UX Collective: становясь AI-нативным дизайнером

Опубликованная в апреле 2026 года на UX Collective, эта статья Сена Лина — практический рассказ о рабочем процессе, перестроенном вокруг AI-нативных инструментов. Текущий основной стек Лина — Claude Code, Figma Make и LLM, заменившие то, что прежде было процессом, центрированным вокруг Figma и статичных артефактов. Статья охватывает то, что изменилось, почему это сложнее, чем кажется, и чему работа в этом режиме научила его о дизайнерских навыках.

Проблема неявного знания

Лин утверждает, что самая сложная часть работы с AI-инструментами — не освоение самих инструментов, а передача дизайнерских знаний AI. AI-системы понимают явное знание мира: задокументированные паттерны, именованные компоненты, описанные конвенции. То, что дизайнеры привносят в работу, по большей части неявно: оно накоплено через годы практики и выражено в решениях, которые сложно сформулировать в виде правил.

Качество результатов AI зависит от того, может ли дизайнер сделать это неявное знание достаточно явным, чтобы модель могла действовать на его основе. Это означает, что хорошие промпты требуют от дизайнера большей осознанности в том, что он знает и почему. На практике Лин обнаруживает, что расплывчатые промпты воспроизводят обобщённые результаты, а дизайнеры, получающие лучшие AI-результаты, — это те, кто уже сформировал чёткие взгляды на то, что они создают.

Демо как дизайн-артефакт

Одно из ключевых наблюдений статьи: работающее демо в реальном браузере обладает особым весом убеждения, которого нет у статического макета. Лин ссылается на принцип дизайнера Клео, бывшей сотрудницы Facebook, которая называет это «аурой неизбежности»: когда концепция дизайна существует как работающий код, она приобретает ощущение весомости, которое меняет то, как стейкхолдеры и коллеги на неё реагируют. Прототип, который скроллится, загружается и отвечает на взаимодействие, воспринимается иначе, чем Figma-фрейм, даже если содержание идентично.

Это влияет на то, как дизайнеры движутся через цикл обратной связи. Лин описывает получение более быстрой и конкретной обратной связи от работающих демо, чем от статичных презентаций, потому что демо устраняет интерпретационный зазор между тем, что дизайнер показывает, и тем, что стейкхолдер представляет себе.

Что накапливается с практикой

Лин отмечает, что после создания нескольких продуктов с AI-инструментами дизайнеры начинают развивать то, что он описывает как слабое «ощущение материала» — эквивалент мышечной памяти, формирующейся при годах традиционного ремесла. Это не то же самое, что опыт с устаревшими инструментами: это специфическое знание о том, как AI-модели интерпретируют определённые типы промптов, где они дают шум вместо сигнала и какие дизайн-решения требуют человеческой проверки, а не AI-генерации.

Кому читать

Продуктовым и UX-дизайнерам, у которых есть доступ к AI-инструментам для кодинга, но результаты которых оказываются непоследовательными. Статья также полезна руководителям дизайна, думающим о том, как AI меняет значение опыта: неявное знание всегда было дифференцирующим фактором, и AI не делает его менее важным.