ตั้งแต่ Gstack·Claude·Figma AI ไปจนถึงรูปแบบการทำงานใหม่ของนักออกแบบ และโจทย์เชิงปฏิบัติที่ยังคงหลงเหลืออยู่
บทความวิเคราะห์การเปลี่ยนแปลงในการทำงานจริงของนักออกแบบที่ทำงานร่วมกับ AI
แม้ความเร็วของเครื่องมือจะเพิ่มขึ้น แต่ความจริงที่สะท้อนคือประสิทธิภาพในการทำงานโดยรวมที่ดีขึ้นยังต่ำกว่าที่คาดหวัง
การใช้ AI ในขั้นตอนนิยามปัญหา:
• ทักษะ Gstack: เวิร์กโฟลว์บนพื้นฐาน Claude Code ที่ Garry Tan แห่ง Y Combinator เปิดเผย
(จัดโครงสร้างคำถามอย่างเป็นระบบ เช่น 'กำลังแก้ปัญหาอะไร' และ 'ทำไมจึงสำคัญ')
• Superpowers: แนวทางที่อิงจิตวิทยาเพื่อเจาะลึกพฤติกรรมผู้ใช้และลำดับการตัดสินใจ
-> AI ทำหน้าที่เป็นพาร์ตเนอร์ที่ช่วยจัดโครงสร้างปัญหาซับซ้อนได้รวดเร็ว มากกว่าจะคิดแทนมนุษย์
การใช้ AI ในขั้นตอนหาแนวทางแก้ปัญหา:
• การเชื่อมต่อ ChatGPT กับ Figma: แปลงข้อกำหนดแบบข้อความเป็นโฟลว์ชาร์ตบน FigJam โดยอัตโนมัติ
• Figma First Draft: เมื่อให้พรอมป์ต์ที่เฉพาะเจาะจง ก็สามารถสร้าง mobile wireframe ได้อย่างรวดเร็ว
• Figma Agent: ก้าวข้ามการสร้างแบบง่าย ๆ ไปสู่บทบาท AI reviewer ที่ให้ฟีดแบ็กด้านดีไซน์และข้อเสนอแนะในการแก้ไข
• Make an Image: สร้างและแก้ไขภาพจากพรอมป์ต์ภายใน Figma ได้
ข้อจำกัดที่ส่งผลต่อความเร็วที่รับรู้ได้:
• แม้ความเร็วในการทำฉบับร่างจะเพิ่มขึ้น แต่กว่าจะได้ผลลัพธ์สุดท้ายยังต้องใช้เวลาในการตรวจทาน ตรวจความสอดคล้อง และเช็กความต่อเนื่องของแบรนด์อยู่ดี
• ปัญหาความสม่ำเสมอของดีไซน์ที่สร้างโดย AI: แม้ใช้พรอมป์ต์เดียวกันก็ยังได้ผลลัพธ์ต่างกันทุกครั้ง ทำให้มีข้อจำกัดในการนำไปใช้เป็นผลงานสุดท้าย
• องค์กรต้องใช้เวลาในการดูดซับเครื่องมือ AI: การนำไปใช้ล่าช้าจากข้อจำกัดในการทำงานจริง เช่น ประเด็นความปลอดภัย และในกรณีของสถาบันการเงินก็มีข้อจำกัดอย่างการแยกเครือข่าย
ภาพรวมการประเมิน: AI มีคุณค่าในขั้นตอนการสร้างฉบับร่างและการจัดโครงสร้างปัญหา แต่ในด้านความสม่ำเสมอของงานออกแบบและการแก้ไขรายละเอียด การตัดสินใจและเซนส์ของมนุษย์ยังคงสำคัญ ขณะนี้การสร้างดีไซน์ด้วย AI อย่างสม่ำเสมอบนพื้นฐานของ design system กำลังก้าวขึ้นมาเป็นโจทย์สำคัญในอนาคต
ยังไม่มีความคิดเห็น