Concepontwikkeling hoeft niet chaotisch te zijn

Ik denk dat leren hoe je interessante ideeën ontwikkelt een van de moeilijkste onderdelen is van designer worden, iets wat ik heel duidelijk doorkreeg tijdens mijn bachelor. Ik liep telkens vast zodra ik meer wilde bedenken dan de meest voor de hand liggende oplossingen. Tot dat moment had ik niet echt door hoe ik dit kon omzetten naar een betrouwbaar proces.

Fast forward naar mijn master, een intensief eenjarig programma waarin ik alles rond machine learning en AI leerde en dat combineerde met design. Het was veel, maar ik heb in twaalf maanden meer geleerd dan ik ooit had gedacht.

Structuur in het creatieve proces

We weten allemaal dat creativiteit chaotisch kan zijn, maar voor mij zorgde structuur juist voor betere resultaten. In mijn eerste semester was ik niet alleen bezig met machine learning begrijpen, maar ook met ideation. Er zijn tientallen methodes die je daarvoor kunt gebruiken. Ik noem er hieronder een paar, met voorbeelden, om te laten zien dat een eerste stap nog lang geen eindresultaat hoeft te zijn.

Mijn workflow

Ik ga niet diep in op alle methodes, daar zijn honderden, misschien wel duizenden artikelen over te vinden, maar ik highlight wel het proces dat ik uiteindelijk gebruikte voor mijn masterscriptie. Ik gebruikte de double diamond-methode, divergeren en convergeren in twee fases, wat leidde tot in totaal 136 oplossingsrichtingen. Niet definitief, gewoon gedachten.

Zoals je in deze visual waarschijnlijk ziet, ligt de nadruk aan het eind op waarden, scenario's en aannames. Ik merk dat ik later in het proces meer focus op het afstemmen van ideeën op de specifieke context van het project. Dingen die je doelgroep belangrijk vindt, ontdek je vaak door simpelweg met ze te praten.

Een favoriet

SCAMPER is een van mijn favoriete ideation-methodes, omdat ik daarmee AL mijn gedachten in een tabel kan gooien, en dat schaalt heel snel als je door veel mogelijke oplossingsrichtingen gaat. In een van mijn projecten werd de SCAMPER-tabel gestuurd door provocaties, dat zijn meestal absurde oplossingen die ver voorbij het oorspronkelijke probleem schieten. Een voorbeeld: gebruikers blokkeren van hun bankaccount als hun data niet klopt. Mega irritant voor gebruikers, maar technisch gezien een efficiënte manier om datakwaliteit te borgen. Uiteraard niet iets wat je letterlijk zou shippen.

Uitkomsten filteren

Natuurlijk kun je een gigantische grid aan oplossingen niet zomaar shippen, en ook niet presenteren aan stakeholders. Ik gebruikte vier categorieën: "Most Rational", "Most Delightful", "Darling" en "Long Shot". Long shots zijn oplossingen die op dit moment niet praktisch zijn, te intrusief of onrealistisch, dus die filter je eruit. Uiteindelijk filterde ik "Most Rational" ook weg, dus de meest logische en makkelijke oplossingen verdwenen ook. Juist de delightful en darling-richtingen bleven over als meest kansrijke opties om te shippen.

Vanaf daar maakte ik een values matrix, waarin ik onderzoek koppelde aan elke mogelijke oplossing en die beoordeelde op waarden die we samen met stakeholders hadden vastgesteld. Zo bleven er vijf richtingen over die klaar waren voor de prototypefase. Er zijn nog veel meer methodes om uitkomsten te filteren en kiezen, er is geen one-size-fits-all. Beter is kijken wat past bij je bestaande kennis en context, zodat je rationele keuzes maakt in plaats van keuzes op basis van persoonlijke voorkeur.