Prof. Saeema Ahmed-Kristensen, directeur van DIGIT Lab – Interviewserie

Professor Saeema Ahmed-Kristensen is een vooraanstaand wetenschapper op het gebied van ontwerptechniek en adjunct-vice-kanselier (onderzoek en impact) bij de Universiteit van Exeter, waar ze ook directeur is van de DIGIT Lab, Een belangrijk interdisciplinair onderzoeksproject gericht op digitale innovatie en transformatie. Haar onderzoek omvat ontwerpcreativiteit en cognitie, datagedreven en digitaal ontwerp, en de integratie van geavanceerde technologieën in complexe engineering en productontwikkeling, met een sterke nadruk op het vertalen van academische inzichten naar impact in de praktijk door middel van samenwerking met het bedrijfsleven, beleidsbetrokkenheid en grootschalige onderzoeksprogramma's.

Je carrière heeft je gebracht naar Cambridge, DTU, Imperial College London, het Royal College of Art en nu de Universiteit van Exeter. Terugkijkend, welke ervaringen of keerpunten hebben je denken over design, creativiteit en de rol van digitale technologieën het meest gevormd?

Mijn werk in de ontwerpwereld strekt zich uit over vele verschillende culturen en disciplines. Ik begon mijn carrière aan Brunel University met een van de weinige opleidingen die destijds technologie, mensgericht ontwerp en vormbegrip combineerden. Daar leerde ik al vroeg dat creativiteit en innovatie nauw met elkaar verbonden zijn.

Mijn studie in Cambridge verruimde mijn blik verder. De universitaire omgeving stelde me bloot aan vele disciplines en liet me zien hoe innovatie afhangt van de samenkomst van kennis uit verschillende vakgebieden. Mijn promotieonderzoek richtte zich op de lucht- en ruimtevaartsector en onderzocht hoe ingenieurs informatie vinden en gebruiken. Ik bestudeerde hoe mensen toegang krijgen tot kennis, hoe expertise kan worden ondersteund of gerepliceerd, en het snijvlak tussen cognitie, informatica en technisch ontwerp. Deze mensgerichte benadering is me sindsdien altijd bijgebleven.

Naarmate digitale technologieën zich hebben ontwikkeld, zijn ook de vragen in mijn werk veranderd. De opkomst van IoT-data, AI en geavanceerde computertechnologie heeft ervoor gezorgd dat design niet langer alleen mensgericht is, maar ook maatschappijgericht. Dit blijft mijn werk aan de Universiteit van Exeter vormgeven, waar ik DIGIT Lab leid en me richt op de rol van LLM-studenten in het creatieve proces, de obstakels die bedrijven ondervinden bij de implementatie ervan, en hoe data innovatie kan stimuleren.

Mijn tijd aan Imperial College en het Royal College of Art heeft mijn overtuiging versterkt dat design veel meer is dan alleen het vormgeven van producten of diensten. Met de juiste mensen, processen en cultuur wordt design een drijvende kracht achter nieuwe en schaalbare technologieën, materialen en ideeën die de mondiale uitdagingen van vandaag en morgen kunnen aanpakken.

DIGIT Lab richt zich sterk op digitale transformatie binnen grote, gevestigde organisaties. Wat is volgens u het grootste misverstand onder leiders over de manier waarop AI ontwerp, innovatie en besluitvorming zal veranderen?

Al decennialang wordt AI onderzocht en toegepast in bepaalde sectoren, maar de vooruitgang wordt vaak beperkt door een gebrek aan vaardigheden, inzicht bij leidinggevenden en onduidelijkheid over de waarde en de benodigde infrastructuur. Met de opkomst van LLM-programma's en generatieve tools zoals DALL·E is AI nu toegankelijker en vereist het veel minder specialistische expertise of een complexere opzet. Dit roept echter ook nieuwe vragen op over privacy, gegevensbeveiliging en de toepasbaarheid van algemene modellen in specifieke domeinen.

In ontwerp en innovatie komen deze kwesties bijzonder duidelijk naar voren. Ons onderzoek, waarbij we meer dan 12,000 ideeën analyseerden die zowel door mensen als door AI waren gegenereerd, toonde aan dat AI-ideeën de neiging hebben om rond vergelijkbare concepten te clusteren. Dit benadrukt de noodzaak om menselijke expertise in generieke tools te integreren, AI aan te passen aan het specifieke domein, of te begrijpen wanneer en hoe AI naast menselijke creativiteit en besluitvorming ingezet kan worden.

Een groot deel van uw onderzoek richt zich op creativiteit en cognitie in design. Nu generatieve AI in staat is om op grote schaal ideeën, concepten en iteraties te produceren, welke aspecten van creativiteit beschouwt u als uniek menselijk – en welke onderdelen kunnen op verantwoorde wijze worden overgedragen aan AI-gestuurde processen?

Creativiteit is voor mij altijd meer geweest dan alleen het bedenken van alternatieven. Het gaat om intentie, culturele betekenis en de emotionele connectie die een ontwerp creëert. Onze recente DIGIT Lab-enquête bracht dit duidelijk naar voren: 82% van de respondenten gaf aan dat door mensen geleid of hybride werk betekenisvoller aanvoelt, en 71% zei zich minder emotioneel verbonden te voelen met ontwerpen die volledig door AI zijn gemaakt. Velen omschreven door AI gegenereerd werk als "zonder emotie" (48%) of "te perfect" (40%), en 36% vond dat de impact ervan snel verdween. Deze reacties bevestigden iets wat ik al lange tijd geloof. Emotionele betrokkenheid is geen luxe, maar essentieel voor hoe mensen creatief werk ervaren en waarderen.

Ons onderzoek waarin we ideeën van mensen en AI vergelijken, laat ook zien dat menselijke ontwerpers beter zijn in het bedenken van diverse, nieuwe ideeën en ervoor zorgen dat de creatieve output, of het nu gaat om kunstwerken, productontwerpen of diensten, diepgang en betekenis heeft. Creatieve experts beschikken over een vaardighedenpakket dat nog niet te repliceren is. Ontwerpers moeten het probleem begrijpen voordat ze ideeën genereren, en leermodellen zijn erg nuttig bij het verzamelen van informatie om ontwerpers te helpen van het ene probleem naar het andere over te stappen. Als we modellen van menselijke expertise in AI-tools kunnen integreren, kunnen deze ook de evaluatie van ideeën ondersteunen, waardoor AI beter gebruik kan maken van de creatieve vaardigheden van mensen.

De gedachtegangbenadering waarmee we experimenteren, ondersteunt LLM's volgen expert redeneringHet gaat er niet alleen om scores te geven. In alle gevallen is menselijk toezicht nodig om de resultaten te interpreteren en ervoor te zorgen dat de ontwerpkeuzes aansluiten bij de dagelijkse ervaringen van de gebruikers.

Het is duidelijk dat we óf modellen moeten ontwikkelen die kunnen vastleggen hoe mensen producten, diensten en interacties ervaren op een manier die computers kunnen interpreteren, óf dikke data (rijke kwalitatieve inzichten die context bieden) moeten integreren met de dunne of grote sensordata die we verzamelen. Het ontwikkelen van deze modellen is niet eenvoudig, en juist hier blijft menselijke betrokkenheid essentieel.

Mijn conclusie is dus niet dat AI geen plaats heeft in creativiteit. Integendeel. Het is eerder dat AI en mensen verschillende sterke punten inbrengen. Het feit dat mensen consequent positiever reageren op werk van mensen of een combinatie daarvan, laat simpelweg zien waar het zwaartepunt ligt. AI kan helpen een breder ontwerpgebied te verkennen, patronen te analyseren en gestructureerde kritiek te leveren, maar die percepties van vlakheid, algoritmische perfectie en emotionele afstand tonen aan dat AI nog steeds menselijk oordeel nodig heeft om mogelijkheden om te zetten in iets dat aanslaat.

Daarom zie ik de toekomst van creativiteit als fundamenteel samenwerking. AI kan de mogelijkheden vergroten. Ontwerpers brengen de empathie, het culturele begrip en het gevoel voor intentie die die mogelijkheden betekenis geven. Wanneer de twee samenwerken, waarbij menselijk oordeel de richting aangeeft en AI de verkenning verrijkt, resulteert dit in een creatief proces dat rigoureuzer, fantasierijker en uiteindelijk menselijker is in zijn uitkomsten.

U heeft baanbrekende methoden ontwikkeld voor het kwantificeren van gebruikerservaringen en het structureren van ontwerpkennis. Nu AI-systemen steeds meer verantwoordelijkheid dragen voor het genereren van producten en diensten, hoe zorgen we ervoor dat menselijke ervaringen, emoties en culturele signalen centraal blijven staan ​​in het ontwerpproces?

Om de menselijke ervaring centraal te stellen, moeten we kennis over waarneming en emotie in onze methoden integreren.

Er zijn twee belangrijke benaderingen. De eerste erkent de behoefte aan kwalitatieve data die een diepgaand begrip mogelijk maken van menselijke ervaringen, perceptie en emoties, en die de basis vormen voor effectieve samenwerking tussen mens en AI. De tweede benadering – waarop mijn werk zich heeft gericht – heeft als doel deze kennis te vertalen naar modellen die AI-systemen kunnen begrijpen en gebruiken.

Het ontwikkelen van deze modellen is complex, omdat ze de gebruikerservaring, de menselijke perceptie en de kenmerken van de te ontwerpen producten of systemen moeten integreren om menselijke reacties en de algehele ervaring te voorspellen.

U werkt veelvuldig met complexe industrieën, zoals de lucht- en ruimtevaart, de medische sector, de maakindustrie en de consumentenproductenindustrie. Hoe vindt u in deze risicovolle omgevingen de juiste balans tussen de mogelijkheden van AI-ondersteund ontwerp en de behoefte aan veiligheid, traceerbaarheid en vertrouwen?

In risicovolle sectoren zoals de gezondheidszorg, de lucht- en ruimtevaart en de maakindustrie is de vraag niet of AI gebruikt kan worden, maar hoe het gebruik ervan wordt gereguleerd. Vertrouwen in deze omgevingen is afhankelijk van duidelijke verantwoording, traceerbaarheid en verklaarbaarheid in elke fase van het ontwerp- en besluitvormingsproces. AI kan een krachtige ondersteunende rol spelen bij simulatie, optimalisatie en verkennende fases, maar mag niet de uiteindelijke autoriteit worden.

Veel van deze vakgebieden zijn streng gereguleerd en onderworpen aan strikte veiligheidseisen, die een veilige verwerking van alle gegevens vereisen, zowel persoonlijke als commercieel gevoelige. In deze contexten moeten prompts of zoekopdrachten vaak worden ontwikkeld met behulp van lokale gegevens om specificiteit en relevantie te garanderen, en het is gebruikelijk dat organisaties in deze sectoren hun eigen AI-tools ontwikkelen en onderhouden.

Uit ons bredere onderzoek blijkt consistent dat hybride systemen essentieel zijn: AI moet het oordeel van experts aanvullen, niet vervangen. Menselijk toezicht moet ingebouwd blijven in elk cruciaal beslissingsmoment, met name waar het gaat om veiligheid, risico en aansprakelijkheid. Om het vertrouwen van toezichthouders en eindgebruikers in AI-gestuurde systemen te winnen, hebben organisaties ook transparante documentatie nodig over hoe modellen worden getraind, welke data ze gebruiken en hoe de resultaten worden gegenereerd. Zonder die transparantie kan vertrouwen niet groeien, hoe geavanceerd de technologie ook wordt.

Veel organisaties worstelen met de kloof tussen "experimenteren met AI" en het daadwerkelijk integreren ervan in productontwikkeling. Welke praktische stappen zou u teams aanraden die de overstap willen maken van experimenteren naar strategische implementatie?

Veel organisaties blijven steken in de experimenteerfase omdat ze AI implementeren zonder een duidelijk strategisch doel. De eerste praktische stap is om expliciet te bepalen welke rol AI in het ontwikkelingsproces moet spelen, of dat nu is om ideeën te ondersteunen, testen te versnellen, evaluaties te verbeteren of de besluitvorming te versterken. Zonder die duidelijkheid blijven pilots losgekoppeld van de daadwerkelijke bedrijfs- en ontwerpresultaten.

Teams hebben ook de juiste basis nodig. Dat betekent investeren in hoogwaardige, goed beheerde data, met name data die de werkelijke gebruikerservaring weerspiegelt in plaats van puur technische prestaties. Het betekent ook realistisch zijn over de huidige beperkingen van AI, vooral bij creatieve en mensgerichte besluitvorming, waar deskundig toezicht essentieel blijft.

Veel sectoren beginnen AI-beleid te ontwikkelen dat teams begeleidt bij het experimenteren met AI, van het opstellen van businesscases en het uitvoeren van pilots tot bredere implementatie. Dit beleid helpt organisaties te bepalen waar AI daadwerkelijk waarde kan toevoegen, terwijl het er tegelijkertijd voor zorgt dat mensen waar nodig betrokken blijven.

Ten slotte zouden organisaties gestructureerde, risicoarme pilots moeten uitvoeren die zijn ingebed in de daadwerkelijke werkprocessen, in plaats van geïsoleerd te worden uitgevoerd. Deze pilots moeten interdisciplinair zijn en ontwerpers, ingenieurs, datawetenschappers en domeinexperts samenbrengen, zodat kennis wordt gedeeld en overgedragen. AI levert waarde op wanneer het is geïntegreerd in de dagelijkse praktijk, en niet wordt behandeld als een aparte experimentele laag.

U heeft een lange staat van dienst in het ontwikkelen van methoden voor het structureren en automatiseren van kennis. Hoe dicht zijn we bij AI-systemen die kunnen redeneren over ontwerpintentie, gebruikersbehoeften en context op een manier die daadwerkelijk waarde toevoegt in plaats van simpelweg content te genereren?

In sommige gebieden is het voorspellen van gebruikersvoorkeuren relatief eenvoudig, omdat gegevens zoals browsegeschiedenis of gegevens over welke films of tv-programma's zijn bekeken, kunnen worden gebruikt om aanbevelingen te doen. Deze gebieden profiteren van de gemakkelijk beschikbare gegevens.

Daarentegen is een belangrijke uitdaging bij het ontwerpen van producten en diensten dat gegevens over de keuzes, behoeften en levenservaringen van mensen vaak niet gemakkelijk beschikbaar zijn.

My recent onderzoek Digit Lab onderzocht het vermogen van een LLM (Language Learning Model) om, aan de hand van een model van hoe mensen ontwerpkenmerken waarnemen en erop reageren, de betekenis ervan te interpreteren. De huidige modellen werken echter met patronen in data en kunnen geen contextualisering van betekenis bieden. Eerdere studies die vorm koppelen aan percepties tonen aan dat zelfs kleine veranderingen in vorm emotionele reacties kunnen beïnvloeden, en dergelijke subtiliteiten zijn moeilijk te voorspellen voor AI zonder menselijke begeleiding of de inzet van geavanceerde modellen. Daarom verbetert AI-redenering over intentie weliswaar, maar blijft het een aanvulling op menselijke expertise.

Nu AI de ontwerpprocessen versnelt – van idee tot prototyping – welke nieuwe vaardigheden zullen ontwerpers nodig hebben? Hoe zouden universiteiten en organisaties de opleiding van de volgende generatie creatief talent moeten herzien?

Ontwerpers moeten zowel de menselijke waarneming als AI-gestuurde tools beheersen. Inzicht in hoe vorm, materiaal en verhoudingen emotionele reacties beïnvloeden, blijft essentieel voor goed ontwerp. Tegelijkertijd moeten ontwerpers vol vertrouwen kunnen werken met AI-systemen die ideeën genereren en evalueren. Dat betekent niet alleen het gebruik van de tools, maar ook begrijpen waar ze op geoptimaliseerd zijn en waar hun beperkingen liggen. Naarmate AI meer geïntegreerd raakt in ontwerpprocessen, zal het vermogen om de output kritisch te interpreteren en te combineren met menselijk oordeel een van de meest waardevolle creatieve vaardigheden worden.

Naarmate AI de ontwerpcyclus versnelt, van idee tot prototyping, hebben ontwerpers een nieuwe mix van vaardigheden en denkwijzen nodig die verder gaan dan traditionele ambachtelijke vaardigheden. Ze moeten begrijpen hoe digitale technologieën werken, wat verschillende soorten data wel (en niet) kunnen onthullen en hoe ze ontwerpexpertise kunnen combineren met AI-kennis. Dit houdt onder meer in dat ze moeten weten hoe ze moeten werken met hoogwaardige, goed beheerde data die de werkelijke gebruikerservaringen weerspiegelen, in plaats van uitsluitend te vertrouwen op technische prestatiecijfers. Daarnaast moeten ontwerpers ook het inzicht hebben om te herkennen waar AI nuttig is en waar menselijke creativiteit en kritisch denken centraal moeten blijven staan.

Om aan deze behoeften te voldoen, zullen universiteiten en organisaties hun manier van opleiden van de volgende generatie creatief talent moeten herzien. Sommige universiteiten integreren datawetenschap al in ontwerpprogramma's; een belangrijke stap, maar op zichzelf niet voldoende. Wat nog ontbreekt, zijn ontwerpmethoden die zijn afgestemd op de realiteit van het digitale tijdperk: methoden die ontwerpers helpen samen te werken met AI, interdisciplinair te werken en snel te experimenteren, met behoud van ethisch en mensgericht toezicht.

Het is essentieel om deze lacune aan te pakken. Daarom schrijven mijn collega dr. Ji Han en ik een boek voor Cambridge University Press over dit onderwerp. Design Thinking in het digitale tijdperk, wat de kaders, vaardigheden en denkwijzen samenbrengt die nodig zijn om effectief te ontwerpen in combinatie met AI.

DIGIT Lab legt de nadruk op verantwoorde transformatie. Welke ethische of maatschappelijke risico's verdienen volgens u meer aandacht nu AI steeds meer geïntegreerd raakt in ontwerpprocessen in diverse sectoren?

Een voorbeeld hiervan is het waarborgen van ethisch datagebruik, inclusief het verkrijgen van geïnformeerde toestemming en het handhaven van transparantie over de datasets die worden gebruikt voor de ontwikkeling van AI-producten, evenals eventuele vooroordelen die deze kunnen bevatten. Datasets die bijvoorbeeld in zorgsystemen zijn ingebed, moeten zorgvuldig worden onderzocht om te garanderen dat ze de volledige bevolking adequaat vertegenwoordigen, om eventuele ondervertegenwoordigde groepen te identificeren en om te bevestigen dat het AI-systeem geschikt is voor het beoogde doel en inclusief is. Vanuit maatschappelijk oogpunt bestaat vaak de zorg dat AI banen zal vervangen; het is echter belangrijk om te begrijpen waar menselijke expertise essentieel blijft en hoe AI kan worden gebruikt om menselijke capaciteiten aan te vullen in plaats van te vervangen.

Er spelen echter ook diepere ethische kwesties. Wanneer ontwerpers gebruikmaken van menselijke data, moeten ze rekening houden met privacy, vooringenomenheid en transparantie op verantwoorde wijzeTijdens een workshop van DIGIT Lab werden de belangrijkste uitdagingen in de maakindustrie geïdentificeerd als 'data', 'mens' en 'governance'. Hierbij werd de noodzaak benadrukt van betere dataverzameling, menselijke tussenkomst bij het proces en een duidelijk beleid op het gebied van beveiliging, vertrouwen, intellectueel eigendom en regelgeving. Het aanpakken van deze risico's betekent dat AI-systemen gebouwd moeten worden op diverse data, dat menselijk oordeel op cruciale punten moet worden ingebouwd en dat er inclusieve ontwerpnormen moeten worden ontwikkeld die privacy, toestemming en culturele context respecteren.

Je hebt onderzoek gedaan naar hoe data en AI producten kunnen personaliseren op basis van de gebruikerservaring. Zie je een toekomst waarin producten dynamisch evolueren op basis van realtime data nadat ze de fabriek hebben verlaten? Zo ja, hoe moeten ontwerpers zich op die wereld voorbereiden? 

Datagestuurd ontwerp De technologieën die voor producten worden gebruikt, kunnen worden gepersonaliseerd, aangepast of afgestemd op individueel gedrag. Ze worden dan 'slimme' systemen die gegevens verzamelen over hoe ze worden gebruikt en communiceren via ingebouwde sensoren en IoT-connectiviteit. In ons raamwerk omvatten aanpassingsactiviteiten het gebruik van die gegevens om producten te updaten en aan te passen nadat ze de fabriek hebben verlaten. Voorbeelden hiervan zijn het koppelen van gebarenherkenningsmodellen aan een digitale tweeling voor mens-robot-samenwerking en het gebruik van machine learning-ondersteund scannen om componenten op maat te creëren.

Deze verschuiving brengt nieuwe verantwoordelijkheden met zich mee. Ontwerpers moeten beslissen welke menselijke gegevensOf het nu gaat om gedrag, fysiologie, feedback of emoties, het is belangrijk dat updates de beoogde esthetische en emotionele kwaliteiten behouden die we kennen als verbonden met vorm en perceptie. Tot slot is governance van belang: onze brancheworkshop benadrukte dat kwesties rond data, vertrouwen en privacy duidelijk beleid en menselijk toezicht vereisen. Goed uitgevoerd kunnen evoluerende producten blijvende waarde en responsiviteit bieden zonder in te boeten aan betekenis of ethiek.

Vooruitkijkend, welke grote onderzoeksvragen motiveren je momenteel? En welke doorbraken verwacht je de komende jaren op het snijvlak van AI, creativiteit en ontwerptechniek?

Veel van de hierboven beschreven uitdagingen blijven onopgelost – aan verschillende daarvan werk ik momenteel, waaronder het ervoor zorgen dat algemene generatieve AI-tools effectief kunnen worden afgestemd op de specifieke sectoren die ze willen gebruiken.

Op sectorniveau kan dit er heel anders uitzien: in de maakindustrie kan het gaan om het gebruik van gelokaliseerde modellen die getraind zijn op domeinspecifieke kennis, in combinatie met strenge privacy- en beveiligingsmaatregelen; in de creatieve sector kan de focus liggen op het diversifiëren van de output en het mogelijk maken van een meer betekenisvolle samenwerking tussen mens en AI.

Op technisch niveau experimenteren we met grote taalmodellen ter ondersteuning van evaluatietaken. Een onderzoek toont aan dat taalmodellen de nieuwheid en bruikbaarheid kunnen beoordelen en beter aansluiten bij de bevindingen van menselijke experts wanneer ze worden aangestuurd door goed ontworpen aanwijzingen. Een gerelateerd artikel maakt gebruik van keten van gedachten We passen prompting en multi-modelaggregatie toe om de evaluatie van AI betrouwbaarder te maken. Daarnaast onderzoeken we conversationele agenten om de behoeften van organisaties op het gebied van digitale transformatie vast te leggen, en laten we zien dat chatbots taken kunnen uitvoeren. gestructureerde interviews effectief. In combinatie met onderzoek naar het gebruik van menselijke data in het ontwerpproces, wijzen deze initiatieven op een toekomst waarin AI ons helpt expertise te behouden, betere beslissingen te nemen en gebruikers op een ethische manier te betrekken.

Hartelijk dank voor het doordachte en inzichtelijke interview. Lezers die meer willen weten over het werk van professor Ahmed-Kristensen op het gebied van AI-gestuurd ontwerp, creativiteit en verantwoorde digitale transformatie, kunnen het lopende onderzoek en de initiatieven bekijken op [link]. DIGIT Lab.