Experience matters 2018: intelligenza artificiale

Experience Matter 2018: Ai pattern al Politecnico diMilano

Appunti da Experience matters 2018 – giunto alla seconda edizione – AI pattern: il digitale è cambiato per sempre. Cosa pensano gli utenti? Paura o consapevolezza?

Experience Matters 2018, 2da edizione

Quest’anno Experience matters 2018 – il convegno organizzato da Poli.design/Experience Design Academy, Personalive e Great Pixel – sposta la sua attenzione su un tema molto caldo come l’intelligenza artificiale  e lo interpreta dal punto di vista degli utenti accogliendo l’approccio tipico del design bottom-up e user-centered. E lo traduce, secondo la filosia del Politecnico di una conoscenza utile, mescolando e coinvolgendo vari settori del mondo professionale e della progettazione, spaziando dal design al marketing, dalle interfacce ai bias cognitivi.

Lo spunto da cui parte è la riflessione è il raporto tra la tecnologia digitale e l’impatto che questa ha sulla nostra vita, come suggerito dal diretto dei Poli.design:

Il digitale è cambiato per sempre o il digitale cambia sempre?

—Matteo Ingaramo

L’Intelligenza Artificiale in Italia
Alessandro Piva

L’Osservatorio Intelligenza Artificiale del Politecnico di Milano si si è focalizzato, nelle sue recenti ricerche, sulla diffusione e sull’adozione dell’intelligenza artificiale all’interno delle imprese, valutando gli aspetti etici e collegati al mondo del lavoro. Per l’anno in corso, il filone principale di ricerca è dedicato al tema degli algoritmi

I tipi di intelligenza artificiale

Alessandro Piva (@PivaAlessandro) – direttore dell’Osservatorio – puntualizza che possiamo parlare di due tipologie di AI. Da un lato, ci sono gli scenari fantascientifici come l’intelligenza artificiale generale o forte basata su reti neurali che simula il comportamento del cervello umano emulandolo. Dall’altra, l’intelligenza artificiale debole che copre l’applicazione a processi particolari, con scopo definito.

Se come disciplina, l’AI è nata negli anni ’50, oggi possiamo raggiungere risultati prima improbabili a patto che siano soddisfatte alcune condizioni:

  1. Big data, dati transazionali e aziendali,  Internet of People ovvero i social e interazioni multicanali, nonché dati provenienti dagli oggeti (IoT) che forniscono informazioni in tempo reale, geolocalizzazione, processi etc.
  2. Capacità di calcolo computazionale che permette di addestrare l’AI
  3. Algoritmi di analisi delle immagini o del linguaggio naturale

Ciò permette di sviluppare sistemi che emulano capacità dell’essere umano con una determinata finalita in un uno specifico processo prendendo decisioni che prima erano di un essere umano.

Inoltre questi sitemi son oin grado di recepire informazioni dall’interazione con l’ambiente esterno, comprendere il linguaggio naturale per interagire con le persone, interpretare flussi di immagini e video, comprendendo cosa sta avvendendo come, per esempio, nel caso delle macchine a guida autonoma.
La capacità di matchare con altri dati e info, permette all’AI – sia che si tratti di un software o di un robot – di operare ulteriori interazioni con l’ambiente, parlando o muovendosi in esso. Ovviamente c’è una complessità etica come l’apprendimento – una sorta di blackbox come nel caso del bot sviluppato da MS su twitter subito affetto dai bias delle persone, o quello del MIT dove norman bates1 viene sviluppata e addestrata come AI psicopatica e sottoposta poi al test delle macchie di Rorschach.

Intelligenza artificiale debole

L’osservatorio, nella sua attivtà di ricerca,  ha indagato, mappato e valutato le applicazioni di AI internazionali e nazionali classificando e quantificando la casistica di adozione:

  • Veicoli a guida autonoma (7%), ma anche droni per il trasporto e consegna
  • Robot autonomi (4%) con applicazioni che vanno dalla gadgettistica consumer fino al settore produttivo o di emulazione di animali e umani
  • Oggetti intelligenti (7%) come il robot di Google che interagisce con noi in casa, le video camere intelligenti che capiscono cosa avviene in un ambiente pubblico (come l’applicazione nelle aule scolastiche in Cina), la valigia blue tooth che mi segue etc 🙂
  • Assitenti virtuali e Chatbot (25%) attualmente i più diffusi. Sfruttando logiche di riconoscimento del linguaggio naturale vengono applicati nel settore vendite, HR per un approccio di primo livello
  • Reccomandation (10%) che costruiscono la nostra esperienza di vendita e di brand da parte delle aziende con l’upselling dei prodotti correlati
  • Image processing (8%) per riconoscere oggetti all’interno di video o immagini, grazie allo sviluppo degli studi sulle reti neurali e già utilizati in applicazioni custom
  • Language processing (4%) con capacita di tradzuione o interpretazione delle emozioni
  • Intelligent data processing (35%) dai modelli predittivi, al mondo finanziario, identificazione di pattern nascoti, identificazione delle frodi, montoraggio, controllo etc.

La situazione italiana è, al momento, di ritardo, rispetto agli Stati Uniti e Cina, ma anche rispetto ad altri stati europei.

Il consumatore multicanale e l’AI: the next pattern?
Andrea Boaretto

Andrea Boaretto (@andreaboaretto) – CEO di Personalive – propone una riflessione sulla consapevolezza e la percezione che gli utenti hanno dell’AI e sull’impatto che essa  ha sulle aziende, sul marketing e sul design. Il discorso è corroborato dalla presentazione dei dati di una ricerca – basata su un sondaggio CAWI – svolta con 1024 soggetti appartenenti al gruppo degli heavy shopper.

Questi ultimi hanno una alta frequenza di acquisto, sono consumatori multicanalie con un customer journey che presenta picchi digitali moti forti in tutte le fasi (pre/acquisto/post e relazione con la marca). Sono gli utenti che hanno una relazione più sofisticata con i processi ed una conoscenza evoluta dei patterner e delle interfacce basate sull’intelligenza artificiale.
Essendo, inoltre, un un campione all’avanguardia possono dare una predizione per il futuro: guardare la curva degli innovatori si riesce a comprendere la possibile di capire adozione delle tecnologie da parte degli altri utenti(in genere esponenziali in 3/5 anni).

La ricerca ha esplorato diversi aspetti di questo campione: quanti sono, cosa e come acquistano, i comportamenti e la percezione nella navigazione, come cercano le informazioni. Al momento risultano 22,4 milioni di eshopper – i dati sono di maggio 2018 – di cui 13,5 heavy shopper (+1 milione rispetto al 2017) fino ai 3 milioni di addicted con requenza di almeno un acquisto a settimana.

Le caratteristiche che contraddistinguono il percorso di acquisto per gli utenti maturi:

  • multicanalità fisico/digitali
  • punte digitali come viaggi e biglietti aerei, concerti ed eventi e assicurazioni
  • il negozio fisico: farmaci, spesa quotidiana e largo consumo
  • journey informativo online complesso e con piu punti di contatto: inizia su Google, approfondiscono sui siti della marca, guardano le recensioni/feed-back e pongono domande sui social ad altri utenti

L’84% infastidita da tutto cio che interrompe la navigazione, come banner, popup, video preroll e rinuncia all’acquisto a fronte dei fenomeni interruttivi. È un’utenza impaziente e infedele come ha dimostrato, per esempio, la recente introduzione del GDPR vissuto come esperienza negativa e invasiva, pur sapendo le motivazioni di tutela dei dati personali e il chiarimento sull’uso che ne viene fatto.

AI nelle Interfacce

Gli utenti si imbattono da molto a frequentemente nell’AI – dal 98% al 48% – ma quali aspettative hanno? Le rispote che emergono, nell’ordine, sono di velocita dei servizi e funzionalita; aderenza alle esigenze personali, gradevolezza, imparzialità, risparmio e affidabilità, cioè, una migliore esperienza compelssiva.

Pur sapendo ceh molti dei serviz che usano come nel caso delle mappe – Waze o Google – o dell’intrattenimento – Netflix in primis –o dei servizi e assistenti vocali – come Sirie Cortana– il 27-36% si dichiara indifferente alla presenza dell’AI: sanno che c’è, ma non la ritengo importante o non sono interessati a come funzioni il servizio. Quello che, invece, percepiscono come negativo è principlmente lagato alla privacy e sicurezza principalmente nel percepito negativo.

Più aumenta la multicanalità e il mix tra fisico e online, più cresce la socialità sia attiva, sia passiva tra i digital exporer (attualmente 3 milioni in Italia) con una significativa evoluzione dei comportamenti di acquisto; i cosiddetti opportunist (6 milioni) – in termini di scelta di canale – si muovono tra canali differentei in un’ottica everywhere; i goal-focused (i piu “vaccinati” al fastidio) diminuiscono proporzionalmente e sono sempre più assuefatti alla navigazione; i cross-border: hanno comportamenti molto multicanale, ma con una minore maturità, rispetto ai primi, e una maggior percezione di fastidio anche rispetto alle dinamiche sociali (4,2 milioni) sono, infatti, appena arrivati e devono ancora prendere, in un certo senso, le misure.

Quelloche emerge dalla ricerca, rispetto agli ambiti più tradizinali è che le variabili socio demograffiche – come per esempio l’età – nonsono più una discriminante al crescere anche degli utenti: serovno pertanto nuove logiche di segmentazione.

Come la AI impatta sui processi di design
Giovanni Pola

 

Giovanni Pola (@giovannipola) di Great Pixel, propone invece una sorta di confronto tra l’umano e l’artificiale con un ricerca di clusterizzazione di 3.000 parole che vanno dalla negazione all’entusiasmo che riecheggia i mondi della science fiction.

Immesse poi in un software di machine learning – che uniforma le parole per universi semantici – molte di esse acquisiscono una valenza neutra o forse perdono quel carico di significato – il bias interpretativo umano –  eliminando l’emozione, cosicché l’output è tra pericolo e utilità.

Il sistema non è preprogrammato bensì impara dal dato e ha come obiettivo fare delle previsioni attendibili. Il problema che emerge è. perciò, se le macchine pensino, che – secondo Pola – è un po’ come chiedersi se il sottomarino sa nuotare. Forse, o piuttosto, possiamo parlare di capacità cognitive condivise tra essere umano e macchina.

Forse i bias cognitivi sono una forma di sopravvivenza: sono meccaniscmi di semplificazioni usati anche nel mondo del marketing e del design. Come l’apofenia o gambler’s fallacy: cerco delle relazioni di senso anche in cose causali, come il disegno delle costellazioni in cui cerco un senso, una forma, un significato, un ricordo, un impatto sulla nostra vita.

Bias che vengono usati anceh come tecniche persuasive, specialmente in caso di decisioni di acquisto: scaristà di tempo e risorse, opportunità imperdibili etc, tutte strategie ai limiti dei dark pattern (se ne era parlato anche lo scorso anno). L’AI non fa altro che copiare i meccanismi della mente umana, il preconcetto serve per fare una previsione che si basa,a sua volta, sulla probabilità che quella cosa sia vera. Il vero problema sta negli hidden layers: quella parte opaca del processo tra l’immissione die dati e la loro elaborazione. O nel fatto che la macchina possa sviluppare pregiudizi sbagliati.

I bias, infatti, si generano perché si suppone che il mondo abbia delle regolarità, quindi imputo i dati, genero pattern a partire dai dati e su questi genero una predizione. Ma se sbaglio il dataset non ottengo nulla di sensato (es. il tentativo di trovare una relazione significativa tra il cognome e il numero asseganto in un elenco telefonico): i dati non sono sufficienti. Sui dati la macchina si allena, impara ad imparare, perciò devono essere scelti e definiti e filtrati, non si può demandare al solo data scientist la scelta: vanno scelti avendo in mente l’esperienza finale (come nel caso della ricerca di un melanoma, dove il riconoscimento della macchina arriva al 98% di diagnosi corrette, risultato nettamente superiore rispetto anche al più competente dei medici.).

Il processo di Ux design: dall’IA all’AI

Al di là del gioco di parole e acronimi, l’intelligena artificiale ci può aiutare nel processo di costruzione di una architettura informativa partendo dagli strumenti e dalle fasei di ricerca che sono propri di quest’ultima: osservazione, comprensione, customer journy, user story, usabilità, utilità, accessibilità, desiderabilità. E lo fa contribuendo per quanto riguarda:

  • regressione
  • classificazione
  • clusterizzazione
  • ranking
  • riconoscimento dei pattern

È il caso delle raccomandazione basate sullo storico dei dati – “chi ha comprato questo ha comprato anche queto” – o della next app bank dove è l’app che mi suggerisce il tipo di azione che posso voler fare, per esempio un bonifico, la dichiarazione dei redditi etc. in base ai miei comportamenti.

Le implicazioni di AI e design,
Venanzio Arquilla

Venanzio Arquilla (@va_design) riporta la discussione sul design e sul suo ruolo e rapporto con l’intelligenza artificiale. Trasparenza, consistenza, e focus sulla persona, per un business coerente, sono le parole d’ordine, specialmente in un mondo popolato di oggetti intelligenti e connessi.

Etica e rispetto dell’utente, design inclusivo – come nel caso di automatic e dell’approccio design4all – sono alla base di un processo di design che passa dal thinking all’operating, dalla generazione di tante idee, alla idea che genera valore.

È il manifesto di Andrew McAfee in un mondo che si trova a competere nella AI economy . Tuttavia la convergenza tra tecnologia e AI economy ci costringe as affrontare alcuni livelli di complessità. Da un lato, l’AI sostituirà probabilmente attività del desgin come il visual2 o altre attvità routinarie, mentre rimarrà fondamentale la dimensione concettuale e il modello dietro, per esempio, alla realizzazione di una landing page.

Inoltre, l’AI trasforma lo stauto oggettuale dei prodotti, come nel caso della nuova Smart della Mercedez, senza volante, a guida autonoma che diventa un’interfaccia, una superficie comuncativa in cui tutto avviene, dall’interazione con l’ambiente, al controllo etc. O le cuffie Apple che sono un accessorio per interagire con Siri o l’iWatch, visto che anche gli smarphone sono destinati a scomparire in una decina di anni.

La sfida, al momento, è forse più legata al reale uso di questi oggetti (iper)connessi – come l’home automation o il voice recognition – che vengono istallati e dimenticati o che implicano una competenza geek.

In definitiva, l’unica certezza è l’incertezza, ma sicuramente il lavoro del design è destinato ad aumentare, non a diminuire.

Phygital interaction

Non fosse altro per la convergenza tra reale e virtuale, tra fisico e digitale. Questo allora comporta, per il desgin, alcune riflessioni sulla disciplina e sulla sua pratica:

  • implicazini etiche: le persone sono al centro. Il MIT, a questo scopo, ha creato il Council of extended intelligence
  • estetica: nascono nuove interazioni con forme inaspettate, com Jibo, plasmato da un animatore della Disney. Non è umano, ma ha un livello empatico molto forte.
  • conversazione: come la Smart o il testo della Hall Conversational design, in fondo,  è il modo in cui le persone interagiscono tra di loro in maniera contestualizzata e reciproca.
  • cultura: e contesto, per esemio, se guardo una chiesa, so leggerne la cultura, i simboli, lastoria e i valori che l’hanno generata. La tecnologia, invece, sembra non avere origine.

La parola d’ordine non può che essere empatia, come già diceva Castiglioni!

Per approfondire:

Al solito una nota dolente: niente donne, né tra gli oratori, né alla tavola rotonda. Confido nella prossima edizione 😉

Note:

  1. con riferimento al protagonista di Psycho
  2. su questo, personalmente credo ci sia molto da discutere, nella misura in cui si è già smesso di fare visual design e non perché sia superfluo, ma per un appiattimento acritico sulla proposta di alcuni design system… 😉