Vraag een AI-model om een indeling voor een dashboard, het scherm met grafieken en cijfers dat een bedrijf elke ochtend bekijkt, en je krijgt er twaalf. Elk ervan is degelijk, geen enkele is duidelijk fout, en ze zien er allemaal uit alsof ze uit hetzelfde product komen. Eén degelijke optie kostte een junior designer vroeger een middag. Nu is het moeilijke deel verschoven: opties bedenken was nooit de schaarse vaardigheid, de juiste kiezen wel.
Dat kiezen kan het model niet voor je doen. Wat het je geeft, ziet eruit als een beslissing en is dat meestal niet. Designsystemen, de gedeelde bouwstenen waaruit een product is gemaakt, leerden me het verschil al jaren voordat AI dat deed. Een kleurcode zegt alleen hoe iets eruitziet. Een naam als "de kleur van het ding waar je op drukt" zegt waar het voor is, en dat is een beslissing. Een gegenereerd scherm, een concept van een tekst of een door een computer gemaakte afbeelding is van de eerste soort: een beschrijving van hoe een aannemelijk antwoord op een opdracht als deze eruitziet. Of het juist is voor dit product, deze gebruiker, dit moment, is een aparte vraag, en het antwoord hangt af van dingen die niet in de opdracht staan.
Het werk valt dus in tweeën uiteen. Voordat je iets genereert, heb je een eigen mening nodig. Daarna moet je wat terugkomt daaraan toetsen.
Het gat tussen aannemelijk en juist
Ik zag dat gat het duidelijkst bij iets dat niets met software te maken heeft. Ik liet een AI-model afbeeldingen maken van een huis dat ik net had gekocht, om de kamers te zien voordat een aannemer ergens aankwam. De afbeeldingen waren steeds aannemelijk. De verhoudingen waren vol overtuiging fout, tot ik echte maten gaf. De materialen zagen er overtuigend uit en kwamen met niets overeen wat een bouwmarkt verkoopt. Het licht was altijd dat van het gouden uur, omdat dat mooi fotografeert, op welke kant de kamer ook ligt. Een huis onderhandelt niet. Het is precies zo groot als het is.
Hetzelfde gat zie je in interfaces: een scherm dat consistent is, in de huisstijl, bruikbaar voor iedereen, en toch fout, omdat het de letter van de opdracht beantwoordde in plaats van de bedoeling erachter. Niets aan dat scherm ziet er onaf uit, en juist daardoor laat je het makkelijk passeren.
Vooraf: vorm eerst een mening
De mening die je meebrengt, noemen mensen smaak, en dat woord wordt vaak gebruikt alsof het betekent wat iemand toevallig mooi vindt. Het lijkt meer op een ingedikte geschiedenis: een verslag van alles waar je goed naar hebt gekeken en een mening over hebt gevormd: de interfaces die goedkoop aanvoelden terwijl ze op papier alles goed deden, de twee lettertypes die los van elkaar prima oogden en op de pagina met elkaar vochten, de versie van een merk die mooi fotografeerde en niets betekende.
Een model heeft meer design gezien dan een mens ooit zal zien en heeft over niets daarvan een mening, omdat het nooit met een beslissing heeft hoeven leven, die heeft zien mislukken en dat heeft meegenomen naar de volgende. Smaak is oordeel met littekenweefsel. Een model heeft de vorm van het oordeel zonder de littekens.
Daarom doet de volgorde ertoe. De verleidelijke werkwijze is eerst genereren en dan reageren op wat terugkomt, omdat reageren makkelijker is dan bij nul beginnen. Maar reageren op twaalf opties is een veel oppervlakkiger soort oordeel dan een standpunt vormen voordat er iets is gegenereerd. Dus schets ik eerst een ruwe mening, op papier of in één zin. Wat het model oplevert, wordt dan getoetst aan iets wat ik dacht, in plaats van te worden wat ik denk omdat het als eerste kwam en er af uitzag.
De valkuil die op smaak lijkt
Er is één gewoonte die voor smaak doorgaat en het niet is: dingen afwijzen omdat ze niet lijken op wat je zelf zou hebben gemaakt. Dat is een spiegel, geen oordeel, en het is erger dan helemaal geen filter, omdat het samen met de foute ideeën ook goede ideeën weggooit die uit een onbekende hoek komen. Een model bedenkt opties waar je zelf nooit op was gekomen, en sommige zijn juist daardoor beter. De vraag is of iets op zichzelf juist is, niet of het is hoe jij het zou hebben gedaan.
Achteraf: drie vragen voordat ik iets accepteer
Ik stel dezelfde drie vragen aan alles wat AI maakt, wat het ook is: een scherm, een alinea tekst, een afbeelding van een kamer. Ik sta mezelf niet toe door te springen naar de laatste.
Zou ik deze keuze hardop verdedigen, om een andere reden dan "het zag er goed uit"?
Bijna alles wat een model nu maakt, haalt de lat van er goed uitzien, dus die lat filtert niets meer. Wat nog wel filtert, is of er een reden achter de keuze zit die overeind blijft als je hem tegen iemand anders uitspreekt.
Houdt het stand tegen de randvoorwaarde die niet kan schuiven?
Elke opdracht bevat een of twee dingen waarover niet te onderhandelen valt, en een model behandelt elke voorwaarde die je geeft als even rekbaar, tenzij je iets anders zegt. De meeste zijn ook rekbaar. De ene vinden die dat niet is, en wat terugkomt specifiek daaraan toetsen, is het deel dat een model niet zelf kan doen.
Wat zou ik veranderen als ik dit in dezelfde tijd zelf vanaf nul had gebouwd?
Als het eerlijke antwoord niets is, heeft het model echt werk gedaan en heb ik het gecontroleerd, en dat is de goede uitkomst. Als het antwoord een lijst is, dan was die lijst het werk, en wie het eerste concept als het eindresultaat behandelt, slaat dat over.
Waar je de tijd aan besteedt die een model bespaart
Bij een snel hulpmiddel is de neiging om meer te genereren. Je kunt de tijd die het bespaart beter gebruiken om scherper naar minder opties te kijken, want dat was altijd het schaarse deel en is nu het enige schaarse deel dat over is.
En smaak bouw je niet op door te kijken. Naar duizend goede interfaces kijken levert een bibliotheek op, en dat is grondstof voor oordeel maar nog geen oordeel. Oordeel bouw je op door een keuze te maken, te zien wat er gebeurt als die fout is, en bij te sturen, bij dingen die echt zijn, ook kleine. Een beslissing zonder gevolgen leert je niets.
Alles wat daaromheen mechanisch is, de concepten, de varianten, de eerste ronde langs honderd kleine keuzes, doet een model goed en geef ik graag uit handen. Het kiezen wacht niet op automatisering. Een model brengt altijd de twaalf opties mee. Het brengt nooit de mening mee, dus die mening moet er al zijn voordat het begint.