ویرگول
ورودثبت نام
سپیده میرطالبی
سپیده میرطالبیطراح محصول ارشد در اسنپ‌مارکت
سپیده میرطالبی
سپیده میرطالبی
خواندن ۸ دقیقه·۲ ماه پیش

طراحی با هوش مصنوعی: کجاییم و تا کجا می‌شه رفت

خیلی وقت‌ها ازم می‌پرسن: «هوش مصنوعی[۱] واقعاً توی کار طراحی به درد می‌خوره یا فقط هایپه؟»

جواب کوتاه من اینه: به درد می‌خوره، ولی نه اون‌جوری که بیشتر آدم‌ها فکر می‌کنن.

هوش مصنوعی جای طراح رو نگرفته؛ چیزی که عوض شده، شکل کار ماست.

من الان توی چند مرحله از کارم از کلود[۲] کمک می‌گیرم. از طرف دیگه، دوستانی دارم که توی شرکت‌های بین‌المللی کار می‌کنن و این مسیر رو خیلی جلوتر بردن. اون‌جا کلود از طریق پروتکل زمینهٔ مدل[۳] مستقیما به فیگما[۴]، لینیر[۵]، کدبیس، استوری‌بوک[۶] و ضبط جلسه‌ها وصله و از اولین لحظه‌ی تعریف یک مسئله تا تحویل فیچر، همراه طراحه. این مقاله ترکیب این دوتاست. برای هر مرحله می‌گم کجاش رو خودم الان انجام می‌دم، تیم‌های جلوتر چطور انجامش می‌دن و برای رسیدن به اون نقطه چه چیزی لازمه.

بعضی از این کارها فقط به خود طراح بستگی دارن؛ بعضی‌ها هم بدون هماهنگی با تیم فرانت‌اند و دسترسی به ابزارها شدنی نیستن.

  1. تعریف مسئله و مفهوم‌سازی

  2. تحقیق تجربه کاربری[۷]

  3. ساخت طراحی

  4. مدیریت پروژه و تحویل

  5. دیزاین‌سیستم

  6. مستندسازی و مدیریت فایل

  7. بازبینی نهایی

  8. محدودیت‌ها و تغییر نگرش


۱. تعریف مسئله و مفهوم‌سازی: اول فکر، بعد اجرا

هر کاری با یه مسئله یا یه فیدبک شروع می‌شه، نه با اجرا. توی این مرحله، کلود برای من یه مشاوره‌ست، نه ابزار اجرا. باهاش توی حالت برنامه‌ریزی[۸] کار می‌کنم:

  • مسئله رو با هم باز می‌کنیم و من به سؤال‌های تکمیلیش جواب می‌دم.

  • بهترین روش‌ها رو بررسی می‌کنیم و رقبا رو تحلیل می‌کنیم.

  • چند راه‌حل مختلف رو کنار هم می‌ذاریم و سبک‌سنگین می‌کنیم.

  • مفهوم رو به شکل متن یا آرتیفکت می‌نویسیم، یا مستقیم می‌ریم سراغ فیگما.

اول می‌ذارم کلود سؤال بپرسه و با هم ببینیم اصلا یه راه‌حل خوب چه شکلیه. اگه مستقیم بپرم سراغ اجرا، کلی توکن مصرف می‌شه و کار بی‌خودی طول می‌کشه. پس اول برنامه می‌ریزم و بحث می‌کنم. مفهوم‌سازی خالص تجربه‌ی کاربری هم همین‌جا اتفاق می‌افته: رویکردها و نسخه‌های مختلف رو می‌سازیم و تصمیم‌های مفهومی رو با هم بحث می‌کنیم؛ هنوز بدون هیچ پیاده‌سازی‌ای.


۲. تحقیق تجربه‌ی کاربری: گشتن در صدها جلسهٔ مشتری

متن جلسه‌های مشتری رو در اختیار کلود می‌ذارم. تیم‌هایی که ابزاری مثل گرِین[۹] دارن، این دسترسی رو مستقیم به کلود وصل کردن.

با این کار، کلود حجم زیادی از گفتگوهای مشتری رو می‌گرده؛ گفتگوهایی که خودم هیچ‌وقت وقت نمی‌کردم همه‌شون رو کامل گوش کنم.

روش کارم اینه:

  1. بازه‌ی زمانی رو محدود می‌کنم؛ مثلاً سه ماه اخیر.

  2. مشتری‌های بیرونی رو بر اساس شرکت‌کننده‌ها و دامنه‌ی ایمیل‌شون جدا می‌کنم.

  3. دنبال نشونه‌های یه مشکل مشخص می‌گردم و موارد تکراری رو درمیارم.

  4. عمدا هنوز راه‌حل نمی‌خوام.

خروجی سه چیزه: صورت مسئله، جمله‌ی خود مشتری، و لینک یا تایم‌استمپ همون لحظه در ضبط جلسه.

فقط وقتی یه یافته مهم باشه، خودم می‌رم سراغ ضبط اصلی.

چرا راه‌حل نمی‌خوام؟

چون می‌خوام مسئله رو تا جایی که می‌شه خام ببینم. وقتی هوش مصنوعی زود راه‌حل بده، ذهن من روی همون راه‌حل قفل می‌شه و دیگه مسئله‌ی واقعی رو نمی‌بینم.


۳. ساخت طراحی: سهم هوش مصنوعی و سهم من

وقتی هنوز ایده‌ی روشنی برای یه فیچر ندارم، کلود وایرفریم یا ماکاپ اولیه می‌سازه. این کار رو با دیزاین‌سیستم و فایل‌های فعلی فیگما، به‌عنوان زمینه، انجام می‌ده. خروجیش اولش یکم «وایب‌کدشده» است؛ یعنی نقطه‌ی شروعه، نه نتیجه‌ی نهایی.

سهم هوش مصنوعی: اولین صفحه‌ها، نسخه‌های مختلف رابط کاربری[۱۰] و ساختار کلی مسئله. گاهی همین‌جا ایده‌ها یا کامپوننت‌های جدیدی درمیاد که واقعا نگهشون می‌داریم.

سهم من: پرداخت بصری، اصلاح جاهایی که کامپوننت‌ها رو اشتباه فهمیده و تصمیم‌های نهایی رابط کاربری.

معمولاً اول وایرفریم یا یه رویکرد اولیه‌ي رابط کاربری می‌گیرم و بعد می‌رم سراغ طراحی دستی. کلی چیز رو باید تمیز و درست کنم. ولی نکته‌ی اصلی اینه که رابط کاربری نهایی همیشه توسط یه آدم بازبینی می‌شه. یه مثال رایج از بد فهمیدن: هوش مصنوعی یه کنترل بخش‌بندی‌شده[۱۱] یا تب ناوبری رو به‌عنوان ابزار انتخاب استفاده می‌کنه. ظاهرش بد نیست، ولی یه مشکل واقعی تجربه و رابط کاربریه که باید گرفته و درست بشه.


۴. مدیریت پروژه و تحویل: جایی که هنوز نرسیدم

این بخش رو خودم هنوز انجام نمی‌دم، ولی توی تیم‌های بین‌المللی دیدم که کاملا عملیه. اون‌جا وقتی مفهوم نهایی شد، می‌ره توی لینیر. کلود کمک می‌کنه مفهوم به تیکت یا پروژه تبدیل بشه، اسپرینت برنامه‌ریزی بشه و حجم کار تخمین زده بشه. بعد، بسته به اندازه‌ی فیچر، یکی از دو مسیر رو می‌رن:

مسیر الف: تغییرهای کوچیک

کلود توی برنچ خود طراح تغییر رو پیاده می‌کنه. طراح نتیجه رو بازبینی می‌کنه، درخواست ادغام[۱۲] می‌سازه و در نهایت یه توسعه‌دهنده‌ی باتجربه هم بازبینیش می‌کنه.

مسیر ب: فیچرهای بزرگ

کار طراح با کلود تا مدیریت پروژه ادامه پیدا می‌کنه. پروژه و تیکت‌ها ساخته می‌شن و کار به تیم توسعه یا اسپرینت بعدی تحویل داده می‌شه.

برای رسیدن به این نقطه چی لازمه؟

این مرحله بیشتر از بقیه به تیم وابسته‌ست، نه فقط به طراح:

  • دسترسی به کدبیس و یه برنچ برای طراح: تیم فرانت‌اند باید قبول کنه که طراح مستقیما توی کد تغییر بده.

  • فرایند بازبینی کد: یه قانون روشن که هر تغییر طراح قبل از ادغام، زیر دست یه توسعه‌دهنده بره.

  • وصل کردن ابزار مدیریت پروژه: اتصال کلود به لینیر یا هر ابزاری که تیم ازش استفاده می‌کنه.

  • تعریف مرز: اینکه دقیقا چه اندازه تغییری «کوچیک» حساب می‌شه و طراح خودش می‌تونه انجامش بده.

خوبی این تفکیک اینه که تغییرهای کوچیک دیگه توی صف تیم توسعه نمی‌مونن، ولی فیچرهای بزرگ همچنان دست توسعه‌دهنده‌ها باقی می‌مونن.


۵. دیزاین‌سیستم: پایه‌ی همه‌چیز

کلود کل دیزاین‌سیستم رو می‌شناسه؛ هم کامپوننت‌های پایه و هم کامپوننت‌های موجود. هر طرحی که می‌سازه روی همین پایه ساخته می‌شه.

توسعه و نگهداری

تغییرهایی که کل سیستم رو درگیر می‌کنن، مستقیم بهش می‌گم. مثل متغیرهای رنگی جدید، حالت‌های تعاملی، بج‌ها یا حتی ریبرندینگ.

مثلاً:

  • «به همه‌ی بج‌ها استروک اضافه کن.»

  • «یه متغیر رنگی جدید بساز و روی این کامپوننت‌ها اعمالش کن.»

کلود کامپوننت‌های مربوط رو توی دیزاین‌سیستم به‌روز می‌کنه. تغییرهای کوچیک همون موقع انجام می‌شن، ولی تغییرهای بزرگ که چند محصول رو درگیر می‌کنن، با توسعه‌دهنده‌ها هماهنگ می‌شن.

کنترل کیفیت با یه اسکیل اختصاصی

بعضی تیم‌ها یه اسکیل سفارشی به اسم «بررسی دیزاین‌سیستم»[۱۳] ساختن که طرح‌ها رو با دیزاین‌سیستم مقایسه می‌کنه، مغایرت‌ها رو مشخص می‌کنه و حتی می‌تونه مستقیما توی فیگما کامنت بذاره. جالبه که رایج‌ترین نتیجه‌ش پیدا کردن باگ نیست. بیشتر وقت‌ها تازه معلوم می‌شه که یه کامپوننت جدید لازمه. ساختن همچین اسکیلی به تیم دیگه‌ای وابسته نیست، پس برای هر طراحی می‌تونه نقطهٔ شروع خوبی باشه.

همگام‌سازی با کد و استوری‌بوک

این بخش رو هم هنوز خودم انجام نمی‌دم. توی تیم‌های جلوتر، برای تغییرهای کوچیک کلود فقط فیگما رو به‌روز نمی‌کنه؛ همون تغییر رو توی کدبیس و استوری‌بوک هم پیاده می‌کنه. این‌جوری دیزاین‌سیستم توی فیگما با کامپوننت‌هایی که واقعاً توی محصول استفاده می‌شن، همگام می‌مونه. پیش‌نیازش همون چیزهای مرحله‌ی چهارمه: دسترسی به کد، هماهنگی با تیم فرانت‌اند و اینکه کامپوننت‌های فیگما و کد اسم و ساختار یکسانی داشته باشن.


۶. مستندسازی و مدیریت فایل

مستندسازی طراحی کاملا توی خود فیگما انجام می‌شه. یه کتابخانه‌ی اختصاصی از کامپوننت‌های مستندسازی داریم که کلود هم می‌شناسدش. با این کامپوننت‌ها این چیزها ثبت می‌شن:

  • تیتر، توضیح، یادداشت و شرح مسئله و راه‌حل

  • چه چیزی نسبت به قبل عوض شده، مستقیم روی طرح

  • چرا این تغییر داده شده

نتیجه‌ش اینه که توسعه‌دهنده‌ها لازم نیست خودشون دنبال تفاوت‌ها بگردن و دلیل هر تغییر هم کنارش نوشته شده. کارهای سازماندهی هم با کلوده: ساختن فایل فیگما، چیدن صفحه‌ها و ساختار، مرتب کردن فریم‌ها و صفحه‌ها. روی فایل‌های بزرگ، همین مدیریت فایل می‌تونه زمان قابل‌توجهی آزاد کنه.


۷. بازبینی نهایی: جایی که آدم می‌مونه

اینجا عمداً یه آدم توی چرخه می‌مونه.

چیزهایی که چک می‌کنم:

  • هماهنگی با برند

  • یکدستی بصری

  • استفاده‌ی درست از کامپوننت‌های پایه

  • تجربه‌ی کاربری

  • حالت‌های خاص[۱۴]

  • امکان پیاده‌سازی فنی

  • درست بودن تعامل‌ها

  • جزئیات بصری

حالت‌های خاصی که از قبل می‌دونیم، توی طرح پوشش داده می‌شن. بعضی‌هاشون هم فقط وسط توسعه پیدا می‌شن. جالبه که به لطف دیزاین‌سیستم و هوش مصنوعی، توسعه‌دهنده‌ها گاهی خودشون این‌ها رو حل می‌کنن و لازم نیست برای هر مورد طرح جدیدی از فیگما بخوان. تغییرها و سؤال‌های باز دوباره برای بازبینی نهایی برمی‌گردن پیش من.


۸. محدودیت‌ها و تغییر نگرش

هوش مصنوعی کجا کم میاره؟

بیشتر توی جزئیات بصری و تفسیر کامپوننت‌ها. سایز فونت رو درست می‌خونه، ولی جزئیات ریز بصری و آیکون‌ها رو زیاد اشتباه می‌فهمه. گاهی هم کامپوننت رو جایی به کار می‌بره که براش ساخته نشده. این خطاها اغلب خودشون رو نشون نمی‌دن. باید عمدا تستشون کنی تا پیدا بشن و بعد بتونی درستشون کنی. هوش مصنوعی می‌تونه کلی کار رو موازی جلو ببره. ولی هرچی کارهای همزمان بیشتر بشه، مهم‌تر می‌شه که یه آدم آخر کار همه‌شون رو نگاه کنه و کیفیت رو تضمین کنه.

اسکیل‌ها؛ یه لایه‌ی جدا توی گردش کار

من کلود رو فقط با پرامپت‌های تکی هدایت نمی‌کنم. اسکیل‌های سفارشی یا نصب‌شده‌ای دارم که روش کار من، دیزاین‌سیستم‌هام و بهترین روش‌ها رو توی خودشون دارن. اوایل کلی دستور دستی لازم بود. الان کلود خیلی از قاعده‌ها رو بلده و خروجی هم دائم بهتر می‌شه.

تغییر نگرش اصلی

قبلاً دیزاین‌سیستم رو بیشتر برای آدم‌ها می‌ساختیم. امروز باید طوری ساخته بشه که هوش مصنوعی هم بتونه تا حد ممکن بی‌ابهام بفهمدش و ازش استفاده کنه. دیگه فقط برای آدم‌ها طراحی نمی‌کنیم؛ برای تفسیر هوش مصنوعی هم طراحی می‌کنیم. و همزمان، هرچی هوش مصنوعی کار بیشتری برعهده بگیره، بازبینی انسانی مهم‌تر می‌شه؛ مخصوصا برای جزئیات بصری، تصمیم‌های تجربه‌ی کاربری و تفسیر کامپوننت‌ها.


جمع‌بندی

اگه بخوام کل این مقاله رو در سه جمله بگم:

  1. اول فکر، بعد اجرا. هوش مصنوعی بهترین کمک رو وقتی می‌کنه که اول باهاش بحث کنی، نه وقتی مستقیم ازش خروجی بخوای.

  2. دیزاین‌سیستم حالا دو مخاطب داره: آدم‌ها و هوش مصنوعی. هرچی شفاف‌تر باشه، خروجی هوش مصنوعی بهتره.

  3. بازبینی انسانی کم‌اهمیت‌تر نشده؛ مهم‌تر شده. هرچی هوش مصنوعی بیشتر کار کنه، نگاه آخر طراح حیاتی‌تر می‌شه.


پانویس‌ها

  • [۱] AI (Artificial Intelligence)

  • [۲] Claude

  • [۳] MCP (Model Context Protocol)

  • [۴] Figma

  • [۵] Linear

  • [۶] Storybook

  • [۷] UX (User Experience)

  • [۸] Plan mode

  • [۹] Grain

  • [۱۰] UI (User Interface)

  • [۱۱] Segmented control

  • [۱۲] Merge Request

  • [۱۳] Check Design System

  • [۱۴] Edge cases

هوش مصنوعیطراحی محصولدیزاین سیستمتجربه کاربریفیگما
۶
۲
سپیده میرطالبی
سپیده میرطالبی
طراح محصول ارشد در اسنپ‌مارکت
شاید از این پست‌ها خوشتان بیاید