بیش از آنهایی که توسط هوش مصنوعی از بین می‌روند.

مدت اپیزود: ۰۸:۰۶ دقیقه {خواندن رونوشت اپیزود در AIUXer} {شنیدن اپیزود ۰۳ در تلگرام} #پادکست #مشاغل

سلام دوستان و همراهان عزیز، خوشحال بودم از گرفتن این تقدیرنامه گفتم با شما اشتراک‌گذاریش کنم: عنوان تقدیرنامهٔ ادپ‌لیست: آرتا مکبری ۱٪ بهترین مربیان - اکتبر ۲۰۲۴ شناخته‌شده در تخصص محصول

تبریک می‌گوییم به شما برای دستیابی به این دستاورد مهم. چه ماه تاثیرگذاری! افرادی که الهام بخش آن‌ها بودید و به این وسیله زندگی‌شان را تغییر دادید، قلب‌هایشان را لمس کردید. شما در ماموریت دموکراتیزه کردن مربیگری برای همه نقش داشتید.

از طرف تمامی اعضای ADPList، از شما بابت ایجاد این تفاوت تشکر می‌کنیم و همچنان این مسیر را با هم ادامه خواهیم داد. {لینک ثبت‌نام و معرفی کامل دورهٔ کوچینگ} { 🚀 رزرو جلسهٔ مشاوره با آرتا مکبری } @menteex

💠 رویکرد دایموند در پرامپت‌نویسی برای کارهای UX رویکرد پرامپت‌گذاری دایموندی در کارهای UX مبتنی بر هوش مصنوعی بین دو مرحله تناوب ایجاد می‌کند: پرامپت‌گذاری اکتشافی برای ایجاد ایده‌های گسترده و پرامپت‌گذاری برای اصلاح جزئیات که برای محدود کردن و مشخص کردن راه‌حل‌ها استفاده می‌شود. این روش با مدل دابل دایموند در UX همسو است اما تمرکز آن بر مدیریت دامنه پروژه است. در مرحله اکتشافی، پرامپت‌گذاری «Zero-Shot (تصویر صفر)» به هوش مصنوعی اجازه می‌دهد تا ایده‌های متنوعی تولید کند، در حالی که در مرحله اصلاح جزئیات، پرامپت‌گذاری «Few-Shot (چندتصویری)» با ارائه مثال‌هایی دقت خروجی را افزایش می‌دهد. این رویکرد تناوبی، نوآوری را تضمین می‌کند بدون این که محدودیت زودهنگام ایجاد شود. متخصصان ارشد UX در ساخت پرامپت‌های دقیق بهتر عمل می‌کنند، اما کارکنان جونیور نیز به سرعت مهارت‌های خود را بهبود می‌بخشند که نشان‌دهندهٔ توانایی هوش مصنوعی در تسریع یادگیری و افزایش بهره‌وری است.

مقاله رو بخونین جزئیات جالبی داره 😉

{مطالعهٔ کامل مقاله در AIUXer} #پرامپت‌نویسی @aiuxer

سلام به همراهان عزیزم 🌱 فکر کنم موقع ناهار امروز بتونید پادکست اپیزود دوم رو گوش بدید 😊 شایدم ترجیح بدید در مورد وقایع دیشب با نگرانی‌ای که رسانه‌ها دارن ایجاد می‌کنند ذهن‌اتون رو آلوده و نگران کنید! بعید می‌دونم! 😉 بی‌خیال بابا! آنچه آمدنی و رفتنی است می‌آید و می‌رود، بزارید از خوبی‌های موجود لذت ببریم هر چی که باشه (یک لیوان قهوه یا...) شاید یک پادکست ۸ دقیقه‌ای ساده در مورد آیندهٔ اینترفیس‌ها با کمک AI. 😊✋ #ارتباط‌مستقیم {شنیدن اپیزود ۰۲ در تلگرام} {خواندن رونوشت اپیزود در AIUXer} @aiuxer

پادکست AIUXer اپیزود دوم؛ رابط کاربری مولد (Generative UI) و طراحی Outcome-Oriented فناوریِ GenUI یک تحول در طراحی تجربه کاربری است که رابط‌ها را با استفاده از هوش مصنوعی به‌صورت لحظه‌ای و کاملاً شخصی‌سازی‌شده برای هر کاربر به‌صورت منحصربه‌فرد تولید می‌کند. برخلاف طراحی سنتی، تمرکز این روش بر نیازهای فردی کاربران است. این تکنولوژی چالش‌هایی مانند امنیت اطلاعات و نیاز به توان پردازشی بالا دارد اما پتانسیل بهبود دسترسی‌پذیری و تجربه کاربری را دارد. حفظ تعادل میان شخصی‌سازی و پیش‌بینی‌پذیری یکی از مسائل کلیدی است. مدت اپیزود: ۰۸:۵۰ دقیقه {شنیدن اپیزود ۰۲ در تلگرام} {خواندن رونوشت اپیزود در AIUXer} #GenerativeUI #رابط‌کاربری‌مولد @aiuxer

عزیزان همراه 🌱 یکی از مِنتی‌هام حرف خوبی بهم زد، تو در دوره‌های کوچینگ‌ محصول‌، خودمونی طراحی و ریسرچ رو یاد می‌دی، اینجا هم خودمونی در مورد مقالات بنویس تا همه راحت‌تر بفهمن فلان مقاله به‌دردشون می‌خوره که وقت بزارن بخونن یا نه! چشم، یک توضیح و تفسیر مختصر و البته خودمونی زیر هر مقاله جدید بعد از این می‌زارم.✌️ من وب‌سایت aiuxer.ir رو راه انداختم چون نمی‌شه یک مقاله رو کلا در تلگرام یه جوری گذاشت که راحت و بی‌دردسر خونده شه. 😊 اینم لینک {ادپ‌لیست من} اگر در مورد مقالات سوالی دارید یا می‌خواید گپی بزنیم درخدمتم. پادکست رو گوش دادید؟ اپیزود دوم فردا می‌یاد. ☺️ #ارتباط‌مستقیم @aiuxer

💠 رفتارهای جدید کاربران با هوش مصنوعی مولد: ویرایشِ پرامپت‌ به روش آکاردئونی و سیب‌چینی خلاصه: این تحقیق نشون می‌ده که وقتی کاربرها با ChatGPT کار می‌کنن، دو رفتار جدید دیده می‌شه: اول، ویرایش آکاردئونی که توش کاربر می‌خواد خروجی چت‌بات رو کم یا زیاد کنه، مثل وقتی که جزئیات بیشتری می‌خواید یا خلاصه‌تر می‌خواید. دوم، سیب‌چینی که کاربر دنبال یه خط خوب می‌گرده که قبلاً ربات گفته و می‌خواد ازش استفاده کنه. این رفتارها باعث می‌شه کلی وقت صرف اسکرول کردن بشه و کاربران برای پیدا کردن اطلاعات قبلی اذیت بشن. رابط‌های چت‌بات هم که به‌نظر ساده می‌رسن، باعث می‌شن کاربرها تو دیوارهای متن گم بشن و نتونن راحت به هدفشون برسن. پس همیشه باید آزمون کاربردپذیری انجام بدید و به سادگی رابط‌های مکالمه‌ای اعتماد نکنید. به‌طور کلی، رابط‌های مکالمه‌ای مشکلاتی دارن که باعث می‌شه مدیریت وظایف سخت‌تر بشه و نباید به ظاهر ساده‌شون فریب بخورید. {مطالعهٔ کامل مقاله در AIUXer} #پرامپت‌نویسی @aiuxer

عزیزان همراه، مشکل موسیقی در زمینهٔ پادکست حل شد، ممنونم از همه فیدبک‌های دلسوزانتون. 🙏 اونایی که پادکست رو نشنیدن دعوت می‌کنم ۵ دقیقه از وقتشون رو به ما هدیه کنن 💚 اپیزود دوم هم آمادست، امروز و فردا منتشر می‌کنم به امید خدا. 🌱 من هدفم از ساخت پادکست AIUXer راحت‌تر کردن دریافت و فهم حجم زیاد مطالب هست. دوستار شما. آرتا مکبری. #ارتباط‌مستقیم @aiuxer

💠 آخرین مقالات ترجمه شده

برای خواند مقالات در وب‌سایت: https://aiuxer.ir/

💠 شروعِ کار با هوش مصنوعی برای UX؛ آنچه AI نمی‌تواند انجام دهد، بخش اول 💠 دستیاری هوش‌مصنوعی برای متخصصین تجربهٔ ‌کاربر، بخش اول 💠 وحشت و نگرانی در رشتهٔ تجربهٔ کاربر در سال ۲۰۲۳، بخش اول 💠 وحشت و نگرانی در رشتهٔ تجربهٔ کاربر در سال ۲۰۲۳، بخش دوم 💠 توّلد مجدد اسب‌های تک‌شاخ UX؟ قسمت اول 💠 شغل روزانه (۸ ساعت) تا سال ۲۰۳۰ از بین می‌رود 💠 خوش‌بینی درباره هوش مصنوعی (AI Optimism)، قسمت اول 💠 چت‌جی‌پی‌؛ آشنایی با پنج سطح کیفی هوشمندی AI 💠 شروع پرامپت‌نویسی برای UX در ۶ گام اولیه 💠 رابط کاربری مولد (Generative UI) و طراحی نتیجه‌محور (Outcome-oriented) 💠 ۳۲ نکتهٔ کلیدی از مقالهٔ GenUI و طراحی Outcome-Oriented 💠کالاوار شدن و پهن شدن پنکیک‌وارِ رشتهٔ UX: واقعیت AI را بپذیرید و مسیرهای شغلی جدیدی را برنامه‌ریزی کنید 💠 ۲۴ نکته از مقالهٔ «کالاوار شدن و پهن شدن پنکیک‌وارِ رشتهٔ UX» 💠 رفتارهای جدید کاربران با هوش مصنوعی مولد: ویرایشِ پرامپت‌ به روش آکاردئونی و سیب‌چینی 💠پادکست AIUXer اپیزود اول؛ تفکر خلاقانه در دنیای هوش مصنوعی برای طراحی تجربه کاربر و کاربرپژوهی 💠 پادکست AIUXer اپیزود دوم؛ رابط کاربری مولد (Generative UI) و طراحی Outcome-Oriented @aiuxer https://aiuxer.ir/

پادکست AIUXer اپیزود اول؛ تفکر خلاقانه در دنیای هوش مصنوعی برای طراحی تجربه کاربر و کاربرپژوهی این اپیزود پادکست AIUXer به بررسی تأثیر هوش مصنوعی در طراحی و کاربرپژوهی می‌پردازد. هدف اصلی، تقویت تفکر خلاقانه با هوش مصنوعی و استفاده از آن به‌عنوان ابزاری برای جمع‌آوری و سازماندهی بهتر اطلاعات است. مدت اپیزود: ۰۴:۳۰ دقیقه {شنیدن اپیزود در تلگرام} {خواندن رونوشت اپیزود در AIUXer} @aiuxer

۲۴ نکته از مقالهٔ «کالاوار شدن و پهن شدن پنکیک‌وارِ رشتهٔ UX» کاهش هزینه UX: هوش مصنوعی بهره‌وری را افزایش داده و هزینه‌های UX را کاهش می‌دهد. این امر باعث می‌شود تعداد بیشتری از شرکت‌ها بتوانند UX را پیاده‌سازی کنند. پهن شدن UX: توزیع تخصص UX در سراسر سازمان‌ها به‌جای متمرکز کردن آن در تیم‌های خاص، باعث گستردگی مهارت‌ها می‌شود. کالایی‌سازی UX: «تجربه کاربر» از یک خدمات لوکس به یک کالا تبدیل شده است. این تغییر به این معنی است که UX به‌طور گسترده‌تری در دسترس است و شرکت‌های بیشتری می‌توانند از آن بهره‌مند شوند. در گذشته، UX تنها در دسترس تعداد کمی از شرکت‌ها بود که قادر به پرداخت هزینه‌های بالای آن بودند. پیشرفت شغلی در UX: مسیرهای سنتی پیشرفت شغلی که تنها بر اساس نقش‌های مدیریتی بودند، در حال جایگزینی با مسیرهای تخصصی هستند. UXers می‌توانند به‌جای تمرکز بر مدیریت افراد، بر تخصص و دامنه‌های وسیع‌تری از طراحی تمرکز کنند. {مطالعه در Uxtigers} {مطالعهٔ ۲۴ نکته در AIUXer} #شغل #آیندهAI

💠کالاوار شدن و پهن شدن پنکیک‌وارِ رشتهٔ UX: واقعیت AI را بپذیرید و مسیرهای شغلی جدیدی را برنامه‌ریزی کنید مزایای استفاده از هوش مصنوعی در UX به سه دسته تقسیم می‌شود: ۱. افزایش بهره‌وری: هوش مصنوعی می‌تواند بهره‌وری کارکنان دانش‌محور را تا ۴۰٪ افزایش دهد و به کاهش هزینه‌های UX کمک کند. ۲. تقویت خلاقیت: هوش مصنوعی خلاقیت افراد را افزایش داده و ایده‌پردازی رایگان را برای UX ممکن می‌سازد. ۳. کاهش شکاف‌های مهارتی: هوش مصنوعی با تقویت سطح مهارت کارکنان، افراد را به «تک‌شاخ‌های UX» تبدیل می‌کند، که باعث بهبود ارتباطات و کاهش نیاز به هماهنگی‌های اضافی می‌شود.

رشته UX در حال ذوب شدن است، اما به شکلی مثبت. ما در حال تَرک برج عاج و زندگی در میان مردم هستیم و برخی از نخبگان قدیمی UX از بوی روستا خوششان نمی‌آید.

{مطالعهٔ مقاله در AIUXer} #شغل #آیندهAI @aiuxer

💠کالاوار شدن و پهن شدن پنکیک‌وارِ رشتهٔ UX: واقعیت AI را بپذیرید و مسیرهای شغلی جدیدی را برنامه‌ریزی کنید این مقاله توضیح می‌دهد که رشته UX با ادغام هوش مصنوعی و تغییر به سمت «تخصص‌های توزیع‌شده» در حال تحول است. مفهوم «پهن شدن پنکیک‌وار UX» نشان‌دهنده گسترش تخصص UX در سراسر سازمان به جای تمرکز در تیم‌های محدود است. هوش مصنوعی بهره‌وری و خلاقیت را افزایش داده و شکاف مهارت‌ها را کاهش می‌دهد، که می‌تواند منجر به افزایش تعداد «تک‌شاخ‌های UX» شود. هزینه‌های UX نیز کاهش می‌یابد و UX به‌عنوان یک کالا در دسترس‌تر می‌شود، که باعث می‌شود تعداد بیشتری از شرکت‌ها به استفاده از آن روی آورند.

رویای رسیدن به مقام «مدیرکل بزرگ» در رأس هرم متمرکز UX را رها کنید و شروع به برنامه‌ریزی برای رسیدن به جایگاه «معمار UX» کنید و توانایی خود را برای کار به‌صورت توزیع‌شده پرورش دهید. رشته UX در حال ذوب شدن است، اما به شکلی مثبت. ما در حال تَرک برج عاج و زندگی در میان مردم هستیم و برخی از نخبگان قدیمی UX از بوی روستا خوششان نمی‌آید.

{مطالعه در Uxtigers} {مطالعهٔ مقاله در AIUXer} {مطالعهٔ ۲۴ نکته در AIUXer} #شغل #آیندهAI @aiuxer

💠 ۳۲ نکتهٔ کلیدی از مقالهٔ GenUI و طراحی Outcome-Oriented گذار به طراحی مبتنی بر نتیجه: مفهوم GenUI باعث تغییر تمرکز طراحی از طراحی جزئیات رابط به نتایج نهایی و اهداف کاربران می‌شود. طراحان باید به‌جای طراحی اجزای مجزا، بر ارائه نتایج کاربرمحور تمرکز کنند. کم‌رنگ شدن نقش میکرواینترکشن‌ها: با استفاده از هوش مصنوعی برای ایجاد رابط‌های لحظه‌ای، طراحی و مدیریت میکرواینترکشن‌ها (مانند کلیک‌ها یا حرکات کاربر در تعامل با صفحه) اهمیت کمتری پیدا می‌کند، زیرا این تعاملات به‌طور پویا و بر اساس نیازهای لحظه‌ای کاربران تنظیم خواهند شد. اهمیت بالای تست و تحقیقات کاربری: در GenUI، تست و تحقیقات کاربری اهمیت بیشتری خواهد یافت. طراحان باید اطمینان حاصل کنند که رابط‌های تولیدشده توسط AI واقعاً نیازهای کاربران مختلف را برآورده می‌کند و به نتایج مطلوب می‌رسند. {خواندن ۳۲ نکته در AIUXer} {مطالعهٔ مقالهٔ کامل در وب‌سایت NN/g} #GenerativeUI #رابط‌کاربری‌مولد @aiuxer

💠نسل بعدی اینترفیس‌ها: رابط کاربری مولد (Generative UI) و طراحی نتیجه‌محور (Outcome-oriented) خلاصه: هوش مصنوعی با مفهوم GenUI، وعدهٔ ایجاد رابط‌های کاربری بسیار شخصی‌سازی‌شده (highly personalized) را می‌دهد،‌ حرکتی از طراحی برای عموم به طراحی منحصربه‌فرد برای هر فرد. در آینده، رابط‌های کاربری مولد به‌طور پویا (dynamically) و بلادرنگ (real-time)، رابط‌های کاربری سفارشی برای کاربران ایجاد خواهند کرد. این تغییر یک رویکرد طراحی نتیجه‌محور (outcome-oriented design) را می‌طلبد تا طراحان به‌جای طراحی عناصر مُجزای اینترفیس، بر اهداف کاربران تمرکز کنند و محدودیت‌هایی را برای عملکرد هوش مصنوعی تعریف کنند. در این مقاله می‌خوانید: - تعریف رابط کاربری مولد (Generative UI) - مقایسه رابط کاربری مولد (GenUI) و طراحی با کمک هوش مصنوعی (AI-Assisted Design) - مثال از رابط کاربری مولد (GenUI) برای رزرو پرواز - تغییر به طراحی نتیجه گرا - طراح نتیجه گرا - چالش‌های GenUI {مطالعهٔ مقالهٔ کامل در وب‌سایت NN/g} {مطالعهٔ ترجمه شده در AIUXer} #GenerativeUI #رابط‌کاربری‌مولد @aiuxer

💠رابط کاربری مولد (Generative UI) و طراحی نتیجه‌محور (Outcome-oriented) 💠 چالش‌های GenUI ما امیدواریم که در بلندمدت، GenUI تأثیر مثبتی بر تجربه‌های دیجیتال بگذارد. به‌عنوان مثال، رابط‌های کاربری که به‌صورت شخصی‌سازی‌شده برای هر فرد تولید می‌شوند، پتانسیل عظیمی برای بهبود دستر‌سی‌پذیری و فراگیری (Inclusivity) در طراحی دارند. با این حال، در کوتاه‌مدت، چالش‌ها و مشکلات متعددی پیش‌بینی می‌شود. مشکلات هوش مصنوعی مولد، مشکلات GenUI هستند. مسائلی که در مدل‌های هوش مصنوعی مولد کنونی وجود دارد، مانند توهمات و سوگیری‌ها (Hallucinations and Biases)، در GenUI نیز تکرار خواهند شد. علاوه بر این، محدودیت‌های نرم‌افزاری و سخت‌افزاری فعلی نیز پیشرفت GenUI را کند خواهند کرد. به‌عنوان مثال، برای تولید هر رابط کاربری منحصربه‌فرد به‌صورت زنده و لحظه‌ای برای میلیاردها کاربر، نیاز به توان پردازشی بسیار زیادی است. اگر این پردازش به‌صورت محلی روی دستگاه کاربر انجام شود (همان‌طور که برخی پیش‌بینی می‌کنند)، ممکن است سال‌ها یا حتی دهه‌ها طول بکشد تا اکثر کاربران جهان به سخت‌افزار مناسب برای استفاده از GenUI دسترسی پیدا کنند. بنابراین، مشخص نیست که GenUI چه زمانی به‌طور گسترده در دسترس قرار خواهد گرفت. برای شخصی‌سازی تجربه‌ها، نیاز به اطلاعات زمینه‌ای و قصد کاربر (Contextual and intent information) وجود دارد. هوش مصنوعی ممکن است در تحلیل و استفاده بهتر از داده‌های کاربران فعلی به ما کمک کند. با این حال، برای تولید تجربه‌ای مانندِ مثالِ رزرو پرواز، سیستم GenUI نیاز به درک عمیقی از کاربر فردی دارد. این مسئله می‌تواند خطرات بزرگی را برای حریم خصوصی و امنیت کاربران به همراه داشته باشد. تغییر مداوم رابط‌ها باعث مشکلات کاربردپذیری خواهد شد. بسیاری از درک کاربران از رابط‌های وب مدرن بر اساس «استانداردهای طراحی تثبیت‌شده» است (برای مثال، لوگوها معمولاً در گوشه بالا سمت چپ قرار دارند). هرچه بیشتر از یک وب‌سایت استفاده کنید، بیشتر با آن آشنا می‌شوید و به‌تبع آن کارایی شما نیز افزایش می‌یابد. اما با تغییر مداوم رابط کاربری توسط GenUI، ممکن است هر بار که از وب‌سایتی استفاده می‌کنید، یک رابط متفاوت به شما نشان داده شود. این نیاز مداوم به یادگیری مجدد رابط، به‌ویژه در ابتدا، ممکن است باعث ناامیدی (Frustration) شود، زیرا کاربران از روش‌های قدیمی به روش‌های جدید در حال عبور هستند. طراحان باید به این مسئله فکر کنند که چگونه می‌توانند بین دستاوردهای حاصل از تجربه کاملاً شخصی‌سازی‌شده و ضررهایی که از فقدان یکپارچگی و پیش‌بینی‌پذیری (UI Consistency and Predictability) در رابط ایجاد می‌شود، تعادل برقرار کنند.

💠رابط کاربری مولد (Generative UI) و طراحی نتیجه‌محور (Outcome-oriented) 💠 دوران گذار به طراحی نتیجه‌گرا سیستم‌های هوش مصنوعی مولد یک الگوی تعاملی جدید (New Interaction Paradigm)، «نتیجه مبتنی بر مقصود کاربر» را ایجاد کرده‌اند. این در حال حاضر نحوهٔ تفکر ما را در مورد طراحی دیجیتال تغییر داده است. طراحی UX به طور سنتی شامل تمرکز شدید روی Interface است در حالی که رابط‌‌های کاربری همیشه برای طراحی UX مهم خواهند بود، خودکارسازیِ هوش مصنوعی‌محور (AI-powered automation) و رابط کاربری مولد منجر به افزایش طراحی نتیجه‌گرا می‌شود. طراحی نتیجه‌محور (Outcome-oriented Design) شامل هماهنگی طراحی تجربه با تمرکز بیشتر بر اهداف کاربر و نتایج نهایی است، در حالی که جنبه‌های تعامل و طراحی رابط را از نظر استراتژیک خودکار می‌کند. 💠 طراح نتیجه‌گرا از آنجایی که سیستم‌های هوش مصنوعی می‌توانند فرآیند جستجوی اطلاعات را کوتاه کنند، طراحی میکروتعاملات (Microinteractions) توسط انسان به‌طور قابل‌توجهی اهمیت کمتری پیدا خواهد کرد. این میکروتعاملات یا از بین می‌روند (زیرا سیستم هوش مصنوعی آن‌ها را غیرضروری می‌کند) یا از طریق GenUI به‌طور پویا و براساس نیازها و زمینهٔ خاص کاربر طراحی می‌شوند. به مثال قبلی رزرو پرواز توجه کنید. طراح یک وب‌سایت سنتی برای شرکت هواپیمایی که برای تجربهٔ یکسانِ همه مشتریان طراحی شده، باید بر طراحی مؤلفه‌های خاصی مانند فیلترها، فیلدهای جستجو و صفحات نتایج به‌گونه‌ای تمرکز کند که برای اکثریت مشتریان قابل استفاده باشد. اما با GenUI، همان طراح آزادی خواهد داشت که بر جزئیات و جنبه‌های مختلفی که می‌تواند یک تجربه خاص را تحت تأثیر قرار دهد تمرکز کند. به‌عنوان یک حوزه، ما از طراحی برای متوسط افراد به سمت طراحی برای فرد حرکت (Designing for the average to designing for the individual) خواهیم کرد. به‌عنوان مثال، طراحان مجموعه‌ای از نیازها و شرایط خاص را برای انواع مختلف کاربران تعیین می‌کنند (که می‌توان آن‌ها را به‌عنوان محدودیت‌هایی که AI باید هنگام تولید رابط کاربری رعایت کند در نظر گرفت). همان‌طور که اکنون برخی ویژگی‌ها یا عناصر رابط را برای کاربران خاص روشن می‌کنیم، به AI محدودیت‌هایی می‌دهیم که هنگام تولید رابط باید آن‌ها را برآورده کند. در نهایت، طراحان باید روش کار خود را تغییر دهند. ما باید از طراحی رابط‌ها به طراحی نتایج (Designing outcomes) تغییر مسیر دهیم. به‌ویژه برای کسانی که سال‌ها در این زمینه کار کرده‌اند، این تغییر چالش‌برانگیز خواهد بود. در حالی که این دوران گذار (Shifts) بزرگ خواهد بود، بسیاری از مهارت‌های اساسی ما، مانند حل مسئله کاربرمحور (user-centric problem solving)، تفکر انتقادی، کنجکاوی و داشتن نقطهٔ دید کل‌نگر (Holistic point of view)، از همیشه مهم‌تر خواهند شد. انسان‌ها باید راهنمایی و محدودیت‌هایی برای GenUI فراهم کنند. ما باید GenUIها را هدایت کنیم، حتی اگر تصمیم‌گیری‌های جزئی در مورد اجزای فردی را انجام ندهیم. این کار طراحی ما را پیچیده‌تر و کمتر قابل لمس (Complex and Less Tangible) خواهد کرد. متغیرها و خروجی‌های بالقوه بیشتری برای در نظر گرفتن وجود خواهد داشت و در نهایت ما را به طراحان پارامترها و محدودیت‌ها تبدیل خواهد کرد. به‌عنوان مثال، ممکن است اقدام‌های کاربری مختلف را اولویت‌بندی کنیم یا اطلاعات را به دسته‌هایی مانند "باید نمایش داده شود"، "بهتر است نمایش داده شود" و "نباید نمایش داده شود" طبقه‌بندی کنیم. ممکن است نیازی به مشخص کردن جزئیات دقیق طراحی نداشته باشیم، اما باید به یک سیستم GenUI کمک کنیم تا اهداف کاربران و کسب‌وکار ما را درک کند. درک ما از شخصیت‌های کاربری و سفرهای مشتری (Personas and customer journeys) تغییر خواهد کرد. با GenUI، ما توانایی خواهیم داشت تا طیف وسیع‌تری از پروفایل‌ها، نیازها و تجربیات کاربر را در نظر بگیریم. مستندات و مصنوعات طراحی ما احتمالاً بسیار پیچیده‌تر خواهند شد، اما ابزارهای تحقیقاتی و طراحی مبتنی بر هوش مصنوعی به ما کمک خواهند کرد. تحقیقات اهمیت بیشتری پیدا خواهند کرد. مطالعهٔ کاربران از همیشه مهم‌تر خواهد شد، زیرا اصول طراحی سنتی و فرضیات به چالش کشیده می‌شوند و رفتار کاربران تغییر می‌کند. آزمون‌ها اطمینان خواهند داد که رابط‌های تولیدشده به‌طور پویا به نیازها و ترجیحات متنوع کاربران (Diverse user needs) به‌طور مؤثر پاسخ می‌دهند یا خیر. {مطالعهٔ مقالهٔ کامل در وب‌سایت NN/g} {مطالعهٔ ترجمه شده در AIUXer} #GenerativeUI #رابط‌کاربری‌مولد @aiuxer