حلما بهبود
داستان‌سرایی به عنوان ابزاری برای ایجاد همدلی و انتقال مفاهیم پیچیده، تیم‌های طراحی را قادر می‌سازد تا نیازها و مشکلات کاربران را درک کرده و به ایده‌های قابل اجرا تبدیل کنند. اصول داستان‌سرایی شامل سادگی، کوتاهی، و تمرکز بر تجربه کامل کاربر است و با استفاده از ابزارهای بصری مانند اسکچ و ویدئو، تاثیر آن را افزایش می‌دهد. نمونه‌سازی نیز به عنوان یک روش عملی برای آزمایش فرضیات و اصلاح ایده‌ها معرفی می‌شود. این ابزار به تیم‌ها کمک می‌کند با هزینه کمتر و در زمان کوتاه‌تر، بازخوردهای واقعی از کاربران دریافت کنند و مفاهیم را بهبود بخشند. ترکیب داستان‌سرایی و نمونه‌سازی نه تنها ارتباط مؤثری میان طراحان و کاربران ایجاد می‌کند، بلکه راه‌حل‌های طراحی انسان‌محور و مؤثرتری ارائه می‌دهد.
اهمیت فاز نمونه‌سازی در دیزاین
یکی از اصول کلیدی در تفکر طراحی این است که تا حد امکان در مراحل اولیه طراحی و توسعه، هر چه بیشتر آزمایش و خطاهای انجام شود تا از ضررهای بعدی جلوگیری شود. جمله «زودتر شکست بخور تا زودتر موفق شوی» که اغلب به دیوید کلی از دانشگاه استنفورد و IDEO نسبت داده می‌شود، این طرز تفکر را به طور مشهودی پشتیبانی می‌کند. هلموت فون مولتکه، استراتژیست نظامی مشهور در زمانی پیش از کلی می‌گفت: «هیچ برنامه جنگی پس از تماس با دشمن زنده نمی‌ماند.» به عبارت دیگر، مهم نیست که تیم چقدر برنامه‌ریزی کرده باشد، چه مقدار تجربه داشته باشد یا چقدر باهوش باشد، همه مفاهیم در فرضیات و اجرا، نقص‌های ذاتی و ناشناخته‌ای دارند. بنابراین بهتر است این نقص‌ها را در سریع‌ترین زمان ممکن شناسایی و اصلاح شوند. بهینه‌سازی مرحله بر این که به ایجاد محصولات مطلوب‌تر کمک می‌کند، باعث کاهش هزینه‌های توسعه و تسریع چرخه توسعه محصول نیز می‌شود.
چگونه روایت‌ها به فاز نمونه‌سازی کمک می‌کنند
روایت‌ها نقش مهمی در فرآیند نمونه‌سازی ایفا می‌کنند و به عنوان چارچوبی برای هدایت طراحی، آزمایش و بهبود نمونه‌ها عمل می‌کنند. ترکیب داستان‌سرایی با نمونه‌سازی، به تیم طراحی کمک می‌کند تا نیازهای کاربران را بهتر درک کرده و راه‌حل‌هایی کاربرمحور و کاربردی‌تر ایجاد کنند. در ادامه، نکات کلیدی برای استفاده از روایت‌ها در نمونه‌سازی ارائه شده است:
مرحله اول با ساخت “قطعات داستان” و سناریوهای اولیه آغاز می‌شود تا نیازها، مشکلات و زمینه‌های کاربران را شناسایی کند. در این مرحله تیم طراحی فرضیاتی درباره راه‌حل‌های ممکن مطرح می‌کند و با استفاده از داستان‌سرایی، زمینه‌ای برای ایده‌پردازی فراهم می‌آورد. به عنوان مثال، در داستان کاربری به نام”اد” و مشکل او در انتخاب لباس، پیشنهاداتی مانند اپلیکیشن مدیریت کمد یا اسکنر کمد مطرح شده و برای آزمایش در سناریوهای واقعی گنجانده می‌شوند.
در مرحله دوم که شامل ساخت، آزمایش، تکرار و بهبود است، تیم طراحی داستان‌ها و نمونه‌های اولیه را به داستانی کامل از محصول تبدیل می‌کند. این داستان تجربه کاربر را از اولین تعامل با محصول تا انتهای چرخه زندگی آن توصیف می‌کند. نمونه‌های اولیه ساده و قابل‌تغییر ساخته می‌شوند تا فرضیات بررسی شده و بازخوردهای کاربران دریافت شوند.
در فاز پروتوتایپ نمونه‌ها باید بر عملکرد تمرکز داشته باشند و از طراحی پیچیده یا بی‌نقص و زیبا اجتناب شود تا بازخوردها بر تعاملات اساسی متمرکز باشند. در این موارد داستان‌ها باید از اصول زیر پیروی کنند:
- داستان‌ها باید تجربه کاربران را در سناریوهای واقعی توصیف کنند. این روایت‌ها شامل تعریف مشکلات، اهداف و نیازهای کاربران است. مثلاً برای طراحی یک اپلیکیشن، داستانی از یک کاربر بسازید که نشان دهد او چگونه در یک روز شلوغ به دنبال راه‌حلی برای مدیریت وظایف خود است.
- سناریوهای تعاملی را با جزئیات تمام‌وکمال لحاظ کنید. هنگامی که از روایت‌ها برای شبیه‌سازی سناریوهای واقعی استفاده کنید. این سناریوها بایستی نحوه تعامل کاربران با محصول را به خوبی پشتیبانی کنند. مثلاً: در نمونه‌سازی یک اپلیکیشن خرید آنلاین، سناریویی ایجاد کنید که در آن کاربر باید به‌سرعت لباسی را از داخل اپلیکیشن خریداری کند، زیرا در حال رسیدن به یک مهمانی است.
- طراحی نمونه‌ها را با داستان‌ها پشتیبانی کنید. استان‌ها به عنوان چارچوبی برای تعریف ویژگی‌های اصلی نمونه عمل می‌کنند. آن‌ها مشخص می‌کنند که نمونه باید چه مشکلاتی را حل کند و چگونه با نیازهای کاربران تطابق داشته باشد. مثال: اگر روایت نشان می‌دهد که کاربران به یک رابط ساده نیاز دارند، نمونه اولیه باید طراحی مینیمالیستی داشته باشد که این نیاز را برآورده کند.
- نمونه‌ها با روایت‌ها تست و ارزیابی کنید. هنگام آزمایش نمونه‌ها، از کاربران بخواهید که خود را در داستان تعریف‌شده قرار دهند و تعاملات خود را با محصول شبیه‌سازی کنند. این روش به تیم طراحی کمک می‌کند تا بازخوردهای دقیق‌تری از کاربران دریافت کرده و نیازهای واقعی آن‌ها را بهتر درک کنند.
- نمونه‌ها بر اساس بازخوردهای داستانی کنید. بازخوردهای کاربران از تعامل با نمونه‌ها را به داستان‌ها بازگردانید و از این بازخوردها برای اصلاح و بهبود نمونه‌ها استفاده کنید. مثلاً اگر کاربران احساس می‌کنند که یک ویژگی پیشنهادی در روایت واقعی نیست، آن را اصلاح کنید تا با نیازهای آن‌ها هماهنگ‌تر شود.
در نهایت، نمونه‌سازی و داستان‌سرایی به تیم طراحی کمک می‌کند تا فرضیات نادرست و مشکلات اولیه را شناسایی کرده و محصولاتی کاربرمحور و بهینه ایجاد کنند. این فرآیند نه تنها بازخورد دقیق‌تری ارائه می‌دهد، بلکه به کاهش هزینه‌های توسعه و تسریع چرخه طراحی نیز کمک می‌کند. داستان‌سرایی و نمونه‌سازی به عنوان ابزارهای کلیدی در تفکر طراحی، امکان ایجاد محصولات بهتر و همدلانه‌تر را فراهم می‌کنند.
روایت‌ها چگونه در عصر هوش مصنوعی به نمونه‌سازی کمک می‌کنند؟
هوش مصنوعی (AI) با توانایی پردازش داده‌های پیچیده و ارائه تحلیل‌های هوشمند، می‌تواند به شکل قابل‌توجهی به روایت‌پردازی در فرآیند نمونه‌سازی طراحی لحاظ شود که در ادامه در قالب 7 مورد به بررسی روایت در نمونه‌سازی در عصر هوش مصنوعی پرداخته شده است.
۱. جمع‌آوری و تحلیل داده‌های کاربر: هوش مصنوعی با توانایی پردازش حجم بالایی از داده‌ها می‌تواند اطلاعات ارزشمندی را از منابع مختلف مانند نظرات کاربران، بازخوردهای آنلاین، و تحلیل رفتار کاربران در سیستم‌های دیجیتال استخراج کند. این داده‌ها به طراحان کمک می‌کنند تا نیازها، ترجیحات، و مشکلات واقعی کاربران را شناسایی کرده و از آن‌ها برای ایجاد روایت‌های واقعی و مبتنی بر داده استفاده کنند. به جای تکیه بر فرضیات یا داده‌های محدود، AI امکان ایجاد داستان‌هایی دقیق و منطبق بر تجربه‌های کاربران واقعی را فراهم می‌آورد.
در نمونه‌سازی، این داده‌ها می‌توانند برای شبیه‌سازی شرایط واقعی و آزمایش عملکرد نمونه‌ها استفاده شوند. به عنوان مثال، اگر کاربران در یک اپلیکیشن خرید آنلاین در مرحله پرداخت دچار مشکل می‌شوند، هوش مصنوعی این الگوها را شناسایی کرده و داستان‌هایی ایجاد می‌کند که این مشکل را بازتاب می‌دهند. این کار به تیم طراحی کمک می‌کند تا راه‌حل‌هایی دقیق‌تر و کاربرمحورتر توسعه دهند.
۲. تولید خودکار روایت‌های شخصی‌سازی‌شده: یکی از مزایای کلیدی هوش مصنوعی، استفاده از پردازش زبان طبیعی (NLP) برای تولید روایت‌های شخصی‌سازی‌شده است. این ابزارها می‌توانند بر اساس داده‌های کاربران، داستان‌هایی منحصربه‌فرد ایجاد کنند که به خوبی نیازها و شرایط خاص هر کاربر را بازتاب می‌دهند. به این ترتیب، طراحان می‌توانند سناریوهایی متناسب با مخاطبان مختلف طراحی کرده و ایده‌های خود را در زمینه‌های متنوع آزمایش کنند.
در فاز پروتوتایپ، هوش مصنوعی می‌تواند داستان‌هایی درباره نحوه استفاده یک کاربر خاص از یک اپلیکیشن را ایجاد کند که منعکس‌کننده نیازها و رفتارهای او باشد. این داستان‌ها می‌توانند در آزمون‌های کاربری استفاده شوند تا بازخوردهای دقیق‌تری جمع‌آوری شود. این رویکرد نه تنها تجربه کاربر را بهبود می‌بخشد، بلکه باعث توسعه راه‌حل‌هایی متناسب‌تر با نیازهای فردی کاربران می‌شود.
۳. شبیه‌سازی سناریوهای پیچیده: هوش مصنوعی می‌تواند سناریوهای پیچیده‌ای را که شامل تعاملات متعدد کاربران و شرایط متنوع است، شبیه‌سازی کند. این شبیه‌سازی‌ها به تیم طراحی اجازه می‌دهند تا رفتار نمونه‌ها را در موقعیت‌های واقعی و پویا آزمایش کنند. برای مثال، شبیه‌سازی رفتار یک سیستم فروش آنلاین در مواجهه با افزایش ترافیک کاربران، امکان شناسایی مشکلات بالقوه در طراحی را فراهم می‌کند.
این شبیه‌سازی‌ها همچنین به طراحان کمک می‌کنند تا نتایج عملکرد سیستم را در شرایط مختلف بررسی کنند. به عنوان مثال، می‌توان سناریوهایی را ایجاد کرد که نحوه عملکرد یک سیستم در شرایط استرس بالا، مانند تعطیلات فروش، را شبیه‌سازی کند. این رویکرد امکان طراحی سیستم‌هایی پایدارتر و کارآمدتر را فراهم می‌آورد.
۴. تحلیل احساسات کاربران برای روایت‌پردازی: ابزارهای هوش مصنوعی می‌توانند احساسات کاربران را از طریق تحلیل بازخوردها، نظرات و تعاملات شناسایی کنند. این تحلیل به طراحان کمک می‌کند تا داستان‌هایی بسازند که منعکس‌کننده احساسات و تجربه‌های کاربران باشد. به عنوان مثال، اگر کاربران از بخشی از رابط‌کاربری ناراضی باشند، هوش مصنوعی این الگوها را شناسایی کرده و به تیم طراحی اطلاع می‌دهد.
این اطلاعات می‌توانند در توسعه نمونه‌های اولیه مورد استفاده قرار گیرند تا نیازهای احساسی کاربران بهتر درک شوند. روایت‌هایی که احساسات کاربران را بازتاب می‌دهند، همدلی بیشتری ایجاد کرده و به طراحان کمک می‌کنند تا راه‌حل‌هایی متناسب‌تر و مؤثرتر طراحی کنند.
۵. بهبود تصمیم‌گیری در طراحی: هوش مصنوعی می‌تواند با ارائه تحلیل‌های دقیق و مبتنی بر داده، فرآیند تصمیم‌گیری در طراحی را بهبود بخشد. الگوریتم‌های یادگیری ماشین می‌توانند پیشنهاداتی ارائه دهند که نشان‌دهنده بهترین روش‌ها برای بهبود نمونه‌ها بر اساس داده‌های کاربران و روایت‌های طراحی باشند. این ابزارها به طراحان کمک می‌کنند تا اولویت‌های طراحی را بهتر شناسایی کنند.
برای مثال: اگر یک ویژگی خاص در نمونه اولیه بازخورد مثبتی از کاربران دریافت نکرده باشد، هوش مصنوعی می‌تواند پیشنهاد حذف یا اصلاح آن را ارائه دهد. این رویکرد به طراحان کمک می‌کند تا منابع خود را بر روی ویژگی‌هایی که بیشترین تاثیر را دارند متمرکز کنند.
۶. تولید محتوای بصری و تعاملی: ابزارهای هوش مصنوعی مانند DALL-E یا Runway ML می‌توانند محتوای بصری و تعاملی تولید کنند که داستان‌های طراحی را غنی‌تر کنند. این محتواها می‌توانند شامل تصاویر، ویدئوها یا شبیه‌سازی‌های تعاملی باشند که نمونه‌ها را در زمینه‌ای واقعی‌تر نمایش می‌دهند.
این قابلیت به طراحان اجازه می‌دهد تا نمونه‌های اولیه را به شکل بصری ارائه کنند و تأثیرگذاری آن‌ها را افزایش دهند. برای مثال، ایجاد یک ویدئوی تعاملی که نحوه عملکرد یک محصول را در یک سناریوی واقعی نشان می‌دهد، می‌تواند درک کاربران و ذی‌نفعان از محصول را بهبود بخشد.
۷. ارزیابی و بهینه‌سازی روایت‌ها: هوش مصنوعی می‌تواند روایت‌های طراحی را ارزیابی کرده و پیشنهادهایی برای بهینه‌سازی آن‌ها ارائه دهد. با تجزیه‌وتحلیل بازخوردهای کاربران، هوش مصنوعی می‌تواند تعیین کند که کدام داستان‌ها و سناریوها مؤثرتر هستند و کدام‌ها نیاز به بهبود دارند. این ارزیابی‌ها به تیم طراحی کمک می‌کنند تا روی روایت‌هایی تمرکز کنند که بیشترین تأثیر را بر تجربه کاربری دارند. علاوه بر این، هوش مصنوعی می‌تواند به شناسایی و رفع نقاط ضعف در روایت‌های طراحی کمک کند و فرآیند توسعه محصول را کارآمدتر و دقیق‌تر سازد.
جمع‌بندی و نتیجه‌گیری
نمونه‌سازی و داستان‌سرایی ارتباطی جدایی‌ناپذیر با یکدیگر دارند. یک نمونه اولیه می‌تواند تجربه‌ای را منتقل کند که کلمات به تنهایی قادر به انتقال آن نیستند. همچنین، یک داستان خوب برای آشکارکردن اهمیت هر نمونه اولیه برای دیگران ضروری است، به ویژه در مورد محصولات یا خدماتی که برای اولین‌بار معرفی می‌شوند و نیازها را به روش‌های جدید برطرف می‌کنند. استفاده از هوش مصنوعی در این فرآیند می‌تواند تعامل بین نمونه‌سازی و داستان‌سرایی را عمیق‌تر کند، با ابزارهایی که به جمع‌آوری داده‌ها، تولید روایت‌های شخصی‌سازی‌شده، و شبیه‌سازی سناریوهای پیچیده کمک می‌کنند.
هوش مصنوعی می‌تواند داده‌های کاربران را از منابع مختلف تحلیل کرده و روایت‌هایی مبتنی بر واقعیت ایجاد کند که به شفاف‌تر شدن نیازها و رفتارهای کاربران کمک می‌کند. ابزارهای پردازش زبان طبیعی (NLP) می‌توانند داستان‌هایی را ایجاد کنند که مشکلات و چالش‌های کاربران را بازتاب دهند و از این طریق نمونه‌های اولیه بهتر و کاربرمحورتری تولید شود. همچنین، سیستم‌های شبیه‌سازی مبتنی بر هوش مصنوعی امکان آزمایش سناریوهای پیچیده و تعاملات چندگانه را فراهم می‌کنند که به طراحان کمک می‌کند تا نمونه‌ها را در شرایط واقعی و پویا ارزیابی کنند.
استفاده از داستان‌ها و نمونه‌ها برای ارتباط با ذی‌نفعان و کاربران، همراه با قابلیت‌های هوش مصنوعی، به تیم‌های توسعه محصول کمک می‌کند تا روایتی دقیق‌تر و جذاب‌تر از ایده‌ها و کاربرد آن‌ها ایجاد کنند. این ابزارها نیازهای مشتریان، رفتارهای آن‌ها و نحوه تعامل آن‌ها با یک محصول جدید را بادقت بیشتری نشان می‌دهند. هوش مصنوعی می‌تواند در تحلیل بازخوردها و بهینه‌سازی نمونه‌ها نیز نقش داشته باشد و داستان‌های طراحی را بر اساس داده‌های واقعی بهبود دهد. با تمرکز بر داستان‌های بهتر که با نمونه‌های مبتنی بر هوش مصنوعی پشتیبانی می‌شوند، می‌توان محصولات بهتری را سریع‌تر و با دقت بیشتر تولید کرد.
منابع
Zeh, Mark. “The key roles of stories and prototypes in design thinking.” Design thinking: New product development essentials from the PDMA (2015): 87-104.
Ling, Long, Xinyi Chen, Ruoyu Wen, Toby Jia-Jun Li, and RAY LC. “Sketchar: Supporting Character Design and Illustration Prototyping Using Generative AI.” Proc. ACM Hum.-Comput. Interact 8 (2024): 28.
Alfansi, Annis Zarina. “AI-powered service prototyping in service design agencies.” (2023).
