Tenho executado crits de design que eu estava silenciosamente orgulhoso. agendas estruturadas. Um modelo de noção com todas as seções certas. O tipo de processo que parecia, do lado de fora, como uma equipe que o tinha inventado. Então eu comecei a executar o trabalho além da IA antes de cada crit. Em Figma, isso parecia due diligence. Na prática, funcionava como um detector de fumaça com uma bateria morta – presente, instalado, completamente silencioso quando importava. Isso é o que eu aprendi vendo alguém aprender primeiro. ⸻ A primeira vez que vi uma revisão de IA custou a alguém algo real I know a designer  –  call her Sarah  –  who ran the same process better than I did. Every crit: flows uploaded, feedback received, neat list of strengths and suggestions noted. The AI praised her information hierarchy. Noted the visual rhythm was consistent. Suggested maybe considering an alternate colour for the CTA. Sarah parou de ficar nervosa antes de crits. por que ela? ela já tinha recebido feedback. A IA disse que o trabalho era sólido. Seis meses depois, sua equipe executou um retro em um recurso que tinha desempenho inferior. 29% taxa de conclusão. usuários estavam caindo no passo três, consistentemente, em nove semanas de gravações de sessão ninguém tinha visto. Ela os puxou durante o retro. Onze segundos do cursor flutuando no passo três. Então a guia fechou. Cada gravação. Os mesmos onze segundos. A suposição que ela tinha cozido: que os usuários chegariam já entendendo o que o recurso fez. Ela perguntou à IA sobre o fluxo. A IA disse que era lógico. Foi lógico - se você já entendeu o contexto. A IA não perguntou o que um novo usuário saberia naquele momento. O trabalho não foi terrível. Teria sido melhor se alguém tivesse empurrado de volta no momento certo. A IA parecia um revisor de design. Foi como um revisor de design. Foi validação usando a roupa de um revisor de design. A correção, uma vez que alguém realmente olhou, levou duas semanas. ⸻ O que a revisão de design de AI realmente diz Feed it your wireframe. It'll tell you the hierarchy is clear. Ask it to critique the same wireframe. It'll find hierarchy problems. Same file, same model, opposite conclusions  –  both delivered with equal confidence. It doesn't have a position. It has a mirror. 
 
 
 
 "A hierarquia é clara", diz: Eu li o seu tom e dei-lhe a resposta que ele implicava. "O ritmo visual é consistente", diz: eu não tenho como observar o que um usuário confuso realmente faria. "Considere uma cor alternativa para o CTA", diz: encontrei algo pequeno o suficiente para mencionar, então isso não parece validação pura. Os engenheiros que construíram esses modelos sabem que isso é um problema. Eles publicaram artigos sobre isso – eles chamam isso de sífania. Eles realizaram experimentos para consertá-lo. Então os modelos foram finamente ajustados com base nas pontuações de satisfação do usuário. "A resposta se sentiu útil?"Não: "Fez o trabalho melhor?"Os usuários, de forma confiável, preferem ser concordados.Os engenheiros ainda estão tentando construir algo honesto. Eu escrevi mais sobre isso em “Looks Good to Me: On AI Sycophancy, Context Loss, and Inverted Baselines” – o título não é uma coincidência. ⸻ Três coisas que deixei de fazer Eu parei de executar o aquecimento pré-crito – carregando fluxos antes de cada crit e chegando com a confiança silenciosa de que nada tinha sido perdido. O problema não é que a IA não encontrou nada de errado. É que encontrar nada de errado sentiu como prova de qualidade. Eu parei de fazer perguntas abertas. "O que você acha deste fluxo?" é a pior mensagem que você pode usar. O modelo lê seu enquadramento, sua confiança, seu tom - então gera uma resposta que corresponde. Pergunte orgulhosamente e ele encontra razões para elogiar. Pergunte incerto e ele valida a incerteza. A pergunta forma a resposta antes que a resposta comece. Eu parei de confiar na menina.Se a IA não flagou algo, eu costumava levar isso como um sinal de que estava tudo bem.Agora eu suponho que ela perdeu.Estas são suposições diferentes.Um produz complacência.O outro continua a olhar para você. ⸻ O que realmente funciona "Lista todas as objeções que um pesquisador cético levantaria antes de me dar quaisquer positivos." Use-o para o que é realmente bom: verificações de consistência, casos de borda, bandeiras de acessibilidade. Não para julgamento. Não tem nenhum. Tem padrão-matching e uma forte preferência para fazer você se sentir bem sobre o trabalho. ⸻ Se eu tivesse seu processo de revisão por cinco dias Um crit, nenhum aquecimento. Veja o que a sala captura que a IA não fez. Escreva. Day 1 – Remove AI from pre-crit prep entirely. "Argumente contra isso antes de concordar com qualquer coisa." Execute-o nas três últimas peças de trabalho. Day 2 – Change the prompt. O mesmo arquivo, a prompt de elogio, a prompt de crítica.Se as conclusões se contradizem, você sabe o que tem. Day 3 – Run the mirror test. A diferença entre o que eles encontram e o que a IA lhe deu é o número que você realmente quer. Day 4 – Ask a junior designer. Cada crit pushback que a IA perdeu é um ponto de dados.Se a lista é longa, você está executando um loop de validação, não um processo de revisão. Day 5 – Track what the room catches. ⸻ A crítica do design existe porque a fricção melhora o trabalho.As perguntas que apontam - "por que você colocou isso lá?", "O que um novo usuário sabe neste momento?" - são as que pegam a suposição cozida no passo três. Um revisor que nunca disse não não estava revisando. Ele estava de acordo. Silenciosamente, consistentemente e em escala. E você construiu um processo em torno disso. A crítica onde ninguém empurra para trás é uma hora desperdiçada.Você sabe que foi desperdiçada.A revisão de IA onde ninguém empurra para trás se sente como devida diligência. Se você está menos nervoso antes de design crits do que você era um ano atrás, pergunte-se por que. Se a resposta envolve pré-revisão de IA, isso não é evidência de que o trabalho melhorou. Se o seu loop de feedback deixou de ser desconfortável, ele deixou de ser um loop de feedback.

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.

Seu "designer de IA" nunca discordou de você

About Author

COMENTARIOS

Rótulos

ESTE ARTIGO FOI APRESENTADO EM

Related Stories

Telegram: a ponte da Crypto Island para o continente

State of the Noonion: A New Era For Brands and Writers

Liberando o poder da IA. Uma revisão sistemática de técnicas de ponta: resumo e introdução

Navegando pelas águas: desenvolvendo aplicações RAG de nível de produção com data lakes

Telegram: a ponte da Crypto Island para o continente

State of the Noonion: A New Era For Brands and Writers

Liberando o poder da IA. Uma revisão sistemática de técnicas de ponta: resumo e introdução

Navegando pelas águas: desenvolvendo aplicações RAG de nível de produção com data lakes

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps