Collaborare con attori umani e non umani : un framework per comprendere l'evoluzione delle pratiche progettuali per l'Healthcare abilitata da IA

Over the past few years, an incremental spread of the distributed and integrated form of product-service systems has been observed. In particular, the adoption of Artificial Intelligence (AI) in multiple sectors has led to a need to understand the role of design and innovation in design, to the point of increasingly considering design activity as a sensemaking activity (Verganti et al, 2020). In particular, Machine Learning (ML) is expanding the capabilities of collecting behavioral data from users, allowing intelligent systems to improve as a result of continuous interactions. This dissertation is part of this line of research, specifically investigating the challenges of designing AI-enabled systems that can transform the healthcare sector. Indeed, in recent years, AI has generated growing enthusiasm in the healthcare sector, mainly due to the spread of increasingly accurate ML models (Bohr and Memarzadeh, 2020). In fact, the design and application of intelligent medical products is inevitably inseparable from the advancement of information medicine and the development of intelligent hospital systems (Liu and Pu, 2019), for which the need to address the effective integration of AI (Li et al, 2020), and transparency issues, among the main barriers to implementation (Markus et al, 2021; Saldanha et al, 2022), emerges as a particular issue. This Thesis work therefore aims to understand the role of design in such systemic innovation processes, exploring the effects of digital technologies in the design aimed at AI integration and the evolution of design practices and methodologies in the development of solutions for the Healthcare sector. For this reason, it is proposed to update the design methods and moments throughout the project process, paying special attention to the definition, involvement and interaction with stakeholders, in projects involving systems, which have a ML algorithm as their core.

Nel corso degli ultimi anni è stato possibile osservare una diffusione incrementale della forma distribuita e integrata di sistemi prodotto-servizio. In particolare, l’adozione dell’intelligenza artificiale (IA) in molteplici settori ha determinato, in ambito progettuale, l’esigenza di comprendere il ruolo del Design e dell’innovazione, a tal punto da considerare sempre più l’attività progettuale come un’attività di sensemaking (Verganti et al, 2020). In particolare, il Machine Learning (ML) sta ampliando le capacità di raccogliere dati comportamentali dagli utenti, permettendo a sistemi intelligenti di migliorarsi a seguito di interazioni continuative. Questo lavoro di Tesi si inserisce in tale filone di ricerca, andando a indagare nello specifico le sfide relative alla progettazione di sistemi abilitati da IA, in grado di trasformare il settore Healthcare. Negli ultimi anni infatti l’IA ha generato un entusiasmo crescente in ambito sanitario, soprattutto grazie alla diffusione di modelli di ML sempre più accurati (Bohr e Memarzadeh, 2020). Infatti, la progettazione e l’applicazione di prodotti medicali intelligenti è inevitabilmente inseparabile dal progresso della medicina dell’informazione e dallo sviluppo di sistemi ospedalieri intelligenti (Liu e Pu, 2019), per i quali emerge in particolare la necessità di affrontare l’integrazione effettiva di IA (Li et al, 2020), e i problemi di trasparenza, tra i principali ostacoli all’implementazione (Markus et al, 2021; Saldanha et al, 2022). Questo lavoro di Tesi si pone dunque l’obiettivo di comprendere il ruolo del Design in tali processi di innovazione sistemica, esplorando gli effetti delle tecnologie digitali nella progettazione finalizzata all’integrazione di IA e l’evoluzione delle pratiche e metodologie progettuali nello sviluppo di soluzioni per il settore Healthcare. Per tale ragione viene proposto un aggiornamento dei metodi e dei momenti di progettazione lungo tutto l’arco del processo progettuale, prestando una particolare attenzione alla definizione, al coinvolgimento e all’interazione con gli stakeholder, nei progetti che prevedono sistemi alla cui base vi sia un algoritmo di ML.