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

Profesor Saeema Ahmed-Kristensen adalah seorang sarjana teknik desain terkemuka dan Associate Pro-Vice-Chancellor (Riset & Dampak) di Universitas Exeter, di mana dia juga menjabat sebagai Direktur DIGIT Lab, sebuah inisiatif penelitian antar disiplin ilmu yang besar yang fokus pada inovasi digital dan transformasi. Penelitiannya mencakup kreativitas dan kognisi desain, desain data-driven dan digital, serta integrasi teknologi canggih ke dalam pengembangan produk dan teknik yang kompleks, dengan penekanan kuat pada menerjemahkan wawasan akademis ke dalam dampak dunia nyata melalui kolaborasi industri, keterlibatan kebijakan, dan program penelitian skala besar.

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

Pekerjaan saya dalam desain telah meliputi banyak budaya dan disiplin yang berbeda. Saya memulai di Brunel dengan salah satu kursus yang pada saat itu menggabungkan teknologi, desain berbasis manusia, dan pemahaman bentuk. Ini mengajari saya sejak dini bahwa kreativitas dan inovasi sangat terkait.

Studi di Cambridge kemudian membuka pemikiran saya lebih lanjut. Lingkungan kampus memperkenalkan saya dengan banyak disiplin dan menunjukkan bagaimana inovasi bergantung pada pengetahuan yang datang bersama dari berbagai bidang. Disertasi saya fokus pada sektor aerospace dan mengeksaminasi 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. Lensa berbasis manusia ini telah tetap bersama saya sejak saat itu.

Seiring pertumbuhan teknologi digital, pertanyaan dalam pekerjaan saya juga tumbuh. Munculnya data IoT, AI, dan komputasi canggih telah menggeser desain dari yang hanya berbasis manusia ke arah yang berbasis masyarakat. Ini terus membentuk pekerjaan saya di Universitas Exeter, di mana saya memimpin DIGIT Lab dan fokus pada peran LLM dalam proses kreatif, hambatan yang dihadapi industri dalam mengadopsinya, dan bagaimana data dapat memacu inovasi.

Waktu saya di Imperial dan Royal College of Art memperkuat bahwa desain jauh lebih dari sekadar membentuk produk atau layanan. Dengan orang yang tepat, proses, dan budaya, desain menjadi penggerak teknologi baru dan skalabel, bahan, dan ide yang dapat menangani tantangan global hari ini dan esok.

DIGIT Lab fokus berat pada transformasi digital di dalam organisasi besar yang sudah mapan. Dari sudut pandang Anda, apa yang dipahami salah oleh para pemimpin tentang bagaimana AI akan mengubah desain, inovasi, dan pengambilan keputusan?

Selama beberapa dekade, AI telah berkembang dalam penelitian dan diadopsi dalam beberapa industri, tetapi kemajuan sering kali terbatas oleh kesenjangan keterampilan, pemahaman kepemimpinan, dan kejelasan tentang nilai dan infrastruktur yang diperlukan. Dengan munculnya LLM dan alat generatif seperti DALL·E, AI sekarang lebih mudah diakses dan memerlukan lebih sedikit keahlian khusus atau pengaturan. Namun, ini juga menimbulkan pertanyaan baru tentang privasi, keamanan data, dan seberapa baik model umum berlaku untuk domain tertentu.

Dalam desain dan inovasi, masalah ini khususnya jelas. Penelitian kami, yang mengeksaminasi lebih dari 12.000 ide yang dihasilkan oleh manusia dan AI, menunjukkan bahwa ide AI cenderung mengelompok di sekitar konsep yang serupa. Ini menyoroti kebutuhan untuk memasukkan keahlian manusia ke dalam alat generik, menyesuaikan AI untuk domain, atau memahami kapan dan bagaimana menggunakan AI bersama dengan kreativitas dan pengambilan keputusan manusia.

Banyak penelitian Anda mengeksplorasi kreativitas dan kognisi dalam desain. Dengan AI generatif sekarang dapat menghasilkan ide, konsep, dan iterasi dalam skala besar, apa aspek kreativitas yang Anda lihat sebagai unik manusia — dan bagian mana yang dapat bergeser ke proses yang didorong AI?

Kreativitas selalu lebih dari sekadar menghasilkan alternatif bagi saya. Ini tentang niat, makna budaya, dan koneksi emosional yang dibuat oleh sebuah desain. Survei DIGIT Lab kami baru-baru ini membawa ini ke dalam fokus tajam: 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 AI-saja. Banyak yang menggambarkan pekerjaan yang dihasilkan AI sebagai “kekurangan emosi” (48%) atau “terlalu sempurna” (40%), dan 36% merasa dampaknya memudar dengan cepat. Tanggapan ini memperkuat sesuatu yang telah saya percayai selama ini. Keterlibatan emosional bukanlah sesuatu yang enak dimiliki; itu penting bagi bagaimana orang mengalami dan menilai karya kreatif.

Penelitian kami yang membandingkan ide manusia dan AI juga menunjukkan bahwa perancang manusia lebih baik dalam menciptakan ide yang beragam, baru, dan memastikan bahwa output kreatif, apakah itu karya seni, desain produk, atau layanan, memiliki kedalaman dan makna. Ahli kreatif memiliki seperangkat keterampilan yang belum mungkin untuk direplikasi. Perancang perlu memahami masalah sebelum menghasilkan ide, dan LLM sangat berguna dalam mengumpulkan informasi untuk membantu perancang bergeser dari satu masalah ke masalah lain. Jika kita dapat memasukkan model keahlian manusia ke dalam alat AI, mereka juga dapat mendukung evaluasi ide, memungkinkan AI untuk lebih baik memanfaatkan keterampilan kreatif manusia.

Pendekatan rantai-pemikiran yang kami eksperimenkan mendukung LLM untuk mengikuti alasan ahli, bukan hanya memberikan skor. Dalam semua kasus, pengawasan manusia diperlukan untuk menafsirkan hasil dan memastikan bahwa pilihan desain selaras dengan pengalaman hidup pengguna.

Ini 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 sensor tipis atau besar yang kita kumpulkan. Mengembangkan model ini tidaklah sederhana, dan ini tepat di mana keterlibatan manusia tetap penting.

Jadi, bagi saya, kesimpulan bukanlah bahwa AI tidak memiliki tempat dalam kreativitas. Jauh dari itu. Ini adalah bahwa AI dan manusia memberikan kekuatan yang berbeda. Fakta bahwa orang secara konsisten merespons lebih positif terhadap pekerjaan manusia atau hibrida hanya memberitahu kita di mana gravitasi terletak. AI dapat membantu menjelajahi ruang desain yang lebih luas, menganalisis pola, dan menawarkan kritik terstruktur, tetapi persepsi tentang ketiadaan, kesempurnaan algoritmik, dan jarak emosional menunjukkan di mana AI masih memerlukan penilaian manusia untuk mengubah kemungkinan menjadi sesuatu yang beresonansi.

Itulah mengapa saya melihat masa depan kreativitas sebagai fundamental kolaboratif. AI dapat memperluas lapangan kemungkinan. Perancang membawa empati, pemahaman budaya, dan pemahaman niat yang memberikan makna pada kemungkinan tersebut. Ketika keduanya bekerja sama, dengan penilaian manusia yang menetapkan arah dan AI yang memperkaya eksplorasi, hasilnya adalah proses kreatif yang lebih ketat, lebih imajinatif, dan pada akhirnya lebih manusiawi dalam hasilnya.

Anda telah mempelopori pendekatan untuk mengkuantifikasi pengalaman pengguna dan membangun pengetahuan desain. Bagaimana kita dapat memastikan bahwa pengalaman manusia, emosi, dan sinyal budaya tetap menjadi pusat proses desain ketika sistem AI menjadi lebih bertanggung jawab untuk menghasilkan produk dan layanan?

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

Ada dua pendekatan utama. Yang pertama mengakui kebutuhan akan data kualitatif yang memungkinkan pemahaman yang kaya tentang pengalaman manusia, persepsi, dan emosi, yang memberitahu kolaborasi manusia-AI yang efektif. Yang kedua—di mana pekerjaan saya telah fokus—bertujuan untuk menerjemahkan pengetahuan ini ke dalam model yang sistem AI dapat mengerti dan gunakan.

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

Anda bekerja secara ekstensif dengan industri yang kompleks – aerospace, medis, manufaktur, dan produk konsumen. Dalam lingkungan yang berisiko tinggi ini, bagaimana Anda menyeimbangkan potensi desain yang didukung AI dengan kebutuhan akan keamanan, jejak, dan kepercayaan?

Di sektor berisiko tinggi seperti perawatan kesehatan, aerospace, dan manufaktur, pertanyaannya bukanlah apakah AI dapat digunakan, tetapi bagaimana AI dikelola. Kepercayaan dalam lingkungan ini bergantung pada akuntabilitas yang jelas, jejak, dan keterjelasan pada 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 akhir.

Banyak dari bidang ini sangat diatur dan tunduk pada persyaratan keamanan yang ketat, yang memerlukan penanganan data yang aman, baik pribadi maupun sensitif secara komersial. Dalam konteks ini, prompt atau pertanyaan sering perlu dikembangkan menggunakan data lokal untuk memastikan spesifisitas dan relevansi, dan umum bagi organisasi di sektor ini untuk membangun dan memelihara alat AI mereka sendiri.

Apa yang penelitian kami tunjukkan secara konsisten adalah bahwa sistem hibrida sangat penting: AI harus melengkapi penilaian ahli, bukan menggantikannya. Pengawasan manusia harus tetap terintegrasi ke dalam setiap titik keputusan kritis, terutama di mana keamanan, risiko, dan tanggung jawab menjadi perhatian. Untuk regulator dan pengguna akhir mempercayai sistem yang diaktifkan AI, organisasi juga memerlukan dokumentasi transparan tentang bagaimana model dilatih, data apa yang digunakan, dan bagaimana output dihasilkan. Tanpa transparansi ini, kepercayaan tidak dapat berkembang, tidak peduli seberapa canggih teknologinya.

Banyak organisasi bergelut dengan kesenjangan antara “bereksperimen dengan AI” dan mengintegrasikan AI secara bermakna ke dalam pengembangan produk. Apa langkah praktis yang akan Anda sarankan untuk tim yang mencoba berpindah dari eksperimen ke implementasi strategis?

Banyak organisasi terjebak pada tahap eksperimen karena mereka mengadopsi AI tanpa tujuan strategis yang jelas. Langkah praktis pertama adalah untuk secara eksplisit tentang peran AI dalam proses pengembangan, apakah itu mendukung ideasi, mempercepat pengujian, memperbaiki evaluasi, atau meningkatkan pengambilan keputusan. Tanpa kejelasan ini, pilot tetap terputus dari hasil bisnis dan desain yang nyata.

Tim juga memerlukan fondasi yang tepat. Ini berarti berinvestasi dalam data berkualitas tinggi, yang dikelola dengan baik, terutama data yang mencerminkan pengalaman pengguna yang nyata, bukan hanya kinerja teknis. Ini juga berarti menjadi realistis tentang batasan AI saat ini, terutama dalam penilaian kreatif dan manusia, di mana pengawasan ahli tetap penting.

Banyak sektor mulai mengembangkan kebijakan AI yang membantu tim melalui proses bereksperimen dengan AI, dari membangun kasus bisnis dan menjalankan pilot hingga adopsi yang lebih luas. Kebijakan ini membantu organisasi mengidentifikasi di mana AI dapat benar-benar menambah nilai, sambil juga memastikan bahwa manusia tetap dalam loop di mana pun diperlukan.

Akhirnya, organisasi harus melalui pilot yang terstruktur, berisiko rendah, yang tertanam dalam alur kerja nyata, bukan dijalankan secara terisolasi. Pilot ini harus antar disiplin, membawa perancang, insinyur, ilmuwan data, dan ahli domain bersama-sama sehingga pembelajaran dibagikan dan dapat ditransfer. AI memberikan nilai ketika dirancang ke dalam praktik sehari-hari, bukan diperlakukan sebagai lapisan eksperimental terpisah.

Anda memiliki rekam jejak panjang dalam mengembangkan metode untuk membangun dan mengotomatisasi pengetahuan. Seberapa dekat kita dengan sistem AI yang dapat berpikir tentang niat desain, kebutuhan pengguna, dan konteks dengan cara yang benar-benar menambah nilai daripada hanya menghasilkan konten?

Dalam beberapa area, memprediksi preferensi pengguna relatif mudah, karena data seperti riwayat penelusuran atau catatan tentang film atau acara televisi yang telah ditonton dapat digunakan untuk membuat rekomendasi. Area ini mendapat manfaat dari data yang tersedia.

Sebaliknya, tantangan kunci dalam desain produk dan layanan adalah bahwa data tentang pilihan, kebutuhan, dan pengalaman hidup orang sering tidak tersedia dengan mudah.

Penelitian saya baru-baru ini dengan Digit Lab menyelidiki kemampuan LLM, ketika diberi model tentang bagaimana orang memandang dan merespons fitur desain, namun model saat ini beroperasi pada pola dalam data dan tidak dapat mengkontekstualisasi makna. Studi sebelumnya yang menghubungkan bentuk dengan persepsi menunjukkan bahwa bahkan perubahan kecil dalam bentuk dapat menggeser respons emosional, dan kesubtilan ini sulit untuk AI untuk memprediksi tanpa bimbingan manusia atau model yang canggih untuk dibawa. Oleh karena itu, penalaran AI tentang niat membaik, tetapi masih menjadi pelengkap keahlian manusia.

Seiring AI mempercepat siklus desain — dari ideasi hingga prototip — apa keterampilan baru yang dibutuhkan perancang? Bagaimana universitas dan organisasi harus memikirkan kembali pelatihan untuk generasi bakat kreatif selanjutnya?

Perancang akan perlu fasih dalam persepsi manusia dan alat AI. Memahami bagaimana bentuk, material, dan proporsi membentuk respons emosional akan tetap fundamental bagi desain yang baik. Pada saat yang sama, perancang harus dapat bekerja dengan percaya diri dengan sistem AI yang mendukung generasi ide dan evaluasi. Ini berarti tidak hanya menggunakan alat, tetapi juga memahami apa yang mereka optimalkan dan di mana batasan mereka. Ketika AI semakin tertanam dalam alur kerja desain, kemampuan untuk menafsirkan keluaran AI secara kritis dan menggabungkannya dengan penilaian manusia akan menjadi salah satu keterampilan kreatif paling berharga.

Sebagai AI mempercepat siklus desain dari ideasi hingga prototip, perancang akan memerlukan campuran kemampuan dan cara berpikir yang baru yang melampaui keterampilan kerajinan tradisional. Mereka perlu memahami bagaimana teknologi digital bekerja, apa yang dapat dan tidak dapat ditunjukkan oleh berbagai jenis data, dan bagaimana menggabungkan keahlian desain dengan literasi AI. Ini termasuk mengetahui bagaimana bekerja dengan data berkualitas tinggi yang mencerminkan pengalaman pengguna yang nyata, bukan hanya bergantung pada metrik kinerja teknis. Di samping itu, perancang juga perlu memiliki penilaian untuk mengenali di mana AI berguna dan di mana kreativitas dan penilaian manusia harus tetap menjadi pusat.

Untuk memenuhi kebutuhan ini, universitas dan organisasi harus memikirkan kembali bagaimana mereka melatih generasi bakat kreatif selanjutnya. Beberapa universitas sudah mengintegrasikan ilmu data ke dalam program desain; langkah penting, tetapi tidak cukup sendiri. Apa yang masih kurang adalah metode berpikir desain yang dilengkapi dengan kenyataan abad digital: metode yang membantu perancang berkolaborasi dengan AI, bekerja melintasi disiplin, dan menavigasi eksperimen cepat sambil mempertahankan pengawasan etis dan berbasis manusia.

Mengatasi kesenjangan ini sangat penting. Ini adalah mengapa rekan saya, Dr. Ji Han, dan saya menulis sebuah buku dengan Cambridge University Press tentang Design Thinking in the Digital Age, yang mengumpulkan kerangka, keterampilan, dan cara berpikir yang diperlukan untuk merancang secara efektif bersama AI.

DIGIT Lab menekankan transformasi yang bertanggung jawab. Dalam pandangan Anda, apa risiko etis atau sosial yang perlu mendapat perhatian lebih ketika AI menjadi tertanam dalam alur kerja desain di seluruh industri?

Salah satu contoh adalah memastikan penggunaan data etis, termasuk mendapatkan persetujuan yang tepat dan mempertahankan transparansi tentang dataset yang digunakan untuk mengembangkan produk AI, serta potensi bias yang mungkin mereka miliki. Misalnya, dataset yang tertanam dalam sistem kesehatan harus diperiksa dengan hati-hati untuk memastikan bahwa mereka secara memadai mewakili seluruh populasi, mengidentifikasi kelompok mana yang mungkin kurang terwakili, dan memastikan bahwa sistem AI sesuai dengan tujuan dan inklusif. Dari perspektif sosial, sering ada kekhawatiran bahwa AI akan menggantikan pekerjaan; namun, penting untuk memahami di mana keahlian manusia tetap penting dan bagaimana AI dapat digunakan untuk melengkapi, bukan menggantikan, kemampuan manusia.

Namun, ada masalah etis yang lebih mendalam. Ketika perancang bergantung pada data manusia, mereka harus menangani privasi, bias, dan transparansi dengan bertanggung jawab. Sebuah workshop DIGIT Lab mengidentifikasi sektor manufaktur “data”, “manusia”, dan “tata kelola” sebagai kategori tantangan utama, menyoroti kebutuhan akan penangkapan data yang lebih baik, pengawasan manusia, dan kebijakan yang jelas tentang keamanan, kepercayaan, kekayaan intelektual, dan regulasi. Mengatasi risiko ini berarti memastikan bahwa sistem AI dibangun di atas data yang beragam, mengintegrasikan penilaian manusia pada titik kritis, dan mengembangkan standar desain yang inklusif yang menghormati privasi, persetujuan, dan konteks budaya.

Anda telah meneliti bagaimana data dan AI dapat mengkustomisasi produk di sekitar pengalaman pengguna. Apakah Anda melihat masa depan di mana produk berkembang secara dinamis berdasarkan data waktu nyata setelah mereka meninggalkan pabrik? Jika demikian, bagaimana perancang harus mempersiapkan diri untuk dunia seperti itu?

Desain data-driven yang digunakan untuk produk dapat dipersonalisasi, dikustomisasi, atau disesuaikan dengan perilaku individu. Mereka kemudian menjadi “sistem cerdas” yang mengumpulkan data tentang bagaimana mereka digunakan dan berkomunikasi melalui sensor tertanam dan koneksi IoT. Dalam kerangka kerja kami, kegiatan kustomisasi melibatkan penggunaan data tersebut untuk memperbarui dan menyesuaikan produk setelah mereka meninggalkan pabrik. Contoh termasuk menghubungkan model pengenalan gerakan ke digital twin untuk kolaborasi manusia-robot dan menggunakan pemindaian yang dibantu mesin pembelajaran untuk membuat komponen yang disesuaikan.

Perubahan ini menciptakan tanggung jawab baru. Perancang perlu memutuskan data manusia mana, perilaku, fisiologis, umpan balik, atau emosional, yang relevan. Mereka juga harus memastikan bahwa pembaruan mempertahankan kualitas estetika dan emosional yang dimaksudkan yang kita ketahui terkait dengan bentuk dan persepsi. Akhirnya, tata kelola penting: workshop industri kami menyoroti bahwa masalah sekitar data, kepercayaan, dan privasi memerlukan kebijakan yang jelas dan pengawasan manusia. Ketika dilakukan dengan baik, produk yang berkembang dapat menawarkan nilai dan responsivitas yang tahan lama tanpa mengorbankan makna atau etika.

Melihat ke depan, apa pertanyaan penelitian besar yang memotivasi Anda sekarang? Dan apa kemajuan yang Anda percayai bidang ini akan lihat dalam beberapa tahun ke depan di persimpangan AI, kreativitas, dan teknik desain?

Banyak tantangan yang dijelaskan di atas masih belum terpecahkan – beberapa di antaranya saya saat ini sedang mengerjakan, termasuk pekerjaan untuk memastikan bahwa alat generatif AI umum dapat disesuaikan secara efektif untuk sektor tertentu yang ingin mengadopsinya.

Pada tingkat sektor, ini dapat terlihat sangat berbeda: di manufaktur, ini mungkin melibatkan penggunaan model lokal yang dilatih pada pengetahuan domain spesifik, bersama dengan langkah-langkah privasi dan keamanan yang kuat; di industri kreatif, fokusnya mungkin pada diversifikasi output dan memungkinkan kolaborasi yang lebih bermakna antara manusia dan AI.

Pada tingkat teknis, kami bereksperimen dengan model bahasa besar untuk mendukung tugas evaluasi. Salah satu studi menunjukkan bahwa LLM dapat menilai kebaruannya dan sejalan lebih dekat dengan ahli manusia ketika dipandu oleh prompt yang dirancang dengan baik. Makalah terkait menggunakan rantai-pemikiran dan agregasi multi-model untuk membuat evaluasi AI lebih dapat diandalkan. Kami juga mengeksplorasi agen konversasi untuk menangkap kebutuhan transformasi digital organisasi, menunjukkan bahwa chatbot dapat melakukan wawancara terstruktur secara efektif. Dikombinasikan dengan pekerjaan kami tentang menggunakan data manusia dalam desain, inisiatif ini menunjuk ke masa depan di mana AI membantu kita melestarikan keahlian, membuat keputusan yang lebih baik, dan melibatkan pengguna secara etis.

Terima kasih atas wawancara yang bijak dan mendalam; pembaca yang ingin mempelajari lebih lanjut tentang pekerjaan Profesor Ahmed-Kristensen tentang desain yang didorong AI, kreativitas, dan transformasi digital yang bertanggung jawab dapat menjelajahi penelitian dan inisiatif yang sedang berlangsung di DIGIT Lab.