TL;DR:

AI stanowi największe wyrównanie szans w historii – nowe narzędzia są równie nowe dla doświadczonych designerów i świeżych absolwentów
Znaczenie przeważa nad estetyką – w morzu pięknych rebrandingów wygrywa ten, kto trafia w głębokie ludzkie potrzeby
Zasada „właśnie wystarczająco” badań – unikaj paraliżu analitycznego, jednak nie zastępuj prawdziwych użytkowników syntetycznymi personami
Przejście od pixel-perfect do generative – marki muszą stać się bardziej płynne i adaptowalne w świecie AI
Wybór jednego głównego narzędzia AI – rozprzestrzenianie się po wielu platformach daje tylko powierzchowne rezultaty
Ciekawość jako superpower – kto wie, jak wyciągnąć rezultaty z narzędzi AI, będzie tworzył rzeczy, które wygrywają
Odpowiedzialność designerów – mają obowiązek kształtowania świata, w którym chcemy żyć

Poniższe notatki pochodzą z rozmowy z Sarą Vienna, Chief Design Officer w Metalab, która w podcaście „Dive Club” dzieliła się przemyśleniami o przyszłości designu w erze AI. Wszystkie przedstawione obserwacje, wnioski i strategie to refleksje uczestników podcastu.

AI jako wielkie wyrównanie szans

Sara Vienna przedstawia konkretny pogląd na obecną sytuację w branży. Podkreśla, że wszystkie narzędzia AI są równie nowe dla doświadczonych designerów i świeżych absolwentów, co tworzy największe wyrównanie szans w historii.

Jej obserwacja wykracza poza czysto zawodowy aspekt. Podczas jednej z rozmów z 22-letnim analitykiem finansowym o AI zauważyła przyspieszającą lukę między tym, co możliwe, a tym, gdzie designerzy czują się komfortowo. W rezultacie ludzie mogą zostać w tyle, jeśli nie zaczną eksperymentować.

Vienna formułuje jasny przekaz dla branży: osoby, które potrafią uzyskać konkretne rezultaty z narzędzi AI, będą tworzyć projekty odnoszące sukces.

Znaczenie ponad powierzchowną estetyką

W świecie codziennych rebrandingów na Twitterze Vienna stawia kluczowe pytanie o sposoby wyróżnienia się w morzu wizualnej perfekcji.

Jej odpowiedź koncentruje się na różnicy między powierzchowną warstwą wizualną a całościowym doświadczeniem. Vienna opisuje to jako wyzwanie równoczesnego oddziaływania na „głowę i serce” użytkownika. Z jednej strony trzeba trafić ludzi wizualnie, żeby powiedzieli „to rezonuje ze mną”, z drugiej jednak – dostarczyć wartość, której ich rozum będzie oczekiwał.

Test „czy można to nosić?”

Vienna proponuje praktyczny test dla marek: ocenę tego, czy ludzie chcieliby nosić gadżety z daną marką. W przypadku Windsurf – projektu realizowanego przez Metalab – popyt na merchandising okazał się ogromny.

Lista kontrolna: sprawdzanie znaczenia marki

Test merchandisingu – czy ludzie chcieliby nosić gadżety z tą marką?
Test opinii – czy marka wywołuje reakcje zarówno pozytywne, jak i negatywne?
Test różnicowania – czy wyróżnia się od aktualnych trendów?
Test całościowy – czy całe doświadczenie odpowiada charakterowi marki?
Test zaufania – czy prezentuje się na tyle profesjonalnie, by ludzie zaufali procesowi?

Przykład Windsurf ilustruje filozofię Vienny dotyczącą tworzenia marek zdecydowanie różnych od konkurencji. Reakcje środowiska designerskiego na Twitterze pozostają drugoplanowe. Mimo że jeden z komentarzy brzmiał „to wygląda jakby gejowskie wesele rzygało na tech”, Vienna odebrała to jako komplement.

Zły gust versus pogoń za trendami

Vienna formułuje fascynującą obserwację o naturze złego gustu. Twierdzi, że gorszy od tworzenia czegoś po prostu złego jest tworzenie rzeczy, z których ludzie są już zmęczeni.

Problem polega na łatwości wpadnięcia w pościg i pozostawania kroku za trendem. Szczególnie w sytuacji, gdy cykle przyspieszają, a remixowanie i czerpanie inspiracji staje się coraz prostsze dzięki publicznemu charakterowi platform społecznościowych.

Według Vienny, jeśli projekt jest dobrze wykonany i ma sens dla komunikowanego przekazu, użycie trendu może nie mieć znaczenia. Jednak marki muszą być gotowe na zmianę, jeśli zbyt mocno opierają się na elementach podlegających szybkim przeobrażeniom.

Zasada „właśnie wystarczająco” badań

Vienna odwołuje się do koncepcji Eriki Hall z książki „Just Enough Research”. Centralnym problemem pozostaje znalezienie równowagi między brakiem danych a paraliżem analitycznym.

Lista kontrolna: unikanie paraliżu analitycznego

Zdefiniowanie mierników sukcesu przed rozpoczęciem badań
Wybór najszybszej metody dostarczającej potrzebne odpowiedzi
Realistyczna ocena dostępnych zasobów budżetowych i czasowych
Szybkie przejście do prototypowania zamiast przedłużania dyskusji
Dostosowanie intensywności badań do wagi problemu projektowego

Zespół Vienny koncentruje się na szybkim przejściu do tworzenia namacalnych elementów. Prototyp, ekran czy szkic często komunikują więcej niż długie dyskusje czy analizy.

Steve Jobs i filozofia „szybszych koni”

Vienna nawiązuje do słynnego cytatu Henry’ego Forda, który twierdził, że gdyby zapytał ludzi o ich potrzeby, odpowiedzieliby mu o szybszych koniach zamiast o samochody. Steve Jobs często wykorzystywał ten przykład w kontekście badań użytkowników.

Vienna podkreśla konieczność rozumienia ludzkiej kondycji i głęboko zakorzenionych potrzeb, ale jednocześnie malowania wizji przyszłości, o której ludzie nigdy wcześniej nie pomyśleli. Te dwa elementy nie zawsze pozostają bezpośrednio zgodne.

Steve Jobs wykazywał wyważone podejście do badań – nie był im przeciwny, ale rozumiał, że oba aspekty muszą być trzymane razem dla podjęcia właściwej decyzji projektowej.

AI jako partner w krytyce

Vienna proponuje wykorzystanie AI jako krytyka własnej pracy. Sugeruje formułowanie poleceń typu: „Bądź ekspertem badaczem i strategiem, przeanalizuj ten zestaw wyników i wskaż wzorce oraz najgłębsze spostrzeżenia.”

Ponadto można kazać AI przyjąć „tryb Steve Jobsa” i krytykować pracę z tej perspektywy. Alternatywnie warto używać AI do zadawania pytań zamiast jedynie wprowadzania danych – pozwolić mu przeprowadzić wywiad na temat zebranych informacji.

Syntetyczni versus prawdziwi użytkownicy

Vienna wykazuje sceptycyzm wobec syntetycznych użytkowników w badaniach. Jej zdaniem stają się oni amalgamatem persony, do której designerzy i badacze mają podobnie mieszane uczucia.

Ostrzega przed syntentycznymi metodami, ponieważ nie dostarczają czystości potrzebnej w badaniu ludzkiego doświadczenia. W rezultacie otrzymuje się rozcieńczone, znormalizowane doświadczenie.

Przyszłość designu: od pixel-perfect do generative

Vienna przewiduje fundamentalną zmianę w podejściu do brandingu. Marki będą musiały stać się znacznie bardziej generatywne niż pixel-perfect, wyrywając się z „ładnie i drogo udokumentowanych PDF-ów” na rzecz większej plastyczności.

Nowe wzorce interakcji

Vienna identyfikuje konkretne obszary, w których AI zmienia podstawy doświadczenia użytkownika:

Stany ładowania – nieprzewidywalność ilości ładowanej treści wymaga kreatywnego podejścia
Interfejsy czatu – naturalne dla technologii, ale z presją na wykroczenie poza standardowe rozwiązania
Przejrzystość w AI – edukowanie użytkowników o procesach zachodzących w tle
Budowanie zaufania – pokazywanie procesów w celu zwiększenia wiarygodności rezultatów

Vienna zauważa, że mimo iż stanowi to niewielki podzbiór designu, istnieje nieskończona przestrzeń do innowacji nawet w tych ograniczonych obszarach.

Konkretne zastosowania AI w przepływie pracy

Vienna dzieli się praktycznymi przykładami wykorzystania AI przez jej zespół. Rozbieżny design wizualny pozwala eksplorować dziesięć kierunków zamiast standardowych trzech, a dopiero później wybierać zwycięzców.

Jednak Vienna ostrzega przed brakiem krytycznego podejścia do rezultatów. Bez umiejętności tworzenia skutecznych poleceń i solidnego edytowania można otrzymać jedynie „śmieci na śmieciach”.

Modele trenowane na całym internecie mogą prowadzić do „absolutnej degeneracji jakości i kreatywności”. Kluczem pozostaje używanie narzędzi do kształtowania projektów o wyrazistym charakterze.

Zespół Vienny stosuje również rozwiązania techniczne – integrację systemów designu ze Storybook w celu przyspieszenia pracy. Jedna z designerek zespołu otrzymała nawet patent na opracowaną przez siebie interakcję, co Vienna uznaje za niesamowite osiągnięcie w karierze.

Praktyczne wskazówki pracy z AI

Problem rozprzestrzeniania się

Vienna szczerze przyznaje się do problemu z AI: posiadanie kont w wielu narzędziach (Perplexity, Claude, ChatGPT) przy jednoczesnym rozproszeniu danych prowadzi do słabych rezultatów. Zasada „garbage in, garbage out” oznacza, że dane wejściowe determinują jakość wyników.

ChatGPT nadal identyfikuje Viennę jako mężczyznę. Na prośbę o namalowanie jej portretu otrzymała „ciemnoskórego czarodzieja renesansowego z formułami w tle.” Vienna wie, że to jej wina – celowo nie dostarcza wystarczająco danych żadnemu narzędziu.

Samoregulacja zespołu w Metalab

Vienna docenia naturalną samoregulację swojego zespołu. Na Slacku ktoś publikuje trend, a ktoś inny odpowiada krytycznie. Następuje konstruktywna krytyka – życzliwość wobec siebie nawzajem przy bezwzględności wobec pracy.

Ta samoregulacja prowadzi do wspólnego rozwoju profilu smaku. Zespół razem podnosi swój warsztat, podczas gdy wybitni designerzy dzielą się wiedzą, a wszyscy razem rozwijają wspólny punkt widzenia.

Inwestowanie w talent versus anarchia

Vienna przyznaje, że Metalab może czasem sprawiać wrażenie anarchii ze względu na brak sztywnych procesów. Ma alergię na deklarowanie „to jest proces i tak jest dobrze”, uważając, że najlepsi designerzy powinni móc definiować swoje narzędzia i metody.

Zapewnia zespołowi wolne piątki na eksperymenty, budżet na rozwój oraz kulturę dzielenia się osiągnięciami między projektami. Choć nie potrafi zmierzyć zwrotu z inwestycji, może zmierzyć wartość designu, która zawsze rośnie dzięki nauce nowych narzędzi.

Wybór narzędzi – kryteria zaufania

Vienna radzi obserwowanie sygnałów w branży i sprawdzanie, kto sygnalizuje wiarygodność. Jako przykład podaje Anthropic i Dario Amodei z ich wizją przedstawioną w „Machines of Loving Grace”.

Kluczowe pozostaje patrzenie na twórców produktów malujących obraz świata, w którym chce się żyć. Warto sprawdzać wiarygodność osób, czytać manifesty, oceniać warstwę interfejsu użytkownika oraz zadawać sobie pytanie o pożądany kierunek rozwoju technologii.

Filozoficzny wymiar odpowiedzialności

Vienna przyznaje, że rozmowy szybko przechodzą od powierzchownego „zrób to ładne” do filozofii, ponieważ nie może nie myśleć o wszystkich aspektach jednocześnie.

Designerzy ponoszą odpowiedzialność za kształtowanie świata AI. Decyzje projektowe mają większe znaczenie niż kiedykolwiek, dlatego konieczne jest zastanawianie się nad podejmowaniem decyzji, które czynią świat lepszym.

Efekt motyla w designie

Vienna używa metafory efektu motyla: wiele może się zmienić, dlatego najważniejsze pozostaje zakorzenienie siebie i bliskich osób w teraźniejszości.

Jej zdaniem kluczowe jest podejmowanie najlepszych decyzji z dostępnymi informacjami oraz bycie typem osoby, z którą ludzie chcą pracować i przechodzić przez obecny „bałagan”.

Środowisko designerskie jako nowe Dribbble

Vienna zauważa zmianę w społeczności designerskiej: Twitter stał się nową wersją Dribbble. Ludzie dzielą się nie tylko końcowymi rezultatami, ale również procesami. Pytania „Co wykorzystałeś? Jak tam dotarłeś?” powróciły po długiej nieobecności.

Vienna podkreśla wartość „internetowych przyjaźni” w społeczności designerskiej. Wspólnotowy aspekt pozostaje krytyczny w przeciwdziałaniu wypaleniu – znajdowanie właściwej grupy lub nawet jednej osoby może otworzyć umysł na następny wielki problem projektowy.

Błędne założenia o AI w designie

Vienna identyfikuje dwa skrajne podejścia designerów: od twierdzeń „nigdy nie zabierze mi pracy” po przekonania, że AI może wszystko.

Pierwsza grupa może nie doceniać elementów pracy, które AI faktycznie potrafi przejąć. Druga produkuje niską jakość na niskiej jakości, tworząc jedynie dodatkowy szum.

Filtrowanie szumu było potrzebne od zawsze, ale obecnie wymaga znacznie większych umiejętności dla skupienia się na tym, co naprawdę ważne.

Intencjonalność w erze AI

Vienna nawiązuje do przykładu Johnny’ego Ive’a projektującego kabel: wzięcie prawdziwej intencjonalności oznacza, że ktoś naprawdę przemyślał projekt i poświęcił czas na znalezienie najlepszej wersji.

Dotyczy to prostej ludzkiej prawdy – użytkownicy iPhone’a chcą wysokiej klasy doświadczenia i poczucia słuszności swojej decyzji. Nawet moment rozpakowywania czy sposób splecenia kabla ze złotym włóknem to efekt czyjejś intencjonalnej pracy.

Sceptycyzm i zaufanie

Vienna przyznaje się do pewnego sceptycyzmu, nazywając siebie „trochę teoretykiem spiskowym”. Przypisuje to nadmiernej wiedzy o technologii, którą posiada wielu pracowników branży tech.

Jednocześnie podkreśla kontekst kapitalistyczny obecnej sytuacji. Radzi obserwowanie sygnałów – sposobów komunikowania wizji, wiarygodności osób oraz obrazu przyszłego świata, który kreują.

Przesłanie na przyszłość

Gdyby Vienna miała billboard widziany przez całą społeczność designerów, umieściłaby na nim napis „DON’T FUCK IT UP” w dużych neonowych literach na holograficznym tle.

Uzasadnienie jest proste: kariera każdego designera może pozostać wielką, otwartą przestrzenią. Świat zachowuje plastyczność – designerzy mogą go kształtować.

Vienna wierzy, że designerzy są w stanie tworzyć część rzeczy, które chcą widzieć w świecie, nawet jeśli nie mogą kontrolować wszystkiego.

Podsumowanie

Sara Vienna prezentuje jasną wizję: przyszłość należy do designerów łączących AI z głębokim rozumieniem ludzkich potrzeb. Nie chodzi o zastąpienie człowieka maszyną, lecz o wykorzystanie AI do zwolnienia miejsca na tworzenie znaczących doświadczeń.

Jak podsumowuje Vienna: tytuł ma mniejsze znaczenie niż umiejętności, które obecnie się mieszają. To pozytywne dla osób kochających uczenie się i stawianie sobie wyzwań.

Praktyczne polecenia AI według Sary Vienna

Vienna przedstawia konkretne sposoby wykorzystania AI jako partnera w pracy designerskiej:

1. AI jako ekspert-badacz

Polecenie: „Bądź ekspertem badaczem i strategiem, przeanalizuj ten zestaw wyników i wskaż wzorce oraz najgłębsze spostrzeżenia.”

Zastosowanie: Analiza dużych ilości danych z badań użytkowników, szczególnie gdy czujesz się przytłoczony informacjami.

2. AI jako mentor

Polecenie: „Bądź moim przełożonym. Gdzie znajduje się ekspercka warstwa, której brakuje w tej analizie?”

Zastosowanie: Sytuacje zagubienia w analizie wymagające zewnętrznej perspektywy. Vienna sugeruje porównanie z opinią prawdziwego eksperta.

3. AI w „trybie Steve Jobsa”

Polecenie: „Przyjmij rolę Steve Jobsa i skrytykuj tę pracę z jego perspektywy.”

Zastosowanie: Potrzeba surowej krytyki z perspektywy wizjonera balansującego potrzeby użytkowników z przełomowymi rozwiązaniami.

4. AI jako prowadzący wywiad

Polecenie: „Przeprowadź ze mną wywiad na ten temat, następnie wspólnie dokonamy syntezy.”

Zastosowanie: Pozwolenie AI na zadawanie pytań o obserwacje i wnioski zamiast samodzielnego wprowadzania danych.

5. AI jako wykrywacz luk

Polecenie: „Przeanalizuj dataset badań. Zadawaj mi pytania dla zrozumienia mojej perspektywy. Następnie stwórz raport wszystkiego, czego nie wspomniałem – różnych sposobów łączenia trendów prowadzących w inne kierunki.”

Zastosowanie: Upewnienie się, że nie przegapiono ważnych spostrzeżeń w złożonych projektach badawczych.

6. AI jako wsparcie techniczne

Polecenie: „Nie potrafię rozwiązać tego problemu z animacją. Pomóż mi.”

Zastosowanie: Proste, bezpośrednie podejście do wyzwań technicznych – od animacji po integrację systemów.

Kluczowa uwaga Vienny: Konieczność krytycznego podejścia do rezultatów. Bez umiejętności tworzenia skutecznych poleceń i solidnego edytowania otrzymuje się jedynie „śmieci na śmieciach”.

Kluczowy insight

Krytyka jako metryka sukcesu

Standardowo myślimy: Celem jest stworzenie projektu, który spodoba się wszystkim. Unikamy negatywnych opinii, a każdą krytykę traktujemy jako sygnał porażki.

W praktyce okazuje się, że: Jeśli projekt nie wywołuje żadnych negatywnych reakcji, prawdopodobnie jest zbyt bezpieczny i nijaki, by kogokolwiek autentycznie zachwycić. Vienna zauważa, że odrobina krytyki to znak projektu o silnym, wyrazistym charakterze.

Dlaczego to jest istotne: Dążenie do uniwersalnej akceptacji prowadzi do uśrednionych, pozbawionych charakteru rozwiązań. Prawdziwie innowacyjne projekty z natury polaryzują, bo rzucają wyzwanie konwencjom.

Test na jutro: Następnym razem gdy będziesz prezentować odważną koncepcję, zamiast pytać „Czy wszystkim się to podoba?”, zapytaj „Czy ten projekt jest wystarczająco wyrazisty, by kogoś zirytować?”. Potraktuj pierwszą krytyczną opinię jako dowód, że idziesz w dobrym kierunku.

Ten wpis stanowi część kolekcji notatek z wartościowych podcastów, webinarów i innych treści. Oryginalne źródło: Dive Club Podcast – Sara Vienna

Tag: Metalab

Design w erze AI: jak nie zawalić przyszłośc #EN273