هوش مصنوعی واقعاً کجای فرایند طراحی را عوض کرده؟.

اولین بارهایی که ابزارهای هوش مصنوعی را وارد فرایند طراحی کردم، وسوسهانگیزترین بخش سرعت بود. چیزی که قبلاً برای شروعش باید چند صفحه باز میکردم، چند نمونه پیدا میکردم و بعد آرامآرام شکل میدادم، حالا در چند دقیقه یک خروجی اولیه داشت. احساس میکردم زمان زیادی آزاد شده؛ اما خیلی زود فهمیدم سرعت تولید با کیفیت تصمیم یکی نیست.
گاهی خروجی در نگاه اول حرفهای بود، ولی وقتی دقیق میشدم میدیدم مسئله را سطحی فهمیده، حالتهای مهم را جا انداخته یا از الگوی آشنایی استفاده کرده که اصلاً با زمینهٔ محصول هماهنگ نیست. آنجا بود که سؤال من تغییر کرد. دیگر نمیپرسیدم «AI چه کارهایی را میتواند بهجای من انجام دهد؟» میپرسیدم «در کدام قسمت فرایند کمک میکند بهتر فکر کنم و در کدام قسمت باید بیشتر مراقب باشم؟»
سرعت در شروع، نه واگذاری تصمیم
صفحهٔ سفید انرژی زیادی میگیرد. برای من یکی از بهترین کاربردهای AI این است که شروع را ارزانتر میکند. میتوانم چند مسیر محتوایی، چند ساختار برای یک جریان یا فهرستی از سؤالهای تحقیق را سریع ببینم و بعد نقدشان کنم.
این تفاوت مهم است: من خروجی اولیه را پاسخ نمیبینم؛ آن را مادهٔ خام گفتوگو میبینم.
اگر همان اولین پیشنهاد را بردارم و وارد طراحی کنم، فقط زمان فکر کردن را حذف کردهام. اما اگر از آن برای مقایسه، پیدا کردن فرضهای پنهان و دیدن گزینههایی که به ذهنم نرسیده استفاده کنم، سرعت به کیفیت کمک میکند.
مثلاً بهجای اینکه بپرسم «برای این اپ یک onboarding طراحی کن»، سعی میکنم زمینه بدهم: کاربر چه کسی است، اولین ارزش محصول کجاست، چه اطلاعاتی واقعاً ضروری است، چه چیزی را میتوان بعداً پرسید و ریسک اشتباه چیست. بعد از ابزار میخواهم چند مسیر متفاوت پیشنهاد دهد و برای هرکدام هزینه و نقطهٔ شکست را توضیح دهد. هنوز تصمیم با من است، اما دامنهٔ بررسی بزرگتر شده است.
پژوهش سریعتر شده، اما حقیقت نه
هوش مصنوعی میتواند مصاحبهها را خلاصه کند، الگوهای تکرارشونده را دستهبندی کند یا به من کمک کند میان حجم زیادی از یادداشتها ارتباط پیدا کنم. این کارها مفیدند، بهخصوص وقتی زمان محدود است. مشکل از جایی شروع میشود که خلاصه را با واقعیت یکی بدانیم.
مدل ممکن است تفاوت ظریفی میان دو جملهٔ کاربر را از بین ببرد. ممکن است یک نظر جذاب را بیشازحد مهم کند یا چیزی را که در داده وجود ندارد به شکل منطقی به آن اضافه کند. برای همین من نتیجهٔ تحلیل را بدون برگشتن به دادهٔ اصلی نمیپذیرم.
روش امنتر برای من این است:
- ابتدا یادداشتها و نقلقولهای واقعی را مرتب میکنم.
- از AI برای پیشنهاد دستهبندی استفاده میکنم.
- هر دسته را با متن اصلی تطبیق میدهم.
- موارد مخالف و استثناها را جداگانه نگه میدارم.
- نتیجه را بهعنوان فرضیه مینویسم، نه حکم قطعی.
ابزار میتواند سرعت خواندن را بالا ببرد، اما مسئولیت درست فهمیدن آدمها همچنان با طراح است.
تولید رابط آسانتر شده و نقد رابط مهمتر
امروز میتوان با چند جمله یک صفحه، نمونهٔ تعاملی یا حتی کد اولیه ساخت. این پیشرفت واقعاً ارزشمند است. طراح میتواند ایده را زودتر لمس کند، تیم محصول دربارهٔ چیزی واقعیتر حرف بزند و فاصلهٔ طراحی تا اجرا کمتر شود.
اما خروجی تولیدشده معمولاً مسیر خوشبینانه را خوب نشان میدهد و در لبهها ضعیف میشود. حالت خالی چه میشود؟ اگر داده ناقص بود چه؟ متن بلند در موبایل چگونه میشکند؟ کاربر با کیبورد میتواند جلو برود؟ پیام خطا قابلفهم است؟ اگر نقش کاربر اجازهٔ انجام کار را نداشت چه چیزی میبیند؟
هرچه تولید سریعتر میشود، فهرست سؤالهای نقد باید دقیقتر شود. من برای بررسی نمونههای AI این چند لایه را جدا میکنم:
- منطق: آیا جریان واقعاً به هدف کاربر میرسد؟
- حالتها: موفق، خالی، بارگذاری، خطا، محدودیت و بازگشت پوشش داده شدهاند؟
- سیستم طراحی: فاصله، تایپوگرافی، رنگ و رفتار اجزا با محصول هماهنگ است؟
- دسترسپذیری: کنتراست، ترتیب فوکوس، برچسبها و استفاده بدون ماوس بررسی شدهاند؟
- محتوا: متن دقیق، کوتاه و متناسب با لحن برند است؟
- اجرا: راهحل با محدودیتهای واقعی تیم فنی سازگار است؟
بدون این نقد، نمونهٔ زیبا ممکن است اعتماد اشتباهی به تیم بدهد.
جلسههای تیمی هم تغییر میکنند
قبلتر بخشی از جلسه صرف این میشد که همه تصور مشترکی از ایده پیدا کنند. حالا میتوان چند نمونه را زودتر آماده کرد و گفتوگو را روی تفاوتها برد. این فرصت خوبی است، اگر نمونهها را بهعنوان تصمیم نهایی نشان ندهیم.
من ترجیح میدهم کنار هر خروجی سه چیز را واضح بنویسم:
- این نمونه بر چه فرضی ساخته شده است؟
- چه چیزی هنوز بررسی نشده؟
- از تیم دقیقاً چه نوع بازخوردی میخواهیم؟
این کار جلوی بحثهای پراکنده دربارهٔ سلیقه را میگیرد. بهجای اینکه بپرسیم «کدام را دوست دارید؟» میپرسیم «کدام مسیر ارزش محصول را زودتر نشان میدهد و چرا؟»
بخشی که نباید خودکار شود
هوش مصنوعی در تولید، خلاصهسازی و کشف الگو قوی است، اما مسئول پیامد تصمیم نیست. اگر رابطی کاربر را گیج کند، دادهای را اشتباه نشان دهد یا دسترسی گروهی را نادیده بگیرد، نمیتوانیم مسئولیت را به ابزار برگردانیم.
همدلی هم فقط تولید یک persona یا فهرست pain point نیست. فهمیدن زمینهٔ زندگی و کار مردم، شنیدن تناقضها و دیدن چیزی که در فرم تحقیق نوشته نمیشود به حضور و قضاوت انسانی نیاز دارد.
برای همین من چند بخش را عمداً نگه میدارم:
- تعریف مسئله و انتخاب اینکه چه چیزی ارزش حل کردن دارد
- گفتوگو با کاربر و تفسیر زمینهٔ او
- تصمیمهای اخلاقی و سنجش ریسک
- نقد نهایی و پذیرش مسئولیت خروجی
- هماهنگی میان نیاز کاربر، هدف کسبوکار و توان تیم
AI میتواند در همهٔ این بخشها سؤال پیشنهاد دهد، اما نباید صاحب تصمیم باشد.
فرایند شخصی من؛ قبل، حین و بعد از AI
برای جلوگیری از اینکه ابزار جهت پروژه را تعیین کند، کار را در سه مرحله میبینم.
قبل
هدف، کاربر، محدودیت و معیار موفقیت را بدون ابزار مینویسم. اگر نتوانم مسئله را برای خودم توضیح دهم، درخواست دقیق هم نمیتوانم بسازم.
حین
چند خروجی میگیرم، تفاوتها را میسنجم و از ابزار میخواهم با خودش مخالفت کند. بهجای یک پاسخ، گزینه و نقد میخواهم.
بعد
نتیجه را با داده، سیستم طراحی و شرایط اجرا بررسی میکنم. هر چیزی که نمیتوانم توضیح دهم یا دفاع کنم، وارد محصول نمیشود.
این ساختار ساده کمک میکند سرعت را بگیرم، بدون اینکه کنترل فرایند را از دست بدهم.
اگر بخواهم خلاصه کنم
هوش مصنوعی فرایند طراحی را کوتاهتر کرده، اما آن را ساده نکرده است. زمان کمتری برای تولید اولیه لازم داریم و در عوض باید زمان بیشتری برای تعریف زمینه، نقد، راستیآزمایی و تصمیم صرف کنیم.
بهنظر من طراحانی که فقط خروجی تولید میکنند بیشتر تحتتأثیر این تغییر قرار میگیرند. اما برای کسی که مسئله را میفهمد، سؤال خوب میسازد و میتواند میان گزینهها تصمیم بگیرد، AI یک اهرم قدرتمند است.
اگر بخواهم در یک جمله بگویم: ابزار سریعتر شده است، پس کیفیت کار ما بیشتر از قبل به چیزی بستگی دارد که قبل و بعد از فشردن دکمه انجام میدهیم.
برای مطالعه بیشتر
- گزارش ۲۰۲۶ فیگما دربارهٔ طراحی و هوش مصنوعی
- I Rebuilt My Entire UX Workflow With AI در Medium
- مروری بر تغییر فرایند UX با ابزارهای هوش مصنوعی فیگما
نوشتهٔ محمد عبدی، طراح محصول و تجربهٔ کاربری.