Medium: Что игра Punch научила меня о рабочих процессах с AI

Пранит Дженна создал простую 2D-игру-лабиринт под названием Punch не для того, чтобы выпустить её, а чтобы использовать как контролируемую тестовую среду для AI-инструментов. В статье, вышедшей в феврале 2026 года, он документирует, как оценивал Lovable, Figma Make, Perplexity, Cursor, Claude и ChatGPT по одному брифу и одним и тем же ограничениям проекта, а затем делает выводы о том, где каждый инструмент находит своё место в дизайн-рабочем процессе.

Главная находка — разделение на то, что автор называет строителями и мыслителями. Cursor и Claude — строители: инструменты, ориентированные на генерацию и изменение дизайн-артефактов или кода. ChatGPT и Gemini работают лучше как мыслители — инструменты для анализа требований, постановки вопросов и принятия стратегических решений до начала производства. Использование строителя там, где нужен мыслитель, даёт уверенный, но неправильно направленный результат. Использование мыслителя там, где нужен строитель, даёт советы без создания чего-либо.

Чтобы обеспечить честное сравнение, Дженна тестировал каждый инструмент только в бесплатной версии и с одним начальным промптом за сессию. Это имитирует то, как большинство практиков реально начинают работу с AI-инструментом — без выверенных техник промптинга, которые опытные пользователи вырабатывают со временем. Ограничение выявляет нечто важное: инструменты, хорошо справляющиеся с неоднозначностью в условиях бесплатного единственного промпта, — это инструменты, базовые модели которых понимают контекст, а не только синтаксис.

Более конкретная находка связана с контекстными окнами и дрейфом сессии. Когда инструмент генерирует результат, противоречащий ограничению, заданному десятью промптами ранее, Дженна трактует это не как провал в генерации, а как провал памяти. Инструмент потерял из виду требования проекта. Его практический ответ — периодически повторять ключевые ограничения в ходе длинной сессии, особенно когда разговор меняет направление.

Статья также поднимает проблему того, что автор называет когнитивным долгом. Когда AI берёт на себя структурные решения в дизайн-процессе, дизайнер перестаёт развивать суждение об этих структурах. Дженна ссылается на нейронаучные исследования, показывающие, что зависимость от AI при решении задач снижает скоординированные когнитивные усилия в смежных областях. Практический вывод для дизайнеров — не избегать AI, а оставаться активно вовлечённым в решения, которые принимает инструмент: проверять результаты так, как коллаборатор проверяет чужую работу, а не принимать их как авторитетные выводы.

Финальное наблюдение о комбинировании инструментов: Дженна рекомендует совмещать подписку на строителя с подпиской на мыслителя, а не выбирать один инструмент для всего. Claude Code в паре с Cursor закрывает сторону реализации; модель, ориентированная на рассуждение, закрывает сторону планирования.

Статья полезна для индивидуальных дизайнеров, которым нужен структурированный способ выбора между конкурирующими AI-инструментами, а не просто работа с тем, что попалось первым.