به گزارش UX Collective، در شرایطی که «سلیقه» و قدرت تشخیص کیفیت به‌عنوان یکی از مهم‌ترین مزیت‌های انسانی طراحان مطرح می‌شود، محیط حرفه‌ای و دیجیتال امروز فرصت پرورش همین مهارت را محدود کرده است. این یادداشت، الگوریتم‌های پیشنهاددهنده، فرهنگ کم‌ریسک شرکت‌ها و فرایندهای متکی بر هوش مصنوعی را از عوامل تقویت شباهت و تضعیف قضاوت مستقل در طراحی می‌داند.
منظور از سلیقه در این بحث، صرفاً ترجیح یک رنگ یا سبک بصری نیست؛ بلکه توانایی تشخیص ایده ارزشمند، دیدن ظرفیت یک راه‌حل ناتمام و انتخاب آگاهانه میان گزینه‌های متعدد است. چنین قضاوتی برای طراحی محصول اهمیت بیشتری پیدا کرده، زیرا ابزارهای هوش مصنوعی می‌توانند خروجی‌های فراوان و ظاهراً حرفه‌ای تولید کنند، اما تصمیم درباره اینکه کدام خروجی ارزش توسعه دارد همچنان به انسان وابسته است.
تناقض میان اهمیت سلیقه و شرایط پرورش آن
مسئله اصلی این است که همان محیطی که از طراحان انتظار قضاوت دقیق دارد، آن‌ها را بیشتر در معرض انتخاب‌های از پیش پالایش‌شده قرار می‌دهد. سامانه‌های پیشنهاددهنده محتوا را بر اساس علایق قبلی مرتب می‌کنند و احتمال مواجهه با آثار ناآشنا، دشوار یا حتی ناخوشایند را کاهش می‌دهند؛ در حالی که شکل‌گیری سلیقه به تجربه گسترده، مقایسه و روبه‌روشدن با دیدگاه‌های متفاوت نیاز دارد.
در محیط کار نیز نگرانی از آینده صنعت فناوری می‌تواند تیم‌ها را به سمت الگوهای آشنا و قابل دفاع سوق دهد. وقتی موفقیت با شباهت به محصولات پذیرفته‌شده سنجیده شود، دامنه آنچه «طراحی خوب» تلقی می‌شود کوچک‌تر خواهد شد. در نتیجه، طراح ممکن است اجرای تمیز و هماهنگ با روندهای روز را با قضاوت اصیل اشتباه بگیرد.
هوش مصنوعی چه چیزی را تغییر می‌دهد؟
هوش مصنوعی تولید گزینه را سریع‌تر و ارزان‌تر کرده است، اما افزایش تعداد گزینه‌ها الزاماً انتخاب را بهتر نمی‌کند. نقش طراح در چنین فضایی از ساخت مستقیم همه جزئیات، به ارزیابی، حذف و دفاع از یک مسیر مشخص نزدیک‌تر می‌شود. با این حال، اگر فرصت تمرین عملی و تجربه پیامد تصمیم‌ها از بین برود، مهارتی که برای هدایت خروجی هوش مصنوعی لازم است نیز به‌سختی رشد می‌کند.
این موضوع برای تیم‌های طراحی سایت و محصول یادآوری می‌کند که استفاده از ابزارهای مولد نباید جای مشاهده، نقد، تجربه‌کردن و تصمیم‌گیری مستقل را بگیرد. جمع‌بندی یادداشت این است که حفظ سلیقه به مواجهه آگاهانه با آثار متنوع و تمرین مداوم انتخاب نیاز دارد؛ فرایندی که با مصرف صرفِ پیشنهادهای الگوریتمی یا پذیرش نخستین خروجی مناسب شکل نمی‌گیرد.
