Konsepter og prototyper · KI
KI‑prototyper: fra problem til testbar prototype på få timer
Kort oppsummert
Kontekst: Interne eksperimenter og salgsfremstøt på eget initiativ, for å utforske hvordan KI kan gjøre UX-arbeidet raskere og redusere risikoen i nye kundeløsninger.
Tilnærming: En fast arbeidsflyt for rask prototyping med Claude, ChatGPT, Cursor, Next.js og Azure AI, som tar ideer og kunders enkle skisser rett over i levende prototyper i kode som kan testes.
Verdi: Mulige kunder får noe konkret å forholde seg til, tekniske fallgruver og problemer i brukeropplevelsen kommer fram tidlig, og tilbakemeldingene blir raskere og mer presise.
Tydelig forretningsverdi: Hjelper oppstartsbedrifter å komme raskere ut i markedet, og hjelper store bedrifter å redusere risikoen i tregere innovasjonsprosesser før tunge IT-budsjetter vedtas.
Bro mellom design og kode: Fra enkle skisser eller spredte behov til fungerende prototyper i kode, med designtokens, merkevareelementer og ekte KI-funksjonalitet.
Salgsstøtte på eget initiativ: Konkrete, interaktive demoer underbygger tilbud og gjør det enklere for beslutningstakere å se for seg sluttproduktet.
Hvorfor kode og KI som UX-verktøy?
De fleste kunder har vanskelig for å se for seg hvordan en ny prosess eller en KI-funksjon faktisk vil føles i bruk, ut fra statiske Figma-skisser eller tørre tilbudsdokumenter.
Med KI fra første dag, kombinert med moderne utviklerverktøy, kan et problem raskt bli en interaktiv prototype i kode:
- Mål og plan: Kjerneoppgaven som skal løses, struktureres først.
- Merkevare og designtokens: Kundens farger, typografi og komponentlogikk hentes ut.
- Funksjoner og sider: Informasjonsarkitektur og brukerflyt settes opp.
- Iterasjon i kode: Tett samarbeid med KI-verktøyene (Claude, ChatGPT, Cursor) til det visuelle og interaktive resultatet sitter.
Tre eksempler i praksis
Ventilasjonsentreprenør: innkjøpsportal (salgsstøtte)
- Problem: Mange gode innkjøpsavtaler lå gjemt i SharePoint, uten en enkel måte å se hva som lønte seg best.
- Løsning: En prototype i kode som tok kundens enkle skisse et steg videre. To innganger, via kategori eller leverandør, kombinert med en KI-assistent som svarer ut fra avtaledokumentene.
- Resultat: En vellykket presentasjon der kunden ba om et konkret tilbud basert på portaldesignet.
Forlag: vurderingseksemplarer fra pensumliste (internt konsept)
- Problem: Undervisere brukte mye tid på å søke opp og kopiere ISBN-numre for hånd for å bestille vurderingseksemplarer.
- Løsning: En fungerende nettapplikasjon med Azure Document Intelligence. Underviseren limer inn hele pensumlisten, og KI-en foreslår bøkene og matcher dem mot katalogen.
- Læring: En samtale med en professor viste at målgruppen ofte bestiller via bokhandelen. Det viste verdien av å teste antakelser om brukerne tidlig.
Suvenirgrossist: KI-designer som følger egne regler (salgsstøtte)
- Problem: De ansatte brukte allerede KI til designideer, men resultatet var avhengig av hvem som skrev instruksen. KI-en endret ting ingen ba om, og alt måtte sjekkes for hånd. En feil som slipper gjennom, havner i en produksjonskjede på 60–110 dager.
- Løsning: Et internt designverktøy: et skjema med selskapets egne designregler, KI som lager forslag, en egen KI som sjekker resultatet mot briefen, og endringer der resten av motivet låses.
- Læring: Kunden viste seg å ha et annet hovedbehov enn det konseptet løste. Men den konkrete prototypen ga med en gang et grunnlag for å snakke om de virkelige behovene.
Hva jeg tok med meg videre
- Konkrete prototyper gir bedre tilbakemeldinger: Når brukere og kunder får teste noe som faktisk virker, går samtalen fra misforståelser til presise, nyttige tilbakemeldinger.
- En person må ha kontrollen over KI-en: Prototypene viste at KI kan hente feil data eller tolke tabeller feil. Synlig kontroll, tydelige datoer og steg for godkjenning er avgjørende for at brukeren skal stole på systemet.
- Det er billig å teste tidlig: Rask prototyping gjør det billig å feile eller endre kurs tidlig, før organisasjonen har investert store summer i full utvikling.