inDrive 製品設計チームでは、AI はすでに作業ツールであり、さまざまな国々のフィールド UX インタビュー、Figma のルーチンタスクの自動化、およびイラストからリアルなビジュアルを迅速に生成するために使用されています。 以下は、デザイナーがAIソリューションをどのように実装したか、彼らが直面した課題、そして彼らが達成した結果の3つの現実的なストーリーです。 中間者なしの研究 - 体験 Polina Gladkova ポリーナ・グラドコワ 以前は、エジプトとラテンアメリカのドライバーとのインタビューは、通訳として活動する地元の同僚の助けを借りて行われていたが、専門的な研究者ではないため、ドライバーを助けようとし、答えを提案したり、アプリ内でどこをクリックするかを示したりしたがっていた。 研究をより正確にするために、ポリーナは声ベースのChatGPTを使用してインタビューを自分で実行することにしました. デザイナーはロシア語を話し、ドライバーはアラビア語への翻訳を聞き、ドライバーは答え、ChatGPTは翻訳します。 実際には、こんな感じでした: 
 
 
 
 
 
 
 preparing the interview script in ChatGPT beforehand; 
 
 during the ride, enabling voice chat and setting a translator prompt with dialect clarification (e.g., “Egyptian Arabic”) when needed; 
 
 after the interview, asking ChatGPT for: a detailed review of the conversation, a summary table for a series (e.g., 10 interviews), recurring patterns/differences, and hypotheses; 
 
 
 simultaneously recording audio → transcribing it in another AI tool → feeding the text into ChatGPT for more accurate processing. 課題: 
 
 
 
 時には ChatGPT が「閉じこもり」し、それを翻訳する代わりにロシア語のフレーズを繰り返します。 参加者の混同(例えば、間違ったドライバーに割り当てられた回答) 長い連続のインタビューで、以前は文脈を失っていた。 何が助けたか: 
 
 
 
 prompt で言語を指定する。 テキスト(オーディオ→トランスクリプト→ChatGPT) 面接の際の手動監視。 結果 : 
 
 
 
 伝統的な通訳制度に比べて約3～5倍の時間節約。 「クリーンな」実験:第三者の影響力が減り、対立対立の対話が落ち着く。 日常の仕事 - 翻訳や論理/UX に関するテキストフィードバックのために ChatGPT を定期的に使用します。 Automating Localization and Routine in Figma(フィグマにおけるローカライゼーションとルートの自動化) 体験 セルゲイ・ゴルツォフ セルゲイ・ゴルツォフ シェルゲイは、Figmaプラグインを構築することによって繰り返すタスクを解決します。アプローチはシンプルです:Figmaフォーラム/チャットや個人的な実践から実際の痛みのポイントを取って、詳細なリクエストを作成し、ChatGPT + Figma Plugin APIドキュメントの組み合わせを使用してプラグインを作成します。 彼の推定によると、ChatGPTはコードの80%まで生成し、残りは手動のレビューと改良(HTML/CSS/JS、エディターやFigmaでのテスト)です。 Sergey による公開利用可能なプラグイン: 
 
 
 
 
 
  — 9,500+ users,   in Figma Weekly. Chat Builder featured 
 
  — ~3,600 users. ChartBG 
 
 
  — ~2,600 users. BorderMockup One internal case was solving a recurring pain point: the monotonous manual work of creating translation keys and linking them to layers in Figma. To address this, Sergei built the   plugin. It scans the entire file (including groups, Frames, and Auto Layout), finds all text layers, and converts them into text variables. The plugin automatically cleans variable names according to API requirements; if the same text is repeated, only one variable is created and all relevant layers are linked to it. Text to Strings チャットビルダー 紹介 チャートBG BorderMockup テキスト Strings 以前は、レイアウトのローカライゼーションは退屈なルーチン作業であった:テキストは手動でコピーされ、画面の別々のバージョンが作成され、何かが変わるたびに更新が適用されなければならなかった。 この単調さを取り除くために、Sergei は Figma Variables と Sheet to Variables プラグインに基づくプロセスを設定しました. Texts are automatically converted into variable keys, translators work only in Google Sheets, and the designer imports the completed translations via CSV. Once the variables are linked to the layout layers, switching the language in Figma takes just a couple of clicks — and all texts update instantly. テキストは自動的に変数キーに変換されます。 何を覚えておくべきか: 
 
 
 
 高度に詳細なプロンプトを作成する(たとえ「生成する前にすべての説明を尋ねる」としても)。 コードを手動で検証し、ドキュメントをクロスチェックする:モデルは作業論理に影響を及ぼすか、時代遅れのAPI呼び出しを提案する可能性があります。 チャットビルダーの人気は、コミュニティの投稿によって強化され、業界のディジェストに登場しました。 イラストからリアルな写真へ - 体験 アーサー・シティコフ アーサー・シティコフ inDriveのフードテクノロジーの方向では、フラットイラストが長い間使われてきました。Arthurは仮説をテストしたいと思っていました:製品の現実的な画像は、人々が購入しているものを正確に見ているため、よりよく動作します。 どのように行われたか: 
 
 
 
 既存のイラスト(バナナ、パンなど)を取って、それらをレイアウトに直接配置する。 ChatGPTに現実的なスタイルで作曲を「再生」するよう求めること。 透明な背景を持つ使用可能な資産を受け取り、製品およびプロモーションに適用します。 「構成を変えることなく、雑誌のように現実的で、透明な背景で」 何が観察されたか: 
 
 
 最初の出力はしばしば十分で、長いセッションでは、エラーが現れ始めました - 通常、画像ごとに2回の試みが十分でした。 時には、モデルは透明性について「忘れ」し、チェックボードのパターンを残す - これは隠されなければならなかった。 結果 : 
 
 
 
 
 
 first acceptable variants in ~15 minutes; 
 
 a complete set of assets in two evenings instead of lengthy approvals with photoshoots or stock purchases; 
 
 
 the approach is already in use in product/promo; in parallel, 3D images were generated for interfaces, and outputs from photoshoots were mixed with AI generations. Key Takeaways From The Three Cases トップページ 
 
 
 
 インタビューでは、音声ベースのChatGPTは、回答者との直接的な接触を可能にし、分析を加速し、通訳の影響力を減らしました(時間の節約は3～5×と推定されています)。 ローカライゼーションのためのレイアウト準備は、自動変数作成とCSV翻訳サイクル(一クリックで言語を切り替える)のおかげで速くなりました。 ビジュアル・ジェネレーションは2つの夕方に現実的な資産を生み出し、最初のバージョンは数分で - 迅速にアイデアを stakeholders に示し、それらを前進させるのに十分です。 結論 これらは、デザイナーがすでに日常の仕事でAIを使用する3つの具体的な方法です:インタビューの翻訳者と「秘書」として、プラグインコードの共同作成者として、そして、迅速で現実的なビジュアルのためのツールとして。 それぞれのケースでは、デザイナーは彼らが直面した限界とどのように彼らがそれらを克服したかを説明しました. 全体的な利点は明らかです:より速い速度、より少ないマニュアルルーチン、および設計決定のためのクリーンなデータ。

inDrive.Tech

このオーディオは、ストーリーの元の言語で制作されています。

長すぎる; 読むには

Boost your HackerNoon story @ $159.99! 🚀

製品デザインにおけるAI:inDriveからの3つの実用的なケース

About Author

コメント

ラベル

この記事は

Related Stories

海を航海する: データレイクを使用した本番環境レベルの RAG アプリケーションの開発

フロキのヴァルハラがインドのスリランカツアーのアソシエイトスポンサーに加わる

目に見えない層: ユーザーインタビューがかけがえのない資産である理由

海を航海する: データレイクを使用した本番環境レベルの RAG アプリケーションの開発

フロキのヴァルハラがインドのスリランカツアーのアソシエイトスポンサーに加わる

目に見えない層: ユーザーインタビューがかけがえのない資産である理由

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps