Как ИИ меняет работу UX-практиков: результаты опроса

В последние годы искусственный интеллект (ИИ) стал неотъемлемой частью многих рабочих процессов, включая UX-дизайн. Однако, несмотря на широкое распространение ИИ среди UX-практиков, их отношение к этому инструменту остается неоднозначным. Опрос, проведенный среди 521 UX-практика, показал, что доступ к ИИ-инструментам практически универсален, но использование их в работе варьируется в зависимости от типа организации и роли специалиста.

Доступ к ИИ и его использование

Согласно результатам опроса, 99% респондентов имели доступ к инструментам генеративного ИИ на работе. Однако 59% из них использовали лишь утвержденный набор инструментов, и только 12% имели возможность использовать любые доступные им инструменты. В целом, 66% респондентов сообщили о том, что они используют хотя бы один агентный ИИ-инструмент, такой как Claude Cowork или AI-кодировщик. Наиболее популярными инструментами оказались общие ИИ-ассистенты и чат-боты, а также функции ИИ, встроенные в инструменты дизайна.

Различия в использовании ИИ по типу организации

Использование агентного ИИ значительно варьировалось в зависимости от типа организации. Наибольшее применение ИИ наблюдалось в стартапах (85%) и малых или средних предприятиях (75%), в то время как в некоммерческих организациях и государственных учреждениях этот показатель составил всего 36% и 42% соответственно. Это объясняется тем, что государственные организации более осторожны в вопросах конфиденциальности и безопасности, что замедляет внедрение новых технологий. В то же время стартапы, как правило, имеют меньше бюрократических процедур, что позволяет им быстрее адаптироваться к новым инструментам.

Роли и использование ИИ

Результаты опроса показали, что менеджеры по продуктам и операционные специалисты чаще всего использовали агентный ИИ, в то время как контент-дизайнеры и исследователи использовали его реже. Это может быть связано с тем, что менеджеры по продуктам и операционные специалисты чаще работают с данными и координируют процессы, где ИИ может быть особенно полезен. В то время как исследователи и контент-дизайнеры сосредоточены на создании качественных артефактов, для которых часто достаточно общего ИИ-чат-бота.

Препятствия для внедрения ИИ

Среди респондентов, 80% указали на наличие нескольких факторов, препятствующих внедрению ИИ в их работу. Наиболее распространенными барьерами стали качество вывода (54%) и безопасность данных (50%). Многие респонденты отметили, что выводы ИИ часто требуют значительного времени на проверку и исправление. Кроме того, более трети респондентов (34%) выразили беспокойство по поводу этических и экологических аспектов использования ИИ.

Влияние ИИ на рабочие процессы

В целом, респонденты отметили, что ИИ помогает им работать быстрее. Средний рейтинг влияния ИИ на время выполнения задач составил 4.2 из 5. Наибольшее время экономилось при написании кода, проведении desk research и анализе собственных данных. Однако использование ИИ было наименьшим при взаимодействии с пользователями, например, в процессе интервьюирования или тестирования дизайна.

Отношение к ИИ

Средний рейтинг удовлетворенности респондентов использованием ИИ составил 3.57 из 5, что указывает на умеренно положительное отношение. Однако 69% тех, кто оставил открытые комментарии, выразили негативные чувства, часто касающиеся мандатов и ненадежного вывода. Исследователи и дизайнеры чувствовали себя менее защищенными в своих ролях по сравнению с менеджерами по продуктам.

Ожидания и будущее ролей

Несмотря на существующие проблемы, большинство респондентов (65%) ожидают, что их роли останутся важными или будут расти. Однако исследователи были более скептичны относительно будущего своих позиций. Менеджеры по продуктам, в свою очередь, оценили свою безопасность на рынке труда значительно выше, чем исследователи и дизайнеры.

Заключение

Хотя ИИ значительно ускоряет выполнение отдельных задач, это не всегда приводит к улучшению качества работы или удовлетворенности специалистов. Важно учитывать, что время, сэкономленное на одной задаче, может быть поглощено возросшими ожиданиями по производительности и необходимостью исправления ошибок, вызванных использованием ИИ. В конечном итоге, для достижения системного уровня продуктивности необходимо учитывать не только индивидуальные достижения, но и общий эффект на команду и организацию в целом.