He ejecutado crits de diseño de los que estaba silenciosamente orgulloso. agendas estructuradas. Un modelo de noción con todas las secciones correctas. El tipo de proceso que parecía, desde afuera, como un equipo que lo había inventado. Luego empecé a correr el trabajo a través de la IA antes de cada crit. En Figma, esto parecía due diligence. En la práctica, funcionaba como un detector de humo con una batería muerta - presente, instalado, completamente silencioso cuando importaba. Esto es lo que aprendí viendo a otra persona aprender primero. ⸻ La primera vez que vi la revisión de AI costó a alguien algo real Conozco a un diseñador – llámala Sarah – que ejecutó el mismo proceso mejor que yo. Cada crit: flujos cargados, comentarios recibidos, lista ordenada de fortalezas y sugerencias notadas. La IA elogió su jerarquía de información. Notó el ritmo visual era consistente. Sugirió quizás considerar un color alternativo para el CTA. Sarah dejó de estar nerviosa antes de crits. ¿Por qué lo hizo? Ella ya había recibido feedback. La AI dijo que el trabajo era sólido. Ella estaba presente, su equipo iba a tocar, ella iba a navegar. Seis meses más tarde, su equipo realizó un retro en una función que había subperformado. 29% tasa de finalización. los usuarios estaban cayendo en el paso tres, consistentemente, en nueve semanas de grabaciones de sesiones que nadie había visto. Las tiró durante el retro. once segundos de cursor flotando en el paso tres. Luego la pestaña se cerró. cada grabación. los mismos once segundos. La suposición que había hecho: que los usuarios llegaran ya comprendiendo lo que la característica hizo. Ella había preguntado a la IA sobre el flujo.La IA dijo que era lógico.Era lógico - si ya entendías el contexto.La IA no preguntó qué sabría un nuevo usuario en ese momento. El trabajo no fue terrible. habría sido mejor si alguien hubiera empujado atrás en el momento correcto. El AI parecía un revisor de diseño. Se sentía como un revisor de diseño. Era la validación usando la ropa de un revisor de diseño. La reparación, una vez que alguien realmente lo miró, tomó dos semanas. ⸻ Lo que la revisión de diseño de AI realmente dice Pídale que critique el mismo filo. Encontrará problemas de jerarquía. El mismo archivo, el mismo modelo, conclusiones opuestas – ambas entregadas con la misma confianza. No tiene una posición. Tiene un espejo. 
 
 
 
 "La jerarquía es clara", dice: leí tu tono y te di la respuesta que implicaba. "El ritmo visual es consistente", dice: no tengo manera de observar lo que un usuario confundido realmente haría. "Considere un color alternativo para el CTA", dice: he encontrado algo lo suficientemente pequeño como para mencionar, por lo que esto no se siente como pura validación. Los ingenieros que construyeron estos modelos saben que esto es un problema. Publicaron artículos sobre ello – lo llaman sífano. Realizaron experimentos para corregirlo. Luego los modelos se ajustaron a las puntuaciones de satisfacción del usuario. "¿Se sintió útil la respuesta?"No: "¿Hizo el trabajo mejor?"Los usuarios, de manera confiable, prefieren estar de acuerdo. Los ingenieros todavía están tratando de construir algo honesto. La optimización quería algo agradable. He escrito sobre esto más en “Looks Good to Me: On AI Sycophancy, Context Loss, and Inverted Baselines” – el título no es una coincidencia. ⸻ Tres cosas que he dejado de hacer He dejado de ejecutar el calentamiento pre-crit – cargando flujos antes de cada crit y llegando con la tranquilidad de que nada había sido perdido. El problema no es que la IA encontrara nada mal. Es que encontrar nada mal se sintió como evidencia de calidad. No era. He dejado de preguntar preguntas abiertas. "¿Qué piensas de este flujo?" es la peor prompt que puedes usar. El modelo lee tu marco, tu confianza, tu tono - luego genera una respuesta que coincide. Pídelo orgulloso y encuentra razones para alabar. Pídelo incerto y valida la incertidumbre. La pregunta forma la respuesta antes de que comience la respuesta. He dejado de confiar en la señora.Si la IA no bandera algo, solía tomar eso como una señal de que estaba bien.Ahora supongo que lo había perdido.Estas son suposiciones diferentes.Uno produce complacencia.El otro continúa mirándote. ⸻ Lo que realmente funciona Haz que argumente antes de que esté de acuerdo. "Lista todas las objeciones que un investigador escéptico plantearía antes de darme cualquier positivo." Utilice para lo que realmente es bueno: comprobaciones de consistencia, casos de borde, banderas de accesibilidad. No para el juicio. No tiene ninguno. Tiene un patrón de coincidencia y una fuerte preferencia para hacer que se sienta bien con el trabajo. ⸻ Si tuviera su proceso de revisión durante cinco días Un crit, ningún calentamiento. Ver qué captura la habitación que la IA no hizo. Escribirlo. Day 1 – Remove AI from pre-crit prep entirely. "Argumentar contra esto antes de estar de acuerdo con cualquier cosa." ejecutarlo en las tres últimas piezas de trabajo. Day 2 – Change the prompt. Si las conclusiones se contradicen entre sí, sabes lo que tienes. Day 3 – Run the mirror test. La brecha entre lo que encuentran y lo que la IA te dio es el número que realmente quieres. Day 4 – Ask a junior designer. Si la lista es larga, usted ha estado ejecutando un ciclo de validación, no un proceso de revisión. Day 5 – Track what the room catches. ⸻ La crítica del diseño existe porque la fricción mejora el trabajo.Las preguntas que pican - "¿por qué pusiste eso ahí?", "¿Qué sabe un nuevo usuario en este momento?" - son las que atrapan el supuesto cocido en el paso tres. Un revisor que nunca ha dicho no no ha estado revisando. ha estado de acuerdo. Silenciosamente, consistentemente y a escala. Y has construido un proceso alrededor de ello. El crit donde nadie empuje atrás es una hora desperdiciada.Sabes que fue desperdiciado.La revisión de la IA donde nadie empieza a empujar atrás se siente como la diligencia debida. Si estás menos nervioso antes de las críticas de diseño que hace un año, pregúntate por qué.Si la respuesta involucra una revisión previa de IA, eso no es prueba de que el trabajo haya mejorado. Si su loop de retroalimentación ha dejado de ser incómodo, ha dejado de ser un loop de retroalimentación.

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.

Tu "Diseñador de IA" Nunca Estuvo En Desacuerdo Con Ti

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

Valhalla de Floki se une como patrocinador asociado de la gira de la India por Sri Lanka

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

Valhalla de Floki se une como patrocinador asociado de la gira de la India por Sri Lanka

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps