最新の UI および UX デザインにおける人工知能 (AI) の使用
公開: 2019-08-27人工知能が急成長中! AI がデータを最大限に活用し、職場の効率と生産性の向上に貢献していると言っても驚くことではありません。 今日、人工知能は単なるマーケティング機能ではありません。 それは主流のビジネスに参入しました。 人工知能が生み出す話題は業界全体に広がり、ビジネスのやり方を変えています。 ワークフロー管理を変えるだけでなく、将来の傾向を予測し、新たな機会を提供するために日常業務にも取り入れられています。
- 人工知能 (AI) の定義
- UX および UI デザインにおける AI の役割
- 設計の次の波 – DesOps
- ケーススタディ – Airbnb
- ケーススタディ – Netflix
- 最後の言葉
人工知能 (AI) の定義
AI は、以前は人間の知性を必要としていたタスクを機械が実行するという概念を使用した、高度なコンピューター化システムです。 これは、人間が手作業で行っていた活動やタスクをインテリジェントに管理する、コンピューター化されたシステムのような高度な人間です。 したがって、AI を使用すると、人間の介入が必要なタスクを早期に完了する機械を設計することが可能になります。
この革命の主な推進力は、オープンソース ソフトウェアを使用した開発であり、これにより誰でも洗練されたモデルを作成できるようになります。 これは、拡張現実、機械学習、チャット ボット、仮想現実、深層学習など、いくつかの開発中のテクノロジーを組み合わせたものです。 デバイスやマシンにインテリジェンスを注入することに関するあらゆるものが対象となります。 AI は、アルゴリズムを使用して人間の行動のパターンを発見し、収集されたデータに基づいて洞察を生成できます。
AI の魅力は、あらゆる業界のあらゆる人々を魅了しています。 マーク・ザッカーバーグは、2016 年の新年の抱負として、家事を支援できるシンプルなボットを構築しました。 Amazon の配達用ドローンから Uber の自動運転カードに至るまで、AI はロボット革命をもたらしています。 AI の他のよく知られた例としては、人々の日常生活から日常的なタスクを引き受けるようにプログラムされた Amazon Echo や Apple Siri などのボットがあります。
人工知能は組織を次のように支援しています。
- 顧客体験の向上。
- 製造プロセスの効率の向上。
- データの管理と分析。
- パフォーマンスの予測。
- 広告とマーケティングの取り組みを改善します。
- 過去の行動に基づいて人々の意図を解読します。
- スマートフォンやデバイスの成長に伴う爆発的なデータの処理。
- 顧客の全体的なユーザー インターフェイス エクスペリエンスを向上させます。
あなたにおすすめ: 2019 年に従うべき 7 つの最新 Web デザイン テクニック。
UX および UI デザインにおける AI の役割
AI はデザインの世界でも現実のシナリオに影響を与えていますが、ロボットがデザイナーに取って代わることになるのでしょうか? もちろん、そうではありません! 実際、AI はユーザー エクスペリエンス デザイナー キットに不可欠なツールになると予想されています。
UI と UX の世界における AI の役割を理解するには、人工知能によって生み出された誇大宣伝を乗り越えることが重要です。 これは、AI システムを使用して視聴者とブランドの間により深いつながりを生み出す新しい時代の始まりです。
デザインにおける AI の現在および将来の役割には以下が含まれます。
- AI の発展により、デザイナーがより短時間で魅力的なデザインを作成できるツールが開発されました。 AI がデータを分析すると、ユーザーが探しているものを簡単に絞り込み、他の成功した製品に基づいて製品のデザインを改良することもできます。 AI は、まったく新しいデザインの代替案と、それがユーザー エンゲージメントをどのように向上させるかを提案することにも役立ちます。
- デジタルの世界では、パーソナライゼーションが独自のユーザー エクスペリエンスを生み出す鍵となります。 AI は、購入者のプロフィールやその他の 10 億のデータ ポイントに存在する情報を使用して、デザイナーがパーソナライズされた e コマース Web サイトを構築するのを支援しています。
- AIを活用した大量のデータ解析により、設計者は高性能な製品の設計が可能になります。 また、最新の標準と規約、UX デザインのベスト プラクティス、その他のユーザビリティの指標も考慮されます。
- 人工知能は、メディア ブランドやニュース サイトなどのランディング ページやホームページの独自のバリエーションを作成するためにも使用できます。
- すべてのデザイナーの仕事には、ある程度の地道な作業が伴います。 人工知能を使用すると、作業を自動化し、デザイナーの作業効率を高めることができます。 Adobe Scene Stitch のようなツールは、AI を使用して事務作業を完了する方法の一例です。 画像内のパターンを識別し、デザイナーがパターンを編集またはパッチするのを支援します。
- Prisma のような AI ツールは、生成的なビジュアル スタイルの作成に使用されています。 これは、写真に何が含まれているか、そして写真に適用できる最適な視覚効果は何かを識別するテクノロジーに基づいて機能します。 これは画像認識技術を使用して行われます。 生成スタイルのもう 1 つの例は、動的なロゴに AI を使用することです。
設計の次の波 – DesOps

DesOps は DevOps からインスピレーションを受けており、設計における新しいアプローチを指します。 デザインが業界や起業家の間で高い認識を得るにつれて、DesignOps のような概念は、革新的なデザインとソフトウェア開発へのアジャイル アプローチとの間に相乗効果を生み出すために取り組んでいます。 このプロセスでは、ソフトウェアのスケーラビリティと自動化のバランスがとれます。
DesOps の概念を理解するために、人々は DevOps を参照することがよくあります。 これら両方の概念の根底にある目標と哲学は同じです。 DesOps の実践は、設計を拡張するという差し迫った必要性から生まれたものであり、組織内の全体的な価値を高めようとしているチームにとって役立ちます。 また、DevOps を補完して機能し、ソフトウェア設計におけるモジュラー システムの作成、保守、共有に重点を置いています。
ウィジェット ライブラリと UI パターンの存在は、一貫性をもたらすのにさらに役立ちます。 DesOps のもう 1 つの利点は、チーム間の設計に関する摩擦を軽減し、運用の非効率性を伴う可能性のある側面を排除できることです。
設計手法は多様かつ革新的であるため、課題は DesOps と DevOps 間のスムーズな統合を確保することにあります。
ケーススタディ – Airbnb
AirbnbのデザインチームはDevOps運動からインスピレーションを得たと言われています。 彼らは、ほとんどの既存のテクノロジー企業における設計とエンジニアリングの間のギャップを評価しました。 彼らの設計チームは、オープンソースの React-Sketch アプリ ライブラリを考案しました。
Airbnb は、価格が需要供給モデルに基づいて計算されることを保証する AI ツール Price Tips を使用しています。 このツールは、Airbnb が受信した大量のデータを利用するアルゴリズムに基づいて動作します。 価格計算を自動化するために多くの要素が考慮され、プロセスがより透明で直観的になります。
Airbnb には機械学習を備えた社内 AI システムもあります。 ML はデザインのスケッチを製品のソース コードに変換し、ML は評価とレビューをゲストの母国語に翻訳します。
ケーススタディ – Netflix
ユーザーの行動から、どのような種類のテレビ映画や番組がユーザーの関心を引きつけるかを予測できます。 ユーザー エクスペリエンス全体は、消費者科学と呼ばれる継続的なパーソナライゼーション エクスペリエンス プロセスにより、個々の加入者に適応されます。 ユーザーが Netflix で視聴する番組や映画の 80% は、Netflix の推奨システムによって生成されていると言われています。 これらは NRT (準リアルタイム) 推奨プロセスに従います。
Netflix は、加入者ベースを毎年成長させ続けることに成功しました。 このプラットフォームは、顧客に高レベルのカスタマイズされたエクスペリエンスを提供することで、オンライン ストリーミング業界に変革をもたらしています。 Netflix は人々が何を望んでいるのかを事前に知っていると言っても過言ではありません。 Netflix はアートワークの作成にも機械学習を使用しています。 番組をスキャンして、加入者コミュニティ間で表示される画像を選択するアルゴリズムがあります。
こちらもお勧めです:人工知能 (AI) によって代替できない 7 つの職業。
最後の言葉
AI とその設計への統合はまだ初期段階にあるため、今後数年間で多くの変化が予想されます。 デザイナーは、機能とデザインの間でトレードオフを生み出す方法を理解する必要があります。 バランスを取るのは難しいですが、AI を最も効率的に使用することが重要です。 デザイナーは、大量のデータでユーザーを圧倒するのではなく、意味のあるパターンを作成することに集中する必要があります。
対処する必要があるもう 1 つの課題は、開発者の言語をユーザーが会話で使用する言語に翻訳することです。 開発者の言語でラベルを表示するのではなく、ラベルを解釈して、わかりやすい方法で伝えることが重要です。
AI に飛び込む前に、自分の期待と、AI がそれをどのように満たすことを期待しているかを理解することが重要です。 消費者は毎日、よりインテリジェントなシステムに出会うため、今後はより高機能で効率的な製品を求めるようになるでしょう。