Personalizzare le interfacce attraverso la progettazione per vincoli
agosto 2026
Panoramica
Il progetto propone un sistema che riceve informazioni sulle caratteristiche cognitive rilevanti per l’uso di un’interfaccia e ne genera una adatta alla persona. Combina principi di progettazione delle interfacce, requisiti di sicurezza e accessibilità e ricerche sulle caratteristiche umane.
Ho usato un approccio che chiamo progettazione per vincoli: le persone definiscono i requisiti e le condizioni in cui si applicano, mentre l’IA generativa sviluppa proposte concrete entro quei confini. Usando la navigazione per auto come caso di studio, ho costruito una dimostrazione di fattibilità che genera interfacce per 13 personas fittizie, includendo caratteristiche sensoriali e fisiche, e verifica separatamente la conformità dei risultati ai requisiti.
Il confronto ha rivelato un cambiamento evidente nella disposizione dello schermo in risposta a una caratteristica fisica, mentre la maggior parte dei risultati mostrava poche variazioni visive. Usabilità e sicurezza non sono state verificate con utenti. Il lavoro ha aiutato a individuare quali decisioni potessero essere lasciate all’IA generativa e quali requisiti limitassero lo spazio per la personalizzazione.
Contesto: quante esigenze diverse può soddisfare una sola interfaccia?
La maggior parte dei prodotti offre un’interfaccia comune, pensata per il maggior numero possibile di persone. Le persone, però, differiscono nella quantità di informazioni che riescono a elaborare in una volta, nella facilità con cui dirigono l’attenzione e comprendono le formulazioni e nella precisione con cui riescono ad azionare comandi piccoli. Un’interfaccia progettata per soddisfare molte persone può comunque essere poco adatta a un singolo individuo.
Anche la valutazione a livello di gruppo ha dei limiti. Per esempio, le linee guida volontarie pubblicate dalla NHTSA nel 2013 richiedono che almeno 21 partecipanti su 24 soddisfino ciascun criterio di accettazione relativo agli sguardi. Questo non significa che tutti riescano a usare l’interfaccia altrettanto bene. [1]
Anche quando un prodotto permette di cambiare la dimensione del testo o la quantità di informazioni visualizzate, l’utente deve prima scoprire le impostazioni, riconoscerne il rapporto con le proprie difficoltà e scegliere una regolazione adatta. Sono partito dalla domanda se queste opzioni fossero poco usate, lasciando le persone con interfacce non adatte a loro.
In un navigatore per auto, guardare lo schermo e usarlo competono con l’attenzione richiesta dalla guida. [1] Se un’interfaccia poco adatta alla persona aumenta quel carico, vale la pena esplorare se un’interfaccia personalizzata fin dall’inizio possa favorire sia l’usabilità sia la sicurezza.
L’IA generativa ha reso possibile prototipare un processo che trasforma informazioni personali e conoscenze progettuali in un’interfaccia. Ho esplorato se questo potesse ridurre il lavoro necessario a progettare manualmente un’interfaccia distinta per ogni persona.
Questo progetto non ha esaminato con quale frequenza le persone usino queste impostazioni né come un’interfaccia poco adatta alla persona influisca sul rischio di incidenti.
Proposta — collegare le informazioni personali a due tipi di conoscenza progettuale
Il sistema riceve informazioni sulle caratteristiche cognitive rilevanti per l’uso di un’interfaccia. Questa dimostrazione di fattibilità ha usato personas fittizie che comprendevano anche caratteristiche sensoriali e fisiche. L’IA considera queste informazioni insieme a due insiemi di conoscenze preparati in anticipo: regole di base per il design delle interfacce e conoscenze che collegano le caratteristiche umane alle scelte progettuali consigliate.
L’IA genera un’interfaccia entro i confini consentiti e una verifica separata ne controlla la conformità ai requisiti. Il risultato comprende l’interfaccia personalizzata e una spiegazione di che cosa è cambiato e perché.
Ingresso: le informazioni sulla persona
Gli input comprendono la facilità con cui una persona riesce a mantenere a mente e utilizzare informazioni, quanto facilmente altri stimoli la distraggono e quali tipi di spiegazione trova più comprensibili. L’implementazione considera anche la vista e la destrezza manuale. Usa informazioni rilevanti per l’interazione con un’interfaccia, anziché determinare la schermata sulla sola base di una diagnosi.
Conoscenze A: requisiti di base dell’interfaccia
Si mettono in ordine i principi fondamentali del design: coerenza, riscontro alle azioni, raggruppamento dell’informazione, leggibilità del testo e degli elementi da toccare. A questi si aggiungono le restrizioni d’uso delle interfacce di bordo e i requisiti di accessibilità, definiti insieme alle situazioni in cui si applicano.
Conoscenze B: collegare le caratteristiche umane alle interfacce consigliate
Le caratteristiche umane stabilite dalla ricerca vengono legate a principi di presentazione dell’informazione e da lì al progetto dell’interfaccia. A una caratteristica come «trattenere informazioni mentre si opera è gravoso» corrisponde la direzione «ridurre ciò che va ricordato», che porta a soluzioni che mantengono sullo schermo le informazioni necessarie.
I risultati della ricerca non forniscono necessariamente valori progettuali specifici per un’interfaccia di navigazione per auto. Distinguo ciò che la ricerca stabilisce dalle scelte progettuali che ne ricavo. I miglioramenti utili a tutti rientrano nelle regole di base, anziché essere conteggiati come risultati della personalizzazione.
L’esperienza proposta: trovare un’interfaccia adatta prima di partire
Scenario futuro: la configurazione tramite conversazione non è stata implementata in questa dimostrazione di fattibilità.
Immaginiamo di sederci per la prima volta al volante di un’auto nuova. A veicolo fermo, un agente IA fa domande sulle esperienze abituali. Anziché esplorare impostazioni tecniche, la persona descrive ciò che trova difficile e ciò che funziona bene per lei.
-
Prima di partire: iniziare la conversazione
IA: «Per adattare lo schermo a lei, può raccontarmi come usa di solito le interfacce? Se preferisce, possiamo farlo più tardi.»
L’utente comprende lo scopo e sceglie se iniziare subito o più tardi.
-
Intervista: descrivere le difficoltà
IA: «Quando le indicazioni del navigatore si susseguono, che cosa diventa difficile da seguire?»
Utente: «Quando arriva l’indicazione successiva, a volte dimentico che cosa diceva quella precedente.»
L’IA chiede di situazioni concrete e individua difficoltà legate a memoria e attenzione.
-
Verificare la comprensione: permettere all’utente di correggere l’IA
IA: «Sembra che mantenere le informazioni sullo schermo sia più facile che ricordare i passaggi. Ho capito bene?»
L’utente conferma o corregge l’interpretazione dell’IA. Le informazioni riferite durante la conversazione restano separate da misurazioni cognitive e diagnosi. Le informazioni che richiedono misurazioni verrebbero valutate separatamente.
-
Proposta e prova: spiegare le modifiche e provare l’interfaccia
IA: «Per ridurre ciò che deve ricordare, propongo una schermata che mostri sia l’azione in corso sia il passaggio successivo.»
A veicolo fermo, l’utente prova attività come la scelta della destinazione. Può dire «La versione precedente era più chiara» oppure «Cambierei questa formulazione». La proposta può essere modificata o si può ripristinare l’interfaccia originale.
-
Iniziare a usare l’interfaccia confermata
L’interfaccia confermata viene salvata come configurazione iniziale. La sua struttura di base rimane stabile mentre l’auto è in movimento, così l’utente può fare affidamento su ciò che ha imparato. Può riesaminarla e modificarla a veicolo fermo.
La conversazione serve a definire una configurazione iniziale adatta, attraverso uno scambio in cui l’utente può spiegare le proprie esigenze e correggere i fraintendimenti. Non è una classificazione dell’utente effettuata una volta per tutte.
Implementazione: separare i requisiti fissi dalle decisioni lasciate all’IA
Ho implementato il processo che riceve le informazioni sulle caratteristiche della persona, genera le interfacce, ne verifica la conformità, le visualizza e le confronta. Al posto dell’intervista conversazionale, ho usato come input 13 personas fittizie con caratteristiche diverse.
Ho scelto la navigazione per auto perché offre requisiti concreti su cui lavorare: superficie dello schermo, dimensione delle aree di tocco, quantità di informazioni visualizzate e interazioni consentite durante la guida.
L’approccio della progettazione per vincoli
In questo progetto, progettare per vincoli significa che le persone definiscono i requisiti e quando si applicano, mentre l’IA propone soluzioni entro quei confini.
Un approccio parametrico basato su regole definisce in anticipo il valore o l’opzione corrispondente a ogni input. In questo progetto ho definito gli intervalli consentiti e le evidenze a sostegno di ciascuna decisione, lasciando all’IA generativa la scelta dei valori e delle formulazioni non ancora fissati. L’implementazione combina valori calcolati e decisioni generate dall’IA.
| Che cosa stabiliscono le evidenze | Come viene gestito nell’implementazione |
|---|---|
| È stabilito un valore specifico o una relazione matematica | Calcolare il valore entro le condizioni e l’ambito di applicazione verificati |
| Si conosce la direzione della regolazione, ma non la sua entità | Scegliere un valore coerente con quella direzione e con i vincoli, registrandolo come scelta progettuale non verificata |
| Le evidenze non determinano una scelta adatta | Trattare il risultato come proposta esplorativa da valutare |
Nel tradurre i risultati della ricerca in decisioni sull’interfaccia, ho registrato fonti, condizioni di applicazione e scelte progettuali. L’interfaccia generata include le ragioni dei cambiamenti, così da poter risalire al motivo per cui una determinata soluzione è stata proposta per una determinata persona.
Verificare l’interfaccia generata in un passaggio separato
L’interfaccia viene generata come dati strutturati che descrivono gli elementi dello schermo e la loro disposizione, e visualizzata a partire da quei dati. Il codice controlla i requisiti numerici e strutturali. Una verifica separata mediante un modello linguistico di grandi dimensioni (LLM) valuta alcuni requisiti che richiedono di interpretare il significato. Il sistema registra anche gli aspetti esclusi dai controlli automatici e quelli non verificabili per mancanza di informazioni.
Questi controlli stabiliscono se il risultato rispetta i requisiti definiti. Per determinare se sia più facile da usare o più sicuro serve ancora una valutazione con utenti.
Se durante la progettazione emergono requisiti in conflitto, l’IA li individua e una persona decide come rivederli. L’IA non modifica autonomamente i requisiti a ogni generazione.
Confronto tra interfacce: un cambiamento evidente nella disposizione e una disposizione quasi invariata
Il confronto usa come riferimento un’interfaccia predefinita comune, generata senza caratteristiche personali come input. L’ho confrontata con interfacce generate da caratteristiche personali, mantenendo le stesse funzioni.
Le immagini seguenti sono risultati del prototipo, non il prima e dopo della riprogettazione di un navigatore commerciale. Le personas sono input fittizi usati per esaminare gli effetti di determinate caratteristiche; non rappresentano utenti reali.
Aree di tocco più grandi
PS-12: una persona con difficoltà nei tocchi precisi
PS-12 ha la stessa età e le stesse caratteristiche cognitive e sensoriali del riferimento PS-01; cambia soltanto la destrezza manuale. Nelle immagini, le aree di tocco sono più grandi e le voci al centro dello schermo passano da sette a quattro. Il conteggio esclude i pulsanti fissi in basso.
Interfaccia predefinita comune
Interfaccia generata dalle caratteristiche personali
Aree di tocco più grandi significano meno voci selezionabili su una singola schermata. Il progetto mira a preservare le stesse funzioni, ma questa sola immagine non permette di stabilire quanto sia facile passare alle schermate successive.
Una disposizione quasi invariata
PS-01: la persona di riferimento
La dimensione del testo differisce leggermente, ma numero di voci, disposizione e dimensioni delle aree di tocco rimangono pressoché invariati. Con questa combinazione di regole e input, la disposizione generata non differiva sostanzialmente dall’interfaccia predefinita comune.
Interfaccia predefinita comune
Interfaccia generata dalle caratteristiche personali
Risultati e discussione: quanto margine restava alla generazione?
Il valore aggiunto dell’IA generativa resta da dimostrare
Nel mio confronto visivo, PS-12 era l’unico risultato con una disposizione dello schermo chiaramente diversa. Gli altri differivano nelle formulazioni e nelle impostazioni, ma l’aspetto non mostrava una differenza sostanziale di valore.
Le modifiche di PS-12 si potrebbero ottenere anche con impostazioni che regolano le dimensioni degli elementi e la quantità di informazioni visualizzate. Partire da un’interfaccia adatta senza dover cercare queste impostazioni potrebbe avere valore. Tale esperienza va valutata separatamente dalla necessità di usare l’IA generativa per produrre l’interfaccia.
Questa dimostrazione di fattibilità non ha mostrato che adattare un’interfaccia alle caratteristiche cognitive migliori le prestazioni nello svolgimento dei compiti, né che l’IA generativa produca un’interfaccia migliore di un approccio basato su regole.
Lo spazio progettuale implementato era ristretto
Dopo aver applicato dimensioni minime di testo e aree di tocco, superficie dello schermo e limiti alle informazioni visualizzate, rimanevano poche opzioni di disposizione. Molte parti dell’implementazione erano inoltre determinate da calcoli o strutture fisse, lasciando all’IA poco margine per scegliere tra alternative valide.
Restava flessibilità nelle formulazioni, ma queste differenze erano meno visibili dei cambiamenti nella disposizione e la valutazione visiva non poteva coglierne pienamente il valore. Ho concluso che per valutare l’IA generativa occorre una gamma di proposte valide le cui differenze incidano sull’esperienza dell’utente.
Questo risultato riguarda le regole raccolte, i parametri di interfaccia scelti e la gamma di soluzioni supportata da questa implementazione. Non stabilisce un limite generale della navigazione per auto o delle interfacce personalizzate.
Non ho consultato direttamente il testo completo di ogni norma pertinente, JIS, ISO o di altro tipo. Ho raccolto le conoscenze progettuali da articoli disponibili, indicazioni ufficiali, dati pubblici e testi completi o anteprime di alcune norme. L’ambito delle fonti può aver influito sulle opzioni progettuali disponibili. Serve un ulteriore esame per stabilire se le norme aprirebbero altre possibilità o imporrebbero restrizioni aggiuntive.
Lavorare con l’IA ha migliorato le regole stesse
Un altro risultato è stato il processo di definizione dei requisiti per la generazione e di trasformazione in condizioni verificabili.
| Problema individuato | Risposta progettuale |
|---|---|
| Più limiti inferiori si applicavano allo stesso elemento, ma non era chiaro come combinarli | Ho chiarito come applicare insieme i limiti senza violarne nessuno |
| Un requisito previsto solo durante la guida si applicava anche a veicolo fermo | Ho specificato lo stato di guida in cui si applica ciascun requisito |
| Complessità delle formulazioni e presenza di icone erano riunite in un’unica dimensione progettuale | Le ho separate in dimensioni indipendenti, recuperando opzioni escluse senza necessità |
| L’IA usava requisiti non applicabili al risultato da generare | Ho specificato quali requisiti consultare per ciascun risultato |
| Decisioni destinate all’IA erano state fissate nell’implementazione | Ho rivisto la ripartizione delle responsabilità tra specifica e implementazione |
L’IA individuava i problemi, io li valutavo e le decisioni venivano recepite nel progetto. Questo processo iterativo ha chiarito quali requisiti dovessero valere per tutti e dove l’interfaccia potesse essere personalizzata.
Prossimi passi: valutare la personalizzazione e il ruolo dell’IA generativa
Il prossimo passo è esaminare separatamente due domande.
Primo: quale valore ha un’esperienza che offre un’interfaccia iniziale adatta senza richiedere all’utente di configurarla? Occorrerebbe implementare l’intervista conversazionale, le occasioni per correggere ciò che l’IA ha capito e la prova dell’interfaccia, per poi valutare l’affidabilità degli input e il carico per l’utente.
Secondo: in quali contesti progettuali le differenze tra proposte generate dall’IA potrebbero migliorare l’esperienza? Vorrei esplorare contesti in cui i requisiti lascino aperte diverse opzioni valide per organizzare informazioni e percorsi di interazione.
Uno studio con utenti reali confronterebbe tre interfacce sullo stesso compito: quella predefinita comune, una regolata mediante regole sulla base delle caratteristiche personali e una generata dall’IA. Tempo di completamento, errori, sguardi e carico di lavoro percepito aiuterebbero a distinguere gli effetti della personalizzazione da quelli dell’uso dell’IA generativa.
Intendo inoltre approfondire le norme pertinenti e precisare la distinzione tra evidenze della ricerca e scelte progettuali. Oltre a rendere verificabili i requisiti, la prossima sfida è conservare al loro interno opzioni che offrano differenze significative per gli utenti.
Riferimenti
- NHTSA, Visual-Manual NHTSA Driver Distraction Guidelines for In-Vehicle Electronic Devices (2013). Si tratta di linee guida volontarie. Per i criteri di accettazione relativi agli sguardi si veda VI.E; per attenzione e rischio, I.C e altre sezioni. Questo non implica che la dimostrazione di fattibilità sia stata certificata conforme a quel test. Leggi il documento nel Federal Register