UX Design GPT: sex år av kunduppdrag i en chattruta

Bakgrund

UX Design GPT är en egen GPT byggd på den kunskap jag samlat på mig under mer än sex år av designuppdrag åt kunder. Du beskriver ett designproblem, den arbetar sig igenom det som jag skulle göra: inramning, research, användarflöden, informationsarkitektur, gränssnittsbeslut, och frågorna du borde ha ställt till uppdragsgivaren först.

Den lades upp på Gumroad i november 2023, dagar efter att OpenAI lät vem som helst bygga en. Den är gratis, eller betala vad du vill.

Problemet

Jag mentorerar många designers, och samma tre frågor kommer varje vecka. Hur ramar jag in det här problemet. Vilken research kör jag när ingen vill ge mig användare. Hur motiverar jag det här för någon som vill att det ska se ut som konkurrentens.

Svaren är inte hemliga och de är inte korta. Att skriva ut dem en och en är en bra användning av en timme och en dålig användning av hundra timmar, och de som behöver dem mest har inte råd med ett mentorsamtal.

Tidens allmänna assistenter var självsäkert medelmåttiga på det här. Fråga en generell modell om UX och du får en sammanfattning av den högst rankade artikeln om designtänkande: femdiamanten, dubbelkvadraten, vilken form som nu var på modet, utan något av omdömet om när processen är teater.

Min roll

Allt. Ingen kund, ingen medarbetare, inget uppdrag. Jag skrev kunskapen, designade beteendet, skrev butiksannonsen och svarade på supportmejlen.

Angreppssätt

Designvillkoret för en egen GPT är att du formar ett beteende med nästan ingen kontrollyta. Det finns ett instruktionsblock, några kunskapsfiler och en brytare för verktyg. Det är allt. Ingen finjustering, ingen hämtning du styr, ingen utvärderingsrigg, inget sätt att se vad som gick fel för en användare. Så arbetet ligger helt i vad du väljer att koda in och vad du väljer att vägra.

Det första beslutet var att den frågar innan den svarar. En designer som beskriver ett problem i två meningar har utelämnat de villkor som avgör allting, och en modell som direkt producerar en wireframe löser ett problem ingen har. Standardläget är att fråga vad villkoret är, vem användaren är och vad som har prövats.

Det andra var att den säger till när en metod är överdriven. De flesta UX-råd på nätet är skrivna för ett researchteam på ett stort företag, och tillämpas sedan av en ensam designer på en startup med två veckors deadline, där de kollapsar. Att veta vilka delar av processen som ska hoppas över är vad sex år lär dig, och ingen artikel säger det högt.

Så byggde jag det

Den körs på GPT-4 med DALL-E påslaget, distribuerad via Gumroad som en länk till GPT:n.

Instruktionsblocket gör det tunga arbetet, strukturerat som en beslutsprocedur snarare än en personlighetsbeskrivning. De flesta egna GPT:er från den tiden öppnade med ett stycke om att vara en världsledande expert, vilket inte förändrar något, eftersom modellen redan vet hur en UX-designer låter. Det som förändrar resultatet är att tala om vad den ska göra först, vad den ska göra bara under angivna villkor, och vad den aldrig ska göra.

Kunskapen lades in som separata dokument per område: researchmetoder med villkoren för när var och en är värd att köra, mönster för informationsarkitektur, gränssnittsheuristiker med fallen där de krockar, och genomarbetade exempel från riktiga projekt med identifierande detaljer borttagna. Separata filer i stället för en, eftersom hämtning över ett enda stort dokument tenderar att returnera samma inledande avsnitt oavsett fråga.

DALL-E är påslaget för ett smalt syfte: grova layouter och stämningsriktning när någon kört fast i att beskriva en struktur i ord. Den finns inte där för att producera en design. Den finns där för att ge en människa något att reagera på, vilket är en betydligt lägre ribba.

Utvärderingen var manuell och oglamorös. Jag sparade ett fyrtiotal riktiga frågor från adepter, körde varje instruktionsrevidering mot dem och läste svaren på jakt efter två fel: att rekommendera en tung researchmetod till någon utan tid eller budget, och att producera en lösning innan villkoret var klarlagt. De två står för de flesta sätt som den här sortens assistent är oanvändbar på medan den låter användbar.

Felmoden jag inte kunde åtgärda är inbyggd i formatet. Jag kan inte se vad användarna frågar, kan inte logga ett dåligt svar, och har inget sätt att veta när den underliggande modellen byts ut under mig. En egen GPT är en produkt byggd på hyrd mark, och hyresvärden skickar inga meddelanden.

Resultat

758 sålda exemplar med betala-vad-du-vill, och betyget 4,8 från 17 omdömen. För en gratis artefakt gjord på några kvällar och distribuerad utan annan marknadsföring än en länk är det bättre avkastning än på det mesta jag tagit betalt för.

Det nyttigare resultatet är att mentorfrågorna förändrades. Folk kommer redan efter att ha kört inramningssamtalet, så timmen vi tillbringar tillsammans börjar längre fram.

Vad jag skulle göra annorlunda

Jag strukturerade kunskapsfilerna efter område, vilket är hur jag tänker om design och inte hur folk ställer frågor. Att organisera dem efter situation hade gett bättre hämtning.

Jag borde också ha lagt upp en sida om vad den är dålig på. Den är svag på visuellt hantverk, svag på aktuella verktyg, och den diskuterar gärna ett designsystem den inte kan se. Att säga det rakt ut kostar ingenting och förebygger de besvikna meddelanden jag faktiskt fick.