Как ИИ меняет работу продуктового дизайнера
Нейросети постепенно становятся частью повседневной работы продуктовых дизайнеров. Они помогают быстрее создавать прототипы, проверять гипотезы, готовить тестовые сценарии и даже писать код интерфейсов. При этом искусственный интеллект не берет на себя главную часть профессии: понимание проблемы, выбор направления и ответственность за итоговое решение.
Что делает продуктовый дизайнер
Продуктовый дизайнер отвечает не только за внешний вид экранов. Он участвует в формировании идеи продукта, проектирует пользовательский опыт, помогает бизнесу достигать целей, формулирует гипотезы и оценивает их влияние на поведение пользователей и бизнес-метрики.
В российских компаниях спрос на таких специалистов сохраняется даже на фоне общего сокращения ИТ-рынка. В период с 2023 по 2025 год медианные предложения для продуктовых дизайнеров выросли примерно на 30–40%. Для начинающих специалистов рост часто связан с низкой стартовой базой и быстрым развитием, а для опытных — с масштабом задач, ответственностью и влиянием на бизнес.
По словам руководителя команды продуктового дизайна Профи.ру Димы Кучева, при найме сначала оцениваются базовые навыки: работа с макетом, композицией и типографикой. Однако одной аккуратности недостаточно. От дизайнера ждут продуктового мышления — способности связать решение с конкретной проблемой, объяснить ее значимость и определить ожидаемый результат.
Для более сложных позиций важны навыки исследований и discovery: специалист должен уметь самостоятельно подтвердить существование проблемы, найти рычаг воздействия и предложить способ ее решения. Еще один критерий — самостоятельность, или агентность. Дизайнеру важно не просто выполнять техническое задание, а самому замечать критические места в продукте, задавать вопросы и отстаивать собственную позицию.
Где нейросети ускоряют работу
ИИ уже можно считать новой нормой в дизайне. Согласно исследованию AI in Design 2026, доля специалистов, которые используют ИИ-инструменты хотя бы раз в неделю, за год выросла с 54% до 91%. Ежедневно нейросетями пользуются 75% опрошенных дизайнеров из более чем 60 стран.
Если раньше модели чаще применялись для поиска идей, то теперь их подключают к созданию концепций и прототипов, подготовке макетов и написанию кода. Например, команда Uber Eats с помощью Figma Make и Cursor собрала рабочий прототип за два часа после четырех недель обсуждений. В другом случае специалисты B2B-направления Uber за 20 минут подготовили шесть концепций для одной задачи.
Компании используют ИИ и для более системной работы. В Stripe дизайнер подключил агента к внутренней дизайн-системе через MCP-сервер, чтобы прототипы соответствовали визуальному языку продукта. На основе этого проекта появилась внутренняя браузерная среда ProtoDash, где команды создают, редактируют и обсуждают прототипы.
В Anthropic дизайнеры применяют Claude Code для составления карт состояний ошибок, логических потоков и системных статусов. Это помогает находить пробелы в интерфейсах еще до начала разработки. Система также может превращать макеты из Figma в код и тестировать получившиеся интерфейсы.
Почему результат нельзя принимать без проверки
Ускорение прототипирования не означает, что нейросети способны самостоятельно создавать качественные продукты. Модели часто воспроизводят распространенные и безопасные паттерны: например, сочетание шрифта Inter, фиолетовых градиентов и минимального количества анимаций. Более оригинального результата можно добиться дополнительными инструкциями и контекстом, но сформулировать их и оценить итог должен человек.
Проблемы возникают и с удобством интерфейсов. В исследовании турецких ученых сравнивались экраны мобильного дашборда здоровья, образовательной платформы, интернет-магазина и студенческого портала. Участники выполняли задания на интерфейсах, созданных человеком, а также на двух версиях, сгенерированных ChatGPT.
На человеческих макетах пользователи справились со всеми заданиями примерно за 16 секунд. Вариант, созданный по общему запросу, позволил выполнить только 63% заданий, а среднее время выросло до 86 секунд. Подробный промпт с правилами иерархии, группировки и отступов улучшил результат: участники снова выполнили все задания, но примерно за полминуты и сочли экраны перегруженными.
Нейросети пока не всегда надежно предсказывают и предпочтения пользователей. В работе исследователей из Словацкого технического университета и платформы UXtweak сравнивались результаты 29 реальных UX-тестов с ответами языковых моделей. Выбор GPT-4.1 совпал с выбором людей в 53% случаев, а GPT-5.2 — в 65%. Следовательно, ИИ может быть полезен для предварительного анализа, но не заменяет исследования с реальными пользователями.
Как меняется профессия
По данным AI in Design 2026, дизайнеры регулярно используют в среднем семь ИИ-инструментов — вдвое больше, чем годом ранее. Единого стандартного набора уже нет: специалисты подбирают сервисы под конкретные задачи и сами создают небольшие утилиты для автоматизации рутины. В компаниях с численностью более 2 тысяч сотрудников внутренними инструментами пользуются 74% дизайнеров.
Одновременно растет доля инженерной работы. Половине участников исследования уже приходилось выпускать в продакшен код, сгенерированный ИИ. На пересечении дизайна и разработки формируется роль дизайн-инженера: такой специалист проектирует решение, реализует его в коде и доводит до рабочего продукта.
ИИ также размывает границы между продуктовыми ролями. Дизайнеру проще работать с аналитикой и продуктовым контекстом, а продакт-менеджеру — глубже погружаться в пользовательский опыт. Но доступ к новым инструментам не отменяет необходимости разбираться в задачах бизнеса и поведении людей.
Поэтому навыки работы с нейросетями пока остаются скорее преимуществом, чем обязательным требованием при найме. В Профи.ру прототипирование, микроанимации и другие ИИ-компетенции рассматривают как бонус. На первом месте остаются выразительное макетирование, продуктовый подход, вкус, самостоятельность и способность принимать обоснованные решения.
Главный эффект ИИ для продуктового дизайна — не автоматическая генерация лучших макетов, а снижение барьеров между идеей и проверяемым прототипом. Нейросеть помогает быстрее пройти рутинные этапы, но именно дизайнер определяет, какую проблему стоит решать, насколько решение понятно пользователю и что нужно делать дальше.
