设计引领变革：生成式AI时代的体验重塑

生成式AI时代的体验重塑 摘要 AI是为设计师服务，而不是取代设计师。 生成式AI正在颠覆体验设计，但风险也随之而来。为了规避高额的法律、财务和品牌成本，必须以正确的愿景、战略和防范措施来采用这项技术。 IBM如何提供帮助 设计师既要打造以人为本的体验，也需要帮助训练新一代AI模型。在设计独一无二的创意方面，设计师也面临巨大的生成式AI输出同质化压力。 IBM iX®是IBM Consulting的全球体验设计合作伙伴。我们综合考虑战略、设计和技术，帮助全球最有影响力的公司创造更好的体验、产品和服务，重新定义它们与客户和员工的关系。凭借覆盖战略、设计、开发和管理服务的经验能力以及遍布全球的60个办事处的合作伙伴关系，我们以人为本的商业设计方法促进了大规模的创新和转型。要了解更多信息，请访问：https://www.ibm.com/consulting/ibmix 大规模的个性化体验终将触手可及，但必须有效应对风险。 全面的变革管理势在必行，通过可控的试点推动生成式AI实验。让多元化的设计团队参与其中，确保打造真实、个性化、高质量的体验，并维护品牌标准。 扩展DesignOps对于负责任地采用生成式AI至关重要。 DesignOps对于制定关键指导准则至关重要，涵盖伦理问题、偏见缓解、设计标准、提示保障、工具安全、质量标准、AI增强方法以及效果衡量标准。 本报告中的图像均是使用生成式AI创建的。 在传统的概念设计阶段，IBM IBV的设计师们想到了用粒子来表达数据与体验设计之间的关系。设计师使用Adobe Firefly生成粒子形状的图像，然后将这些图像转化为3D艺术作品。使用这种方法节省了大量时间。通常需要四周时间才能完成的工作，仅用一周就完成了。 承诺、目标与陷阱 体验设计与生成式AI的碰撞 生成式AI以前所未有的速度，从媒体热点转变为高层决策的必要议题。超过三分之一的组织已经超越了实验阶段，正在推广并实施生成式AI，涵盖市场营销、销售、商业以及产品与服务设计等职能领域。客户支持部门对此最为积极，近三分之二的组织已在大力推动生成式AI落地，将其运用于客服协助和直接客户互动。 对设计领域影响深远。 另一个值得关注的认知差异是：80%的受访高管认为，为了有效地应对与生成式AI输出相关的风险，设计师的参与将变得更加重要。但此同时，70%的受访高管认为生成式AI让其组织能用更少的设计师完成更多的工作。而设计师则对此持否认态度――只有57%的受访设计师认为这是可能的。 57%的受访者―首席营销官(CMO)、首席创意官、首席客户官、创意总监和设计师―认为生成式AI是影响未来设计体验的最具颠覆性的力量。这超过了其他因素，甚至包括网络安全威胁、法规变更和可持续发展等重要议题。 为了深入理解生成式AI如何影响体验设计，IBM商业价值研究院(IBM IBV)与牛津经济研究院携手合作，针对全球各个行业的2,000名最高管理层、创意高管、创意经理和设计师开展了一项调研（请参阅第41页的“研究和分析方法”）。 组织看到生成式AI在提升客户满意度和增强生产力方面的巨大潜力，并且正在快速推进这一进程，尽管设计师们正面临着技术带来的众多新挑战。例如，尽管高层担忧基础模型训练中潜在的偏见以及生成式AI输出的准确性，但很少有组织建立全面的AI治理或伦理委员会。更令人担忧的是，当受访者被问及一年后最需要哪些设计能力时，伦理和同理心排在了最后一位。 这些研究洞察将展示领导者对生成式AI的期望，并揭示当前仍然存在的采用障碍。本报告还提供了优化生成式AI价值的相关指导，助力设计师充分发挥这项技术的潜力，打造符合客户期望的个性化体验。 采用生成式AI的呼声越来越高，组织也意识到这项技术所带来的显著效益，高管和设计团队需要共同努力，寻找前进的方向。这意味着要关注生成式AI能提供最大价值的领域，建立防范措施保护品牌，并赢得客户信任。 80%的高管认为，为了有效地应对与生成式AI输出相关的风险，设计师的参与将变得更加重要。 生成式AI与体验设计 商业应用加速 优秀的体验设计有助于推动业务成功。那些因产品或服务设计卓越而获得认可的受访组织，其收入增长率要比其他组织高出42%。 因此，最高管理层将改善客户体验作为其组织未来两年的首要任务也就不足为奇了。 图1 虽然这种追求并不是最近才出现的，但生成式AI比任何其他新兴技术都更具潜力，这意味着组织可能实现高度个性化和大规模加速生产工作流。受访者表示，生成式AI带来的变革性优势将缓解目前影响体验设计的最大压力。 持续降低压力 生成式AI解决了体验设计中面临的主要压力 生成式AI早期应用于设计流程，已经显著加快了项目完成所需的时间。例如，IBM iX团队在欧洲进行的设计思维会议中，使用生成式AI只用两天就交付了成果，而正常的交付时间则需两周。2 生成式AI的五大优势 生成式AI早期应用于设计流程，已经显著加快了项目完成所需的时间。 生成式AI面临重重障碍 尽管组织和专业人士对生成式AI的潜力和应用表现出积极的态度，但在实践过程中，可能会面临一系列挑战。品牌安全、知识产权和专有数据的威胁位列其中。 图2 众多潜在障碍 尽管生成式AI在帮助设计和交付客户体验方面极具潜力，组织仍然对在实施过程中可能遇到的障碍表示担忧。Figure 2 受访者还担心数据不准确、偏见和来源不明。这些担忧令人不安，生成式AI可能非但不会改善体验，反而产生意想不到的负面影响，导致质量下降。 值得注意的是，没有一个障碍可以被单独视为最大威胁。相反，各企业都致力于解决一系列同等重要的问题，这些问题可能会让高管不堪重负。然而，有一系列问题可能会让企业踩下刹车，包括伦理、偏见、信任和缺乏治理。在IBV最近对首席执行官进行的一项调研中，72%的受访者承认，如果收益以伦理为代价，他们会暂停采用AI。3 然而，如今这些保证大多只是假设。尽管障碍重重，或者说正是因为障碍太多，生成式AI的采用在尚未充分准备的情况下就开始了。 组织致力于解决一系列同等重要的问题。 图3 生成式AI采用情况 组织如何管理生成式AI的使用 半数组织表示，他们正在建立一个全组织范围内的治理方法，以管理和监控生成式AI的使用，但只有5%的组织将这种方法付诸实践。28%的组织将监督权下放给了个别业务部门，这可能会导致政策不一致、数据无法共享和部门间目标冲突等问题。 与此同时，近五分之一（18%）的组织赋予员工自由使用生成式AI的权利，并不提供指导。这种方法可能会加速AI的应用并激发员工的创造力，但错误的使用也会对品牌和组织声誉造成直接的负面影响。 越来越多的组织回避从战略和整体角度整合生成式AI，这些发现令人担忧，但并不意外： –超过三分之一（34%）的组织承认，他们没有建立有效的流程来审核生成式AI的输出并解决相关问题。 –43%的组织尚未成立AI伦理委员会，以应对必然会出现的棘手新挑战。 –更令人震惊的是，只有26%的组织有信心制定全面计划，以应对和解决与生成式AI相关的隐私和安全性问题。 变革体验工作流 尽管存在风险，但许多负责在整个客户旅程中设计体验的职能部门已经开始将生成式AI嵌入其工作流。虽然目前使用AI的部门可能相对较少，但预计到2025年，其采用率将呈爆炸式增长。 客户支持部门是最早也是最积极采用生成式AI的部门，而且在使用传统AI和自然语言处理技术来与客户互动方面，有着丰富的经验。48%的组织表示已经在使用生成式AI为人工客服生成对话。到2024年底，超过三分之二（69%）的组织预计将开始采用这项技术。4 图4 生成式AI应用场景 到2025年，大多数组织预计将使用生成式AI来提升体验。Figure 4 市场营销人员也在积极采用生成式AI。28%的组织目前使用生成式AI来帮助进行客户细分。几乎相同的比例（23%）的组织正将生成式AI用于工作流自动化，22%的组织则将生成式AI用于客户和市场调研。这些比例预计在一年内将激增至70%以上。 目前，专注于推动客户互动和转化的销售活动已经开始使用生成式AI来创建和管理社交互动（21%），以及预测销售趋势和制定销售策略（20%）。到2025年，受访者预计采用生成式AI来处理这些任务的组织数量将增加三倍以上。 对于那些创建面向客户、基于文本的聊天机器人的组织来说，采用AI的速度正在加快。不出所料，36%的组织使用生成式AI来创建客户服务聊天机器人，这是当前最为常见和受欢迎的生成式AI应用之一。不到一年后，这一比例将飙升至81%。与机器人进行简便自然语言对话通常被视作生成式AI驱动体验的未来。如今，25%的组织表示正在使用生成式AI与客户进行互动。近70%的组织计划到2025年采取此实践。但这并不仅仅面向客户。面向员工的文本和语音聊天机器人也在应用之中。 2023年，当ChatGPT和其他开放式生成式AI系统成为主流，文本、图像、视频、音频等各种形式的内容创建，都成为生成式AI的热门话题。这对内容设计师来说是一个全新的起点。考虑其所获得的关注以及相对较低的入门门槛，我们本预计会有更多组织在这些应用场景中积极采用生成式AI。 然而在此领域，组织在采用这项技术时表现得相对谨慎。这种谨慎合乎情理。对质量和信任的担忧，以及法律和财务方面的考虑，导致这些应用场景的进展落后于其他领域。尽管如此，所有与体验相关的应用场景都会直接或间接影响客户参与度，都存在需要规避的风险。 案例研究 推动营销转型，简化运营并打造个性化体验IBM Marketing和Adobe5 图5 Figure 5内容创作――更加谨慎 Experience design priorities组织在使用生成式AI进行内容和代码创作与管理时更加谨慎 为了打造更加个性化、易于操作的客户体验，IBM希望通过整合方法来改进跨渠道营销。但庞大的数字令人望而生畏――2,000名营销人员，100个产品，175个地区，70个平台，以及1,000万个数据集。 从2021年开始，该项目第一阶段的重点是简化复杂的数据结构，修复脱节的营销技术堆栈。IBM与Adobe合作，简化了运营模式，并实施了行业领先的平台。成果包括节省了3亿美元成本、劳动力成本降低了50%、上市速度提升了75%。 2022年，第二阶段侧重于将人员、流程和技术与Adobe Workfront相整合，这是一款工作管理应用，可帮助知识工作者集中管理工作的整个生命周期。此次整合推动产品导向的增长提高了700%，翻译覆盖率从20%提高到100%，并大幅减少了资产和网页。 2023年，第三阶段探索了AI和自动化，启动了Adobe Firefly内容创建试点，这是一款由AWS提供支持的工具，可通过生成式AI实现全新的构思、创建和沟通方式。这促使Firefly生成的资产的互动度提高了26倍，内容创建支出减少了80%，电子邮件创建时间缩短了77%。 其他AI和自动化应用场景还包括自动渠道交付、机器人机器翻译和基于效果的推荐。通过专注于打造个性化体验，Adobe成功帮助IBM开启了持续营销转型。 混合AI模型助力个性化体验 在每一个行业，对于每一位客户而言，如何以更快的速度、更高的成本效益提供卓越的个性化体验，是一项长期存在的挑战。生成式AI或许能实现这一目标，这也是大多数组织（63%）希望采用生成式AI的主要原因。 公共模型缺乏实现个性化所需的核心要素 由于建立专有模型需要花费大量时间和精力，目前只有24%的组织在推进这项工作。但这种情况正在迅速改变――72%的组织表示将在今年年底前使用专有模型，而几乎所有组织（99%）都预计在2024年后建立自己的模型。7这是个性化走向成功的关键。如果没有经过精心调试且安全可靠的专有模型，组织大规模提供个性化体验的努力可能无法达到预期目标。 目前，一半使用生成式AI的组织接入了公共基础模型，如ChatGPT和DALLE-E。51%的组织使用开源模型，如Midjourne