CIAO! L’AI GENERATIVA TI STA CHIAMANDO!

Il 30 novembre 2022 ha segnato il giorno in cui un intero decennio si è svolto in 24 ore o meno! In quel tranquillo mercoledì OpenAI ha rilasciato il suo ChatGPT, un chatbot AI che offre agli utenti la possibilità di personalizzare conversazioni secondo la lunghezza, il formato, lo stile, i dettagli e la lingua desiderati. In un breve lasso di tempo, dagennaio 2023, ChatGPT è diventata l’applicazione software consumer in più rapida crescita nella storia, attirando oltre 100 milioni di utenti.
Prodotti concorrenti come PaLM-E di Google, ERNIE di Baidu e LLaMA di Meta sono così apparsi rapidamente in risposta alla popolarità di ChatGPT.

Presto abbiamo appreso che ChatGPT si basa su una serie di modelli di large language models.

I Large Language Models (LLM) hanno tutto il potenziale per avere un impatto significativo sul lavoro di tutti i professionisti, inclusi i designer. Aumentare il processo creativo del design legato ai LLM è utile in vari campi come:

1. Generazione di idee: gli LLM possono assistere i designer nella generazione di idee e nell’espansione del loro pensiero creativo. Fornendo l’accesso a grandi quantità di testo e conoscenza, i progettisti possono utilizzare gli LLM per esplorare concetti diversi, cercare ispirazione e scoprire nuove possibilità di design.
2. Ricerca e approfondimenti: gli LLM possono essere strumenti preziosi per i progettisti per condurre ricerche e approfondimenti e recuperare informazioni su principi di progettazione, best practice, preferenze degli utenti e trend emergenti, consentendo ai progettisti di rimanere aggiornati e informati.
3. User Experience Design: gli LLM possono contribuire a migliorare il processo di progettazione dell’esperienza utente. I progettisti possono sfruttare gli LLM per analizzare i dati degli utenti, condurre analisi del sentiment sul feedback e conoscere più approfonditamente i comportamenti degli utenti. Questo approccio data-driven può portare a interfacce più intuitive, interazioni fluide ed esperienze personalizzate.
4. Prototipazione e visualizzazione: gli LLM possono assistere i progettisti nella creazione di prototipi e visualizzazioni. I progettisti possono descrivere i loro concetti di progettazione agli LLM così che possano generare immagini e rappresentazioni o modelli interattivi basati sulle descrizioni fornite. Questo può accelerare il processo di prototipazione e aiutare i progettisti a comunicare le loro idee in modo più efficace.
5. Automazione della progettazione: gli LLM hanno il potenziale per automatizzare determinate attività di progettazione. Azioni ripetitive o dispendiose in termini di tempo, come il ridimensionamento delle immagini, la generazione di icone o l’applicazione di stili coerenti, può essere gestito da LLM, liberando il tempo dei progettisti per concentrarsi sugli aspetti più strategici e creativi del loro lavoro.

Evidentemente, la rivoluzione dei dati/AI ha raggiunto tutti i campi creativi. Heinz, ad esempio, ha messo a punto un modello di intelligenza artificiale utilizzando un gran numero di foto di bottiglie di ketchup Heinz per pubblicizzare “Questo è l’aspetto che ha il “ketchup” per l’Intelligenza Artificiale”¹. Nestlé ha utilizzato DALL∙E 2 per generare “The Milkmaid” prendendo ispirazione dal pittore olandese Vermeer, per aiutare a vendere uno dei suoi marchi di yogurt². Stitch Fix, azienda di abbigliamento che ha utilizzato l’intelligenza artificiale per consigli personalizzati sull’abbigliamento, ha sfruttato DALL∙E 2 per creare visualizzazioni di abbigliamento in base alle preferenze del cliente per colore, tessuto e stile³. I designer di giocattoli di Mattel hanno utilizzato DALL∙E 2 per creare un nuovo modello di auto Hot Wheels⁴. L’arte del design sta diventando sempre più consapevole dell’importanza dei dati, informato sui dati, guidato dai dati e, recentemente, abilitato all’IA.

DESIGN DATA ECOLOGY: DATI DISPONIBILI E DATI MANCANTI

Dati aziendali e degli utenti rispetto ai dati di progettazione

Man mano che i dati e l’intelligenza artificiale diventano onnipresenti in tutti i settori e l’IA generativa sta entrando a pieno titolo nei campi creativi, i progettisti possono accedere a varie app di intelligenza artificiale generativa (ad es. DALL∙E 2, Midjourney, Stable Diffusion e altri), oltre a tre tipi di analisi che sono spesso disponibili per sostenere le loro scelte progettuali:

1. Analisi sociale che tiene traccia di ciò che è importante per i clienti/utenti
2. Analisi delle tendenze dalla vendita al dettaglio e metriche di prodotto che segnalano progetti competitivi emergenti
3. Analisi delle vendite dai dati POS che rivelano le preferenze dei consumatori.

Sebbene tali dati di app di intelligenza artificiale siano indiscutibilmente preziosi, nel campo del design manca un aspetto critico, ovvero i dati che si riferiscono agli elementi reali della pratica progettuale stessa, relativi a forma, materiale, modello e colore. Le complesse sfide di progettazione non possono essere affrontate in modo efficace in assenza di solidi dati di progettazione.

Domande come “c’è una correlazione tra certe forme e certi colori in un particolare prodotto che gli utenti tendono a trovare più attraente?”, o “quale dovrebbe essere la forma di una pillola per fornire un trattamento a lento rilascio e ad alta efficacia per la glicemia negli uomini e nelle donne dai 30 ai 50 anni?”, o “quali colori supportano meglio un sito web incentrato sul cambiamento climatico?” trarrebbero un enorme vantaggio dai dati di progettazione del colore che potrebbero supportare, ispirare e convalidare maggiormente la decisione progettuale più efficace. Per risolvere al meglio la mancanza dei dati di progettazione, le aziende stanno investendo nella digitalizzazione del loro storico nell’utilizzo di colori e materiali e, a all’occorrenza, comporre set di dati di progettazione relativi al progetto. Parallelamente a questi sforzi aziendali interni, esiste un ecosistema di startup emergenti interessato a database di materiali⁵, forme^{6 e 7} e colori⁸.

Big-data a colori: il caso di Huedata, Inc.

Il colore ha un’influenza fondamentale sulle decisioni di acquisto, sulla percezione del marchio, sulla differenziazione strategica e sulla user experience, eppure disponiamo solo di ricerche frammentarie e dati limitati al riguardo. Dal momento che tutte le decisioni relative a prodotti, ambienti e marchi devono affrontare la questione di come usare il colore, i designer tradizionalmente dovevano basarsi sull’esperienza passata, sull’intuizione ovvero un lungo processo di raccolta dati, costoso e laborioso. Supportare le decisioni sul colore con rigore in tempo reale e con dati completi era storicamente impossibile.

Negli ultimi anni, tuttavia, sono emersi nuovi servizi di dati sui colori con aziende come Huedata, Heuritech, Edited e WGSN che offrono analisi e approfondimenti sul colore.

Mentre la maggior parte di queste proposte si concentra principalmente sull’analisi del colore relativa all’uso nella moda, i dati e gli approfondimenti sul colore in tempo reale di Huedata vanno oltre la moda coprendo settori come beauty, auto, interior, branding e altri. Huedata estrae anche i colori sui social media, mappa il colore di marchi e brevetti dei colori e aggiunge continuamente ricerche accademiche sul colore.

Con l’obiettivo di fare chiarezza sul valore del colore nella progettazione di prodotti, marchi e ambienti, Huedata fornisce analisi sulle tendenze del colore in un’ampia gamma di applicazioni commerciali, analisi competitiva dei colori utilizzati nell’industria, approfondimenti per il branding/rebranding dell’azienda, popolarità del colore sui social media, dati di ricerca sul colore e altro ancora. Con oltre 30 milioni di colori analizzati, Huedata è in grado di supportare le decisioni di progettazione, non solo con dati di progettazione descrittivi, ma anche con analisi predittive e modelli di previsione per l’innovazione del colore e future introduzioni. Questi dati sono particolarmente preziosi per i progettisti di tutti i paesi, nonché per i team di ricerca e sviluppo e marketing aziendali.