Prof. Saeema Ahmed-Kristensen, Direktur DIGIT Lab – Seri Wawancara

Profesor Saeema Ahmed-Kristensen adalah seorang cendekiawan teknik desain terkemuka dan Wakil Rektor Madya (Penelitian & Dampak) di University of Exeter, di mana dia juga menjabat sebagai Direktur Laboratorium DIGIT, Sebuah inisiatif penelitian interdisipliner utama yang berfokus pada inovasi dan transformasi digital. Penelitiannya mencakup kreativitas dan kognisi desain, desain berbasis data dan digital, serta integrasi teknologi canggih ke dalam rekayasa dan pengembangan produk yang kompleks, dengan penekanan kuat pada penerjemahan wawasan akademis ke dalam dampak dunia nyata melalui kolaborasi industri, keterlibatan kebijakan, dan program penelitian berskala besar.

Karier Anda telah mencakup Cambridge, DTU, Imperial College London, Royal College of Art, dan sekarang Universitas Exeter. Jika melihat ke belakang, pengalaman atau titik balik apa yang paling membentuk pemikiran Anda tentang desain, kreativitas, dan peran teknologi digital?

Karya saya di bidang desain telah mencakup berbagai budaya dan disiplin ilmu. Saya memulai di Brunel di salah satu dari sedikit program studi pada waktu itu yang menggabungkan teknologi, desain yang berpusat pada manusia, dan pemahaman tentang bentuk. Program itu mengajarkan saya sejak dini bahwa kreativitas dan inovasi saling terkait erat.

Berkuliah di Cambridge kemudian membuka wawasan saya lebih luas. Lingkungan kampus memperkenalkan saya pada banyak disiplin ilmu dan menunjukkan kepada saya bagaimana inovasi bergantung pada penggabungan pengetahuan lintas bidang. Disertasi PhD saya berfokus pada sektor kedirgantaraan dan meneliti bagaimana perancang teknik menemukan dan menggunakan informasi. Saya mempelajari bagaimana orang mengakses pengetahuan, bagaimana keahlian dapat didukung atau direplikasi, dan persimpangan antara kognisi, ilmu komputer, dan desain teknik. Perspektif yang berpusat pada manusia ini tetap melekat pada saya sejak saat itu.

Seiring dengan perkembangan teknologi digital, pertanyaan-pertanyaan dalam pekerjaan saya pun semakin beragam. Munculnya data IoT, AI, dan komputasi tingkat lanjut telah menggeser desain dari yang hanya berpusat pada manusia menjadi berpusat pada masyarakat. Hal ini terus membentuk pekerjaan saya di Universitas Exeter, tempat saya memimpin DIGIT Lab dan berfokus pada peran LLM (Licensed Learning and Learning) dalam proses kreatif, hambatan yang dihadapi industri dalam mengadopsinya, dan bagaimana data dapat mendorong inovasi.

Pengalaman saya di Imperial dan Royal College of Art memperkuat keyakinan saya bahwa desain jauh lebih dari sekadar membentuk produk atau layanan. Dengan orang-orang, proses, dan budaya yang tepat, desain menjadi pendorong teknologi, material, dan ide baru yang dapat diterapkan secara luas untuk mengatasi tantangan global saat ini dan di masa mendatang.

DIGIT Lab sangat berfokus pada transformasi digital di dalam organisasi besar yang sudah mapan. Dari sudut pandang Anda, menurut Anda apa yang paling sering disalahpahami oleh para pemimpin tentang bagaimana AI akan mengubah desain, inovasi, dan pengambilan keputusan?

Selama beberapa dekade, AI telah mengalami kemajuan dalam penelitian dan diadopsi di industri tertentu, tetapi kemajuan tersebut seringkali dibatasi oleh kesenjangan keterampilan, pemahaman kepemimpinan, dan kejelasan tentang nilai dan infrastruktur yang dibutuhkan. Dengan munculnya LLM dan alat generatif seperti DALL·E, AI kini lebih mudah diakses dan membutuhkan keahlian atau pengaturan khusus yang jauh lebih sedikit. Namun, hal ini juga menimbulkan pertanyaan baru tentang privasi, keamanan data, dan seberapa baik model tujuan umum diterapkan pada domain spesifik.

Dalam desain dan inovasi, isu-isu ini sangat jelas. Penelitian kami, yang mengkaji lebih dari 12,000 ide yang dihasilkan oleh manusia dan AI, menunjukkan bahwa ide-ide AI cenderung berkelompok di sekitar konsep yang serupa. Hal ini menyoroti perlunya membangun keahlian manusia ke dalam alat-alat generik, mengadaptasi AI untuk domain tertentu, atau memahami kapan dan bagaimana menggunakan AI bersamaan dengan kreativitas dan pengambilan keputusan manusia.

Sebagian besar penelitian Anda mengeksplorasi kreativitas dan kognisi dalam desain. Dengan AI generatif yang kini mampu menghasilkan ide, konsep, dan iterasi dalam skala besar, aspek kreativitas apa yang Anda anggap unik bagi manusia — dan bagian mana yang dapat secara bertanggung jawab beralih ke proses yang digerakkan oleh AI?

Bagi saya, kreativitas selalu lebih dari sekadar menghasilkan alternatif. Ini tentang niat, makna budaya, dan koneksi emosional yang diciptakan oleh sebuah desain. Survei DIGIT Lab kami baru-baru ini memperjelas hal ini: 82% orang mengatakan kepada kami bahwa pekerjaan yang dipimpin manusia atau hibrida terasa lebih bermakna, dan 71% mengatakan mereka merasa kurang terhubung secara emosional dengan desain yang hanya menggunakan AI. Banyak yang menggambarkan karya yang dihasilkan AI sebagai "kurang emosi" (48%) atau "terlalu sempurna" (40%), dan 36% merasa dampaknya cepat memudar. Tanggapan ini memperkuat sesuatu yang telah saya yakini sejak lama. Keterlibatan emosional bukanlah hal yang sekadar pelengkap; ini penting bagi bagaimana orang mengalami dan menghargai karya kreatif.

Penelitian kami yang membandingkan ide manusia dan AI juga menunjukkan bahwa desainer manusia lebih baik dalam menciptakan ide-ide yang beragam dan baru, serta memastikan hasil kreatif, baik itu karya seni, desain produk, atau layanan, memiliki kedalaman dan makna. Para ahli kreatif memiliki keahlian yang belum mungkin ditiru. Desainer perlu memahami masalah sebelum menghasilkan ide, dan LLM (Learning Learning Models) sangat berguna dalam mengumpulkan informasi untuk membantu desainer beralih dari satu masalah ke masalah lain. Jika kita dapat membangun model keahlian manusia ke dalam alat AI, alat tersebut juga dapat mendukung evaluasi ide, memungkinkan AI untuk memanfaatkan keterampilan kreatif manusia dengan lebih baik.

Pendekatan rantai pemikiran yang sedang kami uji coba mendukung LLM mengikuti jejak pakar. pemikiranBukan hanya sekadar memberikan skor. Dalam semua kasus, pengawasan manusia diperlukan untuk menafsirkan hasil dan memastikan bahwa pilihan desain selaras dengan pengalaman nyata pengguna.

Jelas bahwa kita harus menciptakan model yang mampu menangkap bagaimana orang mengalami produk, layanan, dan interaksi dengan cara yang dapat diinterpretasikan oleh komputer, atau mengintegrasikan data tebal (wawasan kualitatif yang kaya yang memberikan konteks) dengan data tipis atau data sensor besar yang kita kumpulkan. Mengembangkan model-model ini bukanlah hal yang mudah, dan di sinilah keterlibatan manusia tetap penting.

Jadi bagi saya, kesimpulannya bukanlah bahwa AI tidak memiliki tempat dalam kreativitas. Jauh dari itu. Melainkan bahwa AI dan manusia memberikan kekuatan yang berbeda. Fakta bahwa orang secara konsisten merespons lebih positif terhadap karya manusia atau hibrida hanya menunjukkan di mana pusat gravitasi berada. AI dapat membantu mengeksplorasi ruang desain yang lebih luas, menganalisis pola, dan menawarkan kritik terstruktur, tetapi persepsi tentang keseragaman, kesempurnaan algoritmik, dan jarak emosional menunjukkan di mana AI masih membutuhkan penilaian manusia untuk mengubah kemungkinan menjadi sesuatu yang beresonansi.

Itulah mengapa saya melihat masa depan kreativitas sebagai sesuatu yang pada dasarnya kolaboratif. AI dapat memperluas cakupan kemungkinan. Para desainer membawa empati, pemahaman budaya, dan tujuan yang memberi makna pada kemungkinan-kemungkinan tersebut. Ketika keduanya bekerja sama, dengan penilaian manusia yang menentukan arah dan AI yang memperkaya eksplorasi, hasilnya adalah proses kreatif yang lebih teliti, lebih imajinatif, dan pada akhirnya lebih manusiawi dalam hasilnya.

Anda telah mempelopori pendekatan untuk mengukur pengalaman pengguna dan menyusun pengetahuan desain. Seiring dengan semakin besarnya tanggung jawab sistem AI dalam menghasilkan produk dan layanan, bagaimana kita memastikan bahwa pengalaman manusia, emosi, dan sinyal budaya tetap menjadi pusat proses desain?

Untuk memusatkan perhatian pada pengalaman manusia, kita perlu menyematkan pengetahuan tentang persepsi dan emosi ke dalam metode kita.

Terdapat dua pendekatan utama. Pendekatan pertama mengakui kebutuhan akan data kualitatif yang memungkinkan pemahaman mendalam tentang pengalaman, persepsi, dan emosi manusia, yang menjadi dasar kolaborasi manusia-AI yang efektif. Pendekatan kedua—yang menjadi fokus pekerjaan saya—bertujuan untuk menerjemahkan pengetahuan ini ke dalam model yang dapat dipahami dan digunakan oleh sistem AI.

Model-model ini kompleks untuk dikembangkan, karena harus mengintegrasikan pengalaman pengguna, persepsi manusia, dan karakteristik produk atau sistem yang dirancang, untuk memprediksi respons manusia dan pengalaman secara keseluruhan.

Anda banyak bekerja dengan industri-industri kompleks – kedirgantaraan, medis, manufaktur, dan produk konsumen. Dalam lingkungan yang penuh risiko ini, bagaimana Anda menyeimbangkan potensi desain yang didukung AI dengan kebutuhan akan keamanan, ketertelusuran, dan kepercayaan?

Di sektor berisiko tinggi seperti perawatan kesehatan, kedirgantaraan, dan manufaktur, pertanyaannya bukanlah apakah AI dapat digunakan, tetapi bagaimana AI diatur. Kepercayaan di lingkungan ini bergantung pada akuntabilitas, keterlacakan, dan penjelasan yang jelas di setiap tahap proses desain dan pengambilan keputusan. AI dapat memainkan peran pendukung yang kuat dalam simulasi, optimasi, dan eksplorasi tahap awal, tetapi AI tidak dapat menjadi otoritas terakhir.

Banyak dari bidang-bidang ini diatur secara ketat dan tunduk pada persyaratan keamanan yang ketat, yang menuntut penanganan data secara aman, baik data pribadi maupun data yang sensitif secara komersial. Dalam konteks ini, perintah atau pertanyaan seringkali perlu dikembangkan menggunakan data lokal untuk memastikan kekhususan dan relevansi, dan merupakan hal umum bagi organisasi di sektor-sektor ini untuk membangun dan memelihara alat AI mereka sendiri.

Penelitian kami yang lebih luas secara konsisten menunjukkan bahwa sistem hibrida sangat penting: AI harus melengkapi penilaian ahli, bukan menggantikannya. Pengawasan manusia harus tetap terintegrasi dalam setiap titik keputusan penting, terutama yang berkaitan dengan keselamatan, risiko, dan tanggung jawab. Agar regulator dan pengguna akhir mempercayai sistem yang didukung AI, organisasi juga membutuhkan dokumentasi transparan tentang bagaimana model dilatih, data apa yang mereka gunakan, dan bagaimana output dihasilkan. Tanpa transparansi tersebut, kepercayaan tidak dapat berkembang, tidak peduli seberapa canggih teknologinya.

Banyak organisasi kesulitan menjembatani kesenjangan antara "bereksperimen dengan AI" dan mengintegrasikannya secara bermakna ke dalam pengembangan produk. Langkah-langkah praktis apa yang akan Anda rekomendasikan untuk tim yang mencoba beralih dari eksperimen ke implementasi strategis?

Banyak organisasi terhenti pada tahap eksperimen karena mereka mengadopsi AI tanpa tujuan strategis yang jelas. Langkah praktis pertama adalah menjelaskan secara eksplisit peran apa yang akan dimainkan AI dalam proses pengembangan, apakah itu mendukung ide, mempercepat pengujian, meningkatkan evaluasi, atau meningkatkan pengambilan keputusan. Tanpa kejelasan tersebut, proyek percontohan tetap terputus dari hasil bisnis dan desain yang sebenarnya.

Tim juga membutuhkan fondasi yang tepat. Itu berarti berinvestasi dalam data berkualitas tinggi dan terkelola dengan baik, terutama data yang mencerminkan pengalaman pengguna sebenarnya, bukan hanya kinerja teknis semata. Itu juga berarti bersikap realistis tentang batasan AI saat ini, terutama dalam penilaian kreatif dan berpusat pada manusia, di mana pengawasan ahli tetap penting.

Banyak sektor mulai mengembangkan kebijakan AI yang memandu tim melalui proses eksperimen dengan AI, mulai dari membangun studi kelayakan bisnis dan menjalankan proyek percontohan hingga adopsi yang lebih luas. Kebijakan ini membantu organisasi mengidentifikasi di mana AI benar-benar dapat memberikan nilai tambah, sekaligus memastikan bahwa manusia tetap terlibat jika diperlukan.

Terakhir, organisasi harus menjalankan uji coba terstruktur dan berisiko rendah yang terintegrasi dalam alur kerja nyata, bukan dijalankan secara terpisah. Uji coba ini harus bersifat interdisipliner, menyatukan desainer, insinyur, ilmuwan data, dan pakar bidang tertentu sehingga pembelajaran dapat dibagikan dan ditransfer. AI memberikan nilai ketika dirancang ke dalam praktik sehari-hari, bukan diperlakukan sebagai lapisan eksperimental yang terpisah.

Anda memiliki rekam jejak yang panjang dalam mengembangkan metode untuk menyusun dan mengotomatiskan pengetahuan. Seberapa dekat kita dengan sistem AI yang dapat bernalar tentang maksud desain, kebutuhan pengguna, dan konteks dengan cara yang benar-benar menambah nilai, bukan sekadar menghasilkan konten?

Di beberapa bidang, memprediksi preferensi pengguna relatif mudah, karena data seperti riwayat penelusuran atau catatan film atau acara televisi yang telah ditonton dapat digunakan untuk memberikan rekomendasi. Bidang-bidang ini mendapat manfaat dari ketersediaan data yang mudah.

Sebaliknya, tantangan utama dalam perancangan produk dan layanan adalah bahwa data tentang pilihan, kebutuhan, dan pengalaman hidup masyarakat seringkali tidak mudah didapatkan.

My penelitian terbaru Bersama Digit Lab, kami menyelidiki kemampuan LLM (Learning Learning Model) ketika diberi model tentang bagaimana orang mempersepsikan dan merespons fitur desain. Namun, model saat ini beroperasi pada pola dalam data dan tidak dapat mengkontekstualisasikan makna. Studi sebelumnya yang menghubungkan bentuk dengan persepsi menunjukkan bahwa bahkan perubahan kecil dalam bentuk dapat menggeser respons emosional, dan hal-hal halus seperti itu sulit diantisipasi oleh AI tanpa bimbingan manusia atau model canggih yang perlu diterapkan. Oleh karena itu, penalaran AI tentang maksud semakin meningkat, tetapi tetap menjadi pelengkap keahlian manusia.

Seiring dengan percepatan siklus desain oleh AI — dari ide hingga pembuatan prototipe — keterampilan baru apa yang akan dibutuhkan para desainer? Bagaimana seharusnya universitas dan organisasi memikirkan kembali pelatihan untuk generasi talenta kreatif berikutnya?

Para desainer perlu menguasai persepsi manusia dan alat-alat yang didukung AI. Memahami bagaimana bentuk, material, dan proporsi membentuk respons emosional akan tetap menjadi hal mendasar dalam desain yang baik. Pada saat yang sama, para desainer harus mampu bekerja dengan percaya diri dengan sistem AI yang mendukung pembangkitan dan evaluasi ide. Itu berarti tidak hanya menggunakan alat-alat tersebut, tetapi juga memahami apa yang dioptimalkan oleh alat-alat tersebut dan di mana letak keterbatasannya. Seiring AI semakin terintegrasi dalam alur kerja desain, kemampuan untuk menafsirkan outputnya secara kritis dan menggabungkannya dengan penilaian manusia akan menjadi salah satu keterampilan kreatif yang paling berharga.

Seiring dengan percepatan siklus desain oleh AI dari tahap ideasi hingga pembuatan prototipe, para desainer akan membutuhkan perpaduan kemampuan dan cara berpikir baru yang melampaui keterampilan kerajinan tradisional. Mereka perlu memahami cara kerja teknologi digital, apa yang dapat (dan tidak dapat) diungkapkan oleh berbagai jenis data, dan bagaimana menggabungkan keahlian desain dengan literasi AI. Ini termasuk mengetahui cara bekerja dengan data berkualitas tinggi dan terkelola dengan baik yang mencerminkan pengalaman pengguna nyata, daripada hanya mengandalkan metrik kinerja teknis. Di samping itu, para desainer juga perlu memiliki kemampuan untuk mengenali di mana AI bermanfaat dan di mana kreativitas manusia dan pemikiran kritis harus tetap menjadi pusat perhatian.

Untuk memenuhi kebutuhan ini, universitas dan organisasi harus memikirkan kembali bagaimana mereka melatih generasi talenta kreatif berikutnya. Beberapa universitas sudah mengintegrasikan ilmu data ke dalam program desain; sebuah langkah penting, tetapi tidak cukup sendirian. Yang masih kurang adalah metode berpikir desain yang sesuai dengan realitas era digital: metode yang membantu desainer berkolaborasi dengan AI, bekerja lintas disiplin, dan menavigasi eksperimen cepat sambil mempertahankan pengawasan yang etis dan berpusat pada manusia.

Mengatasi kesenjangan ini sangat penting. Itulah mengapa saya dan kolega saya, Dr. Ji Han, sedang menulis buku bersama Cambridge University Press tentang hal ini. Pemikiran Desain di Era Digitalyang menyatukan kerangka kerja, keterampilan, dan cara berpikir yang dibutuhkan untuk mendesain secara efektif bersama AI.

DIGIT Lab menekankan transformasi yang bertanggung jawab. Menurut Anda, risiko etika atau sosial apa yang perlu lebih diperhatikan seiring dengan semakin terintegrasinya AI dalam alur kerja desain di berbagai industri?

Salah satu contohnya adalah memastikan penggunaan data secara etis, termasuk memperoleh persetujuan berdasarkan informasi dan menjaga transparansi tentang kumpulan data yang digunakan untuk mengembangkan produk AI, serta potensi bias yang mungkin terkandung di dalamnya. Misalnya, kumpulan data yang tertanam dalam sistem perawatan kesehatan harus diperiksa dengan cermat untuk memastikan bahwa kumpulan data tersebut secara memadai mewakili seluruh populasi, mengidentifikasi kelompok mana pun yang mungkin kurang terwakili, dan memastikan bahwa sistem AI sesuai dengan tujuan dan inklusif. Dari perspektif masyarakat, seringkali ada kekhawatiran bahwa AI akan menggantikan pekerjaan; namun, penting untuk memahami di mana keahlian manusia tetap penting dan bagaimana AI dapat digunakan untuk meningkatkan, bukan menggantikan, kemampuan manusia.

Namun, ada juga isu etika yang lebih dalam. Ketika desainer bergantung pada data manusia, mereka harus menangani masalah privasi, bias, dan transparansi secara bertanggung jawabLokakarya DIGIT Lab mengidentifikasi sektor manufaktur dengan kategori tantangan utama berupa “data”, “manusia”, dan “tata kelola”, menyoroti perlunya pengumpulan data yang lebih baik, pengawasan yang melibatkan manusia, dan kebijakan yang jelas tentang keamanan, kepercayaan, kekayaan intelektual, dan regulasi. Mengatasi risiko-risiko ini berarti memastikan sistem AI dibangun di atas data yang beragam, menanamkan penilaian manusia pada titik-titik kritis, dan mengembangkan standar desain inklusif yang menghormati privasi, persetujuan, dan konteks budaya.

Anda telah meneliti bagaimana data dan AI dapat menyesuaikan produk berdasarkan pengalaman pengguna. Apakah Anda melihat masa depan di mana produk berkembang secara dinamis berdasarkan data waktu nyata setelah meninggalkan pabrik? Jika demikian, bagaimana seharusnya para desainer mempersiapkan diri untuk dunia tersebut? 

Desain berbasis data Produk yang digunakan dapat dipersonalisasi, disesuaikan, atau diadaptasi sesuai perilaku individu. Kemudian, produk tersebut menjadi sistem "pintar" yang mengumpulkan data tentang cara penggunaannya dan berkomunikasi melalui sensor tertanam dan konektivitas IoT. Dalam kerangka kerja kami, aktivitas penyesuaian melibatkan penggunaan data tersebut untuk memperbarui dan mengadaptasi produk setelah keluar dari pabrik. Contohnya termasuk menghubungkan model pengenalan gerakan ke kembaran digital untuk kolaborasi manusia-robot dan menggunakan pemindaian yang dibantu pembelajaran mesin untuk membuat komponen yang disesuaikan.

Pergeseran ini menciptakan tanggung jawab baru. Para desainer perlu memutuskan yang mana data manusiaBaik itu perilaku, fisiologis, umpan balik, atau emosional, semuanya relevan. Mereka juga harus memastikan bahwa pembaruan mempertahankan kualitas estetika dan emosional yang dimaksudkan, yang kita ketahui terkait dengan bentuk dan persepsi. Terakhir, tata kelola itu penting: lokakarya industri kami menyoroti bahwa isu-isu seputar data, kepercayaan, dan privasi memerlukan kebijakan yang jelas dan pengawasan manusia. Jika dilakukan dengan baik, produk yang berkembang dapat menawarkan nilai dan responsivitas yang berkelanjutan tanpa mengorbankan makna atau etika.

Ke depan, apa saja pertanyaan penelitian besar yang memotivasi Anda saat ini? Dan terobosan apa yang Anda yakini akan terjadi di bidang ini dalam beberapa tahun ke depan di persimpangan AI, kreativitas, dan rekayasa desain?

Banyak tantangan yang dijelaskan di atas masih belum terselesaikan – beberapa di antaranya sedang saya kerjakan saat ini, termasuk upaya untuk memastikan bahwa alat AI generatif tujuan umum dapat disesuaikan secara efektif dengan sektor-sektor spesifik yang ingin mengadopsinya.

Pada tingkat sektoral, hal ini dapat terlihat sangat berbeda: di bidang manufaktur, hal ini mungkin melibatkan penggunaan model lokal yang dilatih berdasarkan pengetahuan khusus bidang, bersamaan dengan langkah-langkah privasi dan keamanan yang kuat; di industri kreatif, fokusnya mungkin pada diversifikasi hasil dan memungkinkan kolaborasi yang lebih bermakna antara manusia dan AI.

Pada tingkat teknis, kami sedang bereksperimen dengan model bahasa besar untuk mendukung tugas evaluasi. Sebuah studi menunjukkan bahwa LLM dapat menilai kebaruan dan kegunaan serta lebih selaras dengan pakar manusia ketika dipandu oleh petunjuk yang dirancang dengan baik. Makalah terkait menggunakan rangkaian pemikiran Penggunaan stimulus dan agregasi multi-model untuk membuat evaluasi AI lebih andal. Kami juga sedang menjajaki agen percakapan untuk menangkap kebutuhan transformasi digital organisasi, menunjukkan bahwa chatbot dapat melakukan hal tersebut. wawancara terstruktur secara efektif. Dikombinasikan dengan upaya penggunaan data manusia dalam desain, inisiatif-inisiatif ini mengarah pada masa depan di mana AI membantu kita melestarikan keahlian, membuat keputusan yang lebih baik, dan melibatkan pengguna secara etis.

Terima kasih atas wawancara yang penuh pertimbangan dan wawasan; pembaca yang ingin mempelajari lebih lanjut tentang karya Profesor Ahmed-Kristensen mengenai desain berbasis AI, kreativitas, dan transformasi digital yang bertanggung jawab dapat menjelajahi penelitian dan inisiatif yang sedang berlangsung di [tautan]. Laboratorium DIGITAL.