AI proizvod može imati kvalitetan model, pouzdane podatke i napredne tehničke funkcionalnosti, a ipak ne riješiti problem koji je korisniku doista važan. Zato validiranje AI proizvoda ne počinje pitanjem „što umjetna inteligencija može napraviti?”, nego pitanjem koju potrebu korisnika treba riješiti i zašto postojeći način nije dovoljan.
Design thinking pristup pomaže timu strukturirano istražiti stvarni kontekst korištenja, oblikovati relevantnu ideju i testirati rješenje prije velikog ulaganja u razvoj. Umjesto pretpostavki, proces se oslanja na razgovore, promatranje, prototipove i mjerljive povratne informacije.
AI proizvod treba validirati na dvije razine
Kod razvoja digitalnih proizvoda s AI funkcionalnostima važno je razlikovati tehničku i korisničku validaciju. One se nadopunjuju, ali ne provjeravaju isto.
Tehnička validacija odgovara na pitanja poput:
- Jesu li podaci dovoljno kvalitetni, dostupni i sigurni?
- Daje li model dovoljno precizne i stabilne rezultate?
- Može li se rješenje pouzdano primijeniti u stvarnim uvjetima?
- Postoje li rizici povezani sa sigurnošću, privatnošću ili pogrešnim rezultatima?
Korisnička validacija ide korak dalje. Ona provjerava prihvaća li čovjek AI rješenje, razumije li njegovu vrijednost i želi li ga uključiti u svoj radni ili svakodnevni proces. Tehnički ispravan alat neće uspjeti ako korisnik nema povjerenja u preporuke, ako mu je korištenje previše složeno ili ako proizvod ne uklanja konkretan izazov.
Empatija otkriva stvarni problem korisnika
Prva faza design thinking metodologije temelji se na empatiji. Tim ne polazi od unaprijed definiranog AI rješenja, već istražuje ponašanje, potrebe, frustracije i ciljeve ljudi kojima je proizvod namijenjen.
Primjerice, organizacija može razvijati AI alat za automatizaciju korisničke podrške. Međutim, razgovori s korisnicima mogu pokazati da njihov najveći problem nije brzina odgovora, nego nemogućnost dobivanja jasnog i točnog odgovora u složenim situacijama. U tom slučaju ideja o automatizaciji treba dobiti drukčiji oblik: AI možda ne treba zamijeniti podršku, već pomoći agentima da brže pronađu relevantne informacije.
Kvalitetno istraživanje korisnika može uključivati intervjue, analizu korisničkog putovanja, promatranje rada, analizu postojećih upita i testiranje ranijih verzija usluge. Cilj nije prikupiti što više informacija, nego razumjeti u kojem trenutku nastaje problem, kakve posljedice ima i kako ga korisnik danas pokušava riješiti.
Jasno definiranje problema usmjerava razvoj
Nakon istraživanja potrebno je precizno formulirati problem. To je važna faza jer timovi često zamijene željenu funkcionalnost s korisničkom potrebom.
Izjava poput „trebamo chatbot” nije problem koji treba riješiti. Mnogo je korisnije definirati situaciju na sljedeći način: korisnici ne mogu brzo pronaći pouzdane informacije o statusu svoje usluge, zbog čega kontaktiraju podršku i gube vrijeme. Takva definicija otvara prostor za različita rješenja, uključujući AI, ali ne nameće tehnologiju prije nego što je potvrđena njezina vrijednost.
Dobro definiran problem povezuje korisnika, kontekst, prepreku i očekivani ishod. Također pomaže odrediti KPI-jeve za kasnije testiranje, kao što su vrijeme potrebno za izvršavanje zadatka, stopa uspješnosti, razumijevanje preporuke ili razina povjerenja u proizvod.
Ideacija nije izbor najatraktivnije funkcionalnosti
U fazi ideacije tim razvija više mogućih načina rješavanja problema. AI može biti dio rješenja, ali nije nužno glavni element proizvoda. Ponekad je korisniku korisnija jednostavna preporuka, pregledan proces ili bolja organizacija informacija nego sofisticirana automatizacija.
Zato je korisno uključiti različite perspektive: produktni tim, stručnjake za domenu, UX dizajnere, tehničke stručnjake i ljude koji su u neposrednom kontaktu s korisnikom. Raznolik tim lakše prepoznaje poslovna ograničenja, tehničke rizike i situacije u kojima AI može stvoriti dodatnu vrijednost.
U ovoj fazi valja razmotriti i pitanje transparentnosti. Korisnik mora znati kada dobiva odgovor ili preporuku koju je generirao AI, koje su granice takvog alata i kada je potreban ljudski nadzor.
Prototip pretvara pretpostavke u nešto opipljivo
Prototip ne mora biti funkcionalan AI sustav. Može biti klikabilni prikaz sučelja, simulacija razgovora, ručno isporučena preporuka ili pojednostavljen tijek usluge. Njegova je svrha provjeriti kako korisnik razumije rješenje i bi li ga stvarno koristio.
Kod AI proizvoda posebno je korisno testirati:
- razumije li korisnik što alat radi
- vjeruje li dobivenom rezultatu
- zna li kako reagirati kada AI pogriješi
- štedi li rješenje vrijeme ili povećava kvalitetu odluke
- mijenja li proizvod postojeći proces na prihvatljiv način
Testiranje prototipa treba promatrati kao istraživački proces, a ne kao potvrdu već donesene odluke. Negativna povratna informacija nije neuspjeh, nego signal da treba prilagoditi ideju, suziti opseg proizvoda ili ponovno istražiti potrebu.
Validacija povezuje inovaciju i projektnu disciplinu
Prototip05 pristupa validaciji kao kombinaciji kreativne ideacije i stroge projektne discipline. Validacija nije papirologija prije razvoja, već metoda kojom organizacija smanjuje neizvjesnost i provjerava rješava li predloženo rješenje stvarni problem za stvarnog korisnika.
Kada tim sustavno poveže empatiju, istraživanje, prototip i testiranje, AI proizvod dobiva jasniji smjer razvoja. Tako se inovacija ne procjenjuje prema atraktivnosti tehnologije, nego prema konkretnoj vrijednosti koju korisnik prepoznaje u svakodnevnom radu ili korištenju usluge.
