TL;DR:

AI nie jest ani apokalipsą, ani utopią dla projektantów UX, ale praktycznym narzędziem zmieniającym sposób pracy
Trzy kluczowe narzędzia AI dostępne dla UX designerów to Claude (tworzenie), Perplexity (badania) i Dovetail (analiza)
Perplexity świetnie sprawdza się w badaniu konkurencji, ale wymaga weryfikacji informacji
Dovetail z funkcjami AI pozwala błyskawicznie odkrywać spostrzeżenia z wcześniejszych badań oraz automatycznie tagować materiały
Claude doskonale sprawdza się jako „partner do myślenia” przy analizie danych jakościowych i ilościowych
AI znacząco przyspiesza generowanie i udoskonalanie tekstów UI oraz prototypów
Zawsze weryfikuj wyniki AI – nawet narzędzia takie jak Perplexity mogą generować nieprawdziwe informacje

Nowe możliwości AI w projektowaniu UX

Czy AI zastąpi projektantów UX, czy zrewolucjonizuje to, co możemy tworzyć? Według Pedro z GitLab, prawda leży gdzieś pośrodku. AI zmienia sposób pracy projektantów zarówno w subtelny, jak i głęboki sposób. W prezentacji z UX Forum 2025 Pedro podzielił się praktycznymi sposobami wykorzystania AI w codziennej pracy UX designera.

Pedro pracuje jako główny projektant produktu i opiekun systemu projektowego Pajamas w GitLab. Bazując na swoich doświadczeniach z Lizbony, przedstawił jak narzędzia AI pomagają mu podejmować lepsze decyzje projektowe, badawcze i związane z pisaniem – i to znacznie szybciej niż tradycyjnymi metodami.

Trzy kluczowe narzędzia AI dla UX designerów

Choć narzędzi AI jest niezliczona ilość i ciągle pojawiają się nowe, Pedro skupił się na trzech, które są dostępne dla wszystkich projektantów w jego organizacji – za darmo lub jako część zestawu narzędzi dostępnych przez Okta:

Claude: Partner do kreatywnego myślenia

Claude, w przeciwieństwie do ChatGPT, nie ma dostępu do internetu, więc nie może weryfikować informacji faktograficznych. Dlatego Pedro kategoryzuje go głównie jako narzędzie do tworzenia i kreatywności. Claude sprawdza się jako „partner do myślenia” przy analizie danych i jako platforma do eksploracji pomysłów.

Perplexity: Badania oparte na faktach

Perplexity jest narzędziem przeznaczonym do badań i przeszukiwania internetu. Działa podobnie do Google, ale wykorzystuje AI do formułowania odpowiedzi bazujących na różnorodnych źródłach. Pedro zaznaczył jednak, że nawet Perplexity może czasami generować nieprawdziwe informacje, dlatego zawsze warto weryfikować wyniki.

Dovetail: Repozytorium badań UX

Dovetail to narzędzie służące jako repozytorium badań UX, gdzie zespół przechowuje transkrypcje z rozmów wideo. Ostatnio wprowadzono w nim wiele interesujących funkcji AI, które znacznie usprawniają analizę danych badawczych.

Jak AI usprawnia badanie konkurencji?

Pedro zaczął wykorzystywać AI do badania konkurencji podczas kursu D MBA. Używa głównie Perplexity do zebrania danych o konkurentach, obejmujących informacje o firmie, produkcie i klientach – wszystko pozyskane z wiarygodnych źródeł.

„Oszczędza mi to mnóstwo czasu” – mówi Pedro. „Nie muszę ręcznie przeszukiwać stron internetowych firm, baz danych, podcastów, wiadomości czy wywiadów.”

Jednak Pedro podkreśla ważną zasadę: „Potrójnie sprawdzaj wyniki AI”. Nawet Perplexity może generować nieprawdziwe dane. Pedro przytacza przykład, gdy narzędzie podało informację bez źródła, a zapytane o pochodzenie danych, przyznało, że je wymyśliło.

Po zebraniu i zweryfikowaniu danych, Pedro przenosi je do arkusza kalkulacyjnego lub innego narzędzia, a następnie wykorzystuje Claude do analizy:

Grupowania konkurentów
Identyfikacji tematów w badaniach
Określania bezpośredniej i pośredniej konkurencji
Kształtowania spostrzeżeń dotyczących konkurencji

Choć AI dostarcza cennych informacji początkowych, Pedro zaznacza, że często brakuje im niuansów. Są jednak dobrym punktem wyjścia i pomagają przełamać blokady twórcze.

Odkrywanie spostrzeżeń z istniejących badań

Jednym z najbardziej wartościowych zastosowań AI w pracy Pedro jest szybkie odkrywanie spostrzeżeń z wcześniejszych badań. Za pomocą Dovetail może błyskawicznie przeanalizować ogromne ilości danych z wcześniejszych projektów badawczych GitLab.

Dla przykładu, pracując nad funkcją „Dual workflow”, Pedro przeszukał w Dovetail wszystkie badania, aby znaleźć tematy związane z automatyzacją zadań i usprawnianiem przepływów pracy. Jak opisuje:

„Wprowadzam różne zapytania i otrzymuję piękne podsumowania. Jak widać, w tym przypadku podsumowało 41 notatek z 19 projektów. Zajęło to około 30 sekund.”

Te spostrzeżenia Pedro przekształcił w zgłoszenie, które udostępnił swojemu kierownikowi produktu. Co ważne, dołączył linki do źródeł w Dovetail dla wszystkich tych spostrzeżeń.

Automatyczne tagowanie w Dovetail

Inna ciekawa funkcja Dovetail to automatyczne tagowanie. Pedro wyjaśnia, że podczas tworzenia tagów w Dovetail można dodać ich dokładne opisy. Gdy następnie prosisz system o automatyczne tagowanie i wyróżnianie treści, wykorzystuje on te opisy do identyfikacji odpowiednich fragmentów.

Na przykład, jeśli utworzysz tag „pochwała” z opisem określającym pozytywne komentarze, lub tag „wydajność” z opisem odnoszącym się do momentów, gdy użytkownicy zmagali się z wykonaniem zadania, AI automatycznie oznacza odpowiednie fragmenty w całym materiale badawczym.

Analiza danych jakościowych i ilościowych z Claude

Choć Dovetail jest potężnym narzędziem, Pedro woli czasem używać Claude do analizy zarówno danych jakościowych, jak i ilościowych. Jak wyjaśnia:

„W porównaniu z Dovetail, Claude pozwala mi na dywergencję i konwergencję oraz interakcję w języku naturalnym. Mogę zadawać pytania i wyciągać dokładnie to, co chcę umieścić w spostrzeżeniach badawczych.”

Podczas gdy Dovetail koncentruje się na tworzeniu końcowych wniosków, Claude działa bardziej jako „partner do myślenia” – przestrzeń robocza w trakcie rozwoju, gdzie można eksplorować dane i badania.

Pedro stosuje praktyczne podejście do pracy z Claude:

Tworzy nowy projekt
Dodaje „wiedzę o projekcie” w prawym górnym rogu (wszystkie informacje, nawet pliki Excel z badań)
Dodaje „instrukcje projektu” oparte na briefie badawczym
Zadaje pytania odnoszące się do celów badawczych

To podejście okazało się bardzo skuteczne w analizie danych z ankiet, gdzie Claude pomógł zinterpretować tabele i wyniki, a nawet dostarczył cytaty użytkowników jako dowody na konkretne problemy.

Generowanie i udoskonalanie tekstu UI

Jednym z najczęstszych zastosowań AI w pracy Pedro jest generowanie i udoskonalanie tekstów UI. Co ciekawe, używał AI do tworzenia treści zastępczych podczas projektowania funkcji AI.

„Wszystkie teksty UI, które tu widzicie, zostały wygenerowane przez Claude, lub większość z nich. I są naprawdę bardzo realistyczne” – wyjaśnia Pedro.

Wykorzystywał Claude do generowania:

Komunikatów o błędach (np. „Pipeline nie działa, ponieważ…”)
Wskazówek dotyczących rozwiązywania problemów
Szczegółowych planów naprawy testów jednostkowych
Jednowierszowych wyjaśnień różnych opcji

Najbardziej zaskakującym zastosowaniem dla Pedro było generowanie realistycznych danych wyjściowych terminala dla zestawów testowych. Jak przyznaje:

„Znacznie przyspieszyło to moje projektowanie UI i uczyniło je bardzo realistycznym, do tego stopnia, że wiele osób pytało mnie, czy to prawdziwa funkcja. Był to w rzeczywistości prototyp, który stworzyłem w Figmie, ale treść była tak realistyczna i kontekstowa, że wszystko wydawało się spójne.”

Wykorzystanie AI do projektowania

Kolejnym zastosowaniem AI w pracy Pedro jest tworzenie projektu opartego na wytycznych treści Pajamas i dokumentacji GitLab. Kopiuje te materiały do projektu Claude, aby lepiej pisać teksty UI i dokumentację.

Najbardziej jednak zaskakującą funkcją dla Pedro była możliwość burzy mózgów dotyczącej decyzji projektowych z Claude:

„Mogę eksplorować różne rozwiązania z uzasadnieniem, omawiać je, otrzymywać informacje zwrotne na temat moich pomysłów, a nawet generować prototypy i obserwować, jak pomysły ożywają.”

Pedro preferuje to podejście zamiast wtyczek do Figmy czy innych narzędzi projektowych, ponieważ Claude nie tylko tworzy prototyp lub makiety, ale także przedstawia uzasadnienie tego, co prezentuje. Można nawet kontynuować rozmowę, aby krytykować projekt i zrozumieć jego zalety i wady.

W trakcie prezentacji Pedro pokazał przykład, w którym poprosił Claude o pomoc przy projektowaniu interfejsu dla nowej funkcji „dual workflow”. Przedstawił dwa konkurencyjne podejścia i zapytał o zalety i wady każdego z nich oraz o to, jak można złagodzić wady i jakie inne podejścia można zaprojektować.

Claude nie tylko przeanalizował obecne podejścia, ale także zaproponował cztery alternatywne rozwiązania, wraz z makietami koncepcyjnymi. Choć projekty UI nie były doskonałe, same koncepcje i układ były bardzo pomocne.

„To mnie naprawdę zaskoczyło” – przyznaje Pedro. „Od tego czasu stworzyłem inny projekt ze wskazówkami dla projektantów, który zapewnia informacje zwrotne na temat wszystkiego, co w nim umieszczę. Dodałem również informacje o naszych heurystykach UX i jest to bardzo pomocny, szybki sposób na uzyskanie opinii o tym, nad czym pracuję.”

Podsumowanie

Prezentacja Pedro pokazuje, jak AI może stać się wartościowym narzędziem w arsenale projektanta UX. Nie jest to technologia, która zastąpi projektantów, ale może znacząco usprawnić i przyspieszyć ich pracę w wielu obszarach:

Badania i analiza konkurencji
Odkrywanie spostrzeżeń z wcześniejszych badań
Generowanie i udoskonalanie tekstów UI
Burza mózgów i prototypowanie

Kluczem do skutecznego wykorzystania AI jest świadomość jej ograniczeń i zawsze weryfikowanie wyników. Jak podkreśla Pedro – „potrójnie sprawdzaj wyniki AI”, ponieważ nawet narzędzia oparte na wiedzy faktograficznej mogą generować nieprawdziwe informacje.

Artykuł oparty na transkrypcie prezentacji „The AI UX Loop – UX Forum 2025-03-18” autorstwa Pedro, głównego projektanta produktu w GitLab. Jest to część serii dzielącej się najważniejszymi informacjami z interesujących prezentacji, które zawierają wartościowe treści warte zapamiętania na przyszłość.

Tag: Automatyzacja Badan

Praktyczne zastosowania AI w UX – The AI UX Loop #EN47