Architecture Next 2026: Дизайнеры в процессе — состояние AI в UX/UI

Это 30-минутное выступление Гила Айалона, технического директора MonkeyTech (CodeValue Group), было записано на Architecture Next 2026 Builders Track в июне 2026 года. Оно даёт взвешенную картину того, как AI в действительности используется на разных этапах UX- и UI-дизайна — не спекулятивную, а операционную, с которой практикующие дизайнеры сталкиваются прямо сейчас.

Для кого

Продуктовые дизайнеры, ведущие дизайнеры и разработчики, тесно работающие с дизайном. Выступление предполагает знакомство со стандартными дизайн-процессами и фокусируется на том, что меняется на практике, а не на теоретических возможностях. Оно особенно полезно в момент, когда AI-инструменты уже доступны, но команды ещё разбираются, где они действительно помогают, а где создают шум.

Что в нём рассматривается

Айалон структурирует выступление вокруг этапов дизайн-процесса — исследование, генерация идей, вайрфреймы, визуальный дизайн, прототипирование и передача разработке — и рассматривает, что AI-инструменты делают на каждом из них. Он проводит различие между этапами, где AI достаточно зрелый для реального ускорения работы, и этапами, где результаты требуют значительной доработки человеком прежде, чем они окажутся полезными.

Сквозная тема — вопрос о том, где суждение дизайнера вытесняется, а где перенаправляется. Айалон утверждает, что AI-инструменты не снижают объём суждений — они перемещают его. Решения, которые раньше принимались поздно (выбор между двумя компоновками, доработка текста в контексте), теперь нужно принимать раньше: при формулировке промпта, определении ограничений дизайн-системы, выборе референсных материалов.

Раздел о передаче разработке особенно практичен. Айалон разбирает, что AI-генерируемый код производит на границе Figma-to-code и что разработчики в итоге получают. Он прямо говорит о разрыве: сгенерированный код часто работает, но не всегда отражает дизайн-систему или требования доступности без явных инструкций — и отловить эти несоответствия до передачи, а не после, теперь ответственность дизайнера, а не инженера.

Ключевые выводы

AI значительно ускоряет раннее исследование вариантов — генерирует десять компоновок за то время, которое раньше уходило на три скетча. Ценность — в скорости дивергентного мышления, а не в качестве отдельного результата.
Синтез данных исследований стабильно больше всего выигрывает от AI в зрелых командах. Суммаризация транскриптов пользовательских интервью, кластеризация тем, выборка репрезентативных цитат из больших массивов данных — всё это задачи, где современные инструменты достаточно надёжны, чтобы экономить часы за спринт.
Генерация визуального дизайна остаётся неравномерной. Результат существенно улучшается, когда у модели есть доступ к реальной дизайн-системе, а не когда она генерирует стили с нуля. Ограничение — это актив.
Верность прототипов из text-to-UI-инструментов улучшилась настолько, что некоторые команды в 2026 году используют AI-прототипы для раннего юзабилити-тестирования. Но консенсус таков: дизайнер всё равно должен проверить логику взаимодействия перед показом участникам.
Качество передачи разработке зависит от того, насколько явно заранее указаны доступность, именование компонентов и использование токенов. AI не выводит их хорошо из визуального дизайна автоматически.

Стоит смотреть, если

Вы решаете, в какие этапы дизайн-процесса инвестировать в инструментарий, или руководите командой, которая неравномерно приняла AI-инструменты, и хотите структурированно оценить, где реально находится трение. Выступление менее полезно, если вы ищете сравнение инструментов — Айалон намеренно избегает называть конкретные продукты, чтобы анализ оставался актуальным.