Tool

Intelligence Augmentation design toolkit

De zomermaanden … tijd om de batterijen terug wat op te laden, na te denken over de volgende stappen in het najaar en te brainstormen over nieuwe ideeën - nu de mailboxen niet overlopen. Neem je deze tijd om met je organisatie te bekijken of machine learning iets voor jullie kan betekenen? Dan is de Intelligence Augmentation design toolkit misschien wel iets voor jullie.

Futurice, een internationaal digitaal ingenieurs- en adviesbureau, ontwikkelde in 2017 de Intelligence Augmentation design toolkit. De toolkit helpt bij het ontwerpen van diensten/producten met machine learning componenten. Dankzij de tool krijg je een antwoord op de volgende vragen ‘Wat betekent het gebruik van dergelijke technologieën voor je bedrijf?’, ‘Hoe verandert het werken met AI je toepassing in het ontwerpproces?’ en ‘Wat kan er fout gaan?’.

Wil je als bedrijf of als organisatie de mogelijkheden van machine learning verkennen? Ben je ontwerper en wil je de voor-en nadelen van een machine learning component in een dienst/product nagaan? Dan is deze tool iets voor jou. Het helpt je om slimme diensten conceptueel uit te werken, zonder dat je technische bagage nodig hebt.

Hieronder geven we meer informatie over de toolkit en hoe je die best gebruikt in een interne workshop. Benieuwd? Blijf dan zeker verder lezen.

Wat je wil weten voor je verder leest


  • Voor wie: in de eerste plaats designers, maar ook nuttig voor andere actoren die betrokken zijn bij het ontwerpproces van een nieuwe dienst/product.
  • Procesfase: brainstorm, planning
  • Systeemonderdeel: data (set) documentatie
  • Prijsindicatie: gratis

Methode

Hieronder geven we stapsgewijs weer hoe je de Intelligence Augmentation design toolkit best gebruikt. We geven een woordje uitleg bij de verschillende onderdelen in de toolkit.

Voor je van start gaat met de toolkit, lees je best even eerst het handboek waarin het gebruik van de toolkit in detail wordt besproken. In het handboek wordt dieper ingegaan op wat machine learning kan doen voor jouw dienst/product. Je vindt er ook een handige woordenlijst terug met enkele kernbegrippen zoals algoritme, big data, artificieel neuraal netwerk, etc. Zo ben je zeker dat iedereen tijdens het spel op dezelfde golflengte zit.

Eens je het handboek hebt doorgenomen en klaar bent voor het grote werk, ga je van start met de customer segment cards. Op die kaart beschrijf je de doelgroep van de dienst/product die je voor ogen hebt. Vul de naam, leeftijd en eigenschappenvan de persoon in op de kaart. We raden je aan om meerdere profielen, en dus kaarten, in te vullen zodat de diversiteit van je doelgroep mooi wordt gepresenteerd. Om dit meer in detail te kunnen doen, kan je in gesprek gaan met de doelgroep en met hen bekijken of en hoe jouw dienst/product een meerwaarde voor hen kan bieden.

Nu je duidelijk voor ogen hebt voor wie je de dienst/product ontwerpt, wil je natuurlijk ook in kaart brengen hoe zij hun nood momenteel al verwezenlijken. Dit doe je door gebruik te maken van een customer journey. De toolkit bevat zelf geen customer journey, maar online vind je veel templates zoals deze van Service Design Tools. Vul in de template aan welke stappen de doelgroep moet doornemen om hun nood te verwezenlijken. Beschrijf hierbij ook hoe zij dit proces ervaren. Deze informatie is erg nuttig om na te gaan hoe jouw dienst/product dit proces kan verbeteren.

Daarna is het tijd om te brainstormen over jouw dienst/product. Vertrek vanaf de customer journeys die je creëerde en bekijk in groep hoe je dit proces kan verbeteren voor je doelgroep. Denk hierbij aan de volgende vragen:

  • Hoe zal je dienst/product de gebruikerservaring verbeteren?

  • Welke pijnpunten of drempels wil je aanpakken?

  • Op welke manier zal de doelgroep interageren met je dienst/product?

  • Kan machine learning een meerwaarde bieden voor jouw dienst/product?

  • Hoe komt jouw doelgroep in contact met jouw dienst/product?

  • … (voor meer vragen, bekijk zeker het handboek).

Terwijl je deze brainstormoefening doet in groep, kan je gebruik maken van de andere tools in de toolkit. Zo heb je machine learning interaction cards, die weergeven waar je machine learning voor kan inzetten (voorspellen, personaliseren, herkennen en identificeren). Ga door de customer journeys en bekijk of een machine learning component kan helpen voor het voorspellen, personaliseren, herkennen en identificeren van bepaalde zaken.

De unexpected bug cards beschrijven vaak voorkomende fouten door het gebruik van machine learning. Telkens je een machine learning component toevoegt aan het ontwerp van je dienst/product, haal deze kaarten er dan bij en bekijk hoe deze fouten jouw dienst kunnen beïnvloeden. Denk ook na hoe je deze fouten kan voorkomen en/of minimaliseren voor je doelgroep.

Tenslotte heb je ook nog de touchpoint cards, die verschillende - online en offline - kanalen representeren (bijv. social media, klantendienst) waar een machine learning component aan kan toegevoegd worden. Grijp terug naar de customer journey’s en identificeer de momenten waarop de doelgroep in interactie gaat met jouw dienst/product. Eens je deze momenten hebt geïdentificeerd, bekijk dan via welk kanaal jouw doelgroep in contact komt met jouw dienst/product. Gebruik hiervoor de touchpoint cards. Jje kan zelf ook een touchpoint card toevoegen als je opmerkt dat een bepaald kanaal ontbreekt!

De kaarten helpen je om bepaalde vragen tijdens de brainstorm scherp te krijgen en om je creatief denkproces te stimuleren. Naast de diverse kaarten, bevat de toolkit ook twee canvassen die je kan gebruiken om het hele ontwerp- en brainstormproces te documenteren.

Vul het smart service storyline canvas in om jouw slimme dienst/product idee te structureren. Op die manier documenteer je de belangrijkste inzichten over de dienst/product. Je hebt de ruimte om de volgende zaken neer te schrijven:

  • Het ontwerp van je slimme dienst/product

  • Waarom is jouw slimme dienst/product nodig voor (1) je doelgroep en (2) voor de dienstverlener (jouw organisatie)?

  • Via welke touchpoints komt de doelgroep in contact met je dienst/product? En jij, als organisatie, met de doelgroep?

  • Kan machine learning een meerwaarde bieden om het interactieproces met je dienst/product voor je doelgroep te optimaliseren? Kan machine learning een meerwaarde bieden voor jou, als organisatie, om het interactieproces met je doelgroep te optimaliseren?

  • Kan je learning loops identificeren? Bijvoorbeeld: een algoritme maakt voorspellingen op basis van gegevens. Die voorspellingen zorgen voor een effect bij de doelgroep, waardoor de doelgroep een bepaalde actie zal nemen. Die actie creëert opnieuw een heleboel gegevens, die gebruikt kunnen worden om het algoritme verder te voeden. Ga na of je gebruik kan maken van learning loops bij je slimme dienst/product.

  • Bij transparency en discoverability kan je beschrijven in hoeverre de dienst/product uitlegbaar moet zijn, wie hier toegang toe moet hebben en voor hoe lang, hoe je ervoor zal zorgen dat anonimiteit wordt gegarandeerd, etc.

  • Tenslotte, kan je ook nog documenteren welke mogelijke fouten en vooroordelen je dienst/product kan voortbrengen en welke strategieën je kan gebruiken om deze fouten en vooroordelen weg te werken.

De confusion matrix kan je gebruiken als hulpmiddel voor de communicatie tussen ontwerpers van de dienst/product en de datawetenschappers te bevorderen. De matrix helpt je om de impact van een fout of vooroordeel in te schatten voor je doelgroep. Je vergelijkt de mogelijke beslissingen die machine learning zal maken tegenover de gevolgen in de reële situatie. Op die manier breng je de gevolgen van een fout of vooroordeel voor je doelgroep in kaart en kan je strategieën bedenken om deze weg te werken. Bijvoorbeeld: een fraudeopsporingssysteem geeft aan dat transactie X frauduleus is of niet. In deze gevallen treedt geen fout op: je bent akkoord dat het systeem de transactie als frauduleus bestempelde, je bent akkoord dat het systeem de transactie niet als frauduleus bestempelde. Maar in de volgende gevallen treedt wel een fout op: het systeem geeft aan dat de transactie niet frauduleus is, maar jij denkt van wel, of het systeem geeft aan dat de transactie frauduleus is, maar jij denkt van niet. In die twee laatste gevallen neemt het systeem een foute beslissing. Eens je de matrix hebt ingevuld voor jouw dienst/product, probeer dan deze vragen te beantwoorden: ‘Hoe zal de doelgroep reageren op de vier gevallen?’, ‘Hoe zullen zij reageren op de diverse fouten?’, ‘Als er een fout gebeurt, welke gevolgen heeft dit voor de doelgroep?’.

Belangrijke info voor je brainstormt

De toolkit is géén kant-en-klare workshop. De toolkit bevat wel alle nodige elementen om zelf een workshop uit te werken in je organisatie.

We raden aan om toch zeker een halve dag voor deze workshop te voorzien. Designers zijn de voornaamste deelnemers van deze workshop, maar het is nuttig om ook diverse actoren die betrokken zijn bij het ontwerpproces van een nieuwe dienst/product uit te nodigen. Hoe meer er vanuit diverse blikken kan gekeken worden naar het ontwerp van de slimme dienst/product, hoe beter er kan ingespeeld worden op mogelijke drempels en tekortkomingen. Voorzie een groep van minstens 8 personen (zonder begeleiders) zodat er in kleinere groepen kan gebrainstormd worden.

Organiseer de workshop in een lokaal waar er voldoende ruimte is voor een plenaire tafel en tafels voor de kleinere groepen. Het kan erg nuttig zijn om de canvassen te printen op een groot formaat zodat iedereen dit makkelijk kan lezen. Je kan altijd werken met post-it’s zodat je de informatie op de canvassen kan bijwerken naargelang de brainstormoefening vordert.

Conclusie

Wil je de mogelijkheden van machine learning verkennen en de voor- en nadelen van een machine learning component in een dienst/product nagaan? Dan is deze tool iets voor jou. De toolkit is volledig gratis en downloadbaar via de website van Futurice.

Ben je eerder op zoek naar een andere tool? Bekijk dan zeker onze tools-pagina waar we eigen ontworpen tools en tools van andere organisaties verzamelen. Met de handige filters vind je zo een tool die past bij jouw noden.

Links

Intelligence Augmentation design toolkit

Ga direct naar de tool en verken de templates

https://futurice.com/ia-design-kit

Deze tool werd niet ontwikkeld door het Kenniscentrum Data & Maatschappij. We beschrijven de tool op onze website omdat die je kan helpen bij het behandelen van ethische, juridische of maatschappelijke aspecten van AI-toepassingen. Het Kenniscentrum is niet verantwoordelijk voor de kwaliteit van de tool.