AI × интерфейсы: главное за две недели (15.09.26 — 28.09.26)
Третий выпуск дайджеста об AI в интерфейсах и дизайн-системах.
За эти две недели вышло несколько полезных исследований о том, как AI влияет на работу дизайнеров, исследователей и продуктовых команд. Общий вывод: AI уже ускоряет создание прототипов и выполнение отдельных операций, но в сложных задачах результат по-прежнему зависит от правил, контроля и проверки.
В этом выпуске:
- почему Figma Make заметно ускорила продакт-менеджеров, а дизайнеров — только в отдельных задачах
- как описывать компоненты, чтобы интерфейс понимали и пользователи, и AI-агенты;
- какие права и средства контроля нужны AI-агенту
- как использовать AI-помощника и не снижать самостоятельность пользователя
- как встроить проверку результата AI в пользовательский сценарий
- как Nubank тестирует AI-агента до запуска на реальных клиентах
- в каких задачах интервью с AI полезны, а где нужен исследователь
Меня зовут Евгения Шамрай. Я дизайнер интерфейсов и основательница дизайн-студии Проект. Мы проектируем B2B-системы, ERP-сервисы и другие сложные продукты. В этом дайджесте я разбираю исследования и кейсы об AI в интерфейсах и дизайн-системах — без пересказа новостей и рекламных обещаний.
1. AI ускоряет создание прототипа, но не всю работу дизайнера
Does AI Save Time on Product Design? Figma Research, 22 сентября 2026. Исследование
Что проверили
Figma провела рандомизированный эксперимент с участием 50 продуктовых дизайнеров и 50 продакт-менеджеров. Участники выполняли три типовые задачи: от небольшой правки интерфейса до создания более сложного интерактивного прототипа. Половина участников работала с Figma Make, половина — без него. Все авторы исследования работают в Figma, а задания выполнялись в лабораторных условиях по заданному образцу.
Среди участников, завершивших задания, работа с AI заняла в среднем примерно на 20% меньше времени. Однако основную экономию получили продакт-менеджеры. У дизайнеров статистически значимого ускорения по всем задачам не обнаружили. Выигрыш появился у самых быстрых участников при выполнении наиболее сложного задания.
Позиция авторов
Генеративный инструмент особенно полезен, когда нужно быстро превратить идею в интерактивный прототип. Для опытного дизайнера сборка экрана составляет только часть работы. Много времени занимает выбор решения, проработка состояний, проверка деталей и соблюдение правил дизайн-системы.
Что это значит для дизайнера
Пользу AI нельзя оценивать только по скорости создания первого варианта. Важно измерять весь цикл: сколько времени заняли выбор решения, проверка сценария, согласование и подготовка к разработке. Быстрый прототип ещё не означает, что продукт выйдет быстрее.
Для практики
- Измерять не время до первого экрана, а время до решения, которое прошло проверку и готово к разработке.
- Отдельно оценивать пользу AI для дизайнеров, менеджеров и разработчиков: один и тот же инструмент по-разному влияет на работу разных специалистов.
2. Дизайн-систему нужно описывать так, чтобы её понимал AI-агент
Affora: A Design System for Agent-Friendly Interfaces Jin Gao, 16 сентября 2026. Исследование
Что проверили
Автор сравнил работу AI-агентов с обычной семантической разметкой и с интерфейсами, собранными из популярных библиотек компонентов. В трёх контролируемых исследованиях агенты лучше выполняли задачи, когда назначение, действия и состояния компонентов были явно описаны в структуре интерфейса.
Внешний вид компонентов можно было менять без заметного ухудшения результата. Агент продолжал понимать интерфейс, если сохранялись назначение элемента, его роль и доступные действия.
Позиция автора
В дизайн-системе недостаточно хранить внешний вид и код компонента. Нужно также описывать его назначение, состояния, доступные действия и результат каждого действия. Эти данные помогают AI работать с интерфейсом без догадок.
Что это значит для дизайнера
Для работы AI-агента не нужна отдельная версия интерфейса. Нужна формально описанная продуктовая логика. Если назначение компонента понятно только по его внешнему виду, агенту приходится угадывать. Если смысл зафиксирован в структуре и API, визуальный дизайн можно менять, не нарушая работу агента.
Для практики
- Добавить в документацию компонентов назначение, состояния, разрешённые действия и ожидаемый результат.
- Проверять дизайн-систему не только визуальными тестами, но и задачами для агента: может ли он найти нужный элемент, понять состояние и выполнить действие.
3. AI-помощник может снижать самостоятельность пользователя
Designing Against Deskilling 17 сентября 2026. Исследование
Что проверили
В эксперименте с заранее зафиксированной методикой участвовали 704 человека. Они решали задачи с дробями с помощью AI. Одна группа сразу получала готовый ответ. Другой группе система показывала, как участник использовал подсказку и что ему стоит проверить самостоятельно.
Метакогнитивная обратная связь снижала склонность запрашивать готовый ответ и улучшала результаты последующего теста без AI. Авторы приводят отношение шансов 0,47 и 1,51 соответственно. Дополнительная награда за усилие заметного эффекта не дала.
Позиция авторов
Одного призыва «думайте сами» недостаточно. Пользователю нужно показывать, в какой момент он передал задачу AI, что проверил самостоятельно и какие действия сможет повторить без помощи.
Что это значит для дизайнера
В профессиональном продукте важно показывать не только результат работы агента, но и решения пользователя: какие параметры он задал, какие допущения подтвердил и что исправил. Такой подход особенно полезен в аналитике, настройках и других сценариях, где пользователь отвечает за результат.
Для практики
- Перед выполнением ответственного действия просить пользователя выбрать вариант или задать критерии результата.
- После выполнения показывать, что сделал AI, какие решения принял пользователь и что ещё нужно проверить.
4. AI-агенту нужны права, журнал действий и откат
Working with Agentic «Teammates» 24 сентября 2026. Исследование
Что проверили
Исследователи пять месяцев наблюдали, как постоянный AI-агент работает более чем в 20 командах крупной технологической компании. В анализ вошли свыше 41 тысячи сообщений и 11 тысяч ответов агента. Дополнительно авторы провели интервью с 17 сотрудниками.
По данным интервью, основные трудности были связаны не с качеством отдельных ответов. Агент не всегда учитывал негласные правила команды, различал личный и общий контекст и понимал, когда можно действовать самостоятельно, а когда нужно запросить разрешение. Авторы подчёркивают, что исследовали рабочие отношения с агентом, а не его эффективность как готового продукта.
Позиция автора
Для постоянной работы AI-агента в команде недостаточно чата. Нужно определить, к каким данным и действиям у него есть доступ, когда он может проявлять инициативу, как сообщает о своих действиях и кто отвечает за результат.
Что это значит для дизайнера
В продукте с AI-агентом нужно отдельно проектировать управление его действиями. Пользователю понадобятся права на разные операции, журнал изменений с указанием автора и возможность отменить действие. Настроек уведомлений для этого недостаточно.
Для практики
- Разделить права «видеть», «предлагать», «изменять» и «публиковать».
- Показывать в журнале, что сделал агент, на каком основании и как отменить результат.
5. Проверку результата AI нужно проектировать как отдельный сценарий
Who Does What in AI Auditing? 21–23 сентября 2026. Два исследования
Что проверили
В первом исследовании десять специалистов по пространственной биологии использовали AI для анализа рабочих данных. Система помогала строить графики, находить нужные клетки и выполнять трудоёмкие операции. Для проверки результата специалистам требовались исходные данные, параметры запуска, привычные способы представления информации и иногда внешние инструменты.
Во втором исследовании 71 специалист проводил аудит систем с AI. Помощник позволил проверить больше сценариев и найти больше способов атаки. При этом участники стали сильнее полагаться на оценки и формулировки самого AI.
Позиция авторов
Правдоподобного вывода недостаточно. Эксперту нужно видеть, какие данные использовались, какие операции выполнила система, какие допущения были сделаны и можно ли повторить проверку.
Что это значит для дизайнера
Одной кнопки «Показать источники» недостаточно. В сложном B2B-продукте нужно спроектировать последовательность проверки: исходные данные, план, выполненные операции, подтверждения и решение пользователя. В сценариях с высоким риском основание для вывода должно быть доступно прямо рядом с результатом.
Для практики
- Связывать каждый вывод с конкретными данными и шагом выполнения.
- Дать пользователю возможность повторить проверку, изменить параметры или открыть данные в привычном инструменте.
6. AI-агента нужно тестировать до запуска на реальных клиентах
Screen Before You Serve Nubank, 24 сентября 2026. Исследование и кейс
Что првоерили
Nubank создал тестовую среду с синтетическими клиентами и имитацией рабочих инструментов. В ней команда сравнивала версии сервисного AI-агента до запуска на реальных пользователях. Более 16 тысяч смоделированных диалогов помогли найти слабые места и выбрать модель.
Для четырёх запущенных версий оценки по бинарному критерию в симуляции сильно коррелировали с оценками в реальной работе. После доработок транзакционный NPS (tNPS) в A/B-тесте вырос на 36,69 пункта. Выбранная модель с открытыми весами увеличила долю обращений, решённых без оператора, на 8,82 процентного пункта. Статистически значимого изменения tNPS не обнаружили.
Ограничения исследования
Тестовая среда проверяла диалог только до обращения агента к внутренним инструментам. Реальные задержки, изменение данных и последствия операций в системах компании в исследование не вошли.
Что это значит для дизайнера
Перед запуском агента нужна тестовая среда с разными типами пользователей, ошибками, неполными данными, спорными запросами и условиями остановки. Проверку диалога нужно дополнять тестами реальных операций и изменений данных.
Для практики
- Собрать набор критических сценариев и запускать его после каждого изменения агента.
- Отдельно проверять качество диалога и корректность операций с реальными данными и состояниями продукта.
7. AI помогает проводить интервью, но не заменяет исследователя
AI-Moderated Interviews for Market Research and Digital Twins Calibration 24 сентября 2026 Исследование
Что проверили
В исследовании с заранее зафиксированной методикой участвовали 317 человек и три компании. Интервью с AI прошли 139 человек, интервью с исследователем — 24, обычную анкету заполнили 154 человека.
AI задавал уточняющие вопросы, получал ответы сопоставимой глубины и охватывал больше тем. При одинаковом бюджете этот формат позволил выявить больше пользовательских потребностей. Исследователи-люди лучше поддерживали эмоциональную вовлечённость. При этом модели пользователей, собранные по интервью с AI, не показали убедительного количественного преимущества перед качественными анкетами.
Позиция автора
AI можно использовать для массового сбора качественных данных, когда полноценные интервью с исследователем слишком дороги. При этом автоматизированная беседа сама по себе не обеспечивает более точного понимания пользователя.
Что это значит для дизайнера
Интервью с AI подходят для первичного исследования: они помогают собрать лексику пользователей, расширить список проблем и определить темы для следующего этапа. Использовать их как единственное основание для продуктового решения рискованно, особенно когда важны эмоции, скрытые мотивы и рабочий контекст.
Для практики
- Использовать интервью с AI для первичного массового сбора данных, а ключевые темы проверять в интервью с исследователем.
- Не выдавать автоматически собранный профиль за «цифрового двойника» без проверки на реальных решениях и поведении.
Что я забираю из этого выпуска
Три главные мысли
1. Скорость первого результата — слабая метрика
AI может быстрее собрать прототип, отчёт или ответ, но для продуктовой команды важнее время до проверенного решения: согласованного, понятного пользователю и готового к безопасному внедрению.
2. Агенту нужен собственный слой интерфейса
Права, границы контекста, авторство изменений, журнал действий и откат нужно проектировать так же внимательно, как основной пользовательский сценарий. Чем больше агент делает самостоятельно, тем прозрачнее должны быть его действия.
3. AI помогает масштабировать работу, но не снимает ответственность
Он может провести больше интервью, проверить больше сценариев и выполнить часть рутинных операций, но интерпретация, выбор решения и оценка последствий по-прежнему остаются за человеком.
AI ускоряет отдельные этапы работы, но не превращает сложный продукт в набор готовых ответов. Он переносит часть проектирования глубже — в правила, права, проверки и устройство самого рабочего процесса.
06.10.2026
