¿Cómo puede el aprendizaje automático conducir a un mejor diseño del producto?

Answer 1

La lectura breve: el software emocionalmente inteligente es la nueva IA

Las herramientas digitales avanzadas han revolucionado el lugar de trabajo moderno. Pero los CIO a menudo cometen el mismo error al elegir un nuevo software.

Se centran demasiado en los resultados del usuario y no lo suficiente en la usabilidad.

Piénsalo. Todo lo que escuchamos y leemos sobre tecnología emergente se reduce a la promesa de mejores resultados. Se trata de conocimientos más profundos, menos errores y una mayor productividad, todo en menos tiempo.

Vemos esto ahora con la exageración en torno a la inteligencia artificial. Se necesita un zumbido generado por la IA, pero las capacidades tecnológicas mejoradas, sin importar cuán inteligentes sean, no importan si la herramienta es demasiado difícil de usar.

Las organizaciones necesitan un software emocionalmente inteligente para aumentar los resultados y la usabilidad.

Las herramientas que pueden anticipar dónde ocurrirá la frustración y evitar una respuesta emocional negativa en los usuarios serán de gran valor para las empresas y producirán el ROI más alto para los CIO.

¿Qué tiene que ver la inteligencia emocional con la tecnología?

La inteligencia emocional, o EQ, se define como la capacidad de comprender y manejar las propias emociones, y de reconocer, controlar e influir en las emociones de los demás.

EQ es una “habilidad blanda” crítica para gerentes y empleados por igual. Raramente se aplica a la tecnología, principalmente porque el software no tiene emociones (todavía …), pero el usuario final humano sí.

Cualquiera que haya tenido problemas para usar una plataforma de software compleja sabe lo insoportablemente frustrante que puede ser. Tienes un trabajo que hacer y necesitas usar cierta herramienta para hacerlo. Pero la herramienta no está funcionando para ti. El tiempo pasa, su estrés aumenta y su productividad disminuye.

A pesar de lo emocionados que estén los CIO por implementar una nueva solución de software prometedora, el camino hacia la adopción será largo y lleno de obstáculos si la herramienta carece de inteligencia emocional.

El software emocionalmente inteligente está al alcance

Si la dificultad de usar el software evoca una respuesta emocional negativa, la productividad y el rendimiento de los empleados se verán afectados.

Las plataformas de adopción digital agregan una capa de “inteligencia emocional” a cualquier plataforma de software. Con inteligencia artificial y capacidades de aprendizaje automático, este tipo de software utiliza datos para anticipar dónde los usuarios experimentarán fricción, un indicador clave de la frustración de los empleados. Puede implementar de forma proactiva la asistencia en pantalla en forma de ventanas emergentes para evitar que surjan problemas de los usuarios.

Las plataformas de adopción digital aseguran una experiencia emocional positiva para el usuario al proporcionar ayuda y prevenir los factores que contribuyen a la frustración del usuario.

Piense en lo mucho más eficientes, productivos y felices que serán sus empleados si no tienen ganas de arrancarse el pelo cada vez que es hora de usar un sistema de software.

Un aumento de ecualización hace mucho

Las herramientas digitales tienen el poder de disparar la productividad de los empleados y mejorar prácticamente todas las funciones comerciales.

El trabajo del CIO es decidir qué herramientas respaldarán la estrategia comercial. También es su responsabilidad asegurarse de que los empleados puedan usar las herramientas de manera efectiva, sin frustraciones ni dificultades.

Las soluciones de software emocionalmente inteligentes, como las plataformas de adopción digital, evitan las emociones negativas entre los usuarios para que puedan trabajar mejor, no más duro.

Este artículo fue publicado originalmente en el blog de WalkMe.

Answer 2

Seguimiento desde el punto principal elaborado por Adam D’Angelo, creo que podría proporcionar otros ejemplos concretos de cómo el aprendizaje automático podría afectar el diseño de la interfaz de usuario, utilizando algunos de los resultados obtenidos del grupo de investigación en el que estoy (UBC NLP).

Es común buscar palabras clave en un foro de preguntas y respuestas en línea (como Quora = =) para encontrar preguntas relacionadas. Sin embargo, la información clave puede estar dispersa en torno a diferentes preguntas, lo que hace que esta información sea muy difícil de encontrar. Aquí, además de buscar coincidencias de palabras clave, ciertas tareas de PNL que se basan en métodos de aprendizaje automático, como el modelado de temas y el análisis de sentimientos, pueden usarse para predecir cuán útil es cada una de las respuestas en cada pregunta. Combinado con algunas técnicas de visualización, podría facilitar al usuario encontrar la información que desea.

Aplicaron el resultado de la investigación en Qatar Living Forum, la siguiente es una captura de pantalla que obtengo de su nuevo sistema de búsqueda:

El color denota la utilidad predicha por su algoritmo interno de aprendizaje automático. Por lo tanto, para encontrar una respuesta útil, en lugar de leer todas las respuestas para todas las preguntas, simplemente puede seleccionar las preguntas que existen respuestas que se denotan con alta utilidad.

Puedes jugar con él en:

Qatar Living Search – Nueva herramienta de búsqueda beta con tecnología QCRI

Un video que explica cómo se hizo:

https://www.cs.ubc.ca/cs-researc …

Papel completo:

E. Hoque S. Joty, L.Márquez y G. Carenini, CQAVis: análisis de texto visual para responder preguntas de la comunidad, IUI 2017

Answer 3

En el proceso de diseño inicial , los datos de aprendizaje automático nos permiten estar más informados sobre las decisiones de diseño. En el diseño de la interfaz, la predicción del comportamiento del usuario final puede enseñarnos cómo crear una experiencia de usuario basada en cómo los clientes utilizarán su producto.

El producto / servicio real también podría requerir aprendizaje automático. Si es una compañía de seguros, puede modelar los precios de su servicio en función de los datos de comportamiento y demográficos.

En el proceso iterativo de diseño de productos , el aprendizaje automático puede ayudar a seleccionar un mejor producto con el tiempo. Si tiene un motor de búsqueda, las búsquedas que realizan las personas y los sitios a los que terminan visitando pueden ayudarlo a predecir lo que la gente querrá buscar en el futuro.

Si volvemos al ejemplo del seguro, esa compañía puede recopilar datos sobre sus clientes que ayudan a mejorar sus modelos con el tiempo. Crear conjuntos de datos de sus propios usuarios a menudo es mejor que los conjuntos de datos públicos o comprados porque puede recopilar los puntos de datos que le interesan y está recopilando datos de la audiencia a la que se dirige directamente con su producto.

Hay tantas formas interesantes de implementar el aprendizaje automático en todas las industrias. Desde el día 1 del proceso de curación del producto, los datos tienen el potencial de informar y guiar cada paso. Nunca es demasiado temprano para integrarlo en el proceso de diseño del producto.

Answer 4

El diseño del producto a menudo implica crear buenas interfaces para permitir que un usuario tome decisiones. Estas opciones pueden incluir navegar por el contenido o expresar preferencias.

El aprendizaje automático puede ayudar al aliviar la necesidad de que el usuario tome estas decisiones. Por ejemplo, una fuente de noticias puede usar ML para predecir lo que el usuario quiere ver, lo que significa que menos de la interfaz puede preocuparse por la navegación, y el usuario puede pasar menos tiempo desplazándose. Del mismo modo, un cuadro de búsqueda con resultados impulsados ​​por ML puede resultar en un mejor producto que una interfaz de navegación jerárquica.

En la actualidad, casi todos los productos de Internet para consumidores terminan con la interfaz principal impulsada por las recomendaciones de aprendizaje automático. Esto incluye Quora, Netflix, Spotify, Facebook, Twitter, Instagram, Google y Amazon. El verdadero desafío en el diseño de un producto en este mundo con ML es la interacción entre el aprendizaje automático y la interfaz de usuario. ¿Cuánta información explícita recopilas de los usuarios? ¿Esa entrada sirve como datos que el modelo ML puede usar en su búsqueda para mostrar al usuario lo que cree que querrá, o sirve como una restricción dura? ¿Cómo se hace una interfaz que minimice el costo para el usuario cuando el ML adivina mal?

Estas son preguntas importantes y los diferentes productos van de diferentes maneras. Por ejemplo, Netflix le da al usuario muy poco control sobre lo que recomendará. En el otro lado del espectro, Twitter limitará en gran medida su línea de tiempo para que solo muestre tweets de las personas que sigue. En el caso de Twitter, esta restricción permite un contexto muy matizado en torno a un tweet basado en el autor y lo que han dicho en el pasado. Esto es muy importante dado lo cortos que son los tweets. En el caso de Netflix, se puede aproximar una forma simple de contexto con un encabezado como “Películas con una protagonista femenina fuerte”, pero es mucho menos importante dada la duración de una película promedio y la cantidad de tiempo que las personas están dispuestas a pasar eligiendo una. .

Espero que a medida que el aprendizaje automático se vuelva más y más poderoso, se abrirá un gran conjunto de oportunidades y desafíos de diseño de productos que no existen hoy en día.

Answer 5

Este video responde a su pregunta en detalle.

Los increíbles inventos de la IA intuitiva