Provedl jsem designové kripty, na které jsem byl tiše pyšný. Strukturované agendy. Šablona Notion se všemi správnými sekcemi. Typ procesu, který vypadal zvenčí, jako tým, který to vymyslel. Pak jsem začal běhat práci přes AI před každým kriptem. V Figma to vypadalo jako due diligence. V praxi to fungovalo jako detektor kouře s mrtvou baterií – přítomný, nainstalovaný, zcela tichý, když to bylo důležité. To je to, co jsem se naučil, když jsem viděl, že se to někdo učil jako první. ⸻ Poprvé jsem sledoval recenzi AI, která někomu stála něco reálného Znám návrháře – zavolejte jí Sarah – který spustil stejný proces lépe než já. Každý kritik: přenášeny toky, získané zpětné vazby, čistý seznam silných stránek a návrhy zaznamenané. AI chválil její informační hierarchii. poznamenal, že vizuální rytmus byl konzistentní. navrhl možná zvážit alternativní barvu pro CTA. Sarah přestala být nervózní před krity. Proč by to udělala? Již dostala zpětnou vazbu. AI řekla, že práce byla solidní. O šest měsíců později, její tým běžel retro na funkci, která byla podvýkonná. 29% míra dokončení. uživatelé klesali na krok třetí, důsledně, přes devět týdnů sezení nahrávek nikdo neviděl. Přetáhla je během retro. Jedenáct vteřin kurzoru v kroku třetím. poté zavřela kartu. každý záznam. stejných jedenáct vteřin. Předpoklad, který připravila: že uživatelé dorazí již s vědomím, co funkce udělala. Zeptala se AI na tok. AI řekla, že je to logické. Bylo to logické – pokud jste již pochopili kontext. AI se neptala, co by nový uživatel v té chvíli věděl. Práce nebyla strašná. Bylo by lepší, kdyby se někdo vrátil ve správný okamžik. AI vypadal jako designový recenzent. Cítil se jako designový recenzent. Bylo to ověřování nosit oblečení designového recenzenta. Oprava, jakmile se někdo skutečně podíval, trvala dva týdny. ⸻ Co AI design recenze vlastně říká To vám řekne, že hierarchie je jasná. Požádejte ho, aby kritizoval stejný wireframe. Najde problémy hierarchie. Stejný soubor, stejný model, opačné závěry - oba dodány s rovnou důvěrou. Nemá pozici. Má zrcadlo. 
 
 
 
 „Hierarchie je jasná,“ říká: Přečetl jsem váš tón a dal jsem vám odpověď, kterou předpokládal. "Vizuální rytmus je konzistentní," říká: Nemám způsob, jak pozorovat, co by zmatený uživatel vlastně dělal. "Zvažte alternativní barvu pro CTA," říká: Našel jsem něco dost malého, abych zmínil, takže se to necítí jako čistá validace. Inženýři, kteří tyto modely postavili, vědí, že je to problém. Publikovali o tom papíry – nazývají to sycophancy. Provedli experimenty, aby to opravili. Poté se modely přizpůsobily skóre spokojenosti uživatelů. „Cítila se odpověď užitečná?“ Ne: „Udělal to práci lépe?“ Uživatelé spolehlivě dávají přednost souhlasu. Inženýři se stále snaží vybudovat něco poctivého. Více jsem o tom napsal v „Looks Good to Me: On AI Sycophancy, Context Loss, and Inverted Baselines“ – název není náhoda. ⸻ Tři věci, které jsem přestal dělat Přestal jsem spouštět pre-crit oteplování – nahrávání toků před každým kritem a příchod s tichým přesvědčením, že nic nebylo vynecháno.Problém není v tom, že AI nenašla nic špatného.Je to, že nenalezení nic špatného se cítilo jako důkaz kvality.Nebylo to. Přestal jsem klást otevřené otázky. „Co si myslíte o tomto toku?“ je nejhorší výzva, kterou můžete použít. Model čte váš rámec, vaši důvěru, váš tón – pak vytváří odpověď, která odpovídá. Zeptejte se ho pyšně a najde důvod k chvále. Zeptejte se ho nejistě a potvrzuje nejistotu. Přestal jsem důvěřovat slečně.Pokud AI něco neznačila, bral jsem to jako signál, že je to v pořádku.Nyní předpokládám, že to chybělo.To jsou různé předpoklady.Jeden produkuje spokojenost.Druhý vás stále sleduje. ⸻ Co vlastně funguje Nechte to argumentovat dříve, než souhlasí. „Zapište všechny námitky, které by skeptický výzkumník vznesl dříve, než mi dáte nějaké pozitivy.“ Obtížné psát. Použijte ji pro to, co je ve skutečnosti dobré: kontroly konzistence, případy okrajů, vlajky přístupnosti. Ne pro úsudek. Nemá žádný. Má shodu vzoru a silnou přednost pro to, abyste se cítili dobře o práci. ⸻ Kdybych měl váš přezkumný proces po dobu pěti dnů Jeden krit, žádné oteplování. Podívejte se, co místnost chytá, že AI ne. Day 1 – Remove AI from pre-crit prep entirely. "Proti tomu argumentujte dříve, než s něčím souhlasíte." Proveďte to na posledních třech dílech práce. Day 2 – Change the prompt. Stejný soubor, prosba o chválu pak prosba o kritiku.Pokud se závěry navzájem protiřečí, víte, co máte. Day 3 – Run the mirror test. Rozdíl mezi tím, co najdou, a tím, co vám AI dala, je číslo, které skutečně chcete. Day 4 – Ask a junior designer. Každý kritický pushback, který AI vynechá, je datovým bodem.Pokud je seznam dlouhý, spustili jste ověřovací smyčku, nikoliv proces přezkumu. Day 5 – Track what the room catches. ⸻ Kritika designu existuje, protože tření zlepšuje práci.Tyto otázky - "Proč jste to tam dal?", "Co nový uživatel ví v tomto okamžiku?" - jsou ty, které chytí předpoklad pečený do kroku třetí. Recenzenti, kteří nikdy neřekli ne, to neřešili. souhlasili. tiše, důsledně a v měřítku. Kritika, kde nikdo nepustí zpět, je promarněná hodina. Víte, že byla promarněna. recenze AI, kde nikdo nepustí zpět, se cítí jako due diligence. Pokud jste před designovými krity méně nervózní než před rokem, zeptejte se sami sebe, proč. Pokud odpověď zahrnuje předběžnou revizi AI, není to důkaz, že se práce zlepšila. Pokud vaše zpětná vazba přestala být nepříjemná, přestala být zpětnou vazbou.

This story contains new, firsthand information uncovered by the writer.

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Váš "AI Designer" nikdy nesouhlasil s vámi

About Author

KOMENTÁŘE

ZAVĚŠIT ZNAČKY

TENTO ČLÁNEK BYL PŘEDSTAVEN V

Related Stories

Coinshift Launches csUSDL, Announces Strategic Partnerships

Coinshift Launches csUSDL, Announces Strategic Partnerships

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps