У Люка Врублевски вышел пост о том, как рост скорости разработки меняет роль дизайнеров в создании продуктов.
Тема не новая и многие говорят о том, что под влиянием ИИ процессы разработки меняются так сильно, что приходится искать новые способы организации работы. И увеличение скорости разработки — это один из ключевых факторов этих перемен.
Сегодня 10-кратное ускорение кодирования становится нормой. В посте Джо Магеррамова из Amazon есть иллюстрация того, как меняется скорость постановок: он пишет, что около 80% его кода уже создается ИИ-агентом. Новая реальность требует пересмотра процессов тестирования, поставок, командных коммуникаций, системы принятия решений и т.д.
И все это напрямую касается дизайнеров. Люк выделяет три идеи, как меняется работа, но я остановлюсь на двух.
Первая идея в том, что ускорение разработки меняет роль дизайнера. Дизайнер будет подключаться уже после того, как команда «нагенерит» кучу кода и функций, и его задача будет в том, чтобы наводить порядок постфактум.
Я думаю, это может привести к появлению новой дизайнерской роли, которая будет сводиться к постоянному аудиту продукта. Такой дизайнер будет выравнивать интерфейсы, улучшать пользовательские паттерны и, возможно, больше работать на уровне взаимодействия «продукт–пользователь», ближе к исследовательской роли.
Вторая идея, немного антиопортунистическая, что ускорение разработки само по себе ничего не даст. Хоть инструменты и меняются, но фундаментальная работа остается прежней. Количество хороших продуктов не вырастет только потому, что можно сделать больше кода. Все ещё нужно проводить исследования, анализировать, искать инсайты и новые идеи, а эти процессы не ускоряются так же быстро, как разработка.
В итоге, возможно, мы придем к новой конфигурации продуктовых команд, когда на одного дизайнера нужно будет меньше разработчиков.
На мой взгляд, будет и так, и так, плюс еще и вайбкодинг.
А что думаете вы?
Тема не новая и многие говорят о том, что под влиянием ИИ процессы разработки меняются так сильно, что приходится искать новые способы организации работы. И увеличение скорости разработки — это один из ключевых факторов этих перемен.
Сегодня 10-кратное ускорение кодирования становится нормой. В посте Джо Магеррамова из Amazon есть иллюстрация того, как меняется скорость постановок: он пишет, что около 80% его кода уже создается ИИ-агентом. Новая реальность требует пересмотра процессов тестирования, поставок, командных коммуникаций, системы принятия решений и т.д.
И все это напрямую касается дизайнеров. Люк выделяет три идеи, как меняется работа, но я остановлюсь на двух.
Первая идея в том, что ускорение разработки меняет роль дизайнера. Дизайнер будет подключаться уже после того, как команда «нагенерит» кучу кода и функций, и его задача будет в том, чтобы наводить порядок постфактум.
Я думаю, это может привести к появлению новой дизайнерской роли, которая будет сводиться к постоянному аудиту продукта. Такой дизайнер будет выравнивать интерфейсы, улучшать пользовательские паттерны и, возможно, больше работать на уровне взаимодействия «продукт–пользователь», ближе к исследовательской роли.
Вторая идея, немного антиопортунистическая, что ускорение разработки само по себе ничего не даст. Хоть инструменты и меняются, но фундаментальная работа остается прежней. Количество хороших продуктов не вырастет только потому, что можно сделать больше кода. Все ещё нужно проводить исследования, анализировать, искать инсайты и новые идеи, а эти процессы не ускоряются так же быстро, как разработка.
В итоге, возможно, мы придем к новой конфигурации продуктовых команд, когда на одного дизайнера нужно будет меньше разработчиков.
На мой взгляд, будет и так, и так, плюс еще и вайбкодинг.
А что думаете вы?
McKinsey предсказывают, что к 2028 году до 75% всего ответов на Google будет содержать AI-сводки. Они называют это тектоническим сдвигом, и, на мой взгляд, это точное описание происходящих изменений.
Как часто делают консультанты, в статье «New front door to the internet: Winning in the age of AI search» они обозначают проблему, рисуют перспективу серьезных перемен, но не дают четкого ответа, что с этим делать. Точнее советы есть, но они фактически сводятся к идеи, что действовать нужно уже сейчас.
И в этом они, пожалуй, абсолютно правы. Потому что правильного и универсального ответа на вопрос, какую стратегию выбрать, сегодня просто не существует.
Мне особенно понравился один фрагмент, который лучше всего описывает подход к продвижению в эпоху ИИ:
«Чтобы влиять на множество источников, используемых поисковыми системами на базе искусственного интеллекта, и формировать маркетинговую стратегию, бренды должны понимать, какие вопросы задают потребители и какие источники формируют ответы. Кроме того, им необходимо постоянно идти в ногу с развитием больших языковых моделей. Сегодня это делают лишь немногие бренды. В таких крупных категориях, как кредитные карты, отели, электроника и одежда, ведущие бренды могут отсутствовать в некоторых ответах на ведущих платформах поиска на базе ИИ. Таким образом, некоторые бренды могут иметь более низкую долю в поиске на базе ИИ по сравнению с тем, что мы могли бы ожидать, исходя из их доли рынка и показателей в традиционном поиске.»
По сути, уже сегодня стоит серьезно заниматься GEO (Gen AI Engine Optimization), и это требует комплексного подхода и переосмысления контентной стратегии. Иначе завтра можно обнаружить себя на обочине клиентского внимания.
Надеюсь, мы проведем в Агиме митап, посвященный этой теме. Уж больно она горячая.
Как часто делают консультанты, в статье «New front door to the internet: Winning in the age of AI search» они обозначают проблему, рисуют перспективу серьезных перемен, но не дают четкого ответа, что с этим делать. Точнее советы есть, но они фактически сводятся к идеи, что действовать нужно уже сейчас.
И в этом они, пожалуй, абсолютно правы. Потому что правильного и универсального ответа на вопрос, какую стратегию выбрать, сегодня просто не существует.
Мне особенно понравился один фрагмент, который лучше всего описывает подход к продвижению в эпоху ИИ:
«Чтобы влиять на множество источников, используемых поисковыми системами на базе искусственного интеллекта, и формировать маркетинговую стратегию, бренды должны понимать, какие вопросы задают потребители и какие источники формируют ответы. Кроме того, им необходимо постоянно идти в ногу с развитием больших языковых моделей. Сегодня это делают лишь немногие бренды. В таких крупных категориях, как кредитные карты, отели, электроника и одежда, ведущие бренды могут отсутствовать в некоторых ответах на ведущих платформах поиска на базе ИИ. Таким образом, некоторые бренды могут иметь более низкую долю в поиске на базе ИИ по сравнению с тем, что мы могли бы ожидать, исходя из их доли рынка и показателей в традиционном поиске.»
По сути, уже сегодня стоит серьезно заниматься GEO (Gen AI Engine Optimization), и это требует комплексного подхода и переосмысления контентной стратегии. Иначе завтра можно обнаружить себя на обочине клиентского внимания.
Надеюсь, мы проведем в Агиме митап, посвященный этой теме. Уж больно она горячая.
💯1
Media is too big
VIEW IN TELEGRAM
Сегодня решил протестировать, как разные инструменты справляются с созданием страницы регистрации на мероприятие. Оценивал не только сам процесс, но и перспективу использования в работе.
В видео примеры из:
V0, Lovable, Bolt, Figma Make, Anima App, b12, Google AI Studio, Google Stitch, ChatGPT, Cloude, Grok.
Видео на ютюбе https://youtu.be/W6qo9X0bjCI
В видео примеры из:
V0, Lovable, Bolt, Figma Make, Anima App, b12, Google AI Studio, Google Stitch, ChatGPT, Cloude, Grok.
Видео на ютюбе https://youtu.be/W6qo9X0bjCI
В японских магазинах FamilyMart и Lawson работают роботы, которыми дистанционно управляют филиппинские операторы, когда ИИ машины не справляется с задачей или совершает ошибку.
С одной стороны, это шаг к автоматизации процессов и способ дообучать модели управления роботами. С другой — это способ переноса человеческого труда из региона в регион через удаленное управление.
Мне кажется, это интересный пример того, как может выглядеть будущее технологий. Возможно, со временем операторы начнут управлять даже человекоподобными роботами и появятся своеобразные аватары. И тогда официанта в американском кафе сможет заменить оператор из Индии или другой страны, где стоимость труда ниже.
Может быть, это еще один шаг к новому виду неравенства, и все это еще до появления AGI. А может это прекрасный ответ на вызов демографической ситуации, когда в некоторых странах попросту может не хватать людей для работы.
Смотрите первоисточник https://restofworld.org/2025/philippines-offshoring-automation-tech-jobs/
С одной стороны, это шаг к автоматизации процессов и способ дообучать модели управления роботами. С другой — это способ переноса человеческого труда из региона в регион через удаленное управление.
Мне кажется, это интересный пример того, как может выглядеть будущее технологий. Возможно, со временем операторы начнут управлять даже человекоподобными роботами и появятся своеобразные аватары. И тогда официанта в американском кафе сможет заменить оператор из Индии или другой страны, где стоимость труда ниже.
Может быть, это еще один шаг к новому виду неравенства, и все это еще до появления AGI. А может это прекрасный ответ на вызов демографической ситуации, когда в некоторых странах попросту может не хватать людей для работы.
Смотрите первоисточник https://restofworld.org/2025/philippines-offshoring-automation-tech-jobs/
По данным Deezer, только 3% пользователей могут точно определить треки, созданные ИИ. Некоторых это смущает, но тренд очевиден, и большинству становится все равно, кто автор. https://newsroom-deezer.com/2025/11/deezer-ipsos-survey-ai-music/
Я сам для роликов использую саундтреки из Suno. Сначала генерировал просто по промтам, потом стал напевать мотивы, а алгоритм превращает их в полноценные треки. Но, будем честны, мой вклад в результат минимален.
Казалось, что музыка — это настолько человеческая область, что автоматизация придет туда когда-то потом. А по факту уже почти треть стриминга (28% по данным Deezer на сентябрь 2025 против 18% в апреле) уже генеративный контент. И судя по динамике, доля будет только расти.
Да, остаются вопросы об авторских правах и этике обучения моделей. Но кажется, джина из бутылки уже выпустили и его обратно не загнать.
Вспоминается мною любимый Владимир Мартынов и его книга «Конец времени композиторов» (2002). Он писал о завершении эпохи индивидуального композиторства и приходе чего-то нового — музыки за пределами авторства. С его точки зрения, это естественный процесс развития музыки от Ренессанса к нашим дням. Конец авторской музыки — это не приговор, а продолжение эволюции, которая приведет к ее возрождению в других формах.
Может, то, что мы наблюдаем с ИИ-музыкой, это и есть эти «другие формы»? Демократизация через технологию вместо института композиторства. Пока просто наблюдаю, как сбывается прогноз двадцатилетней давности, а он сбывается быстрее, чем кто-либо мог предположить.
Я сам для роликов использую саундтреки из Suno. Сначала генерировал просто по промтам, потом стал напевать мотивы, а алгоритм превращает их в полноценные треки. Но, будем честны, мой вклад в результат минимален.
Казалось, что музыка — это настолько человеческая область, что автоматизация придет туда когда-то потом. А по факту уже почти треть стриминга (28% по данным Deezer на сентябрь 2025 против 18% в апреле) уже генеративный контент. И судя по динамике, доля будет только расти.
Да, остаются вопросы об авторских правах и этике обучения моделей. Но кажется, джина из бутылки уже выпустили и его обратно не загнать.
Вспоминается мною любимый Владимир Мартынов и его книга «Конец времени композиторов» (2002). Он писал о завершении эпохи индивидуального композиторства и приходе чего-то нового — музыки за пределами авторства. С его точки зрения, это естественный процесс развития музыки от Ренессанса к нашим дням. Конец авторской музыки — это не приговор, а продолжение эволюции, которая приведет к ее возрождению в других формах.
Может, то, что мы наблюдаем с ИИ-музыкой, это и есть эти «другие формы»? Демократизация через технологию вместо института композиторства. Пока просто наблюдаю, как сбывается прогноз двадцатилетней давности, а он сбывается быстрее, чем кто-либо мог предположить.
Deezer Newsroom
Deezer and Ipsos study: AI fools 97% of listeners
Deezer and Ipsos unveil a unique study exploring perceptions around AI and music, conducted across 8 countries. Discover the surprising results!
Как менять сайт на основе поведенческой модели пользователей? Пример еще с 2020 года, но кажется, он не утратил актуальности.
В основе поведенческого подхода лежит идея, что люди ведут себя конечным количеством паттернов и что на поведение больше влияет текущая потребность пользователя, нежели какие-то демографические переменные. При этом можно спроектировать триггеры, которые будут с какой-то вероятностью вести пользователей по пути, который для нас предпочтителен.
В моем примере вся работа разбита на этапы.
Этап 1. Определяем сегменты
На первом этапе нужно определить, как мы сегментируем пользователей. Это непростой вопрос. Можно проводить большую аналитическую работу и на основе нее делать сегментацию, но, честно говоря, так больше никто не делает. Исследователям просто не выделяют достаточно денег и времени, чтобы провести полноценный проект.
Что мы должны понимать о сегменте? Особенности поведения, маркеры поведения, мотивы поведения, долю сегмента в аудитории.
В моем случае я строил сегментацию на основе модели жизненного цикла пациентов. По большому счету, это верхнеуровневый CJM, как это было еще у IDEO, когда они только предложили эту методику для понимания поведения покупателей.
Для меня в таком подходе было несколько плюсов. За счет метаанализа можно было обобщить публичный опыт коллег и построить непротиворечивую модель жизненного пути без дополнительных исследований. Саму модель можно непротиворечиво разбить на этапы, которые бы соответствовали сегментам аудитории. А под каждый сегмент уже подобрать наборы поведенческих маркеров, которые позволяют эту аудиторию увидеть на данных аналитики.
Этап 2. Смотрим в цифры
На втором этапе надо понять реальную структуру пользователей, то есть количественно оценить видимые сегменты. Когда мы начинаем смотреть на посетителей не в общем, а через качественные признаки, то получаем более объективную картину, с которой можно эффективно работать. По большому счету, мы начинаем видеть сколько у нас ценных посетителей, в какой фазе своего пути они находятся, и значит можем выстраивать гипотезы по влиянию на поведение.
Смотреть в цифры очень важно, потому что они позволяют нам видеть развитие ситуации в динамике. После того, как мы внедряем новые функции, мы можем на цифрах фиксировать изменения: есть они или нет. Через настроенную аналитику мы можем видеть, какие результаты приносят наши усилия относительно каждого сегмента. И это большое преимущество поведенческого подхода.
Этап 3. Формулируем гипотезы
На третьем этапе нам надо сформулировать гипотезы, которые станут основой изменений. Отбор гипотез идет в сторону тех, которые приводят к формированию более тесных связей с компанией, то есть все они про удержание и лояльность.
В моем примере я привожу три гипотезы, описанные через JTBD. На мой взгляд, гипотез не может быть много. Если их много, то это значит, что не было никакого ранжирования и это просто набросок идей.
Почему выбран формат JTBD? Потому что сами гипотезы касаются мотивов и на этой стадии еще не имеют решения. А JTBD как раз про это, по крайней мере для меня, потому что я придерживаюсь подхода Клейтона Кристенсена в этом вопросе. Но нет никакой необходимости использовать какого-то специального формата формулирования гипотез, надо только чтобы команда понимала, о чем идет речь.
В итоге получился такой путь из трех этапов. На первом мы фокусируемся на верхнеуровневой аналитике, чтобы сфокусировать свое понимание вокруг поведения пользователей. На втором этапе смотрим, как наша аналитика ложится на реальные цифры и смотрим на задачу через призму этих цифр. И на третьем этапе формулируем идеи, которые должны привести к изменениям.
В основе поведенческого подхода лежит идея, что люди ведут себя конечным количеством паттернов и что на поведение больше влияет текущая потребность пользователя, нежели какие-то демографические переменные. При этом можно спроектировать триггеры, которые будут с какой-то вероятностью вести пользователей по пути, который для нас предпочтителен.
В моем примере вся работа разбита на этапы.
Этап 1. Определяем сегменты
На первом этапе нужно определить, как мы сегментируем пользователей. Это непростой вопрос. Можно проводить большую аналитическую работу и на основе нее делать сегментацию, но, честно говоря, так больше никто не делает. Исследователям просто не выделяют достаточно денег и времени, чтобы провести полноценный проект.
Что мы должны понимать о сегменте? Особенности поведения, маркеры поведения, мотивы поведения, долю сегмента в аудитории.
В моем случае я строил сегментацию на основе модели жизненного цикла пациентов. По большому счету, это верхнеуровневый CJM, как это было еще у IDEO, когда они только предложили эту методику для понимания поведения покупателей.
Для меня в таком подходе было несколько плюсов. За счет метаанализа можно было обобщить публичный опыт коллег и построить непротиворечивую модель жизненного пути без дополнительных исследований. Саму модель можно непротиворечиво разбить на этапы, которые бы соответствовали сегментам аудитории. А под каждый сегмент уже подобрать наборы поведенческих маркеров, которые позволяют эту аудиторию увидеть на данных аналитики.
Этап 2. Смотрим в цифры
На втором этапе надо понять реальную структуру пользователей, то есть количественно оценить видимые сегменты. Когда мы начинаем смотреть на посетителей не в общем, а через качественные признаки, то получаем более объективную картину, с которой можно эффективно работать. По большому счету, мы начинаем видеть сколько у нас ценных посетителей, в какой фазе своего пути они находятся, и значит можем выстраивать гипотезы по влиянию на поведение.
Смотреть в цифры очень важно, потому что они позволяют нам видеть развитие ситуации в динамике. После того, как мы внедряем новые функции, мы можем на цифрах фиксировать изменения: есть они или нет. Через настроенную аналитику мы можем видеть, какие результаты приносят наши усилия относительно каждого сегмента. И это большое преимущество поведенческого подхода.
Этап 3. Формулируем гипотезы
На третьем этапе нам надо сформулировать гипотезы, которые станут основой изменений. Отбор гипотез идет в сторону тех, которые приводят к формированию более тесных связей с компанией, то есть все они про удержание и лояльность.
В моем примере я привожу три гипотезы, описанные через JTBD. На мой взгляд, гипотез не может быть много. Если их много, то это значит, что не было никакого ранжирования и это просто набросок идей.
Почему выбран формат JTBD? Потому что сами гипотезы касаются мотивов и на этой стадии еще не имеют решения. А JTBD как раз про это, по крайней мере для меня, потому что я придерживаюсь подхода Клейтона Кристенсена в этом вопросе. Но нет никакой необходимости использовать какого-то специального формата формулирования гипотез, надо только чтобы команда понимала, о чем идет речь.
В итоге получился такой путь из трех этапов. На первом мы фокусируемся на верхнеуровневой аналитике, чтобы сфокусировать свое понимание вокруг поведения пользователей. На втором этапе смотрим, как наша аналитика ложится на реальные цифры и смотрим на задачу через призму этих цифр. И на третьем этапе формулируем идеи, которые должны привести к изменениям.
👍1
Наткнулся на статью Лукаса Опперманна «Building Personal Tools with AI and Vibe Coding» , и там есть интересная мысль. Может, вайбкодинг стоит воспринимать в первую очередь как способ создания личных инструментов – маленьких, полезных, с коротким сроком жизни. Таких, которым не нужны масштабирование, продуманный дизайн, и которые нужны именно тебе.
Как только убираем избыточные требования по отладке, масштабируемости и безопасности, характерные для промышленного ПО, результат вайбкодинга становится вполне достаточным.
Я раньше смотрел на вайбкодинг, как на инструмент для прототипов. Способ быстро заставить идею работать в живом коде, который можно потыкать и найти варианты улучшения. Из условно полезных вещей для себя я сделал только стенд для GraphQL-запросов на V0, чтобы проще было тестировать другие прототипы, где я хотел реализовать API через GraphQL. Код просто отдает случайные данные по запросу в нужном формате. Оказалось, что запустить такой стенд на v0 быстрее, чем разбираться с готовыми решениями типа Apollo. По факту, два запроса в V0 – и все работает. Одна регистрация на Apollo требует больше кликов, а все возможности сервиса мне просто не нужны.
Мне кажется, нужно менять ментальную модель решения задач. Раньше первым делом приходила мысль загуглить и найти подходящий инструмент. Но, может, сейчас правильнее сразу идти в ИИ с просьбой написать код, который решит задачу напрямую?
Наверное, эти размышления банальны, но мне кажется, переход к новой ментальной модели всегда вязкий. То, что для одного дается легко, для другого требует огромных усилий. И сейчас я ощущаю, как перспектива менять ментальные модели одновременно и воодушевляет, и напрягает.
Попробую в ближайший месяц понаблюдать, какие персональные инструменты можно навайбкодить для работы и развлечения, и какие старые ментальные сценарии эти новые инструменты заменят.
На обложке скрин с моего GraphQL стенда.
Как только убираем избыточные требования по отладке, масштабируемости и безопасности, характерные для промышленного ПО, результат вайбкодинга становится вполне достаточным.
Я раньше смотрел на вайбкодинг, как на инструмент для прототипов. Способ быстро заставить идею работать в живом коде, который можно потыкать и найти варианты улучшения. Из условно полезных вещей для себя я сделал только стенд для GraphQL-запросов на V0, чтобы проще было тестировать другие прототипы, где я хотел реализовать API через GraphQL. Код просто отдает случайные данные по запросу в нужном формате. Оказалось, что запустить такой стенд на v0 быстрее, чем разбираться с готовыми решениями типа Apollo. По факту, два запроса в V0 – и все работает. Одна регистрация на Apollo требует больше кликов, а все возможности сервиса мне просто не нужны.
Мне кажется, нужно менять ментальную модель решения задач. Раньше первым делом приходила мысль загуглить и найти подходящий инструмент. Но, может, сейчас правильнее сразу идти в ИИ с просьбой написать код, который решит задачу напрямую?
Наверное, эти размышления банальны, но мне кажется, переход к новой ментальной модели всегда вязкий. То, что для одного дается легко, для другого требует огромных усилий. И сейчас я ощущаю, как перспектива менять ментальные модели одновременно и воодушевляет, и напрягает.
Попробую в ближайший месяц понаблюдать, какие персональные инструменты можно навайбкодить для работы и развлечения, и какие старые ментальные сценарии эти новые инструменты заменят.
На обложке скрин с моего GraphQL стенда.
Интересный пример внедрения ИИ в работу UX-исследователя в статье «What happens when a UX Researcher starts using AI?» https://thesidedish.flipdish.com/what-happens-when-a-ux-researcher-starts-using-ai-9ed69cba3f1f . Автор показывает взвешенный подход к использованию ИИ-инструментов на разных этапах исследования.
Отдельно подчеркивается необходимость проверять материалы, которые готовит ИИ. В этом я его горячо поддерживаю, потому что сам недавно стал свидетелем показательной ситуации, когда Grok выдал мне несуществующую теорию в области психологии, включая имена авторов, названиями статей, сравнением с реально существующими теориями. Это выглядело крайне убедительно, особенно в контексте общего разговора. Благо я привык проверять все цитирования по оригиналам, поэтому не найдя первоисточника, стал глубже копать.
А в рамках пользовательских исследований попасть в ловушку галлюцинированного контента еще проще, потому что его много и он неотличим от реального.
Еще понравилась идея вместо длинного отчета о проделанной работе, собирать небольшой лендинг на вайбкодинге. Такой формат воспринимается живее и увлекательнее. Думаю, эту идею можно распространить и шире, везде, где мы обычно делаем презентацию или документ, можно попробовать интерактивный формат.
Отдельно подчеркивается необходимость проверять материалы, которые готовит ИИ. В этом я его горячо поддерживаю, потому что сам недавно стал свидетелем показательной ситуации, когда Grok выдал мне несуществующую теорию в области психологии, включая имена авторов, названиями статей, сравнением с реально существующими теориями. Это выглядело крайне убедительно, особенно в контексте общего разговора. Благо я привык проверять все цитирования по оригиналам, поэтому не найдя первоисточника, стал глубже копать.
А в рамках пользовательских исследований попасть в ловушку галлюцинированного контента еще проще, потому что его много и он неотличим от реального.
Еще понравилась идея вместо длинного отчета о проделанной работе, собирать небольшой лендинг на вайбкодинге. Такой формат воспринимается живее и увлекательнее. Думаю, эту идею можно распространить и шире, везде, где мы обычно делаем презентацию или документ, можно попробовать интерактивный формат.
Medium
What happens when a UX Researcher starts using AI?
One of my first real experiences with AI was bluntly asking ChatGPT to “fix my grammar” on anything remotely important before sending it…
👍1
Недавно увидел, что Шереметьево будет менять сайт. В свое время этот сайт любили показывать на дизайн-конференциях как пример хорошего дизайна.
Так получилось, что лет пять назад я участвовал в тендере для другого российского аэропорта. Моя идея была в том, что сайт и диджитал-каналы должны работать не только на навигацию, но и на продажу дополнительных услуг, а их в аэропорту очень много.
Если посмотреть на международные аэропорты, некоторые как раз такую стратегию и исповедуют и стараются не только быстро провести человека к самолету, но и помочь ему потратить деньги.
Проект был интересный, правда для меня ничем не закончился — мир тендеров непредсказуем. Остались куски презентации, которые можете увидеть на скриншотах.
Ключевая идея подхода, который я тогда использовал, была в глубокой сегментации аудитории. Аэропорты пропускают через себя столько людей, что даже сегменты в несколько процентов становятся интересны бизнесу. Я хотел разделить аудиторию на 70% типичных сценариев, а среди оставшихся 30% найти группы, которым можно предложить что-то из большого, но невидимого арсенала возможностей аэропорта.
Слайды, которые вы видите, как раз подводка к стратегии и прототипу, который я готовил на тендер.
Так получилось, что лет пять назад я участвовал в тендере для другого российского аэропорта. Моя идея была в том, что сайт и диджитал-каналы должны работать не только на навигацию, но и на продажу дополнительных услуг, а их в аэропорту очень много.
Если посмотреть на международные аэропорты, некоторые как раз такую стратегию и исповедуют и стараются не только быстро провести человека к самолету, но и помочь ему потратить деньги.
Проект был интересный, правда для меня ничем не закончился — мир тендеров непредсказуем. Остались куски презентации, которые можете увидеть на скриншотах.
Ключевая идея подхода, который я тогда использовал, была в глубокой сегментации аудитории. Аэропорты пропускают через себя столько людей, что даже сегменты в несколько процентов становятся интересны бизнесу. Я хотел разделить аудиторию на 70% типичных сценариев, а среди оставшихся 30% найти группы, которым можно предложить что-то из большого, но невидимого арсенала возможностей аэропорта.
Слайды, которые вы видите, как раз подводка к стратегии и прототипу, который я готовил на тендер.
❤5🔥4👀1
Недавно проектировал b2b-сервис с множеством форм и таблиц. Это был пример типичного продукта из данной области с длинной историей, желанием владельцев бизнеса сделать интерфейс лучше, и распространенной ситуацией, когда тот, кто платит за систему, и те, кто ей пользуется, по-разному смотрят на интерфейс.
Честно говоря, сотрудники могут адаптироваться даже к очень неудобному интерфейсу, ведь им нужно платить за квартиру и кормить семью. Они обычно не жалуются, что формы неудобные или не хватает горячих клавиш для эффективной работы. Но это не значит, что дизайнер должен игнорировать эргономику.
Например, в статье «Why Users View Details Better with Slideovers» обсуждается использование пространства страницы. И я часто вижу стремление заполнить весь экран, как будто наличие пустого места — это важная проблема. Хотя цель должна быть в удобстве, а не в заполнении площади.
Компактное расположение информации ускоряет работу. Саккады (быстрые движения глаз при сканировании информации) становятся короче, когда данные находятся близко друг к другу. Глазам приходится делать меньше работы.
Но дизайнеры продолжают растягивать формы и таблицы на весь экран, заставляя пользователей с большими мониторами двигать не только глазами, но и головой.
Стоит помнить, что наш глаз видит резко только в пределах 2 градусов угла обзора, именно там мы можем читать и различать детали. В диапазоне 5-10 градусов четкость падает, дальше начинается периферическое зрение с общими очертаниями. И чем больше площадь для сканирования, тем быстрее устает пользователь. А хорошие интерфейсы не должны вызывать излишнего напряжения.
Как вам ваши b2b интерфейсы, удобные?
Честно говоря, сотрудники могут адаптироваться даже к очень неудобному интерфейсу, ведь им нужно платить за квартиру и кормить семью. Они обычно не жалуются, что формы неудобные или не хватает горячих клавиш для эффективной работы. Но это не значит, что дизайнер должен игнорировать эргономику.
Например, в статье «Why Users View Details Better with Slideovers» обсуждается использование пространства страницы. И я часто вижу стремление заполнить весь экран, как будто наличие пустого места — это важная проблема. Хотя цель должна быть в удобстве, а не в заполнении площади.
Компактное расположение информации ускоряет работу. Саккады (быстрые движения глаз при сканировании информации) становятся короче, когда данные находятся близко друг к другу. Глазам приходится делать меньше работы.
Но дизайнеры продолжают растягивать формы и таблицы на весь экран, заставляя пользователей с большими мониторами двигать не только глазами, но и головой.
Стоит помнить, что наш глаз видит резко только в пределах 2 градусов угла обзора, именно там мы можем читать и различать детали. В диапазоне 5-10 градусов четкость падает, дальше начинается периферическое зрение с общими очертаниями. И чем больше площадь для сканирования, тем быстрее устает пользователь. А хорошие интерфейсы не должны вызывать излишнего напряжения.
Как вам ваши b2b интерфейсы, удобные?
👀5
Media is too big
VIEW IN TELEGRAM
В Лувре я увидел работы Бриджит Райли, они контрастировали с работами других художников. Простые линии, простые фигуры, которые создают ритм, иногда уводят в иллюзии. На фоне классических залов это особенно выбивается — её оп-арт слишком аскетичен, чтобы всем нравится, но это интересно. Вдохновился этим и сделал вот такой вайбкодинг проект.
Смотрите inspired-by-bridget-riley.vercel.app
Смотрите inspired-by-bridget-riley.vercel.app
❤4🔥1👀1
В последнее время все чаще встречаются материалы о низкой эффективности ИИ в компаниях. MIT в новом отчете «State of AI in Business 2025» пишет, что 95% пилотов с генеративным ИИ проваливаются. У Harvard Business Review вышла статья «AI-Generated “Workslop” Is Destroying Productivity» про мусорный контент, который убивает продуктивность. ИИ явно не оправдывает обещанных ожиданий.
Я вижу три главные причины.
Первая — завышенные ожидания. Хайп и агрессивный маркетинг платформ создали иллюзию, что ИИ сам все сделает. Реальность оказалась скромнее. Я сам много экспериментирую с ИИ, но если попробовать выделить области в которых ИИ не только ускоряет работу, но и создает ощутимый прирост рентабельности, то список будет коротким.
Вторая — неумение работать с инструментом. EY опубликовали исследование: компании теряют до 40% потенциальной продуктивности из-за пробелов в подготовке персонала https://www.ey.com/en_gl/newsroom/2025/11/ey-survey-reveals-companies-are-missing-out-on-up-to-40-percent-of-ai-productivity-gains-due-to-gaps-in-talent-strategy. 88% сотрудников используют ИИ для базовых задач (поиск, обобщение), но только 5% применяют его на продвинутом уровне, чтобы трансформировать рабочие процессы. Многие крупные компании только в 2025 году запускают программы обучения сотрудников, в общем, процесс в самом начале.
Третья — отсутствие системного внедрения. Компании пытаются оптимизировать существующие процессы, а не создавать новые на базе ИИ-технологий. Структурных изменений не происходит. Основные успехи пока в замещении аутсорса и отказе от внешних подрядчиков, т.е. там, где задачи хорошо формализованы и есть четкие критерии успеха.
MIT в отчете «State of AI in Business 2025» указывает, что разница в эффективности внедрения определяется не качеством моделей, а подходом.
Получается, что успешное внедрение требует обучения сотрудников, заказных разработок с адаптацией под специфику компании, фокуса на бэк-офисе и структурных изменений процессов. Но это же требования к любой современной динамичной компании, которая готова соответствовать вызовам времени. ИИ приносит много перемен, но стратегия выживания в бизнесе остается неизменной — меняйся или умри.
А в вашей компании ИИ уже встроен в процессы или пока точечные эксперименты?
Я вижу три главные причины.
Первая — завышенные ожидания. Хайп и агрессивный маркетинг платформ создали иллюзию, что ИИ сам все сделает. Реальность оказалась скромнее. Я сам много экспериментирую с ИИ, но если попробовать выделить области в которых ИИ не только ускоряет работу, но и создает ощутимый прирост рентабельности, то список будет коротким.
Вторая — неумение работать с инструментом. EY опубликовали исследование: компании теряют до 40% потенциальной продуктивности из-за пробелов в подготовке персонала https://www.ey.com/en_gl/newsroom/2025/11/ey-survey-reveals-companies-are-missing-out-on-up-to-40-percent-of-ai-productivity-gains-due-to-gaps-in-talent-strategy. 88% сотрудников используют ИИ для базовых задач (поиск, обобщение), но только 5% применяют его на продвинутом уровне, чтобы трансформировать рабочие процессы. Многие крупные компании только в 2025 году запускают программы обучения сотрудников, в общем, процесс в самом начале.
Третья — отсутствие системного внедрения. Компании пытаются оптимизировать существующие процессы, а не создавать новые на базе ИИ-технологий. Структурных изменений не происходит. Основные успехи пока в замещении аутсорса и отказе от внешних подрядчиков, т.е. там, где задачи хорошо формализованы и есть четкие критерии успеха.
MIT в отчете «State of AI in Business 2025» указывает, что разница в эффективности внедрения определяется не качеством моделей, а подходом.
Получается, что успешное внедрение требует обучения сотрудников, заказных разработок с адаптацией под специфику компании, фокуса на бэк-офисе и структурных изменений процессов. Но это же требования к любой современной динамичной компании, которая готова соответствовать вызовам времени. ИИ приносит много перемен, но стратегия выживания в бизнесе остается неизменной — меняйся или умри.
А в вашей компании ИИ уже встроен в процессы или пока точечные эксперименты?
❤3
Как вам идея, что в работе связанной с UX вы обречены чувствовать быструю потерю интереса к проделанной вами работе, потому что людям свойственна гедонистическая адаптация?
Это не моя идея, а из статьи «UX Is Thankless and That's a Good Thing».
Гедонистическая адаптация — это психологический процесс, при котором человек возвращается к своему обычному уровню счастья после значительных позитивных или негативных событий.
Как бы радикально вы ни улучшили интерфейс или процесс, эффект «вау» исчезнет быстро. Новый опыт станет привычным, разум пересмотрит свои ожидания, и то, что вчера казалось прорывом, сегодня воспринимается как норма.
Если не ошибаюсь, то Стив Джобс говорил, что хороший дизайн кажется очевидным, когда его показывают, но до этого никто не понимает, что именно нужно сделать. И мой опыт это похож, люди удивительно быстро забывают, что каждое элегантное решение кем-то было придумано.
Это не моя идея, а из статьи «UX Is Thankless and That's a Good Thing».
Гедонистическая адаптация — это психологический процесс, при котором человек возвращается к своему обычному уровню счастья после значительных позитивных или негативных событий.
Как бы радикально вы ни улучшили интерфейс или процесс, эффект «вау» исчезнет быстро. Новый опыт станет привычным, разум пересмотрит свои ожидания, и то, что вчера казалось прорывом, сегодня воспринимается как норма.
Если не ошибаюсь, то Стив Джобс говорил, что хороший дизайн кажется очевидным, когда его показывают, но до этого никто не понимает, что именно нужно сделать. И мой опыт это похож, люди удивительно быстро забывают, что каждое элегантное решение кем-то было придумано.
Substack
UX Is Thankless and That's a Good Thing
Reframing Using Hedonic Adaptation Theory
❤4🕊1
Media is too big
VIEW IN TELEGRAM
Новый эксперимент без конкретной цели: звуковая генерация с триггером от видеокамеры и случайной генерацией на базе MagentaJS. Видео подтормаживает, потому что ноутбук не справляется с одновременной видеозахватом, сегментацией кадров, звуковой генерацией и записью.
Получилось вот такое чудо: https://v0-generate-music-on-demand.vercel.app/
Просто ради эксперимента.
Видео на Ютюбе https://youtu.be/3mH6iTzHXgw
Получилось вот такое чудо: https://v0-generate-music-on-demand.vercel.app/
Просто ради эксперимента.
Видео на Ютюбе https://youtu.be/3mH6iTzHXgw