Attraversa un flusso di prodotto come farebbe un utente marginalizzato e documenta ogni punto di esclusione o frizione ingiusta.
Scegli un flusso di 5–8 step. Può essere del tuo prodotto o di un servizio pubblico/privato che conosci.
Attraversa il flusso quattro volte, assumendo ogni volta una persona diversa dalla lista materiali. Per ogni passaggio annota: cosa funziona, cosa blocca, cosa confonde, cosa esclude.
Segna i punti dove l'AI (o l'automazione) amplifica l'esclusione: riconoscimento facciale fallito, copy generico incomprensibile, raccomandazioni che escludono, nessun fallback umano.
Per i 3 problemi più gravi, proponi un fix concreto: messaggio alternativo, percorso manuale, linguaggio plain, metrica da monitorare.
Opzionale: condividi con qualcuno che rientra in una delle persona e chiedi feedback — la validazione reale batte ogni assunzione.
Tabella audit con 4 persona, almeno 3 problemi critici documentati e fix proposti per ciascuno.
Quale persona ha avuto più frizione? Quale fix è implementabile subito senza coinvolgere engineering? Cosa chiederesti al team data/ML?