Medium: Тест Claude Fable 5 на реальных UX/UI-проектах

Михал Малевич, дизайнер и основатель Hype4Academy, опубликовал эту статью в июне 2026 года после тестирования Claude Fable 5 на трёх реальных клиентских проектах — двух, сосредоточенных на чистой UI-работе, и одном, включающем сложную многошаговую UX-платформу. Материал представляет прямой вызов тому, как обычно оцениваются AI-инструменты для дизайна: оптимизированные подсказки, специально отобранные примеры и одношаговые генерируемые лендинги, которые выглядят убедительно на первый взгляд.

Как проводился тест

Малевич намеренно выбрал проекты старше двух лет, чтобы учесть отставание в знаниях AI. Он отмечает, что модели усредняют данные из интернета примерно за один-два года до текущего момента — это значит, что использование актуальных проектов создавало бы несправедливое преимущество для дизайнеров-людей, имеющих доступ к свежим референсам. Работа со старыми брифами убирает эту переменную и даёт более чистую картину реальных возможностей инструмента.

Три проекта использовались без оптимизации подсказок. Каждый рассматривался как реальный заказ: получить бриф, получить результат, который выдержит рецензию клиента, а не просто хорошо выглядит на скриншоте.

Что показали результаты

Главный вывод: AI занимает законное место в профессиональных дизайн-процессах, но это место, вероятно, отличается от того, что демонстрирует большинство показательных примеров. Генерируемые лендинги — гвоздь программы большинства AI-дизайн-видео — часто выглядят убедительно в изоляции и разваливаются при более внимательном рассмотрении. Задачи, в которых AI вносил более надёжный вклад, были конкретными и ограниченными, а не открытой генерацией с нуля.

Малевич воздерживается от детальной расшифровки каждого результата, но закономерность по двум UI-проектам и UX-платформе была последовательной: AI полезнее как участник конкретных этапов рабочего процесса, чем как замена суждению, которое связывает эти этапы вместе.

Почему это важно

Большинство контента об AI-инструментах для дизайна создаётся либо самими производителями инструментов, либо авторами, заинтересованными в демонстрации впечатляющих результатов. Тестирование на реальных проектах с реальными ограничениями — включая устаревшие брифы, запутанные требования и ту неопределённость, которая всегда присутствует в профессиональном дизайне, — даёт другие выводы. Статья ценна именно тем, что не сводит эту сложность к сравнению «до и после».

Кому это полезно

Дизайнерам, которые пробовали AI-инструменты в контролируемых условиях и получили разочаровывающие результаты в реальном производстве, а также тем, кто решает, стоит ли включать AI в клиентские проекты, а не только во внутреннее прототипирование. Статья также даёт реалистичную проверку для команд, обсуждающих, что AI может заменить, а что лишь поддержать.