Nielsen Norman Group: Dizajn orijentisan na ishod u eri AI-ja

Kate Moran i Sarah Gibbons iz Nielsen Norman Group snimile su ovaj triminutni video u martu 2026. Video uvodi koncept koji nazivaju outcome-oriented design (dizajn orijentisan na ishod) i tvrdi da AI menja osnovno pitanje na koje dizajneri i istraživači pokušavaju da odgovore — od “šta funkcioniše za tipičnog korisnika” ka “šta ovaj konkretan korisnik treba da postigne”.

Kome je video namenjen: UX istraživačima, produktnim dizajnerima i voditeljima istraživanja koji rade na AI-baziranim proizvodima i žele sažeto preformulisanje kako bi se istraživački ciljevi trebalo promeniti kada je sam proizvod adaptivan. Video pretpostavlja poznavanje standardne UX prakse. Kratak je i konceptualan — koristan kao polazna tačka za timsku diskusiju, a ne kao praktično uputstvo.

Ključni zaključci:

1. Optimizacija za prosečnog korisnika manje je relevantna kada se proizvod prilagođava. Tradicionalno UX istraživanje identifikuje šta funkcioniše za reprezentativan opseg korisnika i informiše dizajn koji taj opseg uzima u obzir. Kada se proizvod može prilagoditi pojedinačnim korisnicima u realnom vremenu, projektovanje za prosek promašuje suštinu. Istraživačko pitanje se pomera od “koji je pravi dizajn” ka “koje ciljeve korisnici donose i kako bi sistem trebalo da ih prepozna i odgovori na njih”.

2. Outcome-oriented design znači definisanje adaptivnih okvira, a ne fiksnih interfejsa. Umesto da specificiraju jedan tok ili raspored, dizajneri koji rade na AI proizvodima definišu parametre u kojima se sistem prilagođava — šta može da menja, pod kojim uslovima, ka kojim korisničkim ciljevima. Istraživanje informiše te parametre, a ne jedno rešenje.

3. Razumevanje individualnih ciljeva postaje centralni istraživački zadatak. Ako će se proizvod odazivati na ono što konkretni korisnici pokušavaju da postignu, istraživačima su potrebni bogatiji podaci na nivou ciljeva nego što standardne studije upotrebljivosti tipično proizvode. Pitanje nije da li korisnici mogu da završe zadatak — već šta pokušavaju da postignu i da li sistemova interpretacija tog cilja tačna.

4. Ovo preformulisanje važi za istraživače koji procenjuju AI sisteme, a ne samo za dizajnere koji ih grade. Pri testiranju AI proizvoda, standardne metrike dovršavanja zadatka su nedovoljne jer se ponašanje proizvoda menja po korisniku. Evaluacija mora uzeti u obzir da li sistem ispravno čita nameru korisnika i prilagođava se na odgovarajući način — što zahteva metode istraživanja koje beležvaju cilj i kontekst zajedno sa ponašanjem.

Video je deo NN/g serije sadržaja za 2026. godinu o uticaju AI-ja na UX praksu. Prate ga linkovi ka srodnim člancima i obukama. Sa trajanjem od tri minuta, pokriva jednu ideju, a ne širok argument, što olakšava deljenje sa zainteresovanim stranama koje nisu duboko u UX istraživanju ali treba da razumeju po čemu se AI proizvodi razlikuju od konvencionalnih.

Vredi gledati ako: Vaš tim počinje da projektuje ili procenjuje AI funkcionalnosti i treba konkretno preformulisanje kako se istraživački ciljevi menjaju kada je proizvod adaptivan. Korisno i ako pred zainteresovanim stranama obrazlažete zašto istraživanje AI proizvoda zahteva drugačije metode od standardnog testiranja upotrebljivosti.