Skip to content
Članak Figma Blog avg 2026.

Figma: merenje uticaja AI na dizajn praksu

Kada kompanija želi da razume da li AI menja rad dizajnera, logičan korak je anketa. Shane Johnston, istraživač dizajna u Figmi, krenuo je drugim putem: tri godine strukturisanih kvalitativnih intervjua, delimično moderisanih AI-jem, analiziranih AI-jem i sintetizovanih u jedan složeni rezultat — AI Impact Index.

Šta istraživanje pokriva

AI Impact Index kreće se od 0 do 100 i predstavlja koliko je AI promenio svakodnevnu dizajn praksu. Kada je Figma 2024. godine prvi put sprovela ovo istraživanje, rezultat je bio 31. U 2026. dostigao je 62 — udvostručavanje za dve godine, koje tim opisuje kao najbrže izmerenu promenu u dizajn radnom toku u istoriji studije.

Podaci iza tog broja su značajni: 639 intervjua sprovedenih u različitim ulogama i nivoima iskustva, koji su dali nešto više od 2 miliona reči transkripata. AI je moderisao intervjue (postavljajući dopunska pitanja), dok je poseban analitički sloj generisao 40.701 tematski kod i sveo ih na 11.846 različitih tema. Istraživači-ljudi su zatim pregledali sintetizovani rezultat radi validacije kategorija i ponderisanja.

Šta se promenilo najviše

Istraživanje deli indeks na pet dimenzija: sposobnosti, procesi, kolaboracija, kvalitet i poverenje. Dimenzija kolaboracije pokazala je najveći rast — sa 32 na 58 između 2024. i 2026. Johnston to tumači kao korišćenje AI-ja od strane dizajnera za premošćavanje jaza između disciplina: ranije deljenje istraživanja sa inženjerima, više asinhronih petlji povratnih informacija i generisanje referentnih materijala koje mogu direktno čitati i ne-dizajneri.

Dimenzije sposobnosti i procesa takođe su porasle, ali sporijim tempom. Kvalitet i poverenje ostaju najprirodnje osporavane dimenzije: dizajneri izveštavaju da se AI rezultati poboljšavaju, ali da je opterećenje verifikacijom poraslo zajedno sa obimom rezultata.

Kako metodologija funkcioniše

Studija je dizajnirana da bude ponovljiva. Figma je napravila međufunkcionalni dashboard koji prati rezultate indeksa po dimenzijama i demografskim segmentima (godine iskustva, veličina kompanije, dizajnerska specijalizacija). To timu omogućava poređenje promena po kohortama iz godine u godinu umesto oslanjanja na agregatne proseke.

Izbor AI moderacije za intervjue bio je namerni. Moderi-ljudi, napominje Johnston, skloni su da dublje istražuju određene odgovore na osnovu sopstvenih pretpostavki. AI moderacija primenila je dosledna dopunska pitanja svim 639 učesnicima, što je smanjilo pristrasnost anketara, ali uvelo sopstvene artefakte — posebno u slučajevima kratkih odgovora koje bi moderator-čovek verovatno dalje istraživao.

Kome je ovo korisno

Lideri dizajn timova i istraživači koji pokušavaju da opravdaju ili preispitaju usvajanje AI-ja naći će metodologiju korisnijom od samog rezultata. Struktura indeksa — kvalitativni intervjui → AI kodiranje → validacija od strane ljudi → složeni rezultat — prenosiva je u druge kontekste. Timovi koji sprovode interno dizajnersko istraživanje mogu prilagoditi ovaj pristup merenju uticaja AI-ja na sopstvene radne tokove bez Figminog obima.

Članak takođe uključuje grafikone koji razlažu rezultate dimenzija prema nivou iskustva — relevantno za organizacije sa mešovitim dizajn timovima po seniornosti. Stariji dizajneri pokazuju primetno drugačiju krivu usvajanja od dizajnera sa manje od tri godine iskustva — jaz koji se od 2024. pre povećao nego smanjio.