We maken in ons eigen werk gebruik van AI, het heeft geen zin om te doen alsof dat niet zo is. Het versnelt het schrijven van code, stelt variaties op en neemt ons het repetitieve productiewerk uit handen. Als een studio je vertelt dat AI geen rol speelt in hun werkproces, lopen ze achter of liegen ze.
Je zou dus verwachten dat we zeggen dat het bouwen van interfaces grotendeels geautomatiseerd is geworden. Dat is niet zo. De ontwerpbeslissingen – wat we bouwen, voor wie, en waarom op deze manier en niet op een andere – zijn nog net zo menselijk als altijd. Wat wel is veranderd, is waar het vak zijn geld verdient: minder tijd aan de productie, meer tijd aan de twee dingen die geen enkele tool voor je kan doen: je gebruikers begrijpen, en controleren of de interface daadwerkelijk voor hen werkt.
In AI-kringen heeft deze werkwijze een naam: human in the loop. Als je het jargon weglaat, komt het neer op iets eenvoudigs: een mens bepaalt de koers, tools versnellen de productie, en een mens observeert, corrigeert en beslist voordat er iets wordt uitgebracht, waarna het resultaat teruggaat voor een nieuwe ronde. De machine staat ten dienste van het proces, nooit andersom. Voor interfaces en gebruikerservaring is die lus geen luxe. Het is het grote verschil tussen software die mensen gebruiken en software die mensen stilletjes links laten liggen.
Dit is waarom.
"Het werkt" en "het werkt voor je gebruikers" zijn twee verschillende beweringen
Wanneer een AI-tool een interface genereert, richt die zich op één ding: iets produceren dat eruitziet als een correcte interface. En daar is het echt goed in. De knoppen zitten waar knoppen gewoonlijk zitten, het formulier ziet eruit zoals formulieren er gewoonlijk uitzien, en het geheel werkt foutloos.
Maar „het ziet eruit als een correcte interface” is een uitspraak over het scherm. Of het werkt is een uitspraak over mensen:
Vindt een 58-jarige magazijnmanager, die dit op een tablet gebruikt terwijl hij handschoenen draagt, de knop wel?
Begrijpt een nieuwe bezoeker binnen vijf seconden wat hij moet doen, of aarzelt hij?
Komt het afrekenproces overeen met hoe uw klanten denken, of met hoe de gemiddelde website op internet toevallig is opgebouwd?
AI heeft hier helemaal geen toegang toe. Het heeft je gebruikers nog nooit ontmoet, heeft nog nooit gezien hoe een van hen vastliep, en heeft nog nooit de supporttickets gezien die zich opstapelen wanneer een label dubbelzinnig is. Alles wat het weet, is afkomstig van de miljoenen bestaande websites waar het van heeft geleerd, dus wat het produceert is een goed gemaakte gemiddelde interface, niet degene die past bij uw specifieke mensen die hun specifieke werk doen.
De enige manier om die kloof te dichten, is door een mens in het proces te betrekken: iemand die je gebruikers al kent voordat het eerste scherm wordt ontworpen, het ontwerp aan echte mensen laat zien, observeert waar ze aarzelen, en de verkregen inzichten weer in het ontwerp verwerkt. Tools versnellen het maakproces. Mensen zorgen voor het inzicht, het ontwerp en de besluitvorming. Daarna herhaalt de cyclus zich.
Wat de mens in het proces daadwerkelijk opmerkt
Dit is geen theorie. Dit is wat je ontdekt als je kijkt naar hoe echte mensen een interface gebruiken, en wat geen enkele AI-tool uit zichzelf signaleert:
Aarzeling. Een gebruiker wacht drie seconden voordat hij klikt, omdat beide knoppen zouden kunnen kloppen. Er wordt geen foutmelding gegeven, er is technisch gezien niets kapot, en toch is elk van die pauzes een potentiële klant die wegloopt. Alleen door goed te observeren valt dit op.
Een andere manier van denken dan die van je klanten. De AI bouwt een filterbalk omdat e-commerce-sites filterbalk hebben. Maar je klanten denken niet in categorieën, ze denken in problemen (“iets voor een lekkend dak”), en ze haken af wanneer de interface hen dwingt om te vertalen. Een mens merkt de discrepantie op; de AI kan dat niet, omdat de discrepantie in de hoofden van je klanten zit, niet in de code.
Context die de AI nog nooit heeft gezien. Fel zonlicht op een bouwplaats. Een receptioniste die de app acht uur per dag openhoudt en gek wordt van een animatie die de eerste keer nog charmant is. Gebruik met één hand in de trein. De AI heeft geleerd van websites, niet van werkplekken, en het echte gebruik zit vol met omstandigheden die nooit op een scherm verschijnen.
De kloof tussen feedback en gedrag. Gebruikers zeggen in een enquête dat het ontwerp „prima“ is, maar tijdens het testen slaagt de helft van hen er niet in de hoofdtaak te voltooien. Mensen zijn beleefd; gedrag is eerlijk. Iemand moet het gedrag in de gaten houden.
Toegankelijkheid in de praktijk. Geautomatiseerde controles sporen ontbrekende labels en slecht contrast op. Ze merken echter niet dat de site vermoeiend is om door te navigeren voor iemand die een schermlezer gebruikt (software die de pagina hardop voorleest voor blinde gebruikers), of dat foutmeldingen geen zin hebben als je het scherm niet kunt zien. Daarvoor is een mens nodig die dit controleert, en idealiter gebruikers die erop aangewezen zijn.
Wat dit voor u betekent
1. Je vermijdt het om een interface te leveren die op het eerste gezicht goed lijkt, maar stilletjes faalt
Het gevaarlijkste UI-probleem in het AI-tijdperk is geen bug, maar een interface die er afgewerkt uitziet en aan alle technische eisen voldoet, terwijl gebruikers er in stilte mee worstelen. Er crasht niets. Er is geen fout die verholpen moet worden. Er is alleen een conversiepercentage dat lager ligt dan het zou moeten zijn, en niemand weet waarom.
In de praktijk: problemen worden opgespoord tijdens een testronde, waar het oplossen ervan een middag kost, in plaats van pas zes maanden na de lancering in je omzetcijfers, waar het opsporen ervan een heel project kost.
2. Uw software wordt omarmd in plaats van slechts getolereerd
Voor interne tools is dit van cruciaal belang. Software die haaks staat op de manier waarop je team daadwerkelijk werkt, wordt omzeild: het ‘schaduw’-Excel-bestand duikt weer op, de gegevenskwaliteit gaat achteruit en de investering verdwijnt als sneeuw voor de zon. De kloof tussen „de tool doet wat in de specificatie staat” en „het team gebruikt hem daadwerkelijk” is precies de kloof die een mens in het proces dicht, door te kijken hoe je team de tool gebruikt voordat hij af is.
In de praktijk: de tool waarvoor je hebt betaald, is de tool die je medewerkers gebruiken, en geen monument waar ze omheen lopen.
3. AI-snelheid zonder AI-blinde vlekken
Dit is geen keuze tussen AI en mensen, en wie het zo voorstelt, probeert iets te verkopen. In ons proces neemt een ontwerper nog steeds de beslissingen: wat de interface moet doen, voor wie en waarom. AI stroomlijnt het productieproces rond die beslissingen en onderzoekt in enkele minuten variaties die vroeger dagen in beslag namen, zodat een groter deel van het budget naar de onderdelen gaat die daadwerkelijk bepalend zijn voor het resultaat: inzicht krijgen in je gebruikers, testen op basis van echt gedrag en verfijnen wat werkt.
In de praktijk: snellere levering en betere resultaten, omdat de uren die op de productie worden bespaard, opnieuw worden geïnvesteerd in onderzoek, testen en verfijning – het onderdeel waar altijd te weinig geld voor was.
4. Iemand is verantwoordelijk voor de ervaring
Als een door AI gegenereerde interface niet naar behoren functioneert, wie bel je dan? De tool heeft geen mening en draagt geen verantwoordelijkheid. Met ‘een mens in de loop’ bedoelen we iemand die je gebruikers heeft geobserveerd, begrijpt waarom elk scherm er zo uitziet, de redenering kan uitleggen en verantwoordelijkheid neemt voor het resultaat. Als er iets moet veranderen, zit er een weloverwogen beslissing achter die verandering, en is het geen nieuwe gok.
In de praktijk: ontwerpkeuzes die je in twijfel kunt trekken en kunt begrijpen, afkomstig van iemand die daarvoor verantwoording aflegt.
Wat het kost (want het is niet meer dan eerlijk om dat te vermelden)
Het kost meer tijd dan alleen het maken ervan. Vijf gebruikers een werkstroom laten doorlopen, verwerken wat je hebt gezien, aanpassingen doen en opnieuw testen: dat kost echt uren. Als je een tijdelijke interne pagina nodig hebt die drie collega’s twee keer zullen gebruiken, sla het testen dan over en houd het simpel. Wij zouden je hetzelfde adviseren.
Soms krijg je dingen te horen die je liever niet wilt horen. Uit regelmatige tests blijkt vaak dat een functie die intern erg in de smaak viel, alle daadwerkelijke gebruikers in verwarring brengt. Door menselijke betrokkenheid komt dat vóór de lancering aan het licht. Dat is juist de bedoeling, maar het is niet altijd even prettig.
Hiervoor is toegang tot echte gebruikers nodig. Testen met je eigen team is beter dan niets, maar je team weet te veel. De beste resultaten krijg je door echte klanten of eindgebruikers te observeren, wat wel wat coördinatie vergt. Het kost minder moeite dan de meeste klanten verwachten; vijf gebruikers brengen doorgaans het merendeel van de problemen aan het licht, maar het is niet nul.
Voor wie is dit het belangrijkst?
UX waarbij de mens een rol speelt, levert het meeste rendement op wanneer:
De interface genereert direct omzet: webwinkels, boekingsprocessen, offerteaanvragen – overal waar aarzeling geld kost
Uw gebruikers zijn niet ‘gemiddeld’: specialisten, oudere doelgroepen, buitendienstmedewerkers of wie dan ook voor wie de gemiddelde website op het internet niet is gebouwd
Het risico zit hem in de acceptatie: interne tools en portalen waarbij het probleem niet is dat het systeem crasht, maar dat het wordt genegeerd
Fouten zijn duur: interfaces waarbij een verwarde gebruiker leidt tot een verkeerde bestelling, een complianceprobleem of een lawine aan supportvragen
Als geen van deze situaties van toepassing is, als er werkelijk weinig op het spel staat, kan ‘generated-and-shipped’ volkomen rationeel zijn. Weten wanneer de lus van belang is, maakt deel uit van het beoordelingsvermogen waarvoor je betaalt.
Conclusie
Dankzij AI is het ontwerpen van interfaces bijna gratis geworden. Daardoor zijn het ontwerpen en het valideren ervan waardevoller dan ooit geworden, omdat het aantal plausibele maar ongeteste gebruikersinterfaces wereldwijd explosief is toegenomen, en gebruikers het verschil kunnen voelen, zelfs als ze het niet onder woorden kunnen brengen.
De cyclus is eenvoudig: een mens bepaalt de richting, tools versnellen het maakproces, mensen observeren echte mensen, een beoordeling bepaalt de uitkomst, en zo gaat het steeds weer door. Slechts één schakel in die keten kan worden geautomatiseerd. Voor elke andere schakel is iemand nodig die meer om je gebruikers geeft dan de gemiddelde internetgebruiker.
Zo werken wij: mensen ontwerpen, AI zorgt voor versnelling en echte gebruikers hebben het laatste woord. Als je een interface hebt – of die nu al in gebruik is of nog in de planning staat – en je weet niet zeker of deze voor je gebruikers werkt of gewoon werkt, neem dan contact op. Een middagje meekijken met echte gebruikers is vaak het meest verhelderende wat je voor een digitaal product kunt doen.
