Suleiman Shakir: Using AI as a design thinking partner with structured context

Сулейман Шакир — продуктовый дизайнер, работавший в Amazon, BuzzFeed, Siemens и Handshake. В майском посте 2026 года на своём личном блоге — также опубликованном на UX Collective — он описывает систему, которую построил, чтобы использовать AI не как инструмент генерации визуала, а как партнёра, удерживающего контекст, в долгосрочных дизайн-проектах.

Проблема, которую он решал. Большинство дизайн-проектов предполагают накопление большого объёма контекста: предыдущие исследования, принятые решения, отвергнутые направления, циклы обратной связи и дизайн-ограничения. На практике этот контекст хранится в документах, файлах Figma, Slack-тредах и личной памяти. Восстановление его в начале каждой сессии занимает время, и кое-что теряется. Шакир хотел, чтобы AI удерживал этот контекст, позволяя ему думать о задаче, а не воссоздавать информацию.

Система. Он построил структурированную папку проекта, которую Claude Code читает в начале каждой сессии. Папка содержит четыре файла и директории: MEMORY.md — постоянно обновляемый индекс всех решений и данных, собранных за время проекта; CLAUDE.md — специфичные для проекта инструкции о том, как AI должен вести себя; и отдельные директории data/, design/ и project-context/ для исследований, метрик и обратной связи от пользователей.

Помимо этого, он определил набор кастомных Claude-навыков для повторяющихся рабочих процессов: /explore для полной дизайн-итерации от задачи до прототипных концепций, /brainstorm для раннего исследования направлений, /synthesize для интеграции новых данных в существующие решения и /design-partner для проверки предложенного решения на соответствие исходному постановлению задачи. Он также использует MCP для подключения Claude к Linear, Figma и Slack, чтобы AI мог получать актуальный контекст без ручных обновлений.

Инструмент ai-design-buddy. Чтобы помочь другим попробовать этот подход, Шакир выпустил опенсорсный стартовый набор на GitHub под названием “ai-design-buddy”. Он поставляется с предзагруженным вымышленным приложением для открытия локальных мест под названием Beacon, включая примеры исследований, персоны и кастомные навыки. Пользователи могут запустить команду /explore, чтобы увидеть полную дизайн-итерацию, а затем адаптировать структуру для своих проектов.

Что меняет этот подход. В практике Шакира основной эффект — устранение издержек переключения контекста между сессиями. Решения накапливаются со временем, потому что ничего не теряется. Прототипы в виде кода, генерируемые AI, также меняют динамику обратной связи: рецензенты реагируют на поведение и потоки, а не на визуальную полировку, что позволяет раньше получать более полезную UX-обратную связь.

Что это не заменяет. Шакир прямо говорит, что эта система не заменяет дизайнерское суждение. Его слова: “Я никогда не выпускал направление без переработки, потому что зачастую его предложения бывают откровенно плохими.” Он описывает разделение как примерно 80/20 — AI берёт на себя тяжёлую работу по структуре и синтезу, но дизайнер перенаправляет и доделывает работу. Система также может усиливать существующие слепые пятна в исследованиях, поэтому её результат настолько хорош, насколько хороши вводные данные.

Для кого это полезно. Продуктовые дизайнеры, работающие над проектами продолжительностью в недели или месяцы, где накопление контекста является реальной проблемой. Менее полезно для краткосрочных задач, где проект достаточно прост для удержания в рабочей памяти. Требует первоначальных инвестиций в организацию структуры папок и некоторого знакомства с Claude Code и терминальными рабочими процессами.