Bir hafta içinde onlarca yeni AI kullanım senaryosu duyuruluyor; dün konuştuğumuz araçlar, bugün bambaşka özelliklerle karşımıza çıkıyor. Bu hızlı değişimin en çok etkilediği alanlardan biri de kullanıcı deneyimi araştırmaları. Peki yapay zekâ burada bir tehlike mi, yoksa benzersiz bir fırsat mı?Konuyu daha yakından incelemek için sözü eğitmenimiz Aziz Gürkan Tan’a bırakıyoruz.

‍

Deneyim Araştırmalarında Yapay Zeka Kullanımı Tehlike Mi, Fırsat Mı?

LLM modellerinin hızlı gelişmesi ile her geçen gün farklı çalışma alanları için çığır açan AI kullanım örnekleri karşımıza çıkıyor. Deneyim araştırmaları alanındaki kullanım senaryolarını ise şu an farklı açılardan ele almalıyız.

​
Son dönemde o kadar hızlı gelişmeler yaşanıyor ki, geçen hafta bültenimizde bahsettiğimiz Claude MCP kullanım senaryoları, bu hafta gelen güncelleme ile artık tek tıklamayla bağlantı kurulabilen ve çok daha fazla aracın entegre şekilde kullanılabileceği yeni kullanım senaryolarına dönüştü. Bu değişim sadece bir hafta içerisinde hayatımıza girdi. Buradan yeni kullanım senaryolarını inceleyebilirsiniz.
​
Bu nedenle bu hafta okuyacağınız bültenimize dair de haftaya kadar yeni gelişmeler olabileceğini göz önünde bulundurarak, yeni bültenimizi kaçırmamanızı tavsiye ediyoruz :)

​

Bazı Yanılgılar

Uzun süredir devam ettirdiğimiz Araştırma Eğitimlerimizdeki (https://www.brick.institute/egitimler/ux-arastirma-egitimi) kullanılabilirlik testi modülleri içerisinde şu öneride bulunuyoruz: Hiç araştırma yapmamaktansa, yeni bir geliştirme yapacağımız zaman en azından hızlıca ulaşabileceğimiz kişilerle gerilla testlerinden faydalanmayı tercih edelim.
​​
Bugün sahada gözlemlediğimiz kadarıyla, bazı şirketler süreci daha da hızlandırmak için LLM modellerinin desteğiyle "sentetik" kullanıcılar oluşturuyor. Bu sentetik kullanıcılar, gerçekte var olmayan kullanıcıların rolünde araştırma sorularına cevap veriyor ve şirketler ürünlerine bu cevaplara göre yön verebiliyor. Ancak şu ana kadar ki geliştirmeler ışığında, bu yöntemi gerilla testlerinden farklı olarak ele almamız gerekmektedir ve oldukça kaçınmamız bir yöntem olması gerektiğinin altını çizebiliriz. Çünkü:
​

• Gerilla testler de, sentetik araştırmalar da çok hızlı veri toplayıp içgörüler oluşturabileceğiniz yöntemler olarak ele alınabilir. Ancak gerilla testlerinde gerçek insanlardan bilgiler toplanır, etkileşim kurma ve gözlemde bulunma gibi imkanlarınız bulunur.
  ​
• Modellerden faydalanırken, eğer üretilen içerik kendi veri setinizden beslenmiyorsa, çıktılarınız bambaşka bağlamlarda ve bambaşka deneyimler için farklı veri setlerinden beslenmiş genel geçer "sentetik" içgörüler üzerinden çalışmanızla sonuçlanabilir.

​

• Bu iki duruma bakıldığında hipotezlerinizi test ederken “sentetik” araştırma çıktılarının sizi yanlış yönlendirmesi ve ürününüze uzun vadede zarar vermesi olası olabilir.
  ​
• Bir diğer taraftan "sentetik" araştırma yöntemlerini benimseyen ekipler, hızlı olabilmek pahasına bu yöntemlerle çalışmalarını sürdürebilir ve bu sebeple giderek bu yöntemi daha rahat görmeye başlayabilirler. Bu durum “gerçek” kullanıcılarınızın dertlerinden ve ihtiyaçlarından ekibinizi uzaklaştırabilir.
  ​

Gerçek araştırmadan ekipleri uzaklaştıran “sentetik” araştırmalara dair Nielsen Norman Grubun bu (https://www.nngroup.com/articles/synthetic-users/) yazısından daha detaylı bir şekilde bu yöntemden ne zaman, nasıl kullanılabileceğine ve olası tehlikelere karşı detaylı bir okuma yapabilirsiniz. Tüm bu tehlikelere rağmen belirli noktalarda gerçekten kaçırılmaması gereken fırsat noktaları olduğuna da dikkat çekmeliyiz.

‍

IDEO Yapay Zeka Destekli İnovasyon Şeması (https://www.ideou.com/blogs/inspiration/ai-and-design-thinking)

​

IDEO’nun sunduğu yapay zeka destekli inovasyon süreçlerine dair yapay zekanın işlem hızı, tutarlılık, çoklu görev, geniş ve çeşitli bakış açıları gibi başlıklar altında yadsınamaz bir faydası bulunuyor.

‍

Yapay Zekanın İşlem Hızı

Örneğin analiz aşamasında verilerinizi hızlı bir şekilde kategorize etmek için Airtable kullandığınızı varsayalım, Airtable içerisinde yeni duyurulan AI Agent Field (https://www.airtable.com/platform/ai-agents) özelliği sayesinde siz veri girişlerinizi oluştururken belirleyeceğiniz yönteme göre hızlı bir şekilde yapay zeka destekli hücrelerde verinize dair işlemler otomatik olarak çalışabilir ve size sadece hızlı bir kontrol yeterli olabilir.

‍

Tutarlılık

NotebookLM (https://notebooklm.google/) içerisinde veya farklı LLM içerisinde projeler/klasörler oluşturarak yürüttüğünüz bir projeye dair tüm kaynaklarınızı tek bir yerde topladıktan sonra, kendi verilerinize bağlı kalarak sentez aşamasında tutarlı sonuçlar elde etmek amacıyla bu araçlardan destek alabilirsiniz.

‍

Çoklu Görev

Veri toplama aşamasında uzun bir zaman alan netnografi yöntemi gibi yöntemleri hızlı bir şekilde gerçekleştirirken, bir taraftan bu veri toplama işlemini istediğiniz formata göre veya ek görevlerle sürdürmesi için Manus, Perplexity Labs gibi modeller yine çalışmaları oldukça hızlandırabilmektedir. EGO Cep’te mobil uygulamasının Google Play ve Apple Store yorumlarını toplamak için yürütülen bir çalışma örneğine şu (https://manus.im/share/zUUkk9iRltCtk4eSLDsGT7?replay=1) link üzerinden erişebilirsiniz.

‍

Geniş ve Çeşitli Bakış Açıları

Özellikle fikir geliştirme aşamalarında bazı hızlı çıkarılabilecek temel fikirleri çıkarmak çalıştay başlangıçlarında biraz zaman kaybedilmesine sebep olabilmektedir veya çalıştay sonunda aslında çeşitlendirilebilecek benzer fikirler veya farklı bakış açıları eksik kalabilmektedir. Bu ihtiyaçlara uygun Miro AI (https://miro.com/ai/) desteği ile basit yönerge metinleri oluşturarak çok hızlı, geniş ve çeşitli bakış açıları sunan destekleyici fikirlerle fikir havuzunuzu genişletmeniz mümkün olabilmektedir. Yine EGO Cep’te mobil uygulaması için SCAMPER tekniğinden faydalanarak oluşturulması istenen bir fikir listesini aşağıdaki görselde inceleyebilirsiniz.

‍

‍