// CASO 04 · SHARELOCK · SICUREZZA AI-NATIVE
Sharelock individua le minacce all'identità imparando come si comporta ogni utente e segnalando l'anomalia. Il machine learning era brevettato. Il problema era l'interfaccia: nel primo prototipo gli analisti non riuscivano a completare i task critici e i manager non riuscivano a leggere i report di rischio.

fig 01 · Accessi, compliance e telemetria in una sola vista, riprogettata.
fig 01 · Accessi, compliance e telemetria in una sola vista, riprogettata.

fig 02 · Dettaglio della dashboard: prima l'anomalia, poi l'azione.
Sharelock raccoglie dati da qualsiasi fonte, log, sensori, applicazioni, costruisce una linea di base comportamentale per ogni utente e segnala ciò che se ne discosta. Sono tanti dati su uno schermo, per due tipi di persone: analisti che vogliono profondità e velocità, e manager che vogliono una decisione. Abbiamo osservato gli analisti mentre eseguivano i loro compiti, o non ci riuscivano, riprogettato i flussi critici attorno a quello che cercavano davvero di fare, e impostato un design system perché il prodotto restasse coerente in ogni vista senza perdere usabilità.

fig 03 · La libreria di componenti da cui il team di sviluppo ha costruito.
Test di usabilità qualitativi
Atomic design
Design ops cross-funzionali
Libreria di componenti

Chiarire la complessità, tenere la profondità
Prima l'azione critica
Mostrare cosa fa un'azione prima che la faccia
Abilitare la competenza, non ridurla
I flussi critici sono diventati completabili da capo a fondo dagli analisti, e i manager hanno avuto report su cui agire. Il design system ha dato a Sharelock un modo di aggiungere funzioni senza riprogettare il prodotto ogni volta, e l'interfaccia è entrata nel pitch commerciale. Cosa non posso mostrarti: i tassi di completamento dei task vengono dai nostri test interni, non da uno studio pubblicato, quindi prendili come osservazione nostra. Cosa mi resta: lo stesso principio, organizzare invece di semplificare, è quello che applico oggi quando progetto interfacce sopra sistemi AI che producono più segnale di quanto una persona possa leggere.