Att designa för osäkerhet

AI är inte nytt längre, det har länge använts för att generera kod, analysera data, skriva tester eller effektivisera designarbete. I dessa fall har AI varit ett kraftfullt verktyg i arbetet med framtagandet av en lösning, men inte lösningen i sig – alltså det som användaren sedan ska använda. Leverabeln har fortfarande varit en traditionell digital produkt: ett system, ett gränssnitt, en sajt, ett flöde. UX‑frågan har därmed kunnat förbli orörd, även om sättet vi genomför leverans har förändrats.

Det som förändrar spelplanen på riktigt är när AI inte längre bara används i leveransprocessen utan när AI är själva leverabeln. När det är AI som användaren möter och samarbetar med. När lösningen inte är ett fast flöde inkapslat i kod, utan ett system som tolkar, generaliserar och svarar med viss osäkerhet. Det är här den klassiska UX‑frågan börjar träda in i okänd terräng. Den skiftar från ”är detta lätt att använda?” till ”hur ska AI:n samspela med användaren?”.

Den nya frågan rör inte primärt gränssnitt, utan relation. Den handlar inte om enskilda flöden, utan om samspel över tid. En AI‑baserad leverabel beter sig inte likadant varje gång. Samma fråga kan ge olika svar beroende på kontext, formulering eller tidigare interaktioner. Där traditionella system byggt på ett kontrakt mellan människa och maskin, där orsak och verkan varit tydliga, introducerar AI ett mer öppet och probabilistiskt samspel. UX måste förhålla sig till detta som normalläge, inte som undantag. I denna kontext blir det också tydligt att AI‑leverabler aldrig är färdiga i klassisk mening. De fortsätter att utvecklas, justeras och förbättras efter att de satts i bruk. Gränsen mellan utforskande och leverans suddas ut. Utforskandet upphör att vara en avgränsad fas före leverans och blir istället ett kontinuerligt tillstånd. Själva leveransen handlar inte längre om att leverera ett stabilt och slutgiltigt beteende, utan om att leverera ett system som får lära sig, men inom tydligt designade ramar.

Detta får direkta konsekvenser för UX‑rollen i de fall som AI är leverabeln. Det räcker inte att säkerställa att gränssnittet är begripligt eller att användaren snabbt når slutet av flödet. UX måste istället ta ansvar för hur AI:n uppträder i mötet med användaren. När bör AI:n ta initiativ och när bör den avvakta? Hur kommunicerar den osäkerhet utan att underminera förtroende? När borde den fråga snarare än svara? Allt detta ligger i skärningspunkten mellan design, etik och riskhantering, och de är i högsta grad UX‑frågor.

Många team har under de senaste åren arbetat utforskande med AI genom snabba experiment och snabba PoC:ar, innan utveckling och leverans. Däremot, när AI är leverabeln förskjuts detta fokus från kod till beteende. Det som utforskas är inte bara om något fungerar tekniskt, utan hur AI:n upplevs, tolkas och påverkar användarens beslut. Promptar, exempel, specar och begränsningar blir designmaterial på samma sätt som skisser och prototyper varit inom traditionell UX. Skillnaden är att det som utforskas inte är en prototyp, utan det som användaren faktiskt möter i verkligheten, vilket ställer helt andra krav på medvetenhet och ansvar. När AI är leverabeln blir UX den disciplin som ger det avancerade, lärande systemet en mänskligt anpassad output. UX designar inte bort osäkerheten, men gör den begriplig. UX försöker inte göra AI perfekt, men gör det tydligt för användaren hur den ska hanteras. Det handlar mindre om att optimera enskilda features och mer om att etablera ett hållbart samspel mellan människa och maskin med siktet på en bestämd outcome.

För oss som arbetar med innovation, utveckling och rådgivning innebär detta ett tydligt perspektivskifte. AI kommer fortsättas att användas som ett kraftfullt verktyg under utvecklingsfasen av traditionella lösningar. Men när AI blir själva leverabeln förändras förutsättningarna i grunden. Då räcker det inte att fråga om lösningen är lätt att använda. Den avgörande frågan blir hur AI:n samspelar med användaren, över tid, i osäkerhet och under ansvar. Det är i detta skifte som UX går från att vara en stödjande funktion till att bli en bärande del i hur AI‑leverabler faktiskt fungerar i praktiken.