Iterace jako cyklus učení

1. zjištění z testu
2. hypotéza příčiny
3. úprava návrhu
4. re-test (ověření, že se problém odstranil a nevznikly nové)

Kdy je řešení „dost dobré“

• předem definovaná kritéria:
  • minimální úspěšnost úloh
  • limity chybovosti
  • splnění přístupnosti
  • splnění klíčových akceptačních kritérií
• rozhodnutí je řízené rizikem (bezpečnost, regulace, reputace).

Design handoff

• Nejen „obrazovky“, ale:
  • interakční pravidla a stavy
  • chybové stavy a výjimky
  • záměry (rationale) a evidence
  • akceptační kritéria pro verifikaci
• Cíl: minimalizovat interpretační ztrátu.

Měření po nasazení

• Output: nasazená funkce/změna.
• Outcome: krátkodobá změna chování/metrik (např. dokončení toku).
• Impact: dlouhodobý efekt (např. snížení opakovaných kontaktů, důvěra).

Jak přemýšlet o kauzalitě

• Ošetřit alternativní vysvětlení: sezónnost, změny v populaci, novost.
• Pokud potřebujeme kauzální závěr: experiment, kvazi-experiment, pilot.

Typické selhání

• „dodáno“ bez monitoringu → nevíme, zda to funguje
• měření proxy metrik bez vazby na mechanismus
• chybějící decision log: tým opakuje stejné debaty