AI в UX | Онлайн-конференции UX-Марафон #44
Станьте T-shaped специалистом за 1 день, а не за 3 года
Раньше, чтобы закрывать смежные задачи, дизайнеру нужно было учить код, а исследователю — глубокую аналитику.
Сегодня это делает AI. На UX-марафоне мы покажем, как нейросети дают вам горизонтальные навыки без 3х лет обучения.
Дизайнерам: управлять командой ИИ-агентов и выстраивать пайплайн под новые реалии — без страха, что вас заменит нейросеть.
Исследователям: превращать сырые данные и гипотезы в проверенные инсайты за часы, а не недели.
Редакторам: автоматизировать локализацию, самостоятельно вытаскивать инсайты из исследований.
Итог: вы остаетесь глубоким экспертом в своем деле, но работаете с эффективностью целой команды
Дизайнер 2027: менеджмент ИИ-агентов и как работать чтобы вас не заменили
На примере реальной задачи и Claude Code покажу, как выглядят 3 сдвига в роли дизайнера:
1. Из роли специалиста дизайнер переходит в роль менеджера. Управленческие компетенции становятся важными даже для мидла
2. Роль расширяется. Дизайнер — это уже команда ролей, которую он создал с помощью ИИ-агента
3. Пайплайн работы кардинально меняется: от увеличения реалистичности дизайна — к увеличению уверенности в решении
Принципы UX для ИИ-продуктов
Как AI-продукты меняют привычный UX + роль дизайнера
Из каких слоёв складывается пользовательский опыт в современных ИИ-системах
Как контекст, память, действия агентов, данные и возможности модели влияют на UX
Какие навыки становятся важными для дизайнеров в эпоху интеллектуальных систем
Почему доверие становится ключевой UX-задачей
Доказательный UX — AI без отсебятины и галлюцинаций
UX-рецепты, UI-паттерны и ToV для ИИ
Учим AI проектировать по Use Cases и аналитике, а не по догадкам.
Заставляем ИИ связать элементы интерфейса с требованиями, правилами и источниками
Получаем проверяемый UX: всегда можно ответить, почему решение именно такое
От гипотезы до запуска эксперимента за неделю: как мы встроили AI в проверку продуктовых идей
Два формата проверки гипотез: тест спроса через лендинг и тест ценности через работающий мини-сервис
Как AI, библиотека компонентов и набор скилов перевели нас от Figma к живому коду
Как выглядит путь от идеи до запуска и где остаются bottleneck'и
Какие проблемы появились без участия дизайнера и зачем мы вводим design review и правила
Продуктовый дизайнер в эпоху ИИ: как меняется профессия, скилсет и требования рынка
ИИ становится базовым инструментом продуктового дизайнера.
Ценность смещается от отрисовки макетов к продуктовому мышлению и качеству решений
Дизайнер становится технически сильнее: AI, vibe coding, прототипы, работа с данными
Рынку нужны более самостоятельные дизайнеры, способные пройти путь от гипотезы до проверки решения
Главный новый навык — адаптивность: быстро осваивать инструменты и перестраивать свой процесс работы
Не можешь сопротивляться — возглавь: как говорить с ИИ на языке исследователя и получать то, что нужно
1. Почему на запрос «дай потребности целевой аудитории» приходит ответ, подходящий любому рынку, и что мы упускаем в формулировке
2. Что добавить в промпт: продукт, ситуацию, границы выборки, теорию, через которую вы смотрите на данные
3. Разбор запроса по шагам — как ответ меняется за две-три итерации
4. Как доспрашивать модель, когда ответ уже пришёл, и как отличить правдоподобный список гипотез от того, с которым можно идти в проект
Новые UX-методы в эпоху ИИ: что меняется в исследовательской практике
Как ИИ меняет исследовательский процесс и инструменты исследователя
Какие появляются новые способы получения исследовательских данных
Как ИИ меняет границы между качественными и количественными исследованиями
Как меняется дизайн и объект исследования
Как ИИ позволяет исследовать не только наблюдаемые, но и возможные сценарии поведения
Нейросети и UX-редактура: что помогает, в чём именно, где с осторожностью, а где мастхэв
1. Ускоряем локализацию
2. Автоматизируем причёсывание
3. Вытаскиваем данные из исследований без исследователя
4. И вот уж теперь точно больше никаких голосовы
