dscout: Okvir u šest koraka za ugradnju AI u vašu UX praksu

Rose Beverly, viši UX AI istraživač u PayPal-u, objavila je ovaj tekst na dscout People Nerds blogu u decembru 2025. Bavi se konkretnim problemom: praktičari ili potpuno izbegavaju AI iz predostrožnosti ili ga usvajaju nasumično, ne pitajući se koje bi zadatke zapravo trebalo automatizovati. MASTER okvir je strukturirani odgovor na to pitanje.

Šest koraka su: Map (mapa), Audit (revizija), Scan (skeniranje), Trial (eksperiment), Embed (ugradnja) i Repeat (ponavljanje).

Prva dva koraka su dijagnostička. Map traži od istraživača da dokumentuju celokupan radni tok — svaku fazu, svaki ponavljivi zadatak — pre nego što priđu bilo kom AI alatu. Audit pretvara tu mapu u detaljan inventar s dovoljnom granularnošću za procenu pojedinačnih odluka i mikrozadataka.

Treći korak, Scan, uvodi matricu upravljanja. Zadaci se raspoređuju na dve ose: složenost i rizik automatizacije. Zadaci s niskom složenošću i niskim rizikom — formatiranje transkripata, pisanje rutinskih mejlova, generisanje obrazaca pristanka — bezbedno je automatizovati. Zadaci s visokom složenošću i visokim rizikom — upravljanje odnosima sa stejkholderima, live prezentacije — moraju ostati u potpunosti u rukama čoveka. Dva srednja kvadranta zahtevaju hibridni pristup: AI izrađuje tematsku analizu, ljudi je dorađuju; AI generiše vodiče za intervjue, ljudi ih pregledaju pre upotrebe.

Trial i Embed prelaze od analize ka akciji. Beverly preporučuje da se odabere jedan niskorizični eksperiment na stvarnom projektu, kritički oceni rezultat i tek onda ugradi u ponovljiv proces. Poslednji korak, Repeat, stalna je instrukcija da se sistem preispituje i ažurira kako se alati razvijaju i radni tokovi menjaju.

Tekst opisuje i ulogu koju Beverly naziva „orkestrator” — praktičar koji usmerava AI agente, kombinuje alate i promptove sa strateškim prosuđivanjem i vraća generalistički pristup disciplini koja se fragmentirala u uske specijalnosti. Pristup je konstruktivan pre nego pretećiAI vraća širinu u profesionalnu praksu umesto da zamenjuje dubinu.

Kome je ovo korisno: UX istraživačima i dizajnerima s iskustvom u radu koji žele strukturiranu metodu za procenu kojih delova prakse mogu biti dopunjeni AI-jem — bez prepuštanja prosuđivanja alatu. Matrica upravljanja je najneposrednije primenljivi deo; daje praktičarima okvir za donošenje odluka umesto opšteg principa za samostalno tumačenje. Iskusniji praktičari naći će je najkorisnijom; početnici možda još nemaju dovoljno iskustva da je smisleno primene.

Beverly ne analizira dublje konkretne alate, a tekst ne bavi se validnošću dizajna studija niti etikom rada s učesnicima — te teme zahtevaju posebno razmatranje. Okvir nudi proceduralnu jasnoću za odluku koju mnogi praktičari trenutno donose intuitivno.