AI di kotak peralatan desainer: Membentuk masa depan dengan ChatGPT

Saat GPT meningkatkan standar dan model bahasa besar menjadi lebih canggih, cakrawala baru apa yang akan muncul untuk pemikiran desain? Dan bagaimana mereka akan mengganggu peran tradisional desainer produk?

Peluncuran ChatGPT telah memicu angin puyuh opini dan diskusi, dengan semua jenis orang terlibat dalam pertukaran panas tentang apa artinya semua itu bagi kami. Sekarang, kami yang pertama mengakui bahwa prediksi dan peramalan spekulatif bisa menjadi tugas yang bodoh, tetapi satu hal yang pasti – model ini telah menyebabkan perubahan seismik dalam cara kami memikirkan dan membangun produk kami.

Jika Anda telah mendengarkan Inside Intercom dalam seminggu terakhir, Anda tahu kami dengan cepat mengikuti kereta musik GPT, merancang fitur-fitur baru yang didukung AI, dan mengirimkannya ke 160 pelanggan beta (silakan untuk memeriksa bagian satu dan bagian dua percakapan jika Anda belum melakukannya). Hari ini, untuk angsuran terbaru obrolan GPT kami, kami bergabung dengan beberapa orang yang benar-benar telah melakukan pekerjaan desain terapan dengan ChatGPT dan model bahasa besar untuk membuat produk nyata yang menyelesaikan masalah nyata bagi pelanggan.

Dalam episode ini, Anda akan mendengar dari kami sendiri:

• Emmet Connolly, VP Desain Produk
• Molly Mahar, Staf Desainer Produk di tim Machine Learning
• Gustavs Cirulis, Desainer Produk Utama Senior

Mereka akan berbicara tentang model bahasa besar (LLM) seperti ChatGPT, dan bagaimana mereka akan membentuk peran desainer produk di tahun-tahun mendatang. Kami tidak tahu apa yang akan terjadi di masa depan, tetapi jika Anda bertanya kepada kami, hal terbaik yang dapat Anda lakukan adalah bersandar padanya.

Berikut adalah beberapa takeaways utama:

• GPT sangat bagus dalam meringkas konten, memahami bahasa, dan mengedit teks. Tapi masalah utamanya adalah terkadang jawabannya terdengar masuk akal, tapi sebenarnya salah.
• Seiring perkembangan teknologi, organisasi pendukung akan berubah dari reaktif menjadi proaktif dengan melatih AI dan memastikan bahwa dukungan dilakukan dengan cara percakapan yang terasa alami bagi manusia.
• Pola desain baru mungkin muncul untuk mengelola ketidakpastian dan ekspektasi, seperti membangun skor kepercayaan diri ke dalam fitur.
• Seiring waktu, bisnis akan dapat menggunakan model sumber terbuka dan membangun lapisan di atasnya dengan pengetahuan khusus menggunakan data hak milik dari industri atau perusahaan mereka.
• Di masa mendatang, berinteraksi dengan AI mungkin melibatkan antarmuka percakapan, antarmuka grafis untuk augmentasi alur kerja, dan bahkan antarmuka saraf.
• Peran seorang desainer adalah membuat antarmuka AI yang berfungsi sebagai kolega yang cerdas dan tidak mengancam yang dapat menambah alur kerja Anda dan membuat hari Anda lebih mudah.

Pastikan Anda tidak melewatkan sorotan apa pun dengan mengikuti Inside Intercom di Apple Podcasts, Spotify, YouTube, atau meraih umpan RSS di pemutar pilihan Anda. Berikut ini adalah transkrip episode yang diedit ringan.

Pertemuan pertama

Emmet Connolly: Hai semuanya. Selamat datang di podcast Inside Intercom. Saya sangat senang hari ini bergabung dengan Molly dan Gustavs dari Tim Desain Produk Interkom. Sejak peluncuran ChatGPT beberapa minggu yang lalu, ada banyak diskusi panas, banyak spekulasi acak, dan banyak quarterback kursi tentang apa artinya semua itu. Sebagian besar, menurut saya, berasal dari orang-orang yang sama sekali tidak pernah bekerja secara langsung dengan teknologi, itulah sebabnya saya sangat bersemangat untuk berbicara dengan Molly dan Gustavs hari ini. Karena Molly dan Gustavs adalah dua dari minoritas kecil yang cukup kecil di seluruh dunia yang benar-benar telah melakukan pekerjaan desain produk terapan nyata dengan ChatGPT dan teknologi terkait. Maksud saya, benar-benar menggunakannya untuk berintegrasi dengan produk dan menyelesaikan masalah produk nyata bagi pelanggan dengan produk nyata yang beroperasi dalam skala besar. Jadi, Molly dan Gustavs, selamat datang di acara ini. Mungkin Anda ingin memperkenalkan diri secara singkat. Molly, apakah kamu ingin pergi?

Molly Mahar: Tentu, tentu. Saya Molly Mahar. Saya Staf Desainer di sini di Intercom. Saya cukup baru. Saya tergabung dengan tim Pembelajaran Mesin, dengan tim insinyur, dan kami melakukan banyak pembuatan prototipe.

Gustavs Cirulis: Hai, saya Gustavs. Saya seorang desainer produk utama, dan saya sudah berada di sini lebih lama dari Molly. Saya sudah berada di mana-mana, tetapi saat ini, saya sedang bekerja di tim pertumbuhan.

“Itu mengingatkan saya pada ekonomi perilaku di perguruan tinggi dan efek Dunning-Kruger, di mana Anda tidak kompeten tetapi terlalu percaya diri”

Emmet: Hari ini, kita akan membahas tentang AI dan model bahasa besar seperti ChatGPT. Secara khusus, tentang apa artinya bagi desain dan desainer. Kami akan berbicara sedikit tentang peluang baru apa yang tersedia bagi para desainer, khususnya dengan teknologi baru ini, seperti apa rasanya bagi Anda atau apa bedanya bekerja dengan AI versus produk tradisional, dan beberapa tantangan yang Anda temui sebagai Anda sudah mulai merancang fitur bertenaga AI ini. Kita bahkan mungkin terlibat dalam pembuatan prediksi yang keliru di beberapa titik. Tapi mari kita mulai dengan dasar-dasarnya. Molly, apa reaksi pertama Anda saat ChatGPT hadir dan membuat gebrakan besar beberapa minggu yang lalu? Anda telah bekerja dengan sistem AI dan ML cukup lama sebelumnya.

Molly: Pertama, saya dibombardir oleh sejumlah tangkapan layar di Slack dan mulai melihatnya datang dari orang-orang di sekitar perusahaan dan di Twitter dan semuanya. Saya mencobanya dan berkata, “Ini sangat keren. Ini juga sangat cerdas.” Model bahasa besar (LLM) telah ada untuk sementara waktu, tetapi sekarang mereka telah menempatkan UI di API mereka. Jadi, semakin banyak orang di mana pun dapat menggunakannya tanpa harus menjadi pengembang atau apa pun, yang menurut saya cukup mengagumkan dan menunjukkan betapa bersemangatnya orang-orang tentangnya. Saya mulai memainkannya, dan itu sangat kuat.

Anda dapat mengajukan banyak pertanyaan, Anda dapat menindaklanjutinya. Rasanya sungguh luar biasa. Rasanya seperti percakapan. Kemudian kami mulai, sebagai sebuah tim, menggalinya untuk mencoba dan mengujinya. Dan saya merasa seperti saya mulai melihat hype. Itu mengingatkan saya pada ekonomi perilaku di perguruan tinggi dan efek Dunning-Kruger, di mana Anda tidak kompeten tetapi terlalu percaya diri. Dan terkadang terasa seperti itu. ChatGPT ini jauh lebih baik dalam omong kosong daripada saya. Saya kagum akan hal itu. Jadi, saya mengalami gelombang perasaan tentang hal itu. Saya ingin tahu apakah akan berguna untuk memberikan gambaran singkat tentang LLM.

“LLM telah ada untuk sementara waktu, menjadi lebih baik dan lebih cepat dan lebih cepat. Hal yang menakjubkan tentang ChatGPT adalah, sebagai pribadi, saya benar-benar dapat menggunakannya”

Emmet: Saya kira begitu. Saya pikir, bagi banyak orang, ada hubungan dengan ChatGPT sebagai AI yang dibicarakan semua orang. Jadi, maukah Anda menjelaskan dalam istilah orang awam apa itu ChatGPT dan bagaimana hubungannya dengan istilah lain seperti model bahasa besar yang mungkin pernah didengar orang?

Molly: Ya, saya akan melakukan yang terbaik. Jadi, model bahasa besar, LLM, singkatnya, adalah model yang dilatih pada kumpulan besar teks publik dari mana saja – buku, internet, sumber multimodal, menurut saya, kadang-kadang. Miliaran dan miliaran dan miliaran keping data di dalamnya. Dan mereka sering dilatih dengan umpan balik manusia di sepanjang jalan. Saya pikir itu mengarah pada mengapa Anda dapat melakukan percakapan ini dengan ChatGPT – Anda dapat memberikan umpan balik, dan itu akan benar-benar menanggapinya dan mengubah tanggapannya. LLM telah ada untuk sementara waktu, menjadi lebih baik dan lebih cepat dan lebih cepat. Hal yang menakjubkan tentang ChatGPT adalah, sebagai pribadi, saya benar-benar dapat menggunakannya. Dan kedua, ini sebenarnya sangat, sangat bagus. ChatGPT pada dasarnya adalah ujung depan, dan saya sedikit menyederhanakannya, tetapi ini adalah ujung depan untuk API model bahasa besar yang dimiliki OpenAI di latar belakang. Dan mereka memiliki sejumlah ini.

Ada banyak perusahaan lain yang juga memiliki model bahasa yang besar. Google mengerjakan LaMDA, dan ada perusahaan lain. Jadi, kami mungkin mengatakan ChatGPT di sini hari ini, tetapi kami mengacu pada teknologi ini secara umum. Kami sebenarnya bekerja dengan API di belakangnya, bukan dengan ChatGPT, yang saat ini hanya tersedia melalui UI.

“Sebelumnya, itu hanya semacam, 'Hei, buatkan aku puisi ini tentang apapun'. Sekarang, Anda dapat melakukan percakapan bolak-balik. Begitulah cara manusia berinteraksi satu sama lain”

Emmet: Ya. Dan menurut saya salah satu hal yang menarik tentang ChatGPT adalah, dalam beberapa hal, ini bukanlah hal baru dari sudut pandang teknis. ChatGPT adalah aplikasi yang dibuat menggunakan GPT-3.5 yang dibuat oleh perusahaan bernama OpenAI. Tapi GPT-3.5 sudah ada sejak lama – beberapa bulan, kan, Molly? Jadi, saya penasaran. Gustavs, apa reaksimu? Menurut Anda, mengapa ada reaksi yang berbeda terhadap apa yang kami lihat dengan ChatGPT versus teknologi yang mendasarinya, yang tersedia selama beberapa waktu?

Gustavs: Saya pikir perbedaan besar adalah presentasinya seperti percakapan di mana Anda dapat mengajukan pertanyaan lanjutan dan masuk lebih dalam. Sebelumnya, itu hanya semacam, "Hei, buatkan aku puisi ini tentang apa pun." Sekarang, Anda dapat melakukan percakapan bolak-balik. Begitulah cara manusia berinteraksi satu sama lain. Jadi, ini jauh lebih familiar daripada memberikan prompt satu kali. Saat saya bermain-main dengan ChatGPT saat baru keluar, rasanya seperti sulap. Sangat sulit untuk percaya ini ada. Dan saya terus bermain-main dengannya, berbicara tentang topik yang berbeda, dan rasanya seperti memiliki tutor pribadi sesuai permintaan yang tahu segalanya tentang segalanya. Itu berbicara tentang segala macam hal tentang teknologi, sejarah, psikologi, dan bahkan komedi. Ternyata, sangat bagus dalam membuat standup comedy jika Anda memberikan prompt yang bagus. Sangat menyenangkan untuk melakukan itu juga.

Kasus halusinasi

Emmet: Anda berdua telah menghabiskan beberapa minggu mengerjakan ini sekarang. Kami semua memiliki reaksi awal yang sangat mengesankan, tetapi setelah menghabiskan beberapa minggu mencoba menerapkan ini pada masalah pelanggan nyata, mungkin bergulat dengan penerapannya secara langsung, apakah itu sesuai dengan hype, Gustavs?

Gustav: Ya. Segera setelah ChatGPT keluar, kami sangat terkesan dan menyadari bahwa kami harus lebih memahami apa artinya bagi bisnis kami. Sepertinya hal itu dapat memberikan dampak yang sangat berarti pada seluruh industri layanan pelanggan, jadi kami membentuk kelompok kerja kecil dan mengeksplorasi kelebihan dan kekurangan ChatGPT, dan apa artinya bagi bisnis kami. Setelah melalui latihan itu, ketakutan dan kekhawatiran saya sendiri dan hype turun sedikit. Sepertinya teknologinya belum cukup untuk mengambil pekerjaan kita dan mengotomatiskan semuanya.

“Model ingin menyenangkan Anda, jadi dia ingin memberi Anda jawaban yang menurutnya Anda inginkan”

Ternyata, itu sangat bagus dalam beberapa hal, tetapi tidak dalam segala hal. Ini bagus, misalnya, hal-hal seperti meringkas konten atau memahami bahasa dan mengedit serta menulis kreatif. Tapi itu memiliki kelemahan utama halusinasi, di mana itu hanya mengarang hal-hal yang terdengar sangat nyata tetapi sebenarnya salah, yang jelas merupakan masalah besar bagi solusi layanan pelanggan. Anda tidak ingin memberikan jawaban yang terdengar masuk akal, tetapi secara faktual salah. Tapi ada banyak hal menarik yang bisa Anda terapkan. Dan saya pikir kesimpulan besarnya adalah bahwa teknologi ini berkembang sangat cepat. Dan ini hanya masalah waktu sebelum dapat memberikan jawaban yang benar secara faktual. Dan begitu itu terjadi, itu akan sangat mengganggu.

Emmet: Jadi, apa yang Anda katakan adalah itu akan memberikan jawaban apapun yang terjadi. Dan dalam beberapa kasus, ini menghasilkan apa yang Anda sebut halusinasi. Molly, ini sepertinya satu batasan besar bagi siapa pun yang mencoba menggunakan ini secara nyata. Apa itu halusinasi dan mengapa itu terjadi?

Molly: Ya, itu masalah besar, seperti kata Gustavs. Model ingin menyenangkan Anda, sehingga ingin memberi Anda jawaban yang menurutnya Anda inginkan. Kadang-kadang, ia memiliki sumber terpercaya untuk informasi itu, dan kadang-kadang, itu hanya mengada-ada. Rasanya seperti anak kecil. "Kenapa kau melakukan itu?" "Yah, aku pikir itu yang kamu inginkan." Halusinasi mungkin menarik dari banyak sumber berbeda. Jika Anda mengajukan pertanyaan tentang Intercom, itu belum tentu tahu sesuatu yang baru. Jadi, itu mungkin mengambil potongan-potongan dari apa yang diketahuinya akurat, pengetahuan umum dari tempat lain, menginterpolasi itu dan, dengan cara tertentu, mencoba menggunakan akal sehat, yang, tentu saja, tidak dimilikinya. Itu tidak benar-benar memiliki kemampuan penalaran. Itu menggunakan probabilitas seperti, "Yah, ini mungkin berfungsi seperti ini, jadi saya bisa membuat jawaban tentang sesuatu tentang API Intercom," atau sesuatu seperti itu. Dan seperti yang dikatakan Gustavs, itu sangat masuk akal. Kedengarannya sangat percaya diri.

Dan seperti yang Anda sebutkan, perusahaan yang berbeda berfokus pada hal yang berbeda. Ada perusahaan yang sedikit lebih fokus pada cara meminimalkan halusinasi. Sedangkan ChatGPT, menurut saya, sering kali banyak berfokus pada pagar pembatas dan etika serta memperjelas apa yang ditolaknya untuk dijawab.

Emmet: Apakah menurut Anda kita akan melihat banyak sekali model yang berbeda dan Anda dapat memilih salah satu yang paling sesuai dengan jenis pertukaran antara benar-benar benar dan halusinasi yang Anda inginkan, atau apakah ini masalah yang mungkin menghilang begitu saja saat model menjadi lebih dewasa?

“ChatGPT mengilustrasikan sesuatu yang menarik, yaitu UI dan UX dari semua ini sangat penting”

Molly: Saya tidak yakin itu akan hilang. Tapi ya, modelnya sudah banyak. Ada model open source dan ada potensi untuk melakukan apa yang kami sebut fine-tuning di atas model. GPT adalah singkatan dari trafo pra-terlatih generatif, sehingga menghasilkan sesuatu. Ini dilatih sebelumnya pada korpus besar dan transformer. Perusahaan yang berbeda akan fokus pada hal yang berbeda. Ada model open source, dan Interkom, sebagai pengguna potensial dari model ini, mungkin dapat menyempurnakan di atas untuk mendapatkan pengetahuan yang lebih khusus tentang industri atau perusahaan kita. Teknologi juga akan menjadi lebih baik dalam menggunakan dan membutuhkan lebih sedikit data untuk memiliki model yang hebat. Jadi, modelnya akan semakin kecil dan semakin kecil. Dan berpotensi, pada saat itu, mungkin jauh lebih masuk akal bagi perusahaan kecil untuk membuat model pada data mereka dan membuatnya cukup terspesialisasi, cukup berpengetahuan, dan sangat andal.

Emmet: Mari pindah persneling dan berbicara lebih spesifik tentang desain. Jelas, GPT dan AI, secara umum, pada dasarnya adalah kisah teknologi, tetapi menurut saya ChatGPT mengilustrasikan sesuatu yang menarik, yaitu UI dan UX dari semua ini sangat penting. Tampaknya ada pergeseran menuju UI percakapan, misalnya. Apakah menurut Anda itu benar? Apa peran desain dalam membentuk apa yang kita lakukan dengan teknologi ini dari sini, Molly?

Molly: Maksud saya, posisi Interkom sangat bagus. Bisnis kami adalah tentang percakapan dan layanan pelanggan, dan orang-orang menjadi sangat bersemangat untuk melakukan percakapan dengan teknologi ini. Tapi apa yang kami temukan baru-baru ini adalah, setidaknya untuk saat ini, ada begitu banyak kekuatan yang tersedia di teknologi yang sebenarnya tidak secara langsung percakapan, tapi ini tentang percakapan dan bahasa.

Seperti yang kami sebutkan, peringkasan sangat bagus, dan ada banyak alur kerja di mana peringkasan benar-benar dapat membantu agen layanan pelanggan. Kami baru saja meluncurkan versi beta untuk beberapa pelanggan, dan ringkasan adalah salah satu hal yang menurut orang sangat, sangat, sangat berharga. Kami juga telah menambahkan beberapa alat teks generatif untuk memungkinkan perwakilan membuat modifikasi pada pesan mereka jika mereka ingin menyusun ulang sesuatu, membuatnya lebih ramah, membuatnya sedikit lebih formal, atau mendapatkan bantuan untuk mengklarifikasi sesuatu. Itu adalah bagian dari percakapan, tetapi tidak secara langsung melakukan percakapan dengan ChatGPT. Kami juga merasa berguna untuk membantu menghasilkan hal-hal seperti artikel pusat bantuan, yang juga merupakan bagian dari rilis beta ini. Banyak kekuatan ini ada di beberapa aplikasi yang lebih tersembunyi yang tidak begitu jelas bagi orang awam tetapi sangat memakan waktu untuk perwakilan. Dan kami dapat memberikan banyak nilai dengan itu.

“Anda mencari titik temu antara hal-hal yang dikuasai teknologi dan hal-hal yang memiliki risiko relatif rendah. Dan kita akan melihat banyak dari itu di bulan-bulan mendatang ”

Gustav: Ya. Ada banyak cara Anda dapat menggunakan teknologi ini, dan melalui itu, menghindari beberapa masalah yang telah kita lihat, khususnya dengan halusinasi, di mana ia mengada-ada hal yang tidak benar. Tapi itu sangat bagus dalam hal lain. Ini bagus dalam menyusun ulang konten yang ada, dan masuk akal untuk memimpin dengan itu karena dapat memberikan nilai yang jelas. Tujuan akhirnya adalah sepenuhnya otomatis dan benar-benar memberikan jawaban. Hanya saja teknologinya belum cukup bagus untuk itu. Tapi saya pikir kita akan sampai di sana.

Emmet: Dan saya menduga begitulah cara kita akan melihat hal-hal sepanjang tahun 2023 karena saya membayangkan kita akan mulai melihat ini merayap ke banyak produk yang berbeda, mungkin dengan cara yang relatif sederhana dan sangat mudah untuk memulai dan kemudian semakin mendorong perahu keluar dalam hal kompleksitas apa yang dapat dilakukannya. Kita semua, menurut saya, mendekati kesempatan ini dengan kombinasi kegembiraan dan mungkin sedikit rasa gentar yang sehat juga. Molly, Anda menyebutkan bahwa saat ini kami memiliki fitur-fitur ini yang didukung oleh ChatGPT dalam versi beta. Dan umpan baliknya sangat membesarkan hati dan positif. Tanda paling awal yang kami lihat adalah pelanggan nyata mendapatkan utilitas nyata dari fitur seperti meringkas percakapan sebelum menyerahkannya kepada orang lain. Anda sedang mencari titik temu antara hal-hal yang dikuasai teknologi dan hal-hal yang memiliki risiko relatif rendah. Dan kita akan melihat banyak dari itu di bulan-bulan mendatang. Jadi, itu akan menyenangkan.

AI percakapan

Emmet: Gustavs, Anda telah memikirkan hal ini lebih dalam pandangan jangka panjang. Bisakah Anda berbicara sedikit tentang itu? Anda menyebutkan Interkom – salah satu alasan kami di sini membicarakan hal ini adalah kami mungkin berada di posisi yang cukup baik, mengingat sifat produk kami, yaitu layanan pelanggan percakapan, untuk memanfaatkannya sebaik mungkin. Apa yang Anda pikirkan ketika memikirkan peluang produk dan desain jangka panjang?

Gustavs: Pada hari-hari awal peluncuran ChatGPT, kami melakukan lokakarya ini untuk mencoba dan memikirkan masa depan, khususnya tentang bagaimana dunia akan terlihat jika kami memiliki model yang tidak memiliki masalah halusinasi ini dan mampu memberikan jawaban yang bagus atau katakan "Saya tidak tahu". Itu sangat menjanjikan, dan itu benar-benar meningkatkan kepercayaan diri kami pada banyak hal yang sudah kami yakini tetapi semakin dipercepat. Kami yakin bahwa sebagian besar permintaan dukungan akan diselesaikan sepenuhnya secara otomatis tanpa berbicara dengan manusia. Ini sudah meningkat hari ini dengan lebih banyak jenis pembangun "jika ini, maka itu", dengan bot dan bot resolusi kami sendiri, yang memiliki beberapa kemampuan pembelajaran mesin tetapi tidak pada tingkat yang sama dengan ChatGPT.

“Mayoritas dukungan akan terjadi dengan cara yang paling alami bagi manusia, yaitu melalui percakapan”

Kami sudah berada di jalur itu, tetapi itu akan dipercepat. Dan sebagai akibatnya, organisasi pendukung akan mulai beralih dari reaktif dan terutama di kotak masuk menjadi proaktif – menyiapkan dan melatih AI; menulis konten yang dapat digunakan AI untuk menyelesaikan percakapan.

Saya pikir sebagian besar dukungan akan terjadi dengan cara yang paling alami bagi manusia, yaitu melalui percakapan. Bayangkan jika Anda memiliki seseorang yang selalu dapat Anda ajak bicara yang memiliki jawaban yang dipersonalisasi hanya untuk Anda. Itulah cara paling alami bagi manusia untuk berinteraksi. Pengalaman penelusuran dan penjelajahan yang kita miliki saat ini, di mana Anda menelusuri sesuatu di Google dan memindainya untuk mencoba dan menemukan jawaban dengan cepat di suatu tempat di konten, tidak wajar bagi manusia. Masih akan ada beberapa versi dengan saran untuk konten yang mungkin relevan untuk Anda sebelum Anda memulai percakapan. Tetapi ketika Anda berinteraksi dengannya, itu masih bisa menjadi percakapan.

Kami yakin kami juga perlu membangun jembatan untuk sampai ke sana karena berbagai alasan. Saya pikir kita akan mulai dengan melihat augmentasi perwakilan dukungan dengan hal-hal seperti meringkas atau mengulang. Nanti, kita akan membahas saran untuk balasan yang dapat diedit dan diperbaiki oleh perwakilan dukungan, dan nanti, kita akan masuk ke otomatisasi penuh. Ini akan memakan waktu cukup lama, baik untuk teknologi maupun aspek manusianya, untuk membiasakan diri menggunakan lebih banyak otomatisasi.

Emmet: Anda menjelaskan sesuatu di mana, di area permukaan produk yang sangat luas, ada banyak tempat berbeda di mana hal ini dapat mengubah cara kami bekerja, baik yang kami sebut pengalaman rekan satu tim maupun pengalaman pengguna akhir, di keduanya sisi percakapan. Namun Anda juga menjelaskan gagasan kabur tentang bagaimana kita akan mencapai masa depan yang tidak jelas tentang "kami pikir teknologi akan sampai di sana". Ini mengejutkan saya sebagai cara berpikir yang sangat berbeda tentang mendekati desain hari ini dan hampir perbedaan besar dalam cara kita berpikir tentang berinteraksi dengan komputer, beralih dari sesuatu yang sangat deterministik, sangat keras – benar dan salah dan satu dan nol – menjadi sesuatu jauh lebih kabur.

Pola desain baru

Emmet: Desainer sekarang sedang mempertimbangkan untuk bekerja dengan materi ini yang terasa jauh lebih tidak dapat diketahui dan plastis dan tidak sekaku aplikasi CRUD, "buat, tulis, perbarui, hapus", yang biasa kami lakukan. Apa yang kamu temukan? Apakah ada perbedaan substansial dalam bagaimana desainer perlu mendekati pekerjaan mereka? Pernahkah Anda menemukan hal-hal tertentu sulit atau menantang? Akankah desainer harus mempelajari keterampilan baru? Seberapa besar perubahan ini untuk tindakan mendesain, fakta bahwa bahan yang kita rancang hampir memiliki elemen ketidaktahuan yang dimasukkan ke dalamnya?

“Seiring waktu, kita akan melihat semakin banyak pola desain baru yang muncul untuk mengelola ketidakpastian dan ekspektasi di semua sisi”

Molly: Saya pikir masih banyak pekerjaan kita yang akan tetap sama. Kami menemukan masalah, menggali alur kerja orang, menemukan pola. Satu hal besar perlu dirancang untuk lebih banyak kasus kegagalan karena belum tentu ada pagar pembatas. Ketika Anda sedang bercakap-cakap, itu bisa keluar jalur dengan berbagai cara. Dan itu sama dengan sistem seperti ini. Manusia, sebagai spesies, tidak hebat dalam kemungkinan. Ketika kita melihat laporan cuaca dan ada 40% kemungkinan hujan, kita tidak memiliki pemahaman yang baik tentang apa artinya itu.

Emmet: Ya, kamu kecewa kalau tidak hujan karena kamu diberitahu akan ada hujan.

Molly: Ya. Saya di Belanda – ketika saya melihat kemungkinan hujan, saya seperti, “Akan hujan. Ini hanya pertanyaan berapa lama.” Itulah arti persentase bagi saya. Tapi kami tidak begitu hebat dalam menafsirkannya. Saya pikir itu pasti akan menjadi sesuatu ketika kita melihat seberapa yakin prediksi ini karena itu adalah prediksi tentang kata-kata apa yang akan muncul selanjutnya. Dan kami akan berusaha menjadi lebih baik dalam hal itu. Ada banyak hal yang berhubungan dengan seberapa cepat teknologi ini bergerak dan berubah, dan menurut saya itu tidak akan berubah. Ada banyak pembuatan prototipe dan reaksi serta pemikiran tentang latensi. Latensi saat ini bisa sangat lama – dirancang untuk itu. Dan ada banyak hasil yang tidak terduga. Itulah beberapa hal yang saya perhatikan.

Gustavs: Menurut saya, seiring berjalannya waktu, kita akan melihat semakin banyak pola desain baru yang muncul untuk mengelola ketidakpastian dan ekspektasi ini di semua sisi. Saat ini, semua orang sedang bereksperimen dan melihat apa yang berhasil. Kami sudah melihat beberapa pola yang muncul dengan petunjuk kecil yang telah ditentukan sebelumnya tentang cara mengubah teks seperti "perluas ini", "rangkum ini", "buat lebih ramah". Ini adalah pola yang relatif baru yang mulai muncul, dan saya pikir kita akan melihat semakin banyak jenis pola tersebut. Bahkan interaksi ini di mana, jika Anda meminta ChatGPT untuk membuat konten, ia memiliki kursor yang bergerak lambat. Itu pola desain yang menarik juga. Ini diperlukan secara teknis, tetapi dapat bekerja dengan sangat baik untuk menetapkan harapan bahwa, "hei, ini adalah konten yang menghasilkan AI dengan cepat."

“Dalam sistem baru yang mungkin sangat otomatis ini, apakah kita berpikir untuk menambahkan beberapa friksi agar kita mempertahankan keterampilan yang terasa berharga dan yang ingin kita miliki?”

Emmet: Jadi, Anda mengatakan bahwa efek pengetikan kata demi kata, ticker-tape ini, yang, sejujurnya, merupakan fungsi dari bagaimana teknologi membuatnya kata demi kata, bisa menjadi sinonim dan kartu panggil visual . Mungkin itu akan terjadi, mungkin tidak, tetapi jenis hal yang cenderung muncul ketika kita melihat pergeseran ini dan teknologi baru yang muncul mungkin menarik untuk menelusuri ide pola desain baru yang muncul karena kita melihat ini ketika teknologi baru datang. bersama. Molly, apakah ada orang lain yang pernah Anda temui, baik pada tingkat desain interaksi yang sangat rendah atau pada tingkat tinggi bagaimana hal ini digabungkan menjadi produk?

Molly: Ada beberapa hal lain yang menurut saya akan mulai lebih sering muncul. Misalnya, saat kami mencoba mengembangkan fitur, teknisi melakukan pengujian ulang. Mereka menggunakan data masa lalu dan membuat prediksi tentang itu dan kemudian membandingkannya dengan apa yang sebenarnya dikatakan rekan satu tim, misalnya. Untuk hal-hal seperti itu, kita mungkin perlu mulai meluncurkan bukan pada pengguna akhir tetapi pada sisi rekan tim atau admin, di mana orang yang mengelola org CS mungkin ingin memiliki apa yang saya sebut peluncuran gelap – mereka tidak memiliki hal-hal yang hidup tetapi dapat menonton mereka dan merasakan, "Oke, sekarang saya percaya ini untuk pergi." Berbagai tahapan peluncuran gelap, draf saran, dan berbagai tahapan peluncuran beberapa alat ini. Saya pikir itu akan lebih menonjol.

Saya tidak tahu ke arah mana itu akan pergi, tetapi saya berpikir tentang titik-titik di mana kita mungkin harus menambahkan gesekan kembali ke dalam sistem sehingga kita tidak berpuas diri. Pilot masih melakukan bagian tertentu dari penerbangan, meskipun sistem autopilot melakukan sebagian besar, karena mereka tidak boleh lupa cara terbang. Jadi, mereka melakukan pendaratan atau hal lainnya. Dalam sistem baru yang mungkin sangat otomatis ini, apakah kita berpikir untuk menambahkan beberapa friksi agar kita mempertahankan keterampilan yang terasa berharga dan yang ingin kita miliki?

Emmet: Dan jelas, hampir semuanya memiliki skor kepercayaan implisit untuk fitur bawaan yang harus Anda desain. Apakah ini sesuatu yang akan kami ungkapkan kepada perwakilan dan admin atau pelanggan mereka? Ada ambang batas yang lebih tinggi bagi kami untuk memaparkan barang kepada pelanggan mereka atau bahkan pada tingkat detail yang lebih rendah. Ambil kemampuan untuk meringkas percakapan panjang. Apakah Anda memposting ringkasan itu langsung ke utas percakapan dengan mengklik tombol, atau apakah Anda memberikan kesempatan kepada seseorang untuk meninjau dan menyetujuinya? Biarkan langsung versus menambahkan gerbang persetujuan? Saya pikir kita mungkin akan melihat banyak alur kerja muncul, setidaknya pada awalnya, dan kemudian, apakah mereka mulai gagal saat teknologi membangun kepercayaan diri yang semakin besar?

Molly: Ya, persis.

Gustavs: Bahkan hanya kemampuan untuk memberi tahu Anda seberapa percaya diri itu. Jika AI dapat memberi tahu Anda, "Hei, ini jawaban saya, dan 40% benar," Anda dapat memberikannya kepada manusia untuk disetujui sebelum dikirimkan. Jika 90% yakin, Anda dapat melanjutkan dan mengirimkannya langsung dan memiliki tombol "hei, ini salah" di sisi pengguna akhir. Itu sangat tergantung pada bagaimana teknologi berkembang. Desainnya harus berkembang bersamanya.

Emmet: Ya. Tuhan, berilah aku keyakinan model bahasa yang besar karena ia akan dengan yakin mengatakan kepalsuan total dan kebenaran total tanpa membedakan keduanya. Dan itu soal kepercayaan. Saat ini, tidak ada yang mengatakan, "Saya 100% yakin dengan pernyataan ini." Di ChatGPT, setidaknya. Di beberapa model bahasa lain, saya yakin kita mulai melihat sumber yang direferensikan, yang tampaknya merupakan langkah positif.

Menambahkan lapisan di atas

Emmet: Sepertinya ada banyak hal yang tidak diketahui, banyak seluk-beluk, keputusan desain mendalam seperti ini untuk dilibatkan. Mari kita perkecil apa arti megatren ini untuk desain dan produk. Orang-orang telah menyaksikan atau menjadi bagian dari kedatangan teknologi baru yang besar. Saya sedang memikirkan hal-hal seperti cloud atau secara besar-besaran beralih ke web dan seluler sebagai teknologi besar yang memungkinkan yang mengarah ke dunia baru dengan pola desain dan produk yang sebelumnya tidak tersedia. Dengan cloud, kami melihat formulir, umpan, dan suka, serta semua transformasi visual yang dilalui web.

Anda bisa mengatakan banyak hal yang sama untuk seluler – mulai dari feed dan menu hamburger hingga tarik untuk menyegarkan dan gesek untuk menghapus yang sekarang kami anggap sebagai bagian dari perangkat desainer. Mungkin kita semakin dekat dengan waktu prediksi, tapi apa pengalaman awal Anda bekerja dengan ini? Apakah itu memberi tahu Anda tentang jenis produk apa yang akan menang atau kalah dan hal baru apa yang mungkin kita lihat muncul yang bahkan tidak mungkin terjadi sebelumnya?

“Bisnis yang akan menang, menurut saya, adalah bisnis yang akan memiliki semacam data hak milik dan efek roda gila yang terus mengumpulkan dan meningkatkan data tersebut”

Gustavs: Menurut saya, seiring waktu, sebagian besar bisnis akan menggunakan model bahasa besar yang tersedia untuk umum ini alih-alih membuatnya sendiri. Tetapi untuk membedakan satu sama lain, mereka mungkin membangun lapisan di atasnya dengan pengetahuan khusus. Misalnya, Anda mungkin memiliki data khusus bisnis – untuk alat dukungan, ini bisa berupa jawaban atas pertanyaan spesifik tentang produk Anda dan perwakilan dukungan Anda memberikan jawaban spesifik yang bertentangan dengan pengetahuan umum. Bisa jadi pengetahuan yang sangat mendalam tentang bidang tertentu, seperti hukum.

Bisnis yang akan menang, menurut saya, adalah bisnis yang akan memiliki semacam data hak milik dan efek roda gila yang terus mengumpulkan dan meningkatkan data tersebut. Hal lain yang menurut saya akan menarik adalah melihat apa yang dilakukan pemain besar seperti Google, Apple, dan Microsoft dengan teknologi ini dan bagaimana mereka mengintegrasikannya ke dalam level OS. Itu bisa berdampak besar pada jenis ceruk apa yang tersedia untuk bisnis lain.

“OpenAI kehilangan jutaan per hari untuk menjalankan ChatGPT, dan itu mungkin sepadan dari sudut pandang PR atau data penelitian apa pun yang mereka kumpulkan, tetapi itu juga berarti itu tidak akan gratis dan santai”

Emmet: Anda memulai dengan mengatakan kebanyakan orang akan mengintegrasikan model bahasa besar ini dengan cara tertentu. Saya pikir bisnis yang tidak berhasil melakukan apa yang Anda katakan, dan benar-benar menemukan semacam parit pertahanan, pada dasarnya akan menemukan diri mereka sebagai pembungkus tipis di atas GPT yang tidak benar-benar melakukan banyak hal lain. Jadi, saya sepenuhnya setuju dengan Anda di sana. Jika Anda memikirkan sesuatu seperti App Store atau toko aplikasi seluler, ada banyak mainan dan senter dan hal-hal seperti itu di masa-masa awal. Dan kemudian, secara bertahap, itu berubah menjadi hal-hal besar yang memungkinkan seperti Uber, yang tidak akan ada jika kita tidak memiliki model ini, dan Instagram dan pemetaan, dan seterusnya. Molly, apa saja yang ingin Anda tambahkan berdasarkan pengalaman Anda?

Molly: Saya tidak sepenuhnya yakin bahwa setiap orang akan menggunakan LLM publik. Saya memiliki sedikit ketakutan mereka akan terlalu mahal bagi banyak perusahaan untuk membuat model bisnis mereka berfungsi atau beberapa perusahaan besar mungkin merahasiakan mereka. Jadi, saya tidak yakin apakah semua orang akan menggunakan yang publik atau jika orang akan lebih beralih ke sumber terbuka dan meletakkan lapisan yang telah disetel dengan baik di atas. Saya setuju tentang mode data. Misalnya, di Intercom, kami memiliki banyak data percakapan dan kami dapat melakukan hal-hal yang tidak dapat dilakukan Apple pada level OS. Dan itu memberi kita beberapa nilai. Saya pikir produk yang akan berhasil adalah produk yang, seperti yang Anda katakan, bukan hanya lapisan komoditas di atasnya, tetapi sangat memahami masalah atau alur kerja dan dapat mengintegrasikannya dengan mode datanya.

Emmet: Anda juga menyentuh beberapa hal yang, untuk saat ini, akan menjadi penting di seputar keterbatasan. Itu lambat. Butuh beberapa detik untuk mengembalikan respons. Akan ada beberapa produk atau ruang yang tidak cocok. Ini juga mahal dalam hal daya komputasi dan karenanya mahal dalam hal uang. Anda mungkin tahu lebih banyak dari saya tentang ini, tetapi setiap permintaan berharga beberapa sen. OpenAI kehilangan jutaan per hari untuk menjalankan ChatGPT, dan itu mungkin sepadan dari sudut pandang PR atau data penelitian apa pun yang mereka kumpulkan, tetapi itu juga berarti itu tidak akan gratis dan santai. Dan sementara teknologi memiliki kebiasaan yang sangat baik untuk menjadi lebih cepat dan lebih murah dari waktu ke waktu, dan ini berpotensi terjadi di sini, untuk saat ini, ada batasan tertentu yang membatasi aplikasi. Mungkin kita akan lebih jarang melihatnya di aplikasi real-time. Mungkin kita akan melihatnya lebih sedikit di aplikasi B2C, di mana skala dan biaya menjalankan kueri semacam itu bisa sangat besar. Akan menarik untuk melihat bagaimana hal-hal muncul di sana juga.

Masa depan antarmuka

Emmet: Saya ingin tahu lebih dalam tentang percakapan desain dan benar-benar berpikir tentang sistem generatif ini dan bagaimana kita akan berinteraksi dengannya. Kami menyinggung semua ketukan dan gesekan baru dan hal-hal yang dapat Anda lakukan saat platform baru hadir. Di sinilah kita mau tidak mau harus berjingkat-jingkat menuju dunia prediksi. Kita semua dapat melihat kembali hal ini dalam waktu satu atau dua tahun dan menertawakan betapa salahnya kita, tetapi ada perasaan menarik bahwa mungkin ini bergeser ke arah interaksi yang lebih berbasis teks, hampir berbasis baris perintah. Jenis tren mikro lainnya dalam produk adalah palet perintah + K ini yang dapat Anda munculkan dengan menekan pintasan dan mengetikkan tindakan yang ingin Anda ambil. Kami melihat bahwa di banyak produk, yang berkontribusi pada pengertian umum tentang pergeseran ke arah teks dan bahasa alami sebagai cara langsung untuk berinteraksi.

“Saya rasa kita tidak harus memilih satu cara untuk berinteraksi dengan AI. Ini adalah kemampuan yang sangat luas yang dapat diterapkan dengan cara yang berbeda untuk kasus penggunaan yang berbeda”

Di sisi lain, jika Anda melihat tren sebelumnya, terutama perjalanan yang kami lalui dari antarmuka baris perintah, kami akhirnya membangun antarmuka pengguna grafis yang sangat mendetail di atas. Jadi, saya ingin tahu apakah Anda mau berspekulasi ke mana Anda melihat ini pergi. Apakah ini menandakan pergeseran ke antarmuka baris perintah yang lebih banyak untuk abad ke-21? Apakah ini baris perintah sementara sebelum kita mengetahui seperti apa lapisan antarmuka pengguna grafis pada hal-hal ini? Apakah terlalu dini untuk mengatakannya?

Gustavs: Yah, saya pikir kita akan memiliki semua itu. Saya tidak berpikir kita harus memilih satu cara untuk berinteraksi dengan AI. Ini adalah kemampuan yang sangat luas yang dapat diterapkan dengan cara yang berbeda untuk kasus penggunaan yang berbeda. Jadi, misalnya, jika Anda sedang mencari jawaban, percakapan akan menjadi cara utama untuk mendapatkan jawaban. Tetapi jika kita berbicara tentang augmentasi alur kerja dengan AI, saya pikir kita akan melihat antarmuka grafis dengan tindakan yang telah ditentukan sebelumnya untuk diambil oleh AI. Itu sama seperti yang kita lihat hari ini dengan meringkas, menyusun ulang, dan seluruh gelombang co-pilot untuk X.

Dengan otomatisasi alur kerja, maksud saya menggunakan AI untuk meningkatkan cara Anda melakukan pekerjaan. Jadi, misalnya, dalam dukungan pelanggan, saat itulah Anda menulis balasan kepada pelanggan menggunakan AI untuk meningkatkan balasan tersebut. Sekali lagi, memperluas poin atau meringkas percakapan sampai saat itu. Saya pikir mungkin ada antarmuka grafis untuk jenis augmentasi alur kerja tersebut.

Molly: Saya buruk dalam hal prediksi, tetapi kami mungkin memiliki semacam proliferasi, seperti yang Anda katakan, antarmuka perintah + K atau opsi berbeda dari apa yang dapat Anda lakukan. Salah satu tantangan dengan teknologi ini adalah kemampuan untuk menemukan apa yang dapat dilakukannya. Anda dapat mengetik apa saja ke prompt ini. "Tuliskan aku puisi Shakespeare seperti bajak laut," atau semacamnya. Kami akan memasang beberapa pagar, tapi saya pikir kami mungkin akan melangkah lebih jauh dan kemudian melihat hal-hal sedikit menyempit karena hal-hal menjadi lebih umum dan berguna. Dan kemudian, pada akhirnya, mungkin dapat beralih ke lebih banyak antarmuka berbasis teks atau berbasis percakapan atau terbuka lebar setelah kita memahami apa yang dapat dilakukan teknologi ini.

Saat kami terbiasa berbicara dengan sistem kami, saya juga senang dengan potensi antarmuka saraf. Mengapa membicarakannya jika saya bisa memikirkannya? Saya tahu itu jalan keluar, tetapi ketika saya berada di Berkeley, beberapa rekan saya mengerjakannya. Itu akan sangat keren. Ada banyak situasi di mana Anda tidak ingin berbicara dan mengetik, dan ini membuka banyak hal. Mungkin lebih jauh di masa mendatang, kita akan memiliki sistem terintegrasi yang dapat mengambil instruksi non-GUI dan menerjemahkannya menjadi tindakan. Kami telah melihat bahwa dengan beberapa sistem ini yang dapat mengambil pertanyaan dan instruksi bahasa alami dan mengubahnya menjadi tindakan di komputer Anda. Dan faktanya adalah bahwa beberapa LLM ini juga sangat bagus dalam menghasilkan kode, seperti co-pilot GitHub. Jadi, ada banyak potensi di sana.

Emmet: Saya menduga manipulasi teks akan menjadi tahun yang hebat dalam perangkat lunak karena ada begitu banyak kemungkinan langsung di sini. Rasanya sangat alami untuk dapat menyorot sepotong teks dan berkata, "jadikan ini lebih ramah". Hampir terasa seperti milik palet alat bersama huruf tebal dan miring. Itu hanya cara memanipulasi teks yang ada. Lalu, ada banyak cara untuk melangkah lebih jauh, seperti pembuatan atau pembuatan kode.

Saya pribadi menemukan pengalaman bekerja dengan generator gambar sangat berbeda. Sekali lagi, banyak dari pengalaman kami tentang sistem ini adalah melihat hasil bergulir, seperti tangkapan layar ChatGPT atau sesuatu yang dibuat oleh DALL-E, Midjourney, atau Stable Diffusion. Proses pembuatan pembuat gambar terasa kikuk bagi saya, dan sesuatu yang kemungkinan besar berbasis GUI dan memiliki antarmuka layar yang jauh lebih nyaman. Harus mengisi prompt dengan F-stop pendek yang sedang tren pada seni menyimpang untuk mencoba dan membuatnya membuat keluaran yang Anda inginkan jelas merupakan peretasan. Dan ada banyak dimensi dengan gaya berbeda yang ingin Anda lalui yang akan jauh lebih baik dilayani oleh kenop dan kenop dan semacam penggeser. Saya kira prediksi saya adalah kita akan melihat rekayasa cepat seperti yang ada saat ini digantikan oleh sesuatu yang mudah-mudahan jauh lebih baik.

“Ada sesuatu yang menarik tentang AI yang seperti rekan kerja yang sangat kuat yang dapat menggunakan alat yang Anda miliki dan Anda dapat memberi mereka umpan balik teks biasa untuk membantu memperbaikinya”

Dan untuk menyelesaikan pemikiran, video dan audio sangat berbeda karena Anda harus duduk lama dan meninjau hasilnya. Anda dapat melihat ratusan gambar atau membaca sekilas beberapa teks, tetapi sejujurnya saya memiliki lebih sedikit pendapat tentang itu karena saya dapat menghabiskan lebih sedikit waktu untuk itu. Tapi saya kira itu kembali ke apa yang akhirnya Anda katakan, Gustavs. Itu bukan jawaban yang memuaskan, tetapi itu akan sangat bergantung. Dan saya pikir itu akan sangat bergantung pada apa yang saya manipulasi. Dan kami mungkin memiliki UI yang sangat berbeda untuk itu tergantung.

Gustavs: Pada saat yang sama, saya rasa akan ada aplikasi baru yang menarik untuk memberikan instruksi bahasa alami. Misalnya, satu hal menarik yang kami temukan saat melakukan eksplorasi awal adalah bahwa cara Anda melatih AI bisa sangat, sangat mirip, atau secara praktis sama seperti jika AI adalah agen pendukung dan Anda akan memberi mereka umpan balik tentang kebijakan Anda tentang bagaimana berinteraksi dengan pelanggan atau nada suara apa yang digunakan. Bahkan ketika Anda memberikan umpan balik pada percakapan individu, Anda dapat memberikannya dalam bentuk teks biasa karena memahami bahasa alami dan konteksnya. Saya pikir kita akan melihatnya juga. Dan ada sesuatu yang menarik tentang AI yang seperti kolega yang sangat kuat yang dapat menggunakan alat yang Anda miliki dan Anda dapat memberi mereka umpan balik teks biasa untuk membantu memperbaikinya.

Emmet: Molly menyinggung tentang apa yang terjadi jika hal-hal ini tidak hanya memuntahkan teks, tetapi juga dapat mengambil tindakan, misalnya. Dan itu mungkin tingkat tambahan dari kemampuan mereka.

Kemana kita pergi dari sini?

Molly: Fergal, bagi Anda yang mendengarkan beberapa podcast sebelumnya, adalah Director of Machine Learning. Dia mengatakan bahwa cita-citanya untuk sistem ML harus seperti rekan kerja cerdas yang duduk di sebelah Anda yang dapat Anda beri instruksi dan itu akan benar-benar menjalankannya dengan baik. Itu semacam mimpi. Jadi, seperti yang dikatakan Gustavs, mampu memberikan umpan balik bahasa alami hanyalah perubahan besar dalam cara kita mengelolanya.

“Bagaimana kita menjadikan kolega yang cerdas dan berpotensi mengancam ini, rekan satu tim yang membuat Anda lebih baik?”

Emmet: Saya ingin tahu berapa banyak jarak yang akan ada. Ada sebuah agensi bernama Berg di London beberapa tahun yang lalu, dan mereka melakukan banyak eksperimen dengan iterasi AI sebelumnya. Namun salah satu prinsip mereka adalah "jadilah sepandai anak anjing" karena mereka tidak ingin AI merasa mengancam atau berlebihan. Dan itulah prinsip mereka dalam membuat batasan di sekitar kita. Saya tidak suka mengukir desainer sebagai tipe "Anda tidak bisa melakukan itu" yang bergoyang-goyang, tetapi mungkin menetapkan batasan aman itu adalah peran penting yang harus dimainkan oleh desainer juga.

Molly: Saya pikir ada peran untuk batasan itu. Saya ingin bekerja di samping anak anjing, tetapi apakah Anda ingin bekerja di samping seseorang dengan kecerdasan anak anjing? Menurut saya, peran desainer adalah: bagaimana kita membuat rekan kerja yang cerdas dan berpotensi mengancam ini, rekan satu tim yang membuat Anda lebih baik, yang dapat mengadakan sesi papan tulis dan curah pendapat yang sangat bagus di mana Anda hanya membaca setiap lainnya? Bagaimana kita sampai ke sana? Di situlah kami benar-benar dapat menambahkan keajaiban ini – menjadikan hari kerja lebih baik, menambah alur kerja, dan menjadikan AI sebagai rekan satu tim yang sebenarnya bagi orang-orang.

Emmet: Mobil self-driving mungkin merupakan aplikasi AI paling canggih saat ini, meskipun tidak pada tingkat adopsi yang luas. Ketegangan dari level mengemudi sendiri ini dan meningkatnya risiko saat Anda melewati level tersebut – versi yang mungkin berlaku untuk banyak hal ini, jika Anda memikirkannya.

Molly: Ya, maksud saya, itulah yang telah kami sebutkan. Apakah ini saran? Apakah ada ulasan? Apakah ada persetujuan? Itu hanya versi kami dari lima tingkat kendaraan otonom.

Gustavs: Hal lain yang menarik adalah, seiring berjalannya waktu, AI menjadi lebih baik dan tidak hanya mampu memberikan jawaban tetapi juga melakukan tindakan atas nama Anda, mirip dengan yang dilakukan rekan kerja, ini akan menjadi tantangan desain yang menarik untuk dipikirkan keluar cara untuk membuatnya terasa seperti seseorang duduk di samping Anda dan membantu Anda, sebagai lawan dari peretas yang membajak komputer Anda dan mengklik berbagai hal. Jika Anda bisa membuatnya bekerja dengan desain, itu akan terasa ajaib. Atau bisa gila menakutkan. Ini akan menjadi tantangan desain yang menarik.

Emmet: Dan mungkin saja jalur percakapan adalah cara terbaik untuk melakukannya. Sejauh mana itu dibingkai sebagai orang yang ramah dan percakapan versus sistem yang berinteraksi dengan Anda dari jarak jauh juga akan menarik untuk dilihat.

“Akankah sifat produksi dan pekerjaan ide banyak berubah? Apakah kita harus mempelajari keterampilan baru seperti teknik cepat?

Beberapa tahun yang lalu, kami memiliki apa, jika dipikir-pikir, Anda dapat menganggap sebagai siklus hype bot. Dan sebenarnya, Intercom cukup aktif terlibat dalam percobaan dan mencari tahu apa yang bisa kami lakukan. Tentu saja, kami memiliki produk yang memanfaatkannya, seperti yang sudah kami sebutkan. Hal-hal seperti Bot Resolusi dan Bot Kustom. Tapi kami juga menemukan selama siklus hype itu bahwa ada banyak sekali aplikasi yang sama sekali tidak bagus untuk UI percakapan. Ada bot cuaca, dan Anda seperti, "Sebenarnya, saya tidak perlu bot untuk menanyakan cuaca saat ini - saya punya aplikasi atau halaman web yang cocok untuk itu." Kita pasti akan melihat banyak hal terjadi di sini juga. Mungkin aplikasi UI percakapan yang berlebihan, tetapi kemudian kasus penggunaan yang benar-benar berguna mengemuka.

Satu hal tambahan yang akan saya tambahkan yang membuat saya cukup bersemangat dalam percakapan adalah masalah yang telah kami tangani sejak lama. Tes Turing bukanlah hal baru. Tapi selain itu, saya bekerja di Google beberapa tahun lalu. Ada banyak pekerjaan dalam pencarian dan kebanggaan untuk menjawab pertanyaan seperti, "Berapa tinggi Menara Eiffel?" Sesuatu yang sepertinya sangat mendasar dibandingkan dengan apa yang sekarang tersedia untuk kita. Bahkan asisten suara seperti Siri tiba-tiba terbangun pada suatu pagi di akhir November hampir usang.

Kecepatan di mana sistem menjadi lebih baik juga akan mendorong sebagian besar dari ini. Salah satu hal yang menarik dan baru bagi para desainer adalah kami mengikuti perjalanan ke tingkat yang lebih tinggi daripada kami bekerja dengan teknologi web atau apa pun di masa lalu. Ke mana perginya teknologi dari sini akan mendikte hal-hal sebanyak visi penulis sutradara kami sebagai desainer.

“Saya pikir akan sangat penting bagi desainer untuk mempelajari hal ini dan hanya bermain-main dan mengotak-atik model bahasa ini dan melihat bagaimana Anda dapat menerapkannya pada produk Anda”

Satu dimensi terakhir yang saya pikirkan dalam hal desain, khususnya, adalah alat yang kami gunakan dan fakta bahwa alat tersebut memiliki potensi untuk berubah secara dramatis. Akankah sifat produksi dan pekerjaan ide banyak berubah? Apakah kita harus mempelajari keterampilan baru seperti teknik cepat? Gustavs, adakah pemikiran tingkat tinggi tentang apa artinya ini bagi perubahan sifat dalam melakukan desain?

Gustav: Ya. Dalam hal rekayasa cepat secara khusus, menurut saya, seiring waktu, kita akan melihat munculnya praktik terbaik untuk melakukannya dengan cara yang sama seperti yang kita miliki untuk teknologi lainnya. Dan tentu saja, mereka akan berevolusi dan menjadi lebih baik dari waktu ke waktu, tetapi menurut saya itu tidak akan menjadi pembeda utama yang akan membentuk bisnis Anda secara fundamental. Sulit untuk mengatakan bagaimana peran desainer akan berubah, dan itu tergantung pada jangka waktunya. Dalam jangka pendek, menurut saya akan sangat penting bagi desainer untuk mempelajari hal ini dan hanya bermain-main dan mengotak-atik model bahasa ini dan melihat bagaimana Anda dapat menerapkannya pada produk Anda, bagaimana bisnis lain menerapkannya pada produk mereka, dan cobalah untuk menemukan pola dan cara menarik dalam melakukan hal-hal baru.

Namun dalam jangka panjang, jauh lebih sulit untuk mengatakan apa dampaknya terhadap desainer di seluruh industri. Jadi, saat AI menjadi lebih baik, dan tidak hanya dalam menambah manusia, tetapi juga dalam melakukan otomatisasi penuh dalam menulis dan melakukan tugas, menurut saya hal itu dapat mengganggu banyak produk dan industri secara mendasar dan bahkan peran yang dimainkan desainer dalam membentuk produk tersebut. Saya kira kita akan melihat. Banyak pertanyaan terbuka, dan akan menarik untuk melihat bagaimana hasilnya.

Emmet: Ya. Salah satu hal menyenangkan tentang melakukan apa yang kami lakukan adalah terkadang, teknologi memberi Anda jenis jalan baru yang dapat Anda kejar. Ini benar-benar terasa seperti hal yang akan secara substansial mengubah lanskap tempat kami bekerja dan menciptakan banyak tantangan dan peluang baru bagi para desainer. Bagi kami di Intercom, sangat menyenangkan berada di sepanjang jalan dan di jalur itu dan berkomitmen penuh untuk itu. Ini akan menjadi tahun yang menarik untuk AI dan mendesain dengan AI, tidak diragukan lagi. Saya menantikan untuk melihat di mana kita sampai ke sana. Mungkin kita bisa berhenti di situ. Molly, terima kasih banyak. Gustavs, terima kasih banyak. Senang mengobrol dengan Anda dan belajar dari pengalaman Anda sebelumnya bekerja dengan teknologi ini. Mungkin kita akan melakukannya lagi saat kita semua lebih tua dan lebih bijak, tapi untuk saat ini, terima kasih banyak.