Medium: Как AI вошёл в ежедневную работу UX-дизайнера в B2B-компании по кибербезопасности
Лаис Лара Вакко — UX-дизайнер в Cobalt, B2B-компании по кибербезопасности. Её статья описывает, как AI-инструменты вошли в её рабочий процесс на протяжении нескольких месяцев: что заменило прежние привычки, что осталось без изменений и что стало реально быстрее.
Контекст: продуктовая команда в B2B-компании
Cobalt разрабатывает ПО для тестирования безопасности, и дизайнерские задачи здесь типичны для B2B: сложная предметная область, несколько типов пользователей и уже работающая кодовая база, которую нужно понять прежде, чем проектировать что-то новое. Этот контекст важен для понимания того, чем реально оказались полезны AI-инструменты, — многие кейсы по AI в дизайне касаются потребительских приложений с более понятным предметом.
Исследования и онбординг
Команда начала использовать NotebookLM для работы с внутренними знаниями. Они загружали проектную документацию, задавали уточняющие вопросы, строили визуальные карты концепций и использовали инструмент для быстрого погружения при переключении между продуктовыми областями. Основной эффект — экономия времени: смена контекста в сложном B2B-продукте требует много чтения, а возможность запрашивать информацию по существующим документам сократила этот процесс.
Прототипирование
Более значимые изменения произошли в подходе к прототипированию. Вместо того чтобы начинать со статичных вайрфреймов и переходить к кликабельным прототипам позже, команда стала создавать интерактивные прототипы значительно раньше в процессе — с помощью Subframe, AI Studio, Builder.io и Figma Make. Claude и Claude Code использовались для генерации кода из текстовых описаний.
Этот сдвиг не устранил дизайн-этапы, а перенёс их раньше. Возможность получить кликабельный прототип до уточнения компоновки или контента помогала выявлять проблемы в пользовательских сценариях на стадии, когда изменения обходятся дешевле.
Чем ценна эта статья
Материал описывает опыт одной команды, а не универсальный фреймворк. Инструменты могут не подойти каждой команде, а B2B-контекст определяет, в каких именно задачах AI оказался полезен. Статья наиболее ценна как реалистичное описание AI-ассистированного дизайн-процесса, выходящее за рамки списков инструментов: она показывает конкретные моменты, где AI изменил последовательность работы, а не только скорость отдельных задач.
Полезно для UX-дизайнеров, которые хотят увидеть, как AI-интеграция в дизайн-процесс выглядит в контексте сложного продукта, и для команд, размышляющих о том, какие части исследований и прототипирования стоит пересмотреть.