
Tổ thiết kế của Phúc có 20 hình dáng chai nước. Một mẫu trông đẹp trên màn hình nhưng thân quá rộng để đặt vào ngăn xe đạp. Nhóm cần thu hẹp lựa chọn trước khi làm mẫu cầm tay.
Dùng AI tạo thêm phương án và hỗ trợ sàng lọc theo tiêu chí rõ ràng. Đưa các phương án còn lại cho người dùng thử trước khi chọn. Tình huống trong bài là ví dụ minh họa.
Học máy giúp được phần nào của thiết kế?
Burnap và cộng sự phát triển mô hình dự đoán điểm thẩm mỹ và tạo phương án thiết kế. Dữ liệu chính đến từ thiết kế SUV, gồm ảnh xe được người tiêu dùng chấm và tập ảnh chưa chấm. Các mẫu do hệ thống tạo cũng được đưa ra đánh giá. Đây là minh họa về đánh giá thẩm mỹ, còn tiêu chí an toàn và công năng cần phép thử riêng. Burnap và cộng sự (2023).
Phúc thu hẹp 20 mẫu bằng cách nào?
Phúc cung cấp cho AI ba ràng buộc: vừa ngăn xe đạp, dễ cầm và mở được bằng một tay. Nhóm dùng AI phác biến thể về đường nét, đo lại kích thước bằng bản vẽ kỹ thuật và chỉ in thử các mẫu qua vòng đó. Người thử được cầm, mở và đặt từng mẫu lên xe.
Cách áp dụng vào bài tập hoặc công việc
- Viết tiêu chí bắt buộc và tiêu chí chấm điểm trước khi tạo hình.
- Tạo vài biến thể cho mỗi hướng. Để người thiết kế xác nhận kích thước, vật liệu và khả năng sản xuất.
- Cho người dùng thử các mẫu đã sàng lọc theo thứ tự thay đổi. Ghi riêng điểm ưa thích và lỗi thao tác.
Bài tập thực hành. Nếu mẫu được thích nhất có tỷ lệ mở thất bại cao nhất, hãy đề xuất một điều chỉnh và bài kiểm tra lại.
Đọc thêm Từ 200 đánh giá đến một nhu cầu sản phẩm.
Tài liệu tham khảo
Burnap, A., Hauser, J. R., & Timoshenko, A. (2023). Product Aesthetic Design: A Machine Learning Augmentation. Marketing Science 42(6), 1029–1056. https://doi.org/10.1287/mksc.2022.1429


