Кто застал формат «Утром делаю баннер, днем верстаю лендос, вечером рисую макет в ФШ», не сильно удивится. Кто-то даже порадуется тому, что можно навайбкодить все нужное и не зависеть от разраба, который возьмет твою задачу примерно никогда.

Тем, кто вкатился в дизайн недавно, такое восприятие может быть в новинку.

ИИ позволяет нам стать немного разрабами, аналитиками или рисерчерами. Модели пока плохо умеют в масштабируемые решения. Но иногда это и не нужно. Не каждый сервис или приложение — продукт. Иногда это просто утилита для прикладных нужд.

Если каждый специалист в команде будет уметь все по чуть-чуть, то этого же будут ждать и от дизайнера.

Если любой может собрать базовый UI или флоу, то в чем ценность отдельного спеца?

Да, вы можете насыпать мне полную панамку в духе: «Но ведь флоу может не решить задачу, это – дженерик бездумный». И будете правы. Только могут ли продакты или разрабы на старте оценить качество сгенерированного прототипа? Вряд ли, у них другие области экспертизы. А восприятие уже сформировано.

Дизайнер на этом продукте либо не появится, либо он придет слишком поздно и будет переделывать все год.

Copilot от Microsoft зародил тренд на виджет-хелпер, которому можно задавать любые вопросы.

Для архисложных продуктов он помогает. Но для продуктов «среднего уровня» у команды может возникнуть соблазн просто запихнуть документацию в модель и оставить пользователей разбираться. Если у пользователя нет альтернативы, то когнитивная нагрузка на него возрастет. Если есть – вы его потеряете.

Контекст по продукту, синтетические пользователи, агрегация информации позволяют быстро проверить идею о «коллективном бессознательном».

С одной стороны, это помогает отсечь нерелевантное и поискать точки роста.

С другой, можно попасться в ловушку предвзятости подтверждения (confirmation bias) или потерять контакт с реальной аудиторией. Потому что модель глючит, вы неправильно составили промпт или не хватило данных.

ИИ наследует классический принцип из Data Science: «говно на входе, говно на выходе». Чем точнее загруженная информация, тем точнее рекомендации и анализ.

Раньше контекст можно было передать при личном взаимодействии. Был контроль, можно было убедиться, что тебя поняли как надо.

Теперь мы не знаем, как ИИ интерпретирует артефакты и какое решение примет человек на их основе. Особенно актуально для тех, кто работает над частью большого продукта. Если вы не хотите, чтобы кто-то сделал ужасную фичу на основании плохо сформулированных выводов из исследования двухлетней давности, то придется писать-писать-писать.