ارائه‌ی استراتژی دیزاین · مرداد ۱۴۰۵

مدل جدید پروداکت دیزاین
در عصر هوش مصنوعی

دو تغییرِ هم‌زمان: در روشِ ساختن، و در جنسِ چیزی که می‌سازیم.

برای شروع: کلید یا Space · نمای کلی با O · یادداشت‌ها با P

تزِ این ارائه

ساختن ارزان شد؛ قضاوت گران.
دیزاین از کشیدنِ صفحه به طراحیِ قضاوت رسیده — هم در روشِ کار، هم در جنسِ محصول.

هر اسلایدِ بعدی، بسطِ همین یک جمله است.

لنگرِ روایت

اول، سه چیز که عوض نشده

هر بحثی درباره‌ی AI بدون این لنگر، به هیجان‌زدگی می‌لغزد. ابزار عوض می‌شود؛ وظیفه نه.

مسئله هنوز نقطه‌ی صفر است

محصول خوب هنوز از یک مسئله‌ی واقعی و دردناک شروع می‌شود.

آدم هنوز مقصد است

کاربر همان آدمِ کم‌حوصله است، با حافظه‌ی محدود و انگیزه‌های قدیمی.

قضاوت هنوز کارِ توست

تشخیصِ «خوب» از «قابل‌قبول» را هیچ ابزاری گردن نمی‌گیرد.

تسویه‌حساب با گذشته

سه فرضی که مُرد

فرضِ اول

«دیزاین گلوگاه است»

تولید دیگر کُند نیست. اگر جایی گیر است، در تصمیم‌گیری است — و پنهان‌کردنش پشتِ «ظرفیت تیم» تمام شد.

فرضِ دوم

«فیدلیتی یعنی تعهد»

پیکسل‌پرفکت را می‌شود در یک بعدازظهر ساخت. دیگر نشانه‌ی جدیت نیست؛ فقط نشانه‌ی هزینه‌ای است که لازم نبود.

فرضِ سوم

«طراحی یعنی چیدن صفحه»

وقتی چیدمانْ تولیدشدنی است، ارزشِ تو در انتخابِ مسئله، مسیر و معیار است — نه در جابه‌جایی مستطیل‌ها.

اقتصادِ جدیدِ کار

هزینه‌ی «یک گزینه‌ی دیگر» به صفر میل کرد

ارزان شد

  • تولیدِ گزینه و واریانت
  • پروتوتایپِ کارکردی
  • تکرار و اصلاحِ سریع
  • خروجیِ «به‌اندازه‌ی کافی خوب»

کمیاب شد

  • قضاوت کدام گزینه، چرا این، چرا حالا
  • سلیقه taste — چیزی که مدل از میانگین نمی‌سازد
  • تمرکز نه‌گفتن به نودونه گزینه‌ی خوب
  • مسئولیتِ انتخاب کسی که پای تصمیم می‌ایستد

ارزش همیشه سمتِ کمیابی می‌رود؛ حالا کمیابی سمتِ توست — اگر قضاوت داشته باشی.

جابه‌جایی زمان

از زمانِ ساختن به زمانِ تصمیم

مدل قدیم ساختن و اجرا — کشیدن، چیدن، مستندکردن تصمیم مدل جدید کرفتِ متراکم تصمیم و قضاوت — جهت، حذف، معیار، سنجش کرفت حذف نمی‌شود؛ فشرده و عمدی می‌شود سهمِ تقویمِ هفتگیِ دیزاینر

نمایشِ کیفی است — نسبت‌ها ادعای آماری نیستند.

بخش الف · طراحی با هوش مصنوعی

AI متریال است، نه دستیار

مثل شیشه یا بتن: تا خواص و محدودیت‌هایش را از نزدیک لمس نکنی، با آن نمی‌سازی. چهار سطحِ کار با این متریال:؟متریال یعنی چه؟ یعنی جنسِ خامِ کار — مثل چوب برای نجار. باید رفتارش را بشناسی: کجا خم می‌شود، کجا می‌شکند، کجا می‌درخشد.

۱

تولید

پیش‌نویسِ هر چیز: رابط، متن، کد، داده‌ی نمونه.

۲

اکتشاف

ده جهتِ ناهم‌شکل، قبل از این‌که به یکی دل ببندی.

۳

نقد

چشمِ دومِ بی‌تعارف روی کارِ خودت، پیش از جلسه.

۴

اتوماسیون

کارهای تکراریِ فرایند، بی‌دخالتِ تو و بی‌منت.

بخش الف · جریانِ کار

بریف، ده جهت، کشتنِ نُه‌تا، یک عمق

بریف یک جهت، تمامِ عمق تحویل تولیدِ موازی — یک صبح حذفِ بی‌رحمانه — یک جلسه عمیق‌شدن — باقیِ هفته

مهارتِ جدید، سرعتِ تولید نیست؛ سرعت و شجاعتِ کشتن است.

بخش الف · مستندسازی

پروتوتایپ، خودِ اسپک است

قبل — سندِ ایستا

  • PRD چهل‌صفحه‌ای که کسی تا ته نمی‌خواند؟PRD یعنی سندِ نیازمندی‌های محصول: متنی که می‌گوید چه چیزی باید ساخته شود، برای چه کسی و چرا.
  • سه جلسه‌ی هم‌راستایی روی «منظورِ متن»
  • هر خواننده، یک تفسیرِ خصوصی

بعد — اسپکِ زنده

  • پروتوتایپِ کارکردی + پرامپت‌هایی که ساختنش
  • بحث روی رفتار، نه روی جمله‌بندی
  • یک منبعِ حقیقتِ قابل‌کلیک برای همه

دقیق‌ترین سند، مصنوعی است که اجرا می‌شود.

بخش الف · پژوهش

در پژوهش: کجا شفاست، کجا سم

واقعاً بهتر می‌شود

سینتزِ حجمِ بزرگِ داده کدگذاری و تم‌یابیِ مصاحبه‌ها خلاصه و جست‌وجوی آرشیوِ پژوهش آماده‌سازی پروتکل و سؤال‌های مصاحبه

سمّی می‌شود

«کاربرِ مصنوعی» به‌جای آدمِ واقعی همدلیِ جعلی — درکی که زیسته نشده اطمینانِ کاذب — پاسخ‌ها فقط شبیهِ داده‌های قبلی‌اند

AI مصاحبه را خلاصه می‌کند؛ جای نشستن روبه‌روی آدم نمی‌نشیند.

بخش الف · هزینه‌ی پنهان

سه عارضه، سه پادزهر

میان‌مایگیِ میانگین‌گرا؟مدل از میانگینِ میلیون‌ها نمونه یاد گرفته؛ پس خروجیِ پیش‌فرضش هم شبیهِ میانگین است: درست، تمیز، ولی معمولی.

خروجیِ پیش‌فرضِ ابزار، «درست ولی معمولی» است.

پادزهرنقطه‌ی شروعِ عجیب‌تر؛ مرجع از بیرونِ دیتاست — کتاب، معماری، چاپ.

همگراییِ بصریِ بازار

وقتی همه از یک چشمه می‌نوشند، همه شبیهِ هم می‌شوند.

پادزهرزبانِ بصری اختصاصی را قبل از ابزار تعریف کن؛ بعد ابزار را به آن مقید کن.

فرسایشِ مهارت

عضله‌ای که کار نکند آب می‌رود — چشم و دستِ دیزاینر هم.

پادزهرکرفتِ عمدی، سرِ برنامه، بدون کمک — مثل تمرینِ موسیقی‌دان.؟کرفت (craft) یعنی مهارتِ ساختن با دستِ خودت: کشیدن، نوشتن، پرداختِ جزئیات. تمرینش عضله‌ی سلیقه را زنده نگه می‌دارد.

بخش الف · مهارت

چیزی که حالا واقعاً مهارت است

۱

نوشتنِ دقیق

هرچه روشن‌تر بنویسی، ابزار دقیق‌تر می‌سازد؛ ابهامِ تو، ابهامِ خروجی است.

۲

طراحیِ ارزیابی (eval)؟eval یعنی آزمونِ کیفیت برای هوش مصنوعی: مجموعه‌ای از مثال‌ها که نشان می‌دهد خروجیِ خوب چه شکلی است، و خروجیِ فعلی چقدر به آن نزدیک است.

پیش از ساختن، روشن کن «خوب» را با چه معیاری می‌سنجی.

۳

خواندنِ داده

رفتارِ واقعیِ کاربر، نه سلیقه‌ی بلندترین صدای جلسه.

۴

سیستم‌سازی

قواعدی که تصمیم‌های کوچک را به‌جای تو می‌گیرند.

۵

ویرایشِ بی‌رحمانه

حذف، سریع‌ترین و صادق‌ترین شکلِ قضاوت است.

بخش ب · طراحی برای محصولِ هوشمند

از رابطِ قطعی به رابطِ احتمالی

قطعی — دیروز

  • ورودیِ یکسان، خروجیِ یکسان
  • همه‌ی حالت‌ها قابل‌کشیدن در فیگماست
  • خطا یعنی باگ؛ استثناست

احتمالی — امروز؟احتمالی (probabilistic) یعنی سیستم به یک ورودیِ ثابت، هر بار پاسخی کمی متفاوت می‌دهد — مثل آدم‌ها؛ برخلافِ ماشین‌حساب.

  • ورودیِ یکسان، خروجی‌های متفاوت
  • حالت‌ها بی‌شمارند؛ نمونه‌کشیدن کافی نیست
  • خطا بخشی از رفتار است؛ باید طراحی شود

دیگر «صفحه» طراحی نمی‌کنی؛ «توزیعِ رفتار» طراحی می‌کنی.؟یعنی به‌جای یک صفحه‌ی ثابت، محدوده‌ی رفتارهای ممکنِ سیستم را طراحی می‌کنی: بهترین حالت، حالتِ معمول، و بدترین حالت.

بخش ب · عدم‌قطعیت

طراحی برای «تقریباً درست»

غلطِ آشکار کاملِ بی‌نقص تقریباً درست محصولِ هوشمند این‌جا زندگی می‌کند

عدم‌قطعیتِ صادق

«مطمئن نیستم» را طراحی کن؛ پنهان‌کردنش، دروغِ رابط است.

خطای محترمانه

شکست بدونِ شرمنده‌کردنِ کاربر، بدونِ ادعای دروغ، با راهِ برگشت.

خروجی = پیش‌نویس

نتیجه نقطه‌ی شروعِ کاربر است، نه حکمِ نهایی سیستم.

بخش ب · مدلِ ذهنی

کاربر کلیک نمی‌کند؛ نیت می‌گوید

پس واحدِ طراحی دیگر «صفحه» نیست؛ مسیرِ نیت تا نتیجه است — با یک سؤالِ طراحی در هر ایستگاه:

نیت

بیانش را کجا و چطور آسان می‌کنیم؟

تفسیر

فهمِ سیستم را چطور نشانِ کاربر می‌دهیم؟

کنش

چه چیزی بی‌اجازه انجام می‌شود، چه چیزی با اجازه؟

بازبینی

اصلاح ارزان است یا شروع از صفر؟

نتیجه

موفقیت را چه کسی و با چه معیاری تأیید می‌کند؟

بخش ب · جعبه‌ابزار

چهار اهرمِ طراحی در محصولِ هوشمند

کنترل

فرمان در دستِ کاربر بماند؛ خودکاری، پیشنهاد باشد نه تحمیل.

مثالپذیرش یا ردِ تغییرِ پیشنهادی، تکه‌به‌تکه — ادیتورهای کدِ هوشمند مثل Cursor.

شفافیت

منبع و منطقِ پاسخ دیده شود، نه فقط خودِ پاسخ.

مثالارجاعِ جمله‌به‌جمله به سندِ منبع در NotebookLM.

اصلاح‌پذیری

ویرایشِ موضعی به‌جای شروعِ دوباره؛ تکرارِ ارزان، اعتماد می‌سازد.

مثالبازتولیدِ فقط یک ناحیه‌ی تصویر — Generative Fill فتوشاپ.

اعتماد

پیش‌نمایش قبل از اعمال، و بازگشتِ همیشگی — هیچ دری قفل نشود.

مثالنمایشِ diff پیش از اعمالِ تغییرات در ابزارهای کدنویسیِ عامل‌محور.

بخش ب · سنجش

دیزاینری که eval نمی‌سازد، دیزاین نمی‌کند

  • «خوب» را پیش از ساختن تعریف کن — با چک‌لیستِ روشن، نه با حس.
  • مثال‌های طلایی (golden set) همان دیزاین‌سیستمِ رفتارند.؟مجموعه‌ی طلایی یعنی چند ده نمونه‌ی دست‌چین از ورودی و بهترین خروجیِ ممکن — مرجعی که هر تغییرِ جدید با آن مقایسه می‌شود.
  • سیگنالِ داخلِ محصول: پذیرش، ویرایش، رد، تلاشِ دوباره.
تعریفِ «خوب» مثالِ طلایی سنجشِ خروجی اصلاح حلقه‌ی سنجش پرامپت · مدل · رابط

بخش ب · مسئولیت

هر تصمیمِ خودکار، اخلاقِ خودکار دارد

سوگیری

سوگیریِ دیتاست بی‌صدا واردِ تجربه می‌شود؛ تا دنبالش نگردی، پیدایش نمی‌کنی.

رضایتِ آگاهانه

کاربر بداند با مدل طرف است، و داده‌اش کجا می‌رود — پیش از استفاده، نه در دادگاه.

الگوی تاریکِ خودکار؟الگوی تاریک (dark pattern) یعنی طراحی‌ای که کاربر را فریب می‌دهد کاری بکند که نمی‌خواهد. حالا می‌تواند خودکار و مخصوصِ هر نفر ساخته شود.

اقناعِ شخصی‌سازی‌شده در مقیاس، خطرناک‌ترین دارک‌پترنِ تاریخِ این حرفه است.

مرزِ عامل (agent)؟عامل (agent) یعنی هوش مصنوعی‌ای که خودش چند قدمِ پشتِ‌سرِهم عمل می‌کند — ایمیل می‌فرستد، فایل عوض می‌کند — نه این‌که فقط جواب بدهد.

چه کاری هرگز بی‌اجازه انجام نشود؟ مکتوبش کن، پیش از اولین حادثه.

جمع‌بندی

از «صفحه‌ساز» به دیزاینرِ سیستمِ قضاوت

چگونه می‌سازیم AI به‌عنوان متریال واگراییِ ارزان، حذفِ بی‌رحم پروتوتایپ به‌جای سند چه می‌سازیم رابطِ احتمالی، نتیجه‌ی نامعلوم مسیرِ نیت تا نتیجه کنترل، شفافیت، اصلاح، اعتماد سیستمِ قضاوت سلیقه‌ی صریح‌شده eval · مسئولیت محصولِ قابل‌اعتماد

از فردا

سه کار، از فردا صبح

۱

یک بریفِ واقعی را با قیفِ ده‌به‌یک جلو ببر و زمانِ «کشتن» را اندازه بگیر.

۲

برای یک قابلیتِ هوشمندِ محصولت، ده مثالِ طلایی و یک رابریک بنویس.

۳

هفته‌ای یک جلسه کرفتِ بی‌ابزار — عضله‌ی سلیقه را نگه دار.

آینده مالِ کسی است که بهتر انتخاب می‌کند؛ نه کسی که بیشتر می‌سازد.

سپنتا پویا

سپنتا پویا · طراح محصول ارشد · sepantapouya.com — سپاس از همراهی‌تان

نمای کلی — با کلیک انتخاب کن · خروج با Esc یا O