Utenti sintetici nella ricerca UX: il futuro dell’analisi degli utenti?

L’intelligenza artificiale (IA) sta ridefinendo i confini di molti settori. Come agenzia UX, anche in Conflux stiamo sperimentando l’utilizzo di nuovi strumenti per la ricerca e la progettazione dell’esperienza utente basati sull’IA. In particolare, nella UX research abbiamo introdotto l’uso di utenti sintetici, cioè simulazioni di utenti generate dall’IA. Queste entità digitali, create per replicare i comportamenti, le preferenze e le interazioni degli utenti reali, stanno suscitando un crescente interesse nel settore come promettente strumento utile per ottimizzare il lavoro di ricerca sugli utenti.

Le opportunità offerte dall’AI nel campo della user experience sono molte e in gran parte ancora da esplorare. Grazie all’intelligenza artificiale, ricercatori e ricercatrici UX possono raccogliere e analizzare quantità enormi di dati, oltre che ottenere insight utili per la comprensione degli utenti, che possono stimolare e far evolvere ulteriormente il lavoro di indagine. Affiancare la ricerca con gli utenti reali a quella con gli utenti sintetici permette di rendere più veloce, efficiente e potenzialmente meno costoso il processo di ricerca.

In questo articolo, andremo ad approfondire cosa sono gli utenti sintetici e come si utilizzano nella ricerca UX. Prenderemo in considerazione sia i loro potenziali benefici, sia i loro limiti. Vedremo come è possibile ottenere il massimo da questo strumento tramite un approccio alla ricerca UX equilibrato, che integra utenti AI-generated con i metodi di ricerca tradizionali.

‍

Cosa sono gli utenti sintetici e come funzionano

Gli utenti sintetici sono uno dei nuovi strumenti basati sull’IA che si stanno facendo largo nel campo della UX Research, generando un certo dibattito sul loro utilizzo. Questi utenti non-reali offrono a chi fa ricerca la possibilità di interagire con profili utente generati dall’IA, in grado di simulare in modo realistico il comportamento e le risposte di gruppi di utenti specifici. A differenza, ad esempio, delle user personas tradizionali, che sono profili generati a partire da statiche basate su ricerche e dati demografici, gli utenti sintetici sono interattivi, consentendo ai ricercatori di porre domande, condurre interviste e ottenere feedback simulati.

Alla base del loro funzionamento ci sono i modelli linguistici di grandi dimensioni (LLM), come ChatGPT, addestrati su enormi dataset di informazioni sul comportamento umano, conversazioni e interazioni online. Piattaforme specializzate come Synthetic Users sfruttano e combinano questi LLM per creare profili utente sintetici personalizzati in base alle esigenze specifiche della ricerca UX.

Come creare e utilizzare gli utenti sintetici

Per creare e utilizzare utenti sintetici, i ricercatori definiscono innanzitutto i gruppi di utenti target, gli obiettivi della ricerca e il tipo di intervista che si vorrebbe realizzare. Oltre ad indicare il gruppo di utenti su cui si svolge l’indagine, i ricercatori possono inserire dettagli aggiuntivi simili come specifici bisogni, obiettivi o paure degli utenti. A questo punto, la piattaforma genererà profili utente sintetici simili a user personas, completi di background, esperienze e obiettivi pertinenti al gruppo di utenti scelto.

Una volta creati i profili degli utenti sintetici, i ricercatori possono interagire con gli utenti sintetici attraverso interviste simulate. In generale, le interviste potranno essere utilizzate per esplorare uno specifico problema, facendo domande di approfondimento e sondando le motivazioni degli utenti; oppure per ottenere i feedback degli utenti su una soluzione o su un prototipo.

Risultati delle interviste con utenti sintetici

Nel caso di Synthetic Users, la piattaforma produrrà trascrizioni dettagliate di queste interviste, consentendo ai ricercatori di analizzare le risposte, identificare tendenze o potenziali problemi di usabilità, oppure di fare domande di followup e continuare l’intervista. In altri casi, le piattaforme di utenti sintetici possono anche generare report di sintesi basati sulle interazioni, evidenziando i principali risultati e fornendo raccomandazioni per migliorare la progettazione UX/UI.

L’uso di utenti sintetici offre un modo rapido ed efficiente per raccogliere dati qualitativi e testare diverse ipotesi di progettazione, soprattutto nelle fasi iniziali del processo di sviluppo del prodotto. Tuttavia, è importante ricordare che gli utenti sintetici sono simulazioni basate su modelli di IA e, nonostante possano fornire insight preziosi per la ricerca, non sostituiscono completamente i test con utenti reali.

‍

Potenziali vantaggi degli utenti sintetici nella ricerca UX

L’integrazione degli utenti sintetici nella ricerca UX offre una serie di vantaggi che possono migliorare l’efficienza, la velocità e l’approfondimento dell’analisi degli utenti.

Accessibilità e la velocità. Le piattaforme dedicate alla creazione di utenti sintetici forniscono un accesso rapido a informazioni dettagliate sugli utenti, consentendo ai ricercatori di raccogliere dati e feedback in tempi notevolmente ridotti rispetto ai metodi tradizionali. Questo può essere particolarmente utile in contesti di sviluppo agile, dove i tempi di ricerca sono limitati e la capacità di ottenere informazioni rapide sugli utenti è fondamentale per prendere decisioni informate e apportare modifiche tempestive al prodotto o servizio in fase di sviluppo.

Esplorazione di nuovi domini o gruppi di utenti. Quando un team di ricerca si avvicina a un nuovo settore o a un target di utenti poco conosciuto, gli utenti sintetici possono fornire una base di conoscenze iniziale, consentendo ai ricercatori di raccogliere informazioni preliminari, identificare potenziali esigenze e punti critici e formulare ipotesi di ricerca da esplorare successivamente con metodi tradizionali.

Generare nuove ipotesi di ricerca. Le interazioni con gli utenti sintetici possono fornire spunti e intuizioni preziose sulle esigenze, i comportamenti e le preferenze degli utenti, che i ricercatori possono utilizzare per sviluppare ipotesi iniziali da testare e validare successivamente attraverso la ricerca con utenti reali.

‍

Limitazioni degli utenti sintetici nella ricerca UX

Sebbene gli utenti sintetici offrano notevoli vantaggi, è fondamentale essere consapevoli delle loro limitazioni per utilizzarli in modo efficace e responsabile nella ricerca UX.

Tendenza a fornire feedback eccessivamente positivi. Per sua natura, l’intelligenza artificiale è progettata per compiacere e soddisfare le richieste degli utenti. Questo può portare a risposte superficiali e poco critiche. Si tratta di un fenomeno noto come sicofantia, che, nel caso della ricerca UX, può ostacolare l’identificazione di potenziali problemi o aree di miglioramento in un progetto, poiché nelle interviste con gli utenti sintetici potrebbero non emergere eventuali criticità o feedback costruttivi.

Qualche difficoltà nel catturare la complessità e le sfumature del comportamento umano. Valori, desideri, bisogni ed emozioni sono aspetti intrinsecamente umani che possono essere difficili da replicare accuratamente attraverso un modello di IA. Ad esempio, in uno studio sulla partecipazione a un corso online e a un forum di discussione, gli utenti sintetici potrebbero fornire feedback eccessivamente ottimistici, affermando che sicuramente completeranno il corso e parteciperanno attivamente al forum. Durante le interviste con utenti reali, potremmo riscontrare risposte più ricche di sfumature, evidenziando le potenziali barriere e le difficoltà che potrebbero influenzare il loro comportamento.

Incapacità di replicare esperienze del mondo reale. Poiché non possono interagire realmente con un prodotto o servizio, le intuizioni degli utenti sintetici devono essere interpretate con cautela, soprattutto quando fanno riferimento a loro “esperienze passate”. Ad esempio, se si sta progettando un’app per la navigazione durante la guida, un utente sintetico potrebbe non essere in grado di fornire un feedback realistico sulle potenziali distrazioni o sui problemi di usabilità legati all’utilizzo dell’app in un contesto reale.

La qualità delle informazioni è limitata dai dati su cui sono stati addestrati. Se l’insieme di dati per l’addestramento sono incompleti o presentano bias, ne vedremo gli effetti nelle risposte degli utenti sintetici. Questo succede più di frequente se stiamo svolgendo un’indagine un gruppo di utenti molto specifico, una nicchia probabilmente poco rappresentata nel dataset di informazioni con cui è stato addestrato il LLM. In questi casi, gli utenti sintetici potrebbero non essere in grado di fornire informazioni accurate o rappresentative delle loro esigenze e aspettative.

Considerando i limiti appena elencati, risulta chiaro che gli utenti sintetici devono essere uno strumento di ricerca complementare rispetto a quelli tradizionalmente usati nella UX Research. Gli utenti generati con l’IA offrono molti vantaggi, ma l’interazione con utenti reali rimane essenziale per ottenere una comprensione accurata delle loro esperienze, emozioni e motivazioni.

‍

Come usiamo utenti sintetici e IA in Conflux

Nella nostra agenzia UX adottiamo un approccio integrato, utilizzando gli utenti sintetici in combinazione con metodi di ricerca tradizionali. Ad esempio, utilizziamo gli utenti sintetici per esplorare un specifico dominio, generare ipotesi iniziali e raccogliere feedback preliminari nelle prime fasi di progettazione. Oppure, in un’ottica di automazione della ricerca UX, realizziamo GPT custom per svolgere test utente su mockup, puntando a dati più focalizzati sull’interfaccia.

Ci affidiamo alla ricerca con utenti reali per convalidare le nostre ipotesi, raccogliere dati qualitativi approfonditi e ottenere una comprensione completa delle esigenze e delle aspettative degli utenti.

‍

Best practice per l’utilizzo degli utenti sintetici nella ricerca UX

Per sfruttare al meglio il potenziale degli utenti sintetici nella ricerca UX, è fondamentale adottare un approccio strategico e consapevole che ne massimizzi i benefici e gestisca consapevolmente le limitazioni intrinseche dello strumento.

Innanzitutto, è essenziale combinare l’uso di utenti sintetici con la ricerca tradizionale sugli utenti. Gli utenti sintetici possono fornire informazioni utili e accelerare alcune fasi della ricerca, ma non possono sostituire l’interazione diretta con utenti reali. La combinazione di strumenti di ricerca tradizionali e AI-based ci aumenta la nostra capacità di indagare e comprendere in modo completo e accurato le aspettative e i comportamenti degli utenti.

In secondo luogo, è importante trattare gli output degli utenti sintetici come ipotesi da validare. Le informazioni generate tramite l’intelligenza artificiale possono essere utilizzate per formulare ipotesi iniziali, identificare potenziali aree di interesse e sviluppare domande di ricerca da esplorare successivamente con utenti reali. I risultati delle interviste con utenti sintetici sono da considerare come punti di partenza per ulteriori indagini e approfondimenti.

Essere trasparenti con le parti interessate riguardo all’utilizzo di utenti sintetici nella ricerca è altrettanto fondamentale. Bisogna comunicare chiaramente agli stakeholder che i risultati ottenuti dagli utenti sintetici non sostituiscono i dati reali degli utenti, e che il loro utilizzo è valido solo se utilizzati in combinazione con altri metodi di ricerca. Questa trasparenza è essenziale per garantire che le decisioni di progettazione siano basate su dati solidi e affidabili.

Infine, è necessario essere sempre consapevoli dei limiti degli utenti sintetici. Come abbiamo detto prima, gli utenti sintetici possono presentare bias, fornire feedback eccessivamente positivi e incontrare difficoltà nel catturare la complessità del comportamento umano. È importante tenere conto di queste limitazioni, soprattutto quando si progetta per popolazioni di utenti specifiche o si affrontano temi sensibili, e utilizzare gli utenti sintetici in modo responsabile e etico.

Conclusione

L’intelligenza artificiale e gli LLM offrono molte opportunità per la progettazione dell’esperienza utente. In particolare, gli utenti sintetici sono una risorsa promettente nel panorama sempre in evoluzione della ricerca UX. La loro capacità di fornire informazioni rapide e accessibili sugli utenti, generare ipotesi di ricerca e supportare l’esplorazione di nuovi domini li rende uno strumento prezioso per UX designer e researcher.

Non bisogna però dimenticare che gli utenti sintetici non possono sostituire completamente l’interazione con utenti reali. La ricerca qualitativa sugli utenti svolta con metodi di ricerca tradizionali rimane indispensabile per ottenere una comprensione accurata ed empatica degli utenti, consentendo di prendere decisioni di progettazione basate sui dati e creare prodotti e servizi che rispondano alle loro esigenze.

Investire in UX design e AI è la chiave per un futuro della telemedicina più innovativo, efficiente e centrato sul paziente, contribuendo a un sistema sanitario più reattivo e personalizzato.

HEI!LAB, un’eccellenza nata dall’impegno di Conflux ed Edra, è punto di riferimento in Italia per le soluzioni digitali nel contesto salute. L’Innovation LAB, al quale abbiamo dato vita, si concentra sulla progettazione in ambito healthcare di percorsi di cura che pongono le persone al centro.

L’obiettivo del progetto è quello di sviluppare un sistema sanitario che offra cura di prossimità fisica e digitale, dando priorità alle esigenze del paziente e adattandosi alle nuove tecnologie per garantire servizi sanitari, come quelli di telemedicina, accessibili e di qualità.

‍