В конце 2025 года в отделе дизайна одной из компаний началась перестройка процессов. На стратегической сессии с коммерческим директором обсуждали, где теряется время, и задались вопросом: где искусственный интеллект может быть полезен команде? Ответ оказался неочевидным: сначала пришлось разобрать все этапы работы, наладить взаимодействие между отделами, и только потом подключать нейросети.
Первым шагом стал разбор процесса передачи работ от дизайнеров разработчикам. Выяснилось, что множество перекрёстных задач возникает именно на стыке отделов. Например, брейкпоинты — стандартизация размеров и состояний интерфейса — оказались важны не только дизайнерам: продажники вписывают их в договоры, а разработчики берут за основу реализации. Решение одного отдела тянет за собой несколько других. Для решения таких проблем появились встречи руководителей отделов под названием «Дружба отделов», где начали поднимать вопросы, о которых раньше не думали.
Затем с руководителем аналитики наложили дорожные карты отделов друг на друга, чтобы понять, где можно работать параллельно, а где — только поэтапно. После разбора остались пять этапов: проектирование, прототипирование, дизайн-концепция, дизайн-макеты и разработка адаптивов. Для каждого этапа определили, зачем он нужен, как выполняется и какие документы требуются. Часть требований выставили другим отделам.
Следующим шагом стала работа с документами. Аналитических артефактов было много, и они были разбросаны по разным файлам, что мешало дизайнерам держать контекст в голове. Поэтому аналитикам выставили требование: нужен инструмент для сортировки и предоставления данных по запросу. Так появился чат-бот «Хранитель знаний» — он систематизирует все данные по проекту, позволяет запросить краткую выжимку или точечно найти информацию, например: «Покажи пример UX-аудита для авиакомпании».
Когда процессы разобрали, дизайн разделили на три направления: коммуникационный (маркетинг, реклама, баннеры, соцсети), интерфейсный (для продуктовых команд) и креативный (для e-commerce и контентных сайтов). Этапы у них похожи, но процессы внутри разные. Например, UI/UX плотно пересекается с аналитикой: аналитики смотрят на него со стороны исследования, а дизайнеры — со стороны переноса на визуал. В итоге поделили, какую информацию аналитики отдают клиенту, а какую оставляют себе.
После разбора процессов перешли к вопросу, что можно отдать нейронке. Подход: берут этап, определяют конечный результат, и только потом подключают ИИ. Например, авторизация — казалось бы, один экран, но на деле нужно семь экранов: вход по телефону, по email, через соцсети, по коду подтверждения, плюс анкеты для физлица и юрлица, экран «Спасибо». С обработкой ошибок и пустыми состояниями — ещё больше. Отрисовать всё руками — несколько часов, а нейросеть уже знает эти паттерны, поэтому большая часть работы становится механической. Выгрузка готового из нейронки в Figma занимает около 10 минут: собирается скрипт, блоки перетаскиваются.
Авторы честно признают: это не история успешного успеха. Где-то время сократили в разы, где-то только учатся, а где-то человек пока справляется лучше. Например, креативные концепции и сложные визуальные решения нейросети пока не под силу. Но главный вывод: автоматизация начинается не с нейросетей, а с разбора процессов и чёткого понимания, что нужно получить в итоге.
