Skip to content
Članak Nielsen Norman Group avg 2026.

NNGroup: Era „čišćenja" u UX-u — sređivanje posle AI-a

Anna Kaley i Raluca Budiu iz Nielsen Norman Group objavili su ovaj tekst 28. avgusta 2026. godine, kovanjicom termina koji odjekuje kod skoro svakog dizajn tima koji je uveo AI alate: era čišćenja (custodial era). Ideja je jednostavna: AI sada omogućava produktnim timovima da generišu sadržaj, prave prototipiove i grade funkcionalne funkcionalnosti mnogo brže nego što UX može da ih evaluira, a rezultat je zaostala AI generisana sadržaj koji dostiže korisnike pre nego što je prikladno pregledan. Autori ovo nakupljanje nazivaju „UX dugom” i tvrde da je bavljenje njime najhitniji dizajn izazov trenutnog perioda.

Članak opisuje ciklus koji će biti poznat većini timova. Stiže nova ideja, AI alati je pretvaraju u funkcionalan prototip ili živu funkcionalnost za nekoliko sati, korak evaluacije se komprimuje ili preskače, i korisnici nailaze na zbunjujuće interfejse, lopu stopu prihvatanja ili direktnu konfuziju. Dizajneri zatim troše značajno vreme na ispravke problema koje bi strukturisan review proces uhvatio pre puštanja. Ovo je custodial pattern — i poenta autora nije da je to sramotno, već da je to sada primarni oblik UX rada u mnogim kompanijama.

Kaley i Budiu predlažu tri strateška odgovora. Prvi je izgradnja zajedničke procene u timu o tome šta zaista zaslužuje da bude izgrađeno. Kada svako može da generiše UI i kod, pitanje da li nešto uopšte treba da postoji postaje teže pokrenuti. Dizajn treba da održava taj standard čak i kada je brzina dominantni pritisak. Drugi odgovor je ubrzanje same UX evaluacije: brže istraživačke metode, lakši evaluacioni šabloni, instrumenti koji mogu da rade tempom kojim AI generiše rezultate. Treći je integracija UX smernica direktno u AI alate za generisanje, tako da se predvidivi problemi hvataju na izvoru, a ne tokom čišćenja.

Članak takođe preoblikuje ulogu čišćenja na konstruktivniji način. Posao ispravki nosi informacije: pokazuje koje obrasce AI generiše a koje korisnici dosledno nalaze zbunjujućim, koje dizajn odluke AI ne može doneti bez konteksta, i gde je ljudska procena nezamenljiva. Tretiranje tih informacija kao podataka za tim — a ne kao neprijatnih dokaza pogrešnog procesa — pretvara posao čišćenja u način za poboljšanje i AI alata i zajedničkih standarda tima tokom vremena.

Korisno za dizajn lidere i starije individualne saradnike u timovima gde je AI-potpomognuti razvoj napredovao brže od evaluacionih kapaciteta. Autori su iskreni u pogledu teškoća bez preporučivanja povlačenja od AI alata, što ovaj materijal čini praktičnijim od većine osvrta na tu temu.