«ИИ не научит вас делать лучшие макеты»: как нейросети изменили работу продуктового дизайнера

Системы ИИ уже прижились во многих сферах, в том числе и в продуктовом дизайне — они помогают специалистам создавать прототипы и тестировать идеи. А еще снижают барьеры для обучения ^[1], из-за чего границы между профессиями дизайнера, продакт-менеджера, аналитика и разработчика становятся менее четкими.

Вместе с нашим главой команды продуктового дизайна Димой Кучевым разбираемся, «отменит» ли ИИ живых специалистов, как избежать ошибок, проектируя интерфейс на пару с нейросетью, и почему главные инструменты продуктового дизайнера — это не инструменты.

Пара слов о том, кто такие продуктовые дизайнеры

Продуктовые дизайнеры в ИТ — это многопрофильные специалисты ^[2], которые отвечают за идею продукта, пользовательский опыт ^[3] и проработку интерфейсов. Но их работа выходит за рамки обычной «отрисовки экранов». Они формируют продуктовую стратегию и помогают бизнесу достигать поставленных целей: формулируют гипотезы, тестируют их на практике и оценивают влияние на бизнес-метрики. Сегодня продуктовые дизайнеры — одни из наиболее востребованных специалистов даже на фоне общего сокращения ИТ-рынка.

Эту востребованность отражает рост зарплат продуктовых дизайнеров. Если судить по тому, как менялись медианные офферы в период с 2023 по 2025 годы, доходы российских специалистов выросли примерно на 30–40% ^[4]. Впрочем, эта цифра представляет собой «среднюю температуру по больнице», и за усредненными значениями стоят разные механизмы увеличения доходов. Зарплаты джуниоров могут активно расти за счет низкой стартовой базы и быстрого профессионального развития. У сеньоров рост, как правило, связан с масштабом решаемых задач, уровнем ответственности и степенью влияния на бизнес.

У нас в Профи.ру продуктовые дизайнеры занимаются ^[5] поиском новых UI/UX-решений вместе с продакт-менеджерами, исследователями и разработчиками: изучают, как люди ищут и заказывают услуги, формируют опыт специалистов при поиске заказов, настраивают заказ услуг через ИИ-агентов — иными словами, проектируют, как должен будет выглядеть опыт заказа и оказания услуг в 2027 году. Но на этапе подбора таких специалистов мы в первую очередь оцениваем не многопрофильность, а базовые профессиональные навыки, которые можно продемонстрировать в резюме и портфолио. Кстати, немалая часть соискателей «прокалывается» именно на них:

Для начала мы смотрим на «гигиенический минимум» — это дизайнерские хард-скиллы: умение работать с макетом, композицией, типографикой. Портфолио должно быть выразительным. В 95% портфолио, которые я вижу, дизайнеры не показывают, чем они отличаются от тысяч таких же как они. В худшем случае портфолио просто неаккуратны. А это первое, что составляет впечатление ^[6] о профессионале.

Однако аккуратность, насмотренность и художественный вкус ^[7] — это база, а для успешной работы продуктовому дизайнеру требуются и серьезные аналитические навыки:

Следующий слой — продуктовое мышление ^[8]. Это то, что мы называем способностью связать дизайн-решение с проблемой, которая решается. Умение сформулировать, какую проблему мы на самом деле решаем, почему она является проблемой (а не чем-то надуманным), и к какому результату приведет дизайн-решение. Это либо какой-то бизнесовый метрический результат, либо знание о поведении ^[9] пользователя, которое мы получили и проверили.

На более сложных позициях мы смотрим на опыт исследований, умение работать не только с макетом, но и на поле discovery — сформулировать ключевую проблему направления, самостоятельно  подтвердить, что она существует (качественными либо количественными методами). Определить рычаг влияния, как эту проблему можно решить. Это навыки своего рода дискавери-продуктовой работы.

Наконец, важная черта хорошего продуктового дизайнера — как сеньора, так и начинающего — самостоятельность. Он должен не просто работать по ТЗ, а уметь проявлять инициативу:

Фильтрующий фактор, на основании которого мы отсеиваем кандидатов, я называю «агентностью» или «субъектностью»: как дизайнер проявляет самостоятельность, способен ли он действовать автономно, не ждать, что ему принесут проблемы, а самому понять, где в продукте критические места, над которыми важно работать (а над чем работать не важно). 

Бросается ли он решать проблему сразу? Подходит ли он к ней критически? Пытается ли разобраться, что ему вообще дали и надо ли работать над тем, что ему принесли? Я называю это агентностью — проявлением собственного голоса, собственной позиции.

Дима Кучев

Head of Product Design, Профи.ру

На первый взгляд кажется, что в такой работе не так уж много места для использования ИИ, однако и среди продуктовых дизайнеров нейросети прижились. Критическое мышление и субъектность они не прокачают, но могут быть полезны на этапе решения прикладных задач.

Какой «буст» дают дизайнерам системы ИИ

Использование ИИ в дизайне — как и во многих других отраслях — уже «новая норма»: как говорят авторы профильного исследования AI in Design 2026 ^[10] (они опросили более 900 дизайнеров из 60 с лишним стран), за последний год доля дизайнеров, использующих ИИ-инструменты в работе хотя бы раз в неделю, выросла с 54% до 91%, а 75% пользуются нейросетями ежедневно. И если год назад дизайнеры в основном экспериментировали с ИИ на этапе поиска идей, то теперь используют агентов для составления концепций и прототипов, проработки макетов и написания кода. 

При этом, по данным того же исследования AI in Design 2026, далеко не все работодатели требуют, чтобы дизайнеры обладали навыками работы с нейросетями. Примерно половина рассматривает их как бонус, а не как обязательное условие. Кстати, мы в Профи.ру придерживаемся такого же подхода:

Технический инструментарий: умение делать прототипы, микроанимации  с системами ИИ, пока является [для соискателя на должность продуктового дизайнера в Профи.ру] приятным бонусом. Мышление и вкус — необходимые вещи, а инструментарий — то, на что мы смотрим во вторую очередь [при оценке кандидатов].

Такими же приятными бонусами является, например, желание человека выступать с лекциями, передавать какие-то знания в команду, а также умение читать код. Все это бонусы, потому что в первую очередь мы смотрим на выразительное макетирование и продуктовую работу.

Дима Кучев

Head of Product Design, Профи.ру

Однако если продуктовый дизайнер знаком с ИИ-инструментарием и умеет его применять, он может упростить себе часть продуктового пайплайна — системы ИИ уже помогают тестировать идеи и ускорять прототипирование. Например, в Uber используют ^[11] Figma Make и Cursor для быстрой сборки и доработки интерактивных прототипов — в качестве примера компания опубликовала в блоге историю о том, как команда Uber Eats с помощью ИИ за два часа создала рабочий прототип, хотя до этого четыре недели не могла прийти к единому решению о том, как должен работать продукт. Еще один кейс от Uber: специалисты B2B-направления за 20 минут с помощью ИИ проработали шесть разных концепций для одной задачи. По словам авторов, раньше на такое исследование потребовалось бы несколько итераций и десятки часов.

Другие компании тоже активно интегрируют ИИ-модели в свои рабочие процессы. Так, в Stripe продуктовый дизайнер по собственной инициативе подключил ИИ-агента к внутренней дизайн-системе через MCP-сервер, чтобы прототипы выглядели как настоящий продукт Stripe. Из этого проекта выросла браузерная среда ProtoDash: в ней продуктовые дизайнеры и другие члены команды создают и меняют прототипы, а также обмениваются замечаниями. В результате ProtoDash стал ^[12] одним из самых популярных внутренних ИИ-инструментов Stripe.

ИИ помогает не только быстро создавать прототипы, но и находить потенциальные проблемы до начала разработки. В Anthropic команда продуктового дизайна использует ^[13] Claude Code, чтобы составлять карту состояний ошибок, логических потоков и системных статусов — и выявлять пробелы в логике ^[14] работы интерфейсов на этапе дизайна. Кроме того, дизайнеры компании загружают в Claude Code макеты из Figma, а система сама пишет код для интерфейсов и тестирует его.

ИИ предполагает, дизайнер располагает

Истории о том, как агенты ускоряют прототипирование и подготовку тестовых сценариев, не обходятся без «ложки дегтя»: даже на этих относительно рутинных задачах полностью доверяться нейросетям опрометчиво. В Anthropic, например, отмечают ^[15], что их агенты-дизайнеры не действуют в отрыве от продуктовой команды, за которой остается последнее слово, и это неспроста:

Системы ИИ генерируют одинаковые интерфейсы. Все та же Anthropic планирует удвоить ^[16] команду продуктового дизайна до конца 2026 года. По словам Джоэла Левенштейна, главы дизайна в Anthropic, его подчиненные просят подключить больше людей для финальной доводки продуктов: «Они не станут по-настоящему качественными, пока “живой” дизайнер не сядет и не потратит дни и недели на их доработку».

В компании также говорят, что при создании сайтов и интерфейсов Claude часто приходит ^[17] к одному и тому же набору решений: шрифту Inter, фиолетовым градиентам на белом фоне и минимальному количеству анимаций. Модель попросту тяготеет к наиболее распространенным и безопасным паттернам из обучающих данных. При этом в Anthropic отдельно отмечают, что результат можно заметно изменить с помощью дополнительных инструкций и контекста, но эта задача, очевидно, требует вмешательства человека.

Интерфейсы получаются неинтуитивными. В августе этого года турецкие ученые из Каратайского университета взяли ^[18] четыре типа приложений: мобильный дашборд здоровья, дашборд системы онлайн-обучения, корзину интернет-магазина и студенческий портал. Для каждого из них сделали три версии экрана: одну разработал дизайнер-человек, две другие сгенерировал ChatGPT — сначала по общему запросу, а затем по запросу с подробными требованиями к иерархии, группировке элементов, отступам и другим правилам.

Затем шестидесяти добровольцам предложили найти на экранах нужную информацию — например, итоговую сумму в корзине или кнопку оформления заказа — и оценить, насколько легко им это было сделать. Интерфейсы, созданные UI-дизайнером, позволили участникам выполнить все задания, а на каждое из них потребовалось около 16 секунд. В случае с интерфейсами, которые ChatGPT сделал по простому запросу, респонденты выполнили только 63% заданий, а среднее время выросло до 86 секунд. В третьем сценарии, когда промпт для языковой модели содержал конкретные правила оформления интерфейсов, участники снова справились со всеми заданиями, но на их выполнение уходило где-то полминуты (при этом сами экраны все равно показались респондентам перегруженными).

Валидация идей с помощью ИИ может быть рискованной. В этом году исследователи из Словацкого технического университета в Братиславе и разработчики платформы для проведения UX-исследований UXtweak опубликовали научную работу ^[19], в которой сравнили, как оценивают дизайн реальные пользователи и языковые модели. Они пришли к выводу, что LLM плохо предсказывают предпочтения людей. Авторы взяли результаты 29 реальных тестов, которые разные компании провели на платформе UXtweak. В них двум тысячам пользователей показывали варианты интерфейсов, экранов приложений, навигации, иллюстраций и текстов, просили определить лучший и объяснить свой выбор. Затем то же самое задание выполняли интеллектуальные модели. Ответы GPT-4.1 совпали с выбором «живых» пользователей лишь в 53% случаев, а ответы GPT-5.2 — в 65%. Ни рассуждающая модель, ни изменение параметров принципиально ситуацию не исправили.

В условиях, когда системы ИИ все чаще используются для быстрого прототипирования, особенно важным становится человек, способный посмотреть на результат глазами реального пользователя: заметить скрытые проблемы с юзабилити и решить, что именно стоит делать дальше.

Как меняется работа продуктового дизайнера

Современные ИИ-системы уж точно не отменяют работу продуктового дизайнера — и вместе с тем могут довольно сильно ее изменить: например, в части арсенала решений, к которому теперь прибегают профильные специалисты. Согласно отчету AI in Design 2026 ^[20], сегодня дизайнер в среднем регулярно использует семь готовых ИИ-инструментов — вдвое больше, чем годом ранее. Какого-то единого стандартного набора больше нет, отмечает ^[21] британский дизайнер Энди Бадд. Кроме того, дизайнеры все чаще сами создают инструменты с помощью генеративного ИИ: от утилит, автоматизирующих рутину, до полноценного софта, которого им раньше не хватало. Особенно это заметно в крупном бизнесе — в компаниях от 2 тыс. сотрудников внутренними инструментами пользуются 74% дизайнеров.

Меняется и круг задач дизайнера: в зоне его ответственности оказывается все больше «инженерной» работы. Согласно все тому же отчету AI in Design 2026 ^[20], половине респондентов уже приходилось выпускать в продакшен код, сгенерированный ИИ. Границы между дизайном и разработкой становятся менее четкими, и на их пересечении появляется новая роль — дизайн-инженер. Такие сотрудники сами проектируют решения, реализуют их и доводят до продакшена — работают непосредственно с кодом.

Для меня ИИ — это еще один удобный инструмент, который снижает барьеры для того, чтобы у дизайнера появился доступ к навыкам, которые раньше было сложно получить. Продуктовые роли размываются: еще больше смешиваются роли продакт-менеджера, продуктового дизайнера, продуктового аналитика. Границы между ними демократизируются — искусственный интеллект ^[22] снижает барьер входа продуктового дизайнера в понимание продуктовых проблем. Продуктовый контекст становится доступным, единым, появляются инструменты для работы с ним.

То же самое происходит с аналитикой. Если раньше аналитические навыки у продуктовых дизайнеров были прикольными, но их было сложно получить, то сейчас интерпретировать аналитические данные стало проще. Там, где раньше нужно было взаимодействие с продуктовым аналитиком, сейчас во многих случаях задача решается через ИИ-инструменты.

Аналогичная ситуация наблюдается и в продуктовой разработке. Дизайнеры-инженеры существовали и прежде: всегда были те, кто умеет самостоятельно программировать, работать с кодом, внедрять фичи. Раньше их было меньше из-за того, что порог входа в работу с кодом был выше. Из-за искусственного интеллекта этот барьер снизился, и сейчас ребятам становится проще осваивать эту роль. Так что ИИ — инструмент, который сейчас помогает смешивать продуктовые роли.

Дизайн-инженеров, например, ищут ^[23] в Stripe, а в Vercel такие специалисты работают ^[24] уже несколько лет. Там они занимаются разработкой переиспользуемых макетов, создают интерактивные 3D-сцены в Three.js, работают с 3D-моделями в Blender, монтируют видео с использованием CGI и практических эффектов и не только.

Наконец, некоторые компании больше не требуют от дизайнеров доводить каждый экран до идеала (выравнивать допуски «пиксель в пиксель» и проч.). Фокус постепенно смещается от непосредственного создания макетов к поиску и проверке решений — то есть к углубленной работе с продуктовым контекстом. Иными словами, задача дизайнера всё больше сводится к тому, чтобы понимать, какие элементы продукта и интерфейса влияют на его восприятие ^[25], а также оценивать, какие из предложенных нейросетью решений действительно принесут пользу.

Искусственный интеллект радикально ускорил производство артефактов. Но из-за того, что мы можем быстро получать макеты, код, требования к вкусу дизайнера, его отбору, суждению, к собственной экспертной позиции и пониманию пользователя становятся очень высокими. Мы можем быстро что-то получить, но как из этого выбрать важное? Как понять настоящую проблему пользователя? Какое решение на самом деле элегантнее, красивее, аккуратнее и лучше решает эту проблему?

Как я говорил выше, 95% портфолио, которые я отсматриваю, низкого качества — ребята просто не умеют хорошо макетировать руками. С ИИ дизайнеры не овладеют ремеслом. Может быть, продуктовую работу они смогут вести лучше, но вкус и насмотренность ИИ развить не помогает. 

Дима Кучев

Head of Product Design, Профи.ру

А для тех, кто хочет еще глубже разобраться, как ИИ меняет продуктовый дизайн, мы собрали подборку материалов для погружения в тему:

• Как проектировать ИИ-функции: руководство GitLab ^[26]. Команда GitLab составила компактное руководство для продуктовых дизайнеров, которые работают над ИИ-функциями: как описать пользовательский путь, определить, каким должен быть идеальный ответ модели, и заранее договориться с командой, как этот ответ оценивать. 

• Личный опыт работы с ИИ-системами и оценка их влияния ^[27]. Старший продуктовый дизайнер рассказывает, как перестроил свои рабочие процессы вокруг ИИ-инструментов и перешел на AI-native дизайн, подразумевающий разработку скиллов для системы ИИ. Автор делится лучшими практиками, а также выделяет несколько задач, которые по-прежнему должны оставаться в ведении дизайнера-человека.

• Как продуктовые дизайнеры используют ИИ-агенты в Figma ^[28]. Это — разбор практических кейсов от компаний Uber, Granola и Atlassian: как системы ИИ помогают продуктовым дизайнерам автоматизировать работу с документацией, проверять компоненты на соответствие требованиям дизайн-системы, собирать прототипы и работать с анимацией.