AI UX-Design Tools Are Not Ready for Primetime?

[大衛選讀] Nielsen Norman Group 4月中發表一份研究所得,該研究透過今年初與 UX 從業人員的深度訪談,去評估現有的 AI 設計工具。

先講結論跟我的感想。這篇研究結論是:現有的 AI 設計工具大多功能有限,無法顯著改善設計流程。但我讀著讀著,會有未來已經不是靠寫毛筆來做記錄的時代了;這時候去評估機器手臂寫毛筆的效果,然後結論是文書抄寫的工作流程不會被取代,也沒有長足的改善,會不會滯後了些?

有空看看 Google 研究團隊的軟體工程師 Srinivas Sunkara 和 Gilles Baechler 在3月19 日發表的 ScreenAI 全新語言模型。可能就會有完全不同的思考面向。

無論如何,NN/g用心發表了研究所得,還是要好好參考一下。

內容整理如下,原文連結:https://www.nngroup.com/articles/ai-design-tools-not-ready


AI UX-Design Tools Are Not Ready for Primetime

近年來,人工智慧技術的快速發展為各行各業帶來了變革,使用者體驗設計領域也不例外。然而,一項針對 UX 從業人員的深度訪談研究顯示,儘管市面上湧現出各種標榜 AI 驅動的設計工具,但它們在實際工作中的應用仍十分有限。UX 設計師普遍認為,目前的 AI 設計工具無法真正提升工作效率或創造出高質量的設計作品。

▎Designers Use AI, Just Not for Design

Nielsen Norman Group 的這項研究是在 2024 年初對 UX 研究人員、設計師和管理者展開訪談,重點關注他們如何在工作中整合 AI 工具。受訪者大多是 AI 技術的早期採用者和擁護者。

研究發現,UX 設計師主要將 ChatGPT 等文字生成 AI 工具用在腦力激盪和構思任務上,但在實際設計工作中鮮少採用專門的 AI 輔助工具。

這一現象的部分原因在於,現有的 AI 設計工具存在諸多不足。研究者評估了 Wireframe Designer、Uizard、UX Pilot 等幾個常見的 AI 設計工具,發現它們生成的線框圖和設計方案大多過於簡陋和模板化,難以為設計過程帶來實質性的助益。此外,這些工具在大中型組織的部署過程中,往往會遭遇缺乏客戶支援、使用指引不足等問題,甚至可能涉及使用 AI 生成內容的版權風險。

閱讀全文 AI UX-Design Tools Are Not Ready for Primetime?

Prototyping is a mindset

[大衛選讀] 最近跟設計師聊到 AI 技術大幅降低了概念驗證 (proof of concept) 的門檻,大家都覺得能多做前期嘗試跟探索很好;但是再多談下去,總是會有這樣客戶跟老闆能接受嗎,如果失敗很多次會不會怎樣的疑慮。

我想了想,對耶。試做原型的門檻是降低了沒錯,但是如果觀念沒有改過來,那麼溝通的成本還是一樣高,而且做越多反而帶來更大的反效果。

Prototyping is a mindset 這集 podcast,講了一個我覺得很重要的觀念:試做原型是一種思維。生活中的任何事情可以原型化、試做看看,而且重點是保持好奇、擁抱改變,懂得利用原型測試去策略性地儘早學到新東西。

一旦在生活中帶入這樣的思維,所有的事情都只是個原型罷了,那所有的事情隨時都可以調整。都可以進一步學到東西、變得更好。真的會很酷。

很棒的一集專訪,值得花時間聽一次。內容整理如下,原文連結:https://voltagecontrol.com/blog/prototyping-is-a-mindset/


▋Prototyping is a mindset

製作原型 (prototyping) 在建築、產品設計,甚至工程領域裡佔有很大的比重。通常在設計過程中你會試著建造許多原型,不論是否會秀給別人看,直接用於溝通或是說明。

一圖勝千言,而一個原型勝過千張展示圖片 (a prototype is worth like a thousand pictures)。一旦你手邊有一個可以互動的東西,那個與人對話跟反饋的深度就會非常驚人。原型賦予了實際互動的可能性,那是非常有力量的 (incredibly powerful)。

「在真正全力投入製作之前,能先快速模擬一下嗎?」這個概念在日常生活中很有用。先試試看有沒有用,並且從中學到新的方法、發現新的可能性。

這跟閱讀、討論不一樣,透過把東西做出來,所能學到的東西,完全是另外一個檔次。

任何東西都能原型化 (You can prototype anything)

你可以原型化一個過程、一項服務、一次體驗。任何東西都可以原型化。

你也可以在投資大量資本之前,就去原型化你的商業模式。不需要真的建立物流系統,就可以模擬假裝電商網購到貨的體驗,這個是很酷的事情。

不要讓試做原型變得太過麻煩 (reduce the barrier for people to prototype)

越簡單越好,從概略有個樣子去著手就可以。我期望人們能夠舒服自在、有自信地去試做原型。不要把試做原型搞成一個很困難、門檻障礙很高的事情。

原型的重點在於策略性地前導學習 (learning early & strategically)

我認為試做原型是一種方法,讓想法或概念以某種有形的方式活過來的方法 (a way to bring an idea or a concept to life in some type of tangible way)。

它是在試著設想某個東西的未來狀態 (envision the future state),並且變得可以與他人互動的工具。

然而如果你只是建造某個東西,而從中沒有學到任何事,那你就沒有真正批判性地去做思考。

閱讀全文 Prototyping is a mindset

運用顧客旅程地圖時的常見錯誤

[大衛選讀] CJM 顧客旅程地圖在UX研究中很常見,很多設計師也喜歡在提案跟作品中展示 CJM,來代表自己對於用戶需求頗有掌握。

在打開滿滿一張 CJM 的那一刻,多半可以感覺到設計師的強烈自豪感,但後續在旅程地圖中卻也常常聽不到什麼有用的脈絡。要是使用了一個好工具,卻不知其所以然,那就真的很可惜。

Customer Journey Mapping Mistakes and How to Avoid Them 這篇文章,詳細說明了為什麼要建立 CJM,以及六個在運用顧客旅程地圖時的常見錯誤。像是一開始沒有設定目標、缺乏研究脈絡、角色發展不全、漏看了頭尾等。是一篇很好的實務經驗分享與觀念提醒。

內容整理如下,原文連結:https://www.uxpin.com/studio/blog/customer-journey-mapping-mistakes/


Customer Journey Mapping Mistakes and How to Avoid Them

運用顧客旅程地圖時的常見錯誤

顧客旅程地圖,看起來很容易學習運用,但是在實際使用時常有誤解跟陷阱。以下我們將試著把這個工具的實務運用,說清楚講明白。

▎首先,為什麼要建立顧客旅程地圖? (Why Creating a Customer Journey Map?)

在討論常見誤解之前,讓我們快速了解一下顧客旅程地圖的核心概念。如果你已經很熟悉,可以跳過這部分。

顧客旅程地圖 (Customer Journey Map, CJM) 是將目標用戶跟產品服務間的互動過程,以視覺化的方式表達出來。你可能會問,這些資訊對業務拓展有什麼幫助?

顧客旅程地圖可以幫助你分析客戶的體驗,識別當中的缺陷和改善機會,以進行後續的策略規劃。

另一個極大的好處是,這個方法有助於吸引你團隊的注意力,並在公司內部發展出共同的認知。像是我們的客戶到底是誰,以及如何接觸到他們。這將會讓團隊更好地合作,提高效率。

然而顧客旅程地圖這類的工具,有它的特性與限制。就像是特定的藥物一樣,必須正確地使用才能達到預期效果。以下則是運用顧客旅程地圖時的常見錯誤:

▎錯誤 #1:沒有設定目標 (No goals were set)

缺乏經驗的設計師或研究員,通常會單純為了製作而製作CJM;或者希望能透過一張旅程地圖,就能識別出客戶旅程中的所有缺口問題。

但實際狀況是,沒有明確的目標,就不會有任何結果 (no clear goal, no result),回頭看都只是自我感覺良好的投入而已。在不知道為什麼要建立地圖的情況下,即使研究資料再多,一樣會鬆散沒重點,又能從中發展出什麼用戶體驗的改善策略?

解決方法是,在投入研究之前,先確保團隊能回答以下問題:

・你想分析什麼,為什麼?

・你希望改進哪部分的流程?

・誰對這旅程地圖盤點專案負最終責任?

・這涉及了哪些部門?

・是否有特定的客戶群體需要觀察?

・公司將如何從客戶體驗改善中受益?

你必須先設定一個明確的目標。避免所有 (all) 這個字,因為它意味著什麼都沒有 (nothing);感覺就像登上了一架到處都會去,但卻沒有具體目的地的一班飛機。

你設定的目標越明確,顧客旅程地圖的計劃就越容易成功。

閱讀全文 運用顧客旅程地圖時的常見錯誤

關於智能的第一性原則,以及對於 AI 人工智能發展的影響

[大衛選讀] 去年底的 AI 熱潮開始後,我就一直在找關於人工智能發展的基礎原則。若能看懂大的原則跟方向,後面要做自我技能的發展,或是特定的投資決策,都會比較容易些。

On some first principles of intelligence 這篇文章,試著寫出了智能的幾個第一性原則,並且用此對比人工智慧的發展。

文中提到了如何建立資訊反饋機制 (feedback mechanism)、善用電腦在儲存與計算上的巨大優勢、以及怎樣發展泛化能力 (generalization capability) 等概念,非常具啟發性。

原文是一篇很簡短,但有點硬的文章。為了讓自己讀懂,我額外讀了不少相關資訊,再擴寫成以下的重點摘要。

內容整理如下,原文連結:https://www.lesswrong.com/posts/oJzHEYL9ztgMwsze9/on-some-first-principles-of-intelligence


On some first principles of intelligence

關於智能的第一性原則

過去十年中 AI 研究的進展和成功,似乎都可以追溯到上世紀所發現的一些關於智能本質的基本原則。以下就來細談這幾個可以視為是智能的第一性原則,以及這些原則對於 AI 人工智能發展的影響。

▎由 Robert Wiener 提出的反饋機制 (Feedback mechanism)

一般來說,反饋 (feedback) 是對於資訊迴路的抽象描述,目的是在確保一個系統能夠持續地改善與調適 (improvement/adaptation)。

在真實世界裡,人類和動物都需要收到反饋,以便提高做某件事情的技能水準。同樣的,一個產品或技術,也需要來自於外部環境的反饋資訊,來逐步改進以達到一定的可用性。

我們可以這樣說,任何有用的自動化系統,本身都是封閉迴路的反饋系統 (closed-loop feedback system)。系統會監控輸出,並且用來調整輸入;藉由不斷地回饋本身的狀態,來自行調整運作效能。

從這個角度來看,那些沒有反饋機制的自我監督機器學習,像是設定了很多規則去模擬但卻沒有真實上路的自駕系統,發展到最後並不能產生令人滿意的結果,那就一點也不意外了。因為這樣的系統,缺乏來自於外部環境對於表現好壞的反饋。

這些資訊是非常必要的,可以用來改進跟修正。

從這個角度來看,一個 AGI 通用人工智慧必須要能夠自主與環境互動,透過觀察去收集動作之後的反饋,並通過某種機制去持續地整合所得資訊,進而改寫優化自身的程式碼。

▎由 Rolf Landauer 提出的蘭道爾原理 (Landauer’s Principle)

Landauer’s Principle 把資訊熵 (information entropy) 與熱力學的熵 (thermal dynamics entropy),巧妙地連結在一起。兩者同樣都遵循熱力學的第二定律。這個原理認為,當你刪除一個位元的資訊時,會有對應的能量被釋放到環境中,也就是變成熱能。資訊處理和能量消耗之間是密不可分的。

熵在這裡可以被視為一個對不確定性 (uncertainty),或混亂程度 (disorder) 的度量。在人工智能領域中,降低熵就意味著減少不確定性、提高模型的預測能力或效能。

如果一個演算法被放在封閉系統裡,沒有來自外部環境的資訊反饋,像是加入更多的新數據或是人類的知識,它將無法學習或適應新的狀況。它的智能水平或是預測能力將無法提昇,熵也就不會降低。

目前最常用的反饋方法是,利用工程師自己的理解和判斷,來優化和改進機器學習模型。然而人類的思考速度和處理能力相對較慢,而且可能受到先入為主的偏見影響。隨著數據和模型規模的增長,單單只靠人類工程師的大腦來反饋和優化,可能會變得越來越不切實際。

閱讀全文 關於智能的第一性原則,以及對於 AI 人工智能發展的影響

Personas 人物誌所帶來的問題

[大衛選讀] Persona是很常用的研究溝通工具,但也常常是整份報告當中最大的敗筆。一份整理不到位的人物誌,讀起來很容易閃神出戲,導致整份研究報告的可信度大幅下降。

The Problem with Personas 這篇文章,列出了人物誌常見的五個問題,像是不夠深入、太多細節、虛假跟欠缺真實情境等。並且建議了幾個可以替代補充的工具。

實際上,人物誌本身並沒有錯,其他工具也一樣可能會被濫用。我們該重視的不只是交付成果本身,更關鍵的是整個研究過程以及當中的思考脈絡。做了什麼不重要,重要的是,學到了什麼。

重點摘要整理如下,全文連結:https://medium.com/typecode/the-problem-with-personas-b6734a08d37a


The Problem with Personas

Personas 人物誌所帶來的問題

幾年前,我和客戶合作進行一個網站設計專案。儘管沒有太多預算可以用於研究,但他們說已經建立好 persona,可以直接取用。我心想太好了!如果客戶已經做了一些研究,並且定義了他們的目標用戶,這將會相對容易些。

不幸的是,我得到的只是一堆隨機事實 (random collection of facts),以及幾個顯然不存在的假想人物。

之所以會形塑出這些人物的刻板印象,只是客戶覺得,會需要有一些代表性的人物描述,像是:老年人、年輕人、中年職業媽媽等;以及他們的好惡,像是:購物、發訊息、看電視等。哦,可想而知,這些人物剛好都對客戶想要賣給他們的東西,充滿了熱情跟渴望。

這些所謂的人物誌,裡頭充斥了各種我告誡學生千萬別做的錯誤嘗試。

不客氣地說,身為一位設計師,我的責任是設計一個能解決真人問題的產品。而這些虛假的人物誌,對我來說一點用處也沒有。

Personas 人物誌有什麼問題?

首先我想明確地指出,我不認為人物誌在本質上是錯的,只是建立的過程方法往往有問題。

新手要學習一個工具,往往是從模仿範本開始,然後慢慢去掌握工具的特性,並且知道什麼時候該如何使用。最後才能進一步創造新的工具用法,來呼應眼前的需求。這就是學習。

問題在於,很多人試著寫出一份人物誌,就因此感到滿足了。完全不會去質疑,這裡頭的資訊甚至人物誌本身,是否真的有用。

如果不去批判性地思考,到底要呈現什麼資訊,以及如何呈現它,我們很容易在錯的事物上打轉。工具本身是有用的,只是人們使用它的方式有問題。

歸根究柢,人物誌只是一種包裝你所做過研究的方式 (a way to encapsulate all the research that you’ve done)。目的是讓資訊更容易消化、更容易記住,並且期望能觸發後續的設計行動。

合理的設想是,若是透過一個看起來真的人來展現研究成果,這將更容易引發同情心,因此更願意為他去做對應的設計改變。那麼,如果這個虛構的人不夠真實,那麼就不會激發同情心,而是會引起反感,對吧。如果發生了反效果,這又有什麼好驚訝的呢?

此外,即使是站在我們面前的實際人物,也不總是能激發同情心。相信我,我每天都搭乘地鐵;單單針對一位通勤者的平淡描述,如果我們之間沒有什麼特殊的不同之處,這種程度的刺激並不會觸發我的神經。

那麼把人口統計數據放進人物誌裡面,這樣會更豐富可靠嗎?這是一個值得深思的問題。畢竟,一個人物誌是否在Target或Walmart購物真的很重要嗎?這裡頭其實帶有相當程度的假設,讀到這資訊的人會把自己的偏好跟看法,投射到人物誌當中,並且做出個人的判斷評價。在這狀況下,這樣的人物誌很可能會帶來更多壞處,而非優點。

▎常見的問題是什麼?

為了不要一竿子打翻一船人 (throw out the baby with the bathwater),我想提供一些方法來改善人物誌。以下是我在創建人物誌時,會儘量避免的事情,也是我經常看到新手會發生的幾個錯誤:

閱讀全文 Personas 人物誌所帶來的問題

設計師怎樣才算資深?

[大衛選讀] 設計師怎樣才算資深?這大概是每半年做績效評估時,都會被反覆詢問的問題。

有些團隊用做過多少案子,待了多長時間來評估。我自己則是看專業能力與實務經驗,同時去衡量設計師在團隊內外的影響力。對我來說,資深與否並不是看有多會做設計,而是能夠發揮多少設計專業的影響力。

Getting to Senior in UX 這篇分享簡報,很清楚地列出了資深設計師的幾項特質條件,以及如何練習培養。關鍵包含:形塑自己的觀點、成為他人的教練與導師、參與領導、透明溝通、積極面向大眾等。

重點摘要整理如下,全文連結:https://docs.google.com/presentation/d/1v3SlMKO5_9zrEJINhaOlT-YIA0UZi2Qpiv_gYCJMiCI/edit?usp=sharing


Getting to Senior in UX

如何晉升到用戶體驗的資深職位

資深並不等於管理。在一個資深的工作角色中,你會被期望能夠:領導他人 (lead people),掌握設計實務 (shape practice),以及在組織內作為設計專業的代表。有機會的話,還期待能讓設計團隊在外界有不錯的形象。

以上這些加總起來,也就等於更大的影響力 (more impact)。

至於要如何讓自己成為人們想要招募、提拔、一起合作的資深專業角色?以下是幾個關鍵的要點:

形塑自己的觀點 (Becoming Opinionated)

一位資深的用戶體驗專家,本身應該是設計實務作法的權威(their own authority on good practice)。

對於設計該如何做,他們能自信地分享深思熟慮後的看法,無論是以書面簡報呈現,還是在日常的對話當中。他們也可以自在地引述其他人的觀點,無論是否完全認同。他們對於自己言之有物、有所依據的程度,有著相當的自知。

同時,他們也知道凡事絕對不只有一種正確的作法,但他們會負責果敢地採取一個清楚的立場。(There’s never only one right way, but they take a position.)

如果想要練習如何形塑觀點,可以試著問自己:你曾見過哪些成功或失敗的設計案例,當時是在怎樣的情境脈絡下?你是否能分析解釋其中的關鍵因素?

更進一步,可以試著去對你心目中的英雄,以及身邊的夥伴,提出正向的批判 (critique)。像是:既使是你最崇拜的專業人士也還有哪些不足?跨專業的夥伴能夠合作順暢的背後,到底是什麼工作方式發揮了關鍵效果?

閱讀全文 設計師怎樣才算資深?

好的領導者,怎樣才能什麼都不做

[大衛選讀] 我大體上是一個想很多的人,要我什麼都不想,什麼都不做,真的會很要我的命。

How to do Nothing 這篇文章,很詼諧有趣地,去反面述說當一個主管要怎樣偷偷摸摸、小心翼翼,就是要讓大家覺得他什麼都沒做,來幫自己省點事。但實際上,這扎扎實實是一篇有關於如何積極管理、充分授權的經驗分享文。

重點摘要整理如下,全文連結:https://fragile.org.uk/2010/02/15/how-to-do-nothing/


How to do Nothing

怎樣才能什麼都不做

管理上真的要什麼都不做,這遠比看起來更困難。過去作為一位開發人員,我有時候很難理解我的老闆一整天到底都在做些什麼。

事實上,老闆越出色,他們看起來就越少做事 (the better the boss, the less they seemed to do)。

往後快轉幾年到現在,我發現自己開始負責指導其他開發人員,也就很快明白了,什麼都不做其實相當有挑戰性。不管我怎麼努力,總是會有事情冒出來,我因此一度只能埋頭苦幹。

正如先前提到的,這不是一個好兆頭。事實證明,能夠做到什麼都不做 (doing nothing) ,這本身就是一份全職工作了。我整理了一些個人的實踐經驗如下:

預料當中,而不是當下反應 (Anticipate rather than react)

在某些情況下,最後一刻趕去搶救局面確實是令人興奮的,尤其是在千鈞一髮的時候。然而,以這種方式動手干預,並不是表現出你有在做事的最好方式。

如果能提前注意到需要做些什麼,並在還沒有人發現之前,就能採取有效的行動,這會好得多。這意味著你需要不斷地留心觀察,積極尋找那些,需要提前應對的事情,並且偷偷做掉,不要讓人發現。

閱讀全文 好的領導者,怎樣才能什麼都不做

臨場決策是一種技能,你有好好訓練這樣的能力嗎?

[大衛選讀] 能否有效閱讀場上的比賽,往往是球員臨場表現好壞的關鍵。有時候我們會說某個球員的視野好,能有效預判情勢、有創意地打出絕妙好球。這是靠天生的直覺嗎,還是後天的經驗學習?

Decision Making Is a skill. Do you train it? 這篇文章把所謂的能讀懂比賽 (read the game),視為是決策技能的展現,並且拆解成情境評估 (Situational Assessment) 和決策制定 (Decision Making) 的能力。

與其說這能力只特別適用在球場上,我倒覺得所有的PM, Lead, 資深專業工作者,都需要這樣的現場決策技能,才有辦法在臨場會議討論、提案簡報對談中,預測接下來可能發生什麼,並選擇正確的行動。

重點摘要整理如下,全文連結:https://www.linkedin.com/pulse/decision-making-skill-do-you-train-jack-birtwhistle/


▋Decision Making Is a skill. Do you train it?

臨場決策是一種技能,你有好好訓練這樣的能力嗎?

對許多運動員來說,如何下決策 (decision-making) 是一種核心技能。例如足球、橄欖球和籃球等運動,運動員需要迅速評估當下情況並選擇適當的行動。然而場上的情況是高度動態的,隊友、對手和裁判都在獨立做出決策和採取行動,每秒鐘的情勢都在改變。

人們往往會說有些選手比其他人,更能讀懂比賽 (read the game)。他們似乎能預知接下來會發生什麼,並總能比對手快上一步。這是真的,但這能力並非是天生就有的。

決策是一種技能。這些運動員不是魔術師。無論是透過天賦、經驗還是專門的學習,也可能三者兼備。這些選手都培養出了頂尖的感知認知技能 (perceptual-cognitive skills),使他們能夠準確地進行情況評估,預測接下來可能發生什麼,並選擇正確的行動。

當他們在場上比賽時,似乎時間的流動變慢了,他們比對手有更多的時間餘裕。從某種意義上說,他們確實有,因為他們的腦袋能自動流暢地閱讀和反應 (reading and responding),而不需要停下來思考。

那麼我們如何培養這種特殊的技能組合呢?首先,我們把它拆解成兩個部分:情境評估 (Situational Assessment) 和決策制定 (Decision Making)。

閱讀全文 臨場決策是一種技能,你有好好訓練這樣的能力嗎?

如何設計一份能自主成長的工作?

[大衛選讀] 最近我一直在想,五到十年後的工作,還是跟現在一樣嗎?肯定不一樣,過去光是遠端協作工具的導入,就已經改變了整個設計溝通的模式以及職能上的需求。未來 AI 大量自動化之後,對於人類工作挑戰上的改變,肯定是巨大而直接的。

How Well-Designed Work Makes Us Smarter 這篇文章,提到了人類認知的兩種關鍵能力,包含結晶智慧與流體智慧 (Crystallized and Fluid Intelligence)。以及如何透過良好的工作設計,去讓工作者自主學習,累加知識,並且促進認知發展。

身處設計顧問業,我們每一個專案的團隊組成、設計流程、甚至專案挑戰,都是可以 (而且需要) 被設計的。當然不可能隨心所欲想幹嘛就幹嘛,但總是有機會去做點工作設計上的努力,讓大家工作開心自主些,在過程中多一點好的挑戰跟反饋。

重點摘要整理如下,全文連結:https://sloanreview.mit.edu/article/how-well-designed-work-makes-us-smarter/


How Well-Designed Work Makes Us Smarter

如何透過精心規劃的工作安排,讓我們變得更聰明

良好的工作設計,讓工作者能自主、目標導向地解決問題,可以增強員工的認知技能,並且有助於持續學習。

推動員工持續學習是一個日益迫切的優先要務。隨著 AI 人工智能系統的發展,越來越多手動和常規工作會被自動化,人類可能會需要轉而去承擔那些更具認知挑戰 (more cognitively challenging) 的工作。這一切使得管理者必須要認知到,如何在工作場所培育認知能力、加速學習成長,變得越來越關鍵。

研究結果發現,並非所有的工作在促進學習方面都有一樣的效果。但差異並不來自工作的類型,而是跟工作設計 (work design) 是否得當有關。

在這篇文章中,我們將提到五個在工作設計上的重要面向。我們也將針對勞動力逐漸老化的影響,並且在管理實踐上提出建議。但首先,我們將先解釋什麼是認知,以及對工作者績效表現有關的兩種關鍵能力。

結晶智慧與流體智慧 (Crystallized and Fluid Intelligence)

人類認知有兩個關鍵的類型,對工作績效都相當重要:結晶知識和流體認知的能力。

知識包括了我們所知的事實、我們如何做事的理解 (程序性知識, procedural knowledge) ,以及所謂的內隱知識 (tacit knowledge),像是非正式獲得且難以解釋的知識,例如開車的經驗技能。

在整個職業生涯中,隨著人們積累經驗並發展專業,工作相關的知識會隨之增加。這一變化被稱為結晶智慧 (crystallized intelligence) 的增長。

以銷售業務為例,透過持續的銷售活動,他們將更深入了解產品和客戶,形成專業知識。多年下來,大量累積的知識讓他們能夠處理棘手的客戶和複雜的產品問題。銷售業務的知識,也就是結晶智慧,因此累積增加而且能充分運用。

第二種認知是流體認知能力 (fluid cognitive abilities),也就是我們留意、推理跟處理資訊的能力。以剛剛提到的銷售業務為例,基礎的工作記憶能力 (working memory) 和處理複雜資訊的速度,使他們能夠在第一線妥善解決客戶的問題。

結晶而成的知識會累積並在一生當中持續增長;然而後面這種流體認知能力,又稱為流體智慧 (fluid intelligence),通常在成年早期達到高峰,然後就隨著年齡開始退化下降。

閱讀全文 如何設計一份能自主成長的工作?

你是否在解決正確的問題?

[大衛選讀] 你是否在解決正確的問題? 這是在初次接觸客戶時,我腦袋裡面會想的事情,也是我最常在專案前期詢問自家設計團隊的問題。

Are You Solving the Right Problems? 這篇文章,很清晰地說明了重新框定問題 (reframing) 的概念。真正創新的解決方案,大多來自於對於問題的另一種定義。Reframing 的重點,不在於找到「真正」的問題,而是在於是否有「更好」的問題可以解決。重新去辨識問題的不同面向,有時可以帶來根本性的改進,甚至可以激發出創新破框的解決方案。

文中舉了經典的慢速電梯問題,以及大量的實務案例。同時也把重新框定問題的七種實務技巧,都詳細說明了。內容很長,但是值得反覆閱讀,遇到問題時用來敲敲自己的腦袋。應該會有不錯的效果。

重點摘要整理如下,全文連結:https://hbr.org/2017/01/are-you-solving-the-right-problems


▋Are You Solving the Right Problems?

你是否在解決正確的問題?

大多數公司在辛苦掙扎的並不是如何解決問題,而是找出問題是什麼。

在針對 17 個國家的106位 C-suite 主管的調查中,我發現有整整 85% 的人同意他們的組織在問題診斷方面做得並不好,並且有 87% 的人同意這導致了大量成本。

這個行為模式很明顯:由於傾向立即採取行動,管理者往往在不確認他們是否真正理解問題的情況下,就快速切換到解決方案模式。

企業都知道正確診斷問題的重要性,但一部分受制於完整的問題診斷工具過於複雜跟耗時。像是TRIZ, Six Sigma, Scrum等框架,這些工具很強大,但是在組織內導入需要很長一段時間的培訓。即使人們改用更簡單的問題診斷框架,例如 root cause analysis 以及 5 Whys questioning technique 等,他們經常會發現自己是在已經定義的問題上繼續挖得更深,而不會得到其他角度的診斷與觀點。

深入分析問題很好,但真正創新的解決方案,大多來自於對於問題的另一種定義 (alternative definition of your problem)。

慢速電梯問題 (The Slow Elevator Problem)

想像一下:你是一個辦公大樓的業主,你的承租戶正在抱怨電梯很慢,必須等待很長的時間。

當被問到這問題時,大多數人很快就能找出一些解法建議:像是更換電梯、安裝更強的馬達,或者升級電梯的軟體等。

這些建議都屬於解決方案空間 (solution space):一系列各式各樣的解決方案,背後都有著共同的問題假設。在這種情境下,關鍵的問題假設就是電梯很慢。

然而,當這個問題傳給大樓管理員時,他們提出了一個更為巧妙的解決方案:就是在電梯旁邊擺上一面鏡子。這個簡單的措施在減少投訴上非常有效,因為人們在有極其吸引人的東西可以看時 (也就是他們自己),往往會忘記時間。

鏡子的解決方案之所以特別有趣,因為實際上它並不是對原先問題的解決方案:它並未使電梯變快。相反地,它提出了對於問題的不同理解。

要注意的是,一開始的問題分析框架並不一定是錯的,安裝新的電梯確實可能會有效。重新框定 (reframing) 的重點,不在於找到「真正」的問題,而是在於是否有「更好」的問題可以解決。

事實上,認為事物背後肯定有單一的根本問題 (single root problem),可能是個誤解。實務上,問題通常是有很多因素的,並可以透過多種方式來解決。

例如,電梯問題可以被重新定義成高峰需求的問題。問題是太多的人需要同時使用電梯,那就可能會產生出一個致力於分散需求的解決方案,例如如何有效錯開人們的午餐時間。

重新去辨識問題的不同面向,有時可以帶來根本性的改進,甚至可以激發出創新破框的解決方案。

重新框定問題的七種實務技巧 (Seven Practices for Effective Reframing)

在我的經驗中,重新框定 (reframing) 最好能被視為是一種快速的迭代過程。就像是快速原型製作 (rapid prototyping) 一樣。

我在這裡列出的實務技巧,可以用其中任一種方式,取決於你對情況有多少控制權。

一種方式是將所有七種實務技巧都應用到問題上。這大約可以在 30 分鐘內完成,並且有助於讓每個人熟悉這套方法。

另一種方式,只需選擇其中一兩種當下最適合的實踐方式。在你無法控制情況,並且必須根據手邊可用時間多寡來調整方法時,也許就只有五分鐘也行。五分鐘聽起來連描述一個問題的時間都不夠,更不用說是要重新框定它了。但令人驚訝的是,我發現這種短暫的介入 (short interventions) 往往足以激發新的思考,並從根本上改變你對問題的看法。

太貼近手邊的問題,可能會讓你迷失在細節中,進入無止盡的思考迴圈。這時候你會需要有人跳出來,對你大聲說,這問題難道只能這樣想嗎?

以下是七種重新框定問題的實務技巧:

閱讀全文 你是否在解決正確的問題?