Historien upprepar sig inte, men den rimmar
Under datorns tidiga dagar utmärkte sig power users genom sin expertis i kommandoraden. De hade en förståelse för kryptisk syntax, de memorerade kommandon och var digitala magiker. Vi andra famlade med manualer och syntaxfel, och på något sätt låter detta lite bekant.
Det som nu kallas "prompt-ingenjörer" är de nya power users. De konstruerar instruktioner med förståelse för begränsningar i AI, förstår tokengränser och kan navigera AI-modellernas osynliga arkitektur bättre än oss vanliga dödliga. Precis som en van programmerare från 1990 visste precis hur de fick det mesta ur sin primitiva burk. Resten av oss är återigen lämnade till att skriva motsvarigheten som genererar "bad command or file name".
Jag tror inte det bara är en ytlig likhet utan en återställning för människa-dator-interaktion och det händer just nu framför våra ögon.
Vi börjar om då
Jag minns tydligt övergången - hur Apple och Microsoft successivt flyttade oss från kryptiska kommandon till visuella metaforer. Det var en revolution som tog nästan ett decennium. Designers och utvecklare arbetade tillsammans för att översätta datorns komplexitet till något gripbart: skrivbord, mappar, papperskorgar. Vi skapade ett visuellt språk som än idag formar hur vi tänker på datorgränssnitt.
I mitt nuvarande jobb som UX-designer är mitt uppdrag tydligt: Göm komplexitet bakom intuitiva gränssnitt. Vi gömmer kod och kommandomemorering bakom visuell upptäckt. Den rätta lösningen kräver ingen manual. Men efter senaste tidens AI-boom kan man utan problem hitta prompt-guider, som utan ironi ser misstänkt lika ut som datormanualer från 1990.
Vad jag tycker är särskilt intressant är inte bara att historien upprepar sig – vi befinner oss i ett unikt ögonblick där två fundamentalt olika paradigmer kolliderar. Det traditionella UI:t som är visuellt, upptäckbart men begränsat, och AI-prompten som är osynlig, kräver förståelse men är gränslös.
Precis som när PC:n kom till gemene man för första gången, så är vår mest avancerade teknologi också vår minst tillgängliga.
Den andra sidan av myntet
Det finns dock en elefant i rummet som man som designer måste adressera: AI kan lätt låta som magi men i grunden är de statistiska maskiner, LLM:s, Large Language **Models**. När vi pratar om ChatGPT, Claude eller någon annan stor språkmodell handlar det egentligen om avancerade sannolikhetsberäkningar baserade på mönster i data. Det är inte någon magisk intelligens som "tänker" – det är matematiska modeller som predicerar nästa ord baserat på tidigare träningsdata.
AI är bra på vissa saker som att förstå och generera text i olika former, att upptäcka mönster, sammanfatta information och att anpassa innehåll, men den är betydligt sämre på att göra logiska resonemang, vara konsekvent över tid och hantera ny oväntad information. Det är kritisk kunskap för oss som designers. När vi förstår att vi arbetar med statistiska modeller snarare än intelligent teknologi kan vi skapa bättre, mer ändamålsenliga lösningar.
Mot bättre design
Det finns en farlig tendens i branschen att se AI som en magisk låda som kan lösa alla problem. "Släng lite AI på det" har blivit vår tids "Gör en app för det". Vi återupplever gamla utmaningar fast snabbspolat, låt oss titta på den historiken och lära oss från den.
Design-thinking är fortfarande ett verktyg i vår låda; vi måste börja med att förstå vad användaren faktiskt behöver, och sedan noggrant överväga om och hur en språkmodell kan hjälpa till att lösa det problemet. Ibland är svaret fortfarande traditionella gränssnitt, eller smarta genomtänkta hybrider. Det finns till och med situationer där vi gömmer AI helt och hållet från slutanvändaren.
När vi väl har hittat ett rimligt use-case för AI så tycker jag det är särskilt utmanande att komplexiteten är osynlig, en black box, precis som ett svart DOS-fönster.
Demokratisera AI
När vi står här vid början av en ny era kan vi dra värdefulla lärdomar från både den grafiska revolutionen på 80-talet och datavisualiseringens revolution under 2010-talet. I båda fallen handlade det om att göra det abstrakta konkret. Vi lärde oss att användare inte behöver förstå binär kod för att hantera filer, eller databasstrukturer för att utforska information visuellt.
Frågan vi måste ställa oss är: Hur kan vi göra AI:n lika synlig och manipulerbar som vi en gång gjorde med datorns filsystem och kod? Hur kan vi skapa verktyg som låter användare utforska och experimentera med AI:ns möjligheter, utan att behöva bli experter på dess inre arbetssätt?
Detta kräver att vi först erkänner att vi befinner oss i kommandorads-eran av AI. Vi måste göra som designers gjorde på 80-talet – sätta oss med utvecklarna, förstå den underliggande tekniken, och sedan systematiskt bygga lager av abstraktion som gör kraften tillgänglig för alla.
Kanske behöver inte en 70-årig konstnär förstå tokens, prompt-engineering eller parameteroptimering för att få den bild han ser framför sig. Kanske kan han i stället intuitivt förstå vad han behöver göra för att realisera sin idé, precis som jag glatt satt och dödade monster i DOOM för 30 år sedan.
.webp)
