UX Collective: Kako dizajneri ovladavaju AI-jem

Ovladavanje tradicionalnim dizajn softverom ima predvidljiv oblik: novi korisnik uči ispravno korišćenje Figme ili Sketcha, i s vremenom njegova praksa konvergira ka tehnikama koje koriste i iskusniji stručnjaci. Članak Amber Bouabdallah u UX Collective-u tvrdi da AI alati u potpunosti ruše ovaj model i da pokušaj podučavanja AI majstorstva kao konvencionalnog softverskog treninga daje pogrešne rezultate.

Njena osnovna tvrdnja je da je AI majstorstvo inherentno lično i divergentno, a ne univerzalno i konvergentno. Kada neko razvije sofisticiranu praksu rada sa AI alatom, ona odražava njegov specifičan stil razmišljanja, domensko znanje i radne preferencije — a ne prenosivu dobru praksu koju bi drugi dizajner trebalo da replicira. Implikacija za timove je značajna: izgradnja AI kompetencija unutar organizacije ne može se osloniti na konvencionalni trening, jer cilj nije preneti jedinu ispravnu tehniku, već dati pojedincima dozvolu i strukturu za razvoj sopstvene.

Bouabdallah je razvila ovo razmišljanje kroz šestomesečni ciklus peer learninga koji je ko-dizajnirala sa Ningdan Zhang u Salesforce-u, vodeći mesečne sesije za 46 dizajnera. Format je bio namerni: umesto ekspertskog predavanja, sesije su prikazivale kolege koji demonstriraju svoje lične AI radne tokove. Naglasak je bio na prikazivanju stvarnih, nedovršenih praksi, što je stvaralo dozvolu za eksperimentisanje, a ne standard za poređenje. Učesnici su videli kako AI praksa izgleda kada je zaista lična — različita za svakoga, oblikovana znanjem i navikama svake osobe.

Jedna konkretna napetost koju članak direktno imenuje jeste rizik od gubitka istraživačkih faza dizajna kada AI alati podstiču skakanje direktno na prototipe visoke vernosti. Brzina generisanja može da komprimuje divergentno razmišljanje od kojeg zavisi kvalitet dizajna, i Bouabdallah to tretira kao legitimnu zabrinutost, a ne ograničenje koje treba prevazići boljim promptovima.

Članak je najkorisniji za dizajn lidere koji grade AI programe obuke, UX Operations stručnjake koji odlučuju kako da strukturišu peer learning, i individualne dizajnere koji pokušavaju da razumeju zašto se njihova AI praksa razlikuje od prakse kolega — i zašto ta divergencija može biti nameravana, a ne znak pogreške.