UX in the AI Era: Evolution of the User Advocate Role

Projektanci UX zawsze pełnili rolę pomostu między danymi a ludźmi - byli rzecznikami użytkowników w świecie biznesu. Dziś, gdy na scenę wkracza sztuczna inteligencja reprezentowana przez modele takie jak ChatGPT-o3, Claude-3.5-Sonnet czy DeepSeek-R1, nasza fundamentalna misja pozostaje aktualna - zyskuje jedynie nowe, fascynujące niuanse, które mają kluczowe znaczenie dla finalnych rezultatów.

Znane wyzwanie w nowej skali

Tradycyjnie balansowaliśmy między potrzebami biznesu, możliwościami technologii a oczekiwaniami użytkowników. Teraz do równania dołącza AI - narzędzie, które nie tylko przetwarza ogromne ilości danych, ale też generuje hipotezy, co szczególnie cieszy interesariuszy. Przykłady personalizacji znane z usług takich jak Spotify czy TikTok pokazują, że algorytmy potrafią dostarczać treści idealnie dopasowane do naszych preferencji. Nowość polega nie na samym działaniu algorytmów, lecz na skali i precyzji, z jaką potrafią analizować nasze zachowania.

Przykładem jest analiza personalizacji popularnych aplikacji - aż 68% użytkowników TikToka nie pamięta, co oglądało podczas ostatniej sesji. To klasyczny przypadek, w którym ślepa optymalizacja metryk może przesłonić rzeczywiste potrzeby odbiorcy. Nasza rola jako projektantów UX, kiedyś skupiona na kompromisie między danymi a emocjami, przenosi się teraz w obszar algorytmów. Choć AI potrafi identyfikować zależności przyczynowo-skutkowe, wciąż nie jest w stanie zastąpić ludzkiego podejścia, empatii i rozumienia kontekstu.

Analiza danych a interpretacja intencji

AI możemy porównać do znakomitego analityka danych, który doskonale przewiduje, co użytkownik może zrobić, ale nie potrafi uchwycić jego prawdziwych intencji - jak empatyczny przyjaciel, który rozumie motywacje stojące za działaniem. Ta różnica nabiera szczególnego znaczenia w sektorach takich jak fintech i e-commerce, gdzie algorytmy często traktują chwile zawahania użytkownika jako niedoskonałości do wyeliminowania. Tymczasem badania pokazują, że te momenty refleksji mogą budować zaufanie i poczucie kontroli nad procesem.

Ciekawym przykładem jest decyzja Amazona z 2022 roku o usunięciu z wyników wyszukiwania produktów z ocenami poniżej 3 gwiazdek. Choć konwersja wzrosła o 1,3%, zwroty skoczyły o 17% - co doskonale ilustruje, jak dane bez odpowiedniego kontekstu mogą prowadzić do nieprzewidzianych, negatywnych konsekwencji.

Praktyczne podejście do współpracy z AI

Wraz z rosnącą popularnością modeli takich jak Claude-3 czy DeepSeek obserwuję stopniowy zanik sceptycyzmu wobec ich rekomendacji. Choć argumentacja AI bywa przekonująca, kluczowe jest traktowanie jej sugestii jako punktu wyjścia do dalszych dyskusji, a nie jako gotowych rozwiązań.

Przed wdrożeniem zmian proponowanych przez AI warto zadać sobie kilka pytań:

Czy to naprawdę problem użytkownika? AI potrafi wykryć anomalie w danych, ale to my musimy ocenić, czy są one rzeczywiście uciążliwe.
Jakie mogą być ukryte konsekwencje? Spadek konwersji nie zawsze oznacza problem - czasem to świadomy wybór użytkownika.
Czy automatyzacja pozbawia użytkowników poczucia kontroli? Uproszczenie procesu nie zawsze idzie w parze z budowaniem zaufania.
Co tracimy, optymalizując? Eliminując pewne elementy, możemy nieświadomie usunąć ważne momenty refleksji lub zaangażowania użytkownika.

Łączenie danych ilościowych z jakościowymi - np. poprzez wywiady z użytkownikami - pozwala na pełniejsze zrozumienie kontekstu i lepszą interpretację wyników analityki.

AI - inteligentny, ale wciąż niedoświadczony partner

Traktujmy AI jak bardzo inteligentnego, lecz niedoświadczonego juniora w zespole:

Ma świetne pomysły, ale potrzebuje naszego doświadczenia
Rozpoznaje wzorce, ale wymaga interpretacji kontekstu
Pokazuje, "co" się dzieje, ale nie potrafi odpowiedzieć "dlaczego"

Naszą rolą jest wypełnienie luki, której sztuczna inteligencja jeszcze nie potrafi zapełnić - wnoszenie empatii, wiedzy kontekstowej i zrozumienia ludzkich motywacji.

Kontynuacja misji UX w erze AI

Ewolucja technologii nie zmienia naszej podstawowej misji. Jako projektanci UX pozostajemy rzecznikami użytkowników - tyle że teraz dysponujemy potężnymi narzędziami, które pomagają nam analizować dane na niespotykaną dotąd skalę. Jednak, jak pokazują przykłady TikToka czy Amazona, optymalizacja oparta wyłącznie na liczbach może prowadzić do efektów odwrotnych od zamierzonych.

Naszym zadaniem jest umiejętne połączenie analityki AI z ludzką intuicją i empatią. W ten sposób technologia staje się nie zagrożeniem, lecz partnerem - wspierającym nas w jeszcze lepszym reprezentowaniu rzeczywistych potrzeb użytkowników.

Polecane lektury

"The State of AI in 2023" - badanie McKinsey Global Survey - https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2023-generative-ais-breakout-year
"The Impact of AI on User Experience: A Systematic Literature Review" - ACM Digital Library (2023) - https://dl.acm.org/doi/10.1145/3544548.3580805
"TikTok Engagement and Attention Metrics" - Data.ai (dawniej App Annie), raport 2023 State of Mobile [raport komercyjny dostępny w ramach subskrypcji Data.ai
"Designing with AI: Guidelines for Human-AI Interaction" - Microsoft Research - https://www.microsoft.com/en-us/research/project/guidelines-for-human-ai-interaction/

UX designers have always served as a bridge between data and people - they were user advocates in the business world. Today, as artificial intelligence, represented by models like ChatGPT-o3, Claude-3.5-Sonnet, or DeepSeek-R1, enters the scene, our fundamental mission remains relevant - it only gains new, fascinating nuances which is crucial for final results.

A Familiar Challenge on a New Scale

Traditionally, we balanced between business needs, technological capabilities, and user expectations. Now AI joins the equation - a tool that not only processes huge amounts of data but also generates hypotheses, which particularly pleases stakeholders. Examples of personalization known from services like Spotify or TikTok show that algorithms can deliver content perfectly matched to our preferences. The novelty lies not in the algorithms' operation itself, but in the scale and precision with which they can analyze our behaviors.

An example is the personalization analysis of popular applications - up to 68% of TikTok users don't remember what they watched during their last session. This is a classic case where blind metric optimization can obscure the real needs of the recipient. Our role as UX designers, once focused on compromising between data and emotions, is now moving into the realm of algorithms. Although AI can identify cause-and-effect relationships, it still cannot replace the human approach, empathy, and understanding of context.

Data Analysis vs. Intent Interpretation

We can compare AI to an excellent data analyst who perfectly predicts what a user might do but cannot grasp their true intentions - like an empathetic friend who understands the motivations behind an action. This difference becomes particularly important in sectors such as fintech and e-commerce, where algorithms often treat user pause moments as imperfections to be eliminated. Meanwhile, research shows that these moments of reflection can build trust and a sense of control over the process.

An interesting example is Amazon's 2022 decision to remove products with ratings below 3 stars from search results. Although conversion increased by 1.3%, returns soared by 17% - perfectly illustrating how data without proper context can lead to unforeseen, negative consequences.

Practical Approach to Collaboration with AI

With the growing popularity of models like Claude-3 or DeepSeek, I observe a gradual disappearance of skepticism towards their recommendations. Although AI argumentation can be convincing, it's crucial to treat its suggestions as a starting point for further discussions, not as ready-made solutions.

Before implementing changes proposed by AI, it's worth asking several questions:

Is this really a user problem? AI can detect anomalies in data, but we must assess whether they are actually troublesome.
What might be the hidden consequences? A decrease in conversion doesn't always indicate a problem - sometimes it's a conscious user choice.
Does automation deprive users of their sense of control? Simplifying a process doesn't always go hand in hand with building trust.
What do we lose by optimizing? By eliminating certain elements, we might unintentionally remove important moments of reflection or user engagement.

Combining quantitative with qualitative data - e.g., through user interviews - allows for a fuller understanding of context and better interpretation of analytics results.

AI - An Intelligent but Still Inexperienced Partner

Let's treat AI like a very intelligent but inexperienced junior team member:

Has great ideas but needs our experience
Recognizes patterns but requires context interpretation
Shows "what" is happening but can't answer "why"

Our role is to fill the gap that artificial intelligence cannot yet fill - bringing empathy, contextual knowledge, and understanding of human motivations.

Continuing the UX Mission in the AI Era

Technological evolution doesn't change our basic mission. As UX designers, we remain user advocates - only now we have powerful tools that help us analyze data on an unprecedented scale. However, as examples from TikTok or Amazon show, optimization based solely on numbers can lead to effects opposite to those intended.

Our task is to skillfully combine AI analytics with human intuition and empathy. This way, technology becomes not a threat but a partner - supporting us in even better representing real user needs.

UX w erze AI: ewolucja roli rzecznika użytkownika