Skip to content
Статья Nielsen Norman Group окт. 2026 г.

NN/g: роль UX в агентных программных фабриках

О чём статья

Tanner Kohler из Nielsen Norman Group анализирует AI-native плейбуки жизненного цикла разработки ПО (SDLC), опубликованные Anthropic, Google и OpenAI — фреймворки, в которых AI-агенты берут на себя большую часть работы, а люди утверждают результаты на контрольных точках. Он утверждает, что эти плейбуки превращают UX в фоновую информацию, которую консультирует AI, а не в процесс исследования и принятия решений, встроенный в разработку.

Контекст: как работают плейбуки

Плейбуки описывают пайплайн: команда формулирует намерение, AI генерирует план, AI создаёт макеты, агенты пишут код, AI верифицирует сборку по макетам, AI мониторит задеплоенный продукт. Люди утверждают результаты на каждой контрольной точке. Скрытое допущение состоит в том, что зафиксировать UX-знания в документах заранее достаточно для их правильного применения AI на протяжении всего жизненного цикла.

Kohler выделяет три роли UX в любом проекте: определять, что строить; оценивать то, что построено; и снабжать контекстом тех, кто выполняет работу. Плейбуки адресуют только третью.

Где плейбуки не дотягивают в части UX

В фазе планирования нет шага для выявления новых потребностей пользователей. Предложения можно делать изолированно, без командного обсуждения, которое обычно позволяет заметить слепые пятна.

В фазе проектирования AI применяет стандарты визуального дизайна и создаёт макеты, но нет шага валидации против пользовательских исследований. Визуальная аккуратность — это не то же самое, что соответствие потребностям пользователей, и хорошо структурированный макет может по-прежнему воплощать неудачное продуктовое решение.

В фазе тестирования AI верифицирует сборку по собственным макетам и спецификациям команды, но не против пользователей. Проблемы, присутствовавшие в исходном дизайне, остаются незамеченными.

В фазе поддержки мониторинг сосредоточен на технической работоспособности. Функция, которая работает корректно, но регулярно сбивает пользователей с толку, останется незамеченной до тех пор, пока не проявится в виде тикета поддержки или сигнала оттока.

Что следует делать UX-командам

Kohler предлагает несколько корректив: встроить вопросы о потребностях пользователей в шаблон намерений, чтобы исследователи могли документировать проблемы до того, как будут предложены решения; совместно с владельцами продукта определять критерии приёмки по ценности для пользователя наряду с функциональными; указывать, какие изменения требуют проверки UX-специалистом — например, изменения навигации или потоки, нарушающие устоявшиеся паттерны; добавлять UX-сигналы — показатели отказа от задачи, всплески обращений в поддержку — на дашборды мониторинга; и брать на себя ответственность за то, чтобы знания дизайн-системы и инсайты исследований были машиночитаемы и AI-агенты могли ими пользоваться.

Кому будет полезно

UX-практикам и лидерам дизайна в организациях, которые внедряют или оценивают AI-native подходы к разработке. Статья — практическая отправная точка для команд, пытающихся понять, что UX должен активно отстаивать в агентных воркфлоу, а не ждать приглашения.