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, 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, которые отвечают за идею продукта, пользовательский опыт 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%. 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 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 о профессионале.
Однако аккуратность, насмотренность и художественный вкус — это база, а для успешной работы продуктовому дизайнеру требуются и серьезные аналитические навыки:
Следующий слой — продуктовое мышление. 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 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 (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 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 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 Claude Code, чтобы составлять карту состояний ошибок, логических потоков и системных статусов — и выявлять пробелы в логике 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, 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 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 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 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, 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, сегодня дизайнер в среднем регулярно использует семь готовых ИИ‑инструментов — вдвое больше, чем годом ранее. Какого‑то единого стандартного набора больше нет, отмечает 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, 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 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 в Stripe, а в Vercel такие специалисты работают 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, 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. 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. 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. 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.
