TL;DR
- AI to narzędzie, nie zastępstwo – sztuczna inteligencja powinna być traktowana jako asystent designera, a nie jego konkurent
- Narrow AI vs Large Language Models – na co dzień już korzystamy z „wąskiej AI” (np. Google Maps), podczas gdy nowsze narzędzia generatywne (ChatGPT, DeepSeek) to zaawansowane LLM-y
- Dwa podejścia do AI – można traktować ją jako exoszkielet swojej profesji (wspomaga pracę) lub jako produkt końcowy (jest celem pracy)
- Automatyzacja procesu discovery – AI przyspiesza szczególnie początkowe etapy procesu projektowego, skracając czas badań i analizy
- Potrzeba myślenia krytycznego – weryfikacja tego, co proponuje AI i krytyczna ocena rozwiązań pozostają domeną człowieka
- Nowe role w zespołach – pojawiają się specjaliści od AI Design w większych organizacjach
- CrispDM – metodologia projektów AI analogiczna do Design Thinking dla UX
Wstęp do nowej serii
Ten artykuł rozpoczyna moją nową serię, w której dzielę się najważniejszymi informacjami z interesujących podcastów. Tworzę bazę wiedzy, do której sam będę mógł wracać, ale która będzie też wartościowa dla Was. Obiecuję – tylko najciekawsze treści z najlepszych źródeł!
Wprowadzenie
W odcinku podcastu BDUX wystąpił Gabriel Lopes (znany też jako Gabs), designer specjalizujący się w sztucznej inteligencji, który przeszedł drogę od pracy przy Design Systems do projektowania rozwiązań AI w Itaú. Gabriel wywodzi się z artystycznej rodziny, gdzie jak sam mówi, „ma craft we krwi”, a jego zainteresowanie technologią i UX zaczęło się intensyfikować około 2015-2016 roku.
Od czego zacząć naukę AI jako designer?
Określ swój cel
„Myślę, że pierwszym krokiem jest określenie, czy chcesz uczyć się AI jako umiejętności miękkiej czy twardej.”
Gabriel podkreśla, że musisz zdecydować:
- Czy uczysz się z czystej ciekawości
- Czy planujesz wykorzystać wiedzę w konkretnych projektach
Kluczowe elementy nauki:
- Ustal rutynę – mimo łatwego dostępu do informacji, potrzebny jest czas na systematyczną naukę
- Wyjdź poza strefę komfortu – AI wymaga przekroczenia granic swojej specjalizacji
- Wykorzystaj kursy online – Gabriel poleca Interaction Design Foundation
- Używaj AI do nauki o AI – Gabriel sam korzysta z Copilot, ChatGPT i DeepSeek
AI jako rozszerzenie warsztatu vs AI jako produkt końcowy
Gabriel wyróżnia dwa główne podejścia do AI w pracy designera:
„Widzę dwie ścieżki. Pierwsza to gdy traktujesz AI jako egzoszkielet swojego zawodu… Druga to gdy AI jest finalnym produktem twojej pracy.”
AI jako egzoszkielet zawodu:
- Automatyzacja procesów
- Przyspieszenie pracy
- Generowanie pomysłów
- AI wspomaga pracę designera
AI jako produkt końcowy:
- Projektowanie systemów AI
- Głębsze zrozumienie technologii
- AI jest efektem twojej pracy
- Wymaga innych kompetencji
Gabriel zauważa, że obecnie najczęstszym zastosowaniem jest automatyzacja drobnych zadań, szczególnie w fazie discovery. Patrząc na model Double Diamond, części „discover” i „define” mogą być w dużej mierze zautomatyzowane przy pomocy AI.
Narrow AI vs Large Language Models
„Warto cofnąć się o krok i wyjaśnić różnice między słabą AI, czyli narrow AI, a zaawansowanymi modelami językowymi, które są często mylnie utożsamiane z silną AI.”
Narrow AI (wąska AI):
- Specjalizuje się w jednym konkretnym zadaniu
- Przykłady: Google Maps, systemy rekomendacji w Netflixie i Spotify
- Obecna w naszym życiu od wielu lat
- Mniej elastyczna, ale bardzo wydajna w swoim obszarze
Large Language Models (duże modele językowe):
- Zaawansowane systemy AI trenowane na ogromnych zbiorach tekstów
- Przetwarzanie różnorodnych danych i generowanie złożonych odpowiedzi
- Przykłady: Chat GPT, DeepSeek
- Większa elastyczność i zdolność adaptacji do różnych zadań
- Nadal forma wąskiej AI, choć znacznie bardziej zaawansowana
Co ciekawe, Gabriel zwraca uwagę, że choć media przedstawiają boom AI jako coś nowego, to różne formy wąskiej AI są obecne w naszym życiu od bardzo dawna.
Uwaga: Prawdziwa Strong AI (znana też jako AGI – Artificial General Intelligence) to hipotetyczna forma inteligencji zdolna do wykonywania dowolnych zadań intelektualnych na poziomie człowieka lub lepszym – nie istnieje jeszcze w praktyce.
Najczęstsze błędy firm we wdrażaniu rozwiązań AI
Gabriel, pracując w dużej instytucji finansowej, ma cenne spostrzeżenia na temat typowych błędów firm:
„Myślę, że pierwszy błąd wynika prawdopodobnie z rynkowego niepokoju i przekonania, że każdy proces musi wykorzystywać AI.”
Najczęstsze błędy:
- Presja rynkowa
- Wdrażanie AI bez realnego uzasadnienia biznesowego
- FOMO (Fear Of Missing Out) w kontekście technologicznym
- Ignorowanie kontekstu organizacyjnego
- Porównywanie się do konkurencji o mniejszej skali
- Oczekiwanie identycznych rezultatów w innym kontekście
- Problemy z bezpieczeństwem danych
- Szczególnie krytyczne w sektorze finansowym
- Potrzeba zachowania prywatności i zgodności z regulacjami
- Brak skalowania rozwiązań
- Niewystarczająca infrastruktura do wdrożenia AI
- Trudności z rozpowszechnieniem wiedzy w organizacji
Gabriel podkreśla również kwestie polityczne i geopolityczne – to, co jest dostępne w jednej firmie, niekoniecznie będzie dostępne w innym kontekście organizacyjnym.
Przyszłość zawodu designera UX w erze AI
Jednym z najbardziej fascynujących tematów rozmowy była wizja przyszłości zawodu designera:
„Myślę, że sam proces projektowania interfejsów będzie ulegał gwałtownej modernizacji, do tego stopnia, że będzie można, jak już wspomniałem, stworzyć prompt i otrzymać przynajmniej podstawową wizualizację zgodną z tym, co wprowadziłeś.”
Co się zmieni:
- Automatyzacja wizualnego designu – tworzenie interfejsów będzie coraz bardziej automatyzowane
- Zmiana roli, nie jej eliminacja – designerzy ewoluują w kierunku operacjonalizacji procesów
- Nowe specjalizacje – jak rola AI Designera (przykład samego Gabriela)
Co pozostanie kluczowe:
- Krytyczne myślenie
- Ocena i udoskonalanie propozycji AI
- Głębokie zrozumienie potrzeb użytkowników
- Umiejętność kierowania pracą AI
Gabriel wspomina, że jednym z powodów jego przejścia z Design Systems do AI była właśnie świadomość, że komponenty i systemy wizualne będą coraz łatwiejsze do automatyzacji.
CrispDM – metodologia dla projektów AI
Gabriel wprowadza ciekawy koncept – metodologię, która dla projektów AI pełni rolę analogiczną do Design Thinking:
„Nie wiem, czy słyszeliście o CrispDM, ale to jest proces. Tak jak mamy Design Thinking i inne popularne frameworki w naszej codziennej pracy projektowej, tak w dziedzinie sztucznej inteligencji mamy najpopularniejszy proces, którym jest CrispDM.”
Kluczowe cechy CrispDM:
- Obejmuje etapy od Business Understanding po Deploy
- Pozwala designerom pracować przy projektach AI bez konieczności głębokiej wiedzy programistycznej
- Umożliwia skupienie się na użyteczności procesów i systemów, nie tylko na warstwie wizualnej
Czy designer musi umieć programować?
W podcaście pojawia się także nieśmiertelne pytanie o kodowanie. Gabriel ma na to interesującą odpowiedź:
„Trzeba zinterpretować to zabójcze słowo, prawda? Bo myślę, że Gabriel trafił w punkt, gdy powiedział, że jesteś w środowisku, które zajmuje się tym wszystkim. Nie możesz się od tego odizolować, rozumiesz?”
Stanowisko Gabriela:
- Nie musisz być ekspertem w kodowaniu
- Musisz rozumieć środowisko technologiczne, w którym pracujesz
- Kluczowe jest zrozumienie możliwości i ograniczeń technologii, niekoniecznie umiejętność jej samodzielnego tworzenia
Jak podsumowuje Gabriel, AI przede wszystkim rozszerza możliwości designera, a nie zastępuje jego rolę – podobnie jak Uber nie sprawił, że przestaliśmy chodzić czy gotować, choć jest łatwą alternatywą.
Praktyczne narzędzia AI dla designerów
Gabriel wymienia kilka narzędzi AI, które sam wykorzystuje w codziennej pracy:
Narzędzia używane przez Gabriela:
- Copilot – do pomocy w codziennych zadaniach
- ChatGPT – do generowania pomysłów i odpowiedzi na pytania
- DeepSeek – najnowsze narzędzie, które Gabriel testuje jako alternatywę dla ChatGPT
- Figma AI – do przyspieszenia prototypowania
- Miro z funkcjami AI – do automatyzacji grupowania notatek podczas warsztatów
O DeepSeek Gabriel mówi:
„Świetne jest to, że ten proces kodowania i myślenia jest bardzo przejrzysty. System bierze wygenerowany wynik, dokonuje jego krytycznej analizy, automatycznie identyfikuje błędy i luki, a następnie mówi: 'OK, skoro to źle zrobiłem, jak mogę to ulepszyć?’ Następnie dokonuje autokorekty i przechodzi proces udoskonalania.”
Podsumowanie
AI nieodwracalnie zmienia pracę designerów UX, ale jak podkreśla Gabriel Lopes, zmiana ta nie oznacza zastąpienia ludzi, lecz transformację ich roli.
Najważniejsze wnioski:
- AI jest narzędziem, które może znacząco przyspieszyć pracę designera
- Kluczowe kompetencje przyszłości to elastyczność, krytyczne myślenie i umiejętność kierowania pracą AI
- Pojawiają się nowe ścieżki kariery, takie jak specjalizacja w AI Design
- Rozumienie technologii, niekoniecznie umiejętność jej tworzenia, będzie coraz ważniejsze
- Firmy muszą realistycznie oceniać swoje potrzeby przed wdrożeniem AI
Jak podsumowuje Gabriel, przyszłość należy do tych, którzy potrafią zachować równowagę między wykorzystaniem możliwości AI a krytycznym spojrzeniem na jej propozycje.
Polecane materiały do pogłębienia wiedzy
- „Superintelligence: Paths, Dangers, Strategies” – Nick Bostrom
- „AI Superpowers: China, Silicon Valley, and the New World Order” – Kai-Fu Lee
- „Human + Machine: Reimagining Work in the Age of AI” – Paul Daugherty i H. James Wilson
- „Artificial Intelligence: A Guide for Thinking Humans” – Melanie Mitchell
- „Przyszłość zawodów: Jak rozwój sztucznej inteligencji zmieni rynek pracy” – Richard Susskind i Daniel Susskind
Przypisy
- Podcast BDUX z Gabrielem Lopesem o wpływie AI na design
- CrispDM – metodologia dla projektów data mining i AI: https://www.datascience-pm.com/crisp-dm-2/
Dodaj komentarz
Musisz się zalogować, aby móc dodać komentarz.