В Т-Банке я руковожу командой дизайна AI-сервисов. Мои ребята занимаются внутренними продуктами для ML-инженеров, аналитиков и сотрудников. Все то, без чего магии ИИ ✨ не случится.
На этой позиции накапливается гигантское количество контекста: от инженерных вызовов до того, как новые возможности меняют рутину сотрудников и какие навыки теперь нужны.
И сегодня мне хочется поделиться своим мнением и разогнать в комментах дискуссию (да начнется холивар! 😎) о том, как ИИ может изменить восприятие дизайнеров в команде. Мы уже сталкивались с подобным в далеких 2010-х, олды точно смогут вспомнить пару всратых забавных историй.
1. Границы между ролями снова станут нечеткими
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.
2. Если каждый немного умеет в дизайн, то зачем дизайнер?
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.
3. Станет труднее продавать упрощение пользовательского флоу
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.
4. Рисерч станет дешевле, будет проводиться чаще, но качество сомнительно
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.
5. Качество работы ИИ зависит от источников
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.
⚡️Какой вывод? Дизайнеры уже проходили этап «докажи свою ценность». Мы сталкиваемся с необходимостью доказывать правильность наших решений, отбиваем вкусовщину и напоминаем коллегам о необходимости думать о пользователях. Нам всегда нужно было качать навыки презентации и аргументации, чтобы не оказываться в позиции «операторов Фигмы». В целом будто ничего нового.
А с другой стороны, кажется, что стоит еще раз всерьез задуматься над вопросом: «Зачем дизайнер в команде?»
Что думаете? 🤔