عامل‌های هوش مصنوعی چگونه تمرکز طراحان را پراکنده می‌کنند

عامل‌های هوش مصنوعی چگونه تمرکز طراحان را پراکنده می‌کنند

آنچه در این مقاله مطالعه می‌کنید:

۱۳ مهر ۱۴۰۵

۱۳ مهر ۱۴۰۵

به گزارش UX Collective، پدرو آ. برتاس در یادداشتی تازه تجربه کار هم‌زمان با چند عامل هوش مصنوعی را بررسی کرده است؛ ابزارهایی که سرعت تولید را به‌طور محسوسی بالا می‌برند، اما کار روزانه را به جریانی از وظایف پراکنده و بی‌پایان تبدیل می‌کنند. او می‌گوید افزایش ظرفیت اجرا لزوماً به زمان آزاد بیشتر منجر نشده و در عوض، تعداد پروژه‌هایی را که می‌توان آغاز کرد افزایش داده است.

از بهره‌وری بیشتر تا شکل‌گیری یک فید کاری

برتاس که بیش از ۲۰ سال در طراحی رابط و هدایت تیم‌های طراحی سابقه دارد، توضیح می‌دهد پروژه‌هایی که پیش‌تر ماه‌ها زمان می‌بردند، اکنون ممکن است ظرف یک هفته پیش بروند. عامل‌های هوش مصنوعی همچنین امکان ورود آزمایشی به حوزه‌هایی مانند برنامه‌نویسی، زیرساخت، SEO، تحلیل داده و اتوماسیون را پیش از نیاز به کمک متخصص فراهم کرده‌اند.

با این حال، هر عامل پس از پایان کار به بازبینی، اصلاح دستور و تصمیم‌گیری انسانی نیاز دارد. وقتی پنج یا شش فرایند به‌طور هم‌زمان فعال باشند، نتایج با ترتیبی غیرقابل‌کنترل بازمی‌گردند و کاربر ناچار است مرتب زمینه ذهنی خود را میان پروژه‌ها تغییر دهد. برتاس این وضعیت را به فیدی تشبیه می‌کند که برخلاف شبکه‌های اجتماعی، خود کاربر هم تولیدکننده و هم مصرف‌کننده آن است.

او برای توضیح هزینه این جابه‌جایی به پژوهش سوفی لروی درباره «باقی‌مانده توجه» اشاره می‌کند؛ پدیده‌ای که در آن بخشی از توجه پس از ترک یک کار، همچنان درگیر آن می‌ماند و عملکرد در وظیفه بعدی افت می‌کند. همچنین پژوهش در حال انجام شینگ‌چی مگی یه و آرونا رانگاناتان، حاصل هشت ماه مشاهده یک شرکت فناوری با حدود ۲۰۰ کارمند، نشان داده است که کارکنان با ظرفیت تازه هوش مصنوعی نقش‌های بیشتری می‌پذیرند، زمان‌های استراحت را با کار پر می‌کنند و چند فرایند هوش مصنوعی را موازی پیش می‌برند.

مسئله اصلی؛ دیدن کل کار

نویسنده در مقابل، از دو ساعت طراحی پیوسته در Figma یاد می‌کند که طی آن توانسته بدون پرش میان وظایف، نسبت‌ها و روابط بصری را بررسی کند. این تجربه برای او نشان می‌دهد مسئله صرفاً خستگی نیست؛ کار عمیق و پیوسته به طراح اجازه می‌دهد نقص‌هایی را ببیند که در نگاه کوتاه آشکار نمی‌شوند.

این یادداشت استفاده کمتر از هوش مصنوعی را راه‌حل ساده‌ای می‌داند و بر ضرورت تعریف معیار «کافی بودن» تأکید می‌کند. جمع‌بندی آن برای طراحان، توسعه‌دهندگان و تیم‌های تولید محتوا روشن است: ظرفیت اجرای بیشتر زمانی ارزشمند می‌ماند که بازبینی انسانی، تمرکز و امکان دیدن تصویر کامل پروژه حفظ شود.