Miből lesz a cserebogár?

Hogyan segíthet az MI a kutatás előkészítésében – egy valós projekt újragondolása

Az alábbi írás az idei Service Design Day konferenciára (SDD 2025) készült Dombóvári Balázs és Horváth László azonos című előadása alapján.

Az SDD-n a Works. csapatával egy egész délelőttöt szántunk arra, hogy bemutassuk, mi milyen lehetőséget látunk az MI-ben 2025 őszén, és hol tartunk jelenleg abban, hogy a saját kutatási folyamatainkat optimalizáljuk a használatával.

Balázs és Laci a kutatási folyamat elejét vizsgálta, különös tekintettel a brief értelmezésére és a megfelelő módszertan kiválasztására.

Auguste Rodin és a DALL-E “A gondolkodó” c. szobrai egymással szemben

Egy megkeresés 2024 tavaszáról

Tavaly tavasszal kb. az alábbi briefet kaptuk egy távközlési partnerünktől:

"A jelenleg használt TV távirányítók használatával kapcsolatban több felhasználói probléma és kritika merült fel. Segítsetek nekünk kialakítani az ideális TV távirányító koncepcióját, amely egyszerűbb, intuitívabb és a felhasználói igényekre szabott megoldást kínál."

Akkoriban a hagyományos megközelítést követve

• értelmeztük a briefet,

• hipotéziseket, majd kutatási kérdéseket állítottunk fel

• kiválasztottuk a módszertant,

• majd kidolgoztuk a méréshez használt eszközöket (forgatókönyv, kérdőív, interjú-guide).

Ez egy emberi léptékű, kreatív folyamat volt. A kutatói magányt is ismertük benne: azt az állapotot, amikor az ember épp egy hipotézislistát görget a képernyőn, és azon tűnődik, vajon tényleg ezek-e a legmegfelelőbb kérdések.

Mi lenne, ha ma kezdenénk?

Mit csinálnánk másképp, ha ugyanebbe a projektbe ma vágnánk bele: hogyan támogatná a munkánkat a mesterséges intelligencia? Ez a gondolatkísérlet nem arról szólt, hogy automatizáljuk a kutatást, és teljesen kihagyjuk belőle az embert. Inkább arról, hogy megnézzük, hogyan tudna az MI asszisztens gondolkodótárs lenni, és hogyan hatna a kutatói szerepre?

1. Brief

A kutatás legelső fázisa az értelmezés. A brief mindig a megbízó nézőpontjából születik, és a mi feladatunk az, hogy a mögöttes rétegeit, a valós elvárásokat, feltételezéseket kibontsuk. Ezt persze egy tapasztalt kutató “ki tudja workshopolni” az üzletből, csak elég kitartóan kell kérdezgetni: “Miért?”

Bár visszakérdezni továbbra is fontos, ha az MI-t kérdésgenerátorként használjuk, a brief és az árajánlat között eltelt idő lerövidülhet. Hogyan?

“Egy Service Design / UX Design / UX Research területekre szakosodott tanácsadó ügynökség vagyunk, akik az alábbi briefet kaptuk egy magyar távközlési cégtől: [brief helye] Segíts kérdésekkel: Mik azok a területek, amik még pontosítást igényelnek ahhoz, hogy erre a briefre egy szakmai ajánlatot tudjunk adni?”

A válaszban azt kaptuk, amire számítottunk: új szempontokat, amikhez hasonlókkal mi is készültünk, de nem mindegyikkel és nem pont így.

Néhány példa a kérdésekre:

• A távirányító fejlesztése önálló projekt vagy része egy szélesebb termék- vagy szolgáltatásfejlesztésnek?

• Mi az ügyfél sikerdefiníciója: költségcsökkentés, felhasználói elégedettség, ügyfélszolgálati hívások csökkentése…?

• Milyen helyzetekben használják a távirányítót: klasszikus TV-nézés, streaming, gaming, smart home vezérlés?

• A távirányító mely eszközöket kell hogy vezérelje?

• Vannak-e márkastratégiai vagy technológiai korlátok?

• Ki dönt és hány szinten kell jóváhagyást kapni?

Sokszor ilyenek az MI által generált válaszok: Persze, hogy tudtuk, csak nem sejtettük.

2. Hipotézisek

A következő lépésben megnéztük, milyen hipotéziseket alkotna az MI a partnerünk perszónáinak ismeretében.

Ami mindkét megközelítésben közös volt:

• eltérő használati módokat feltételezett (háttértévézés, célzott tartalomfogyasztás stb.),

• eltérő felhasználói tudásszinteket feltételezett,

• és felismerte, hogy a streaming szerepe a lineáris TV-nézéshez képest felértékelődőtt.

A szakértő rendszerszinten gondolkodott

• a szolgáltatásélményt és a teljes ökoszisztémát vizsgálta,

• figyelembe vette az időbeli és társas mintázatokat,

• azonosította a konkrét használati nehézségeket,

• és azt is, hogyan válthatna ki egy eszköz más funkciókat a háztartásban.

Az MI fókusza operatív és szerepalapú

• Perszónákhoz rendelt hipotéziseket írt, és

• a távirányító konkrét funkcióira, használati módjaira fókuszált.

Az MI tehát nem helyettünk gondolkodott, hanem új perspektívát nyitott ugyanarra a problémára: míg mi rendszerszinten gondolkoztunk, ő mikroszinten keresett mintázatokat.

A prompt olyan, mint egy kutatás

Mindkettőnél a bemenet minősége határozza meg a kimenetet is. Minél pontosabb a prompt (vagy egy kutatási kérdés), annál megbízhatóbb a válasz (és a kutatás eredménye).

3. Módszertan

A projektben eredetileg kombinált módszertani megközelítést alkalmaztunk:

1. Think-aloud videók felhasználókkal meghatározott forgatókönyv alapján

2. Co-creation workshop felhasználókkal a távirányító prototipizálására

3. Co-creation workshop a szakértői csapattal a lehetséges irányok leszűkítésére, kiválasztására

Az MI emellett behozott alternatív módszertanokat, amiből néhány példa:

1. Interjúk otthoni környezetben
   Eszünkbe jutott, de költséghatékonyság miatt elvetettük.

2. Kattintható prototípus
   Eszünkbe jutott, de úgy gondoltuk, hogy fizikai tárgyról lévén szó, nehéz virtuálisan megítélni, így erősen torzítana az eredménye. Ha ez esetleg kiegészül egy fizikai protó teszttel is, megfontolandó lehetne.

3. A prototípus online kérdőíves validációja
   Nem jutott eszünkbe, ma sem tartjuk jó ötletnek, lásd előző pont.

4. Szakértői távirányító-elemző workshop
   Eszünkbe sem jutott: Megbízónk kifejezetten az ügyfélhangokat szerette volna felerősíteni, nem a szakértői véleményekre volt kíváncsi.

Záró gondolatok

A mesterséges intelligencia használata már a kutatás kezdeti fázisában is hatalmas segítség lehet:

1. Hatékonyan tágítja a perspektívát: új szempontokat, alternatív megközelítéseket hoz és párbeszédet, gyors iterációt tesz lehetővé.

2. A kutatói magány eliminátora – társ a dilemmákban, ha épp nincs kivel ütköztetni a gondolatokat.

3. A tapasztalatlanabb kutatónak – néha talán kissé hamisan – magabiztosságot ad, mert segít strukturálni a kérdéseit és felismerni a hiányzó összefüggéseket.

4. Képes iparágra és üzleti kontextusra szabott kérdéseket megfogalmazni.

5. Gyorsabb vele a munka? Igen. De ennél sokkal fontosabb, hogy minőségbeli javulást hozhat.

6. Az MI-vel való munka alapelve: ha gyenge a bemenet, gyenge lesz a kimenet is. Az MI nem automatizál, hanem asszisztál – támogat, segít rendszerezni és inspirál.

7. A felelősség továbbra is az emberé. Egyelőre még továbra is a kutató az, aki a nap végén döntést hoz.

---

A cikket Horváth László, a Works. Senior Experience Designer kollégája írta.