‏راهنمای NN/g برای استفاده از AI تو کار UX

Tanner Kohler تو این راهنمای مطالعاتی NN/g منابع پراکندهٔ این گروه دربارهٔ AI و کار UX رو یه جا جمع کرده. نویسنده می‌گه سؤال دیگه این نیست که AI به درد می‌خوره یا نه، بلکه اینه که کِی و چطور. به گفتهٔ او با معیارهای عملی، AI هنوز آمادهٔ اینکه کل کار UX رو تحویل بگیره نیست، ولی خیلی از شرکت‌ها تیم‌های UX رو تشویق می‌کنن ابزارهای AI رو وارد جریان کارشون کنن.

حرف محوری بخش اول اینه که به جای واگذار کردن کل فرایند، AI باید کنار کار موجود بشینه. نویسنده پیشنهاد می‌کنه خودت رو یه استراتژیست ببینی که با AI کارهای بیشتری از دستش برمیاد، نه کسی که کار رو تحویل ربات می‌ده. جملهٔ خودش اینه که اگه نمی‌خوای برای ربات کار کنی، کاری کن ربات برای تو کار کنه. تو همین بخش به مسیر شغلی هم اشاره می‌شه: نقش‌های UX دارن عوض می‌شن و مهارت‌هایی مثل قضاوت، داستان‌گویی و تشخیص کیفیت ارزشمندتر می‌مونن.

تو بخش طراحی، تمرکز از جابه‌جا کردن پیکسل تو ابزار طراحی به تعریف نیاز کاربر و نظارت بر مسیر تجربه جابه‌جا شده. نویسنده تأکید می‌کنه که فراهم کردن کانتکست معنادار برای AI (یعنی همون اطلاعات زمینه‌ای که بهش می‌دی تا خروجی درست بده) داره تبدیل می‌شه به مهارت اصلی. مفهوم‌هایی مثل promptframe، یعنی وایرفریمی که با کمک AI محتوای واقعی‌تر داره، از همین‌جا میان.

بخش تحقیق لحن محتاط‌تری داره. به گفتهٔ نویسنده، دادهٔ ساختهٔ AI هنوز جای دادهٔ آدم واقعی رو نمی‌گیره و کاربران مصنوعی یا digital twin فقط مکمل تحقیق واقعی‌ان. AI بیشتر تو مرحلهٔ برنامه‌ریزی و تحلیل کمک می‌کنه، ولی تحلیل کیفی نباید کامل به AI سپرده بشه، چون هم کیفیت بینش پایین میاد هم یادگیری تیمی که از دیدن کاربر واقعی به دست میاد از بین می‌ره. تو بخش نوشتن هم هشدار می‌ده که تکیهٔ زیاد به AI لحن و سبک خاص خودت رو می‌سابه.

آخرین بخش‌ها وضعیت میدانی رو با عدد نشون می‌دن. برنامه‌نویس‌هایی که از GitHub Copilot استفاده کردن ۱۲۶ درصد خروجی بیشتری داشتن، پشتیبان‌های مشتری با کمک AI ۱۳.۸ درصد درخواست بیشتری تو ساعت جواب دادن و تو یه بررسی دیگه خروجی کارمندها به طور میانگین ۶۶ درصد بالا رفته. جالب اینکه تو هر سه مورد بیشترین سود به افراد کم‌تجربه‌تر رسیده. نویسنده هم‌زمان یادآوری می‌کنه که ابزارهای AI مخصوص UX هنوز تو خیلی از ادعاهاشون قابل اتکا نیستن.

نکات کلیدی:

• راهنما نوشتهٔ Tanner Kohler و منتشرشده در ۴ سپتامبر ۲۰۲۶ تو سایت NN/g هست
• منابع تو هشت دستهٔ جداگانه چیده شدن: ورود AI به جریان کار، طراحی، تحقیق، نوشتن، سرویس دیزاین، ایده‌پردازی و ورکشاپ، وضعیت فعلی و پادکست
• توصیهٔ اصلی: AI رو دستیار کار موجودت کن، نه جانشین کل فرایند
• کاربران مصنوعی و digital twin مکمل تحقیق‌ان، جایگزین کاربر واقعی نیستن
• اعداد بهره‌وری: ۱۲۶ درصد با GitHub Copilot، ۱۳.۸ درصد برای پشتیبانی مشتری و ۶۶ درصد میانگین برای کارمندها
• تیم‌هایی که با AI ایده‌پردازی کردن از تیم‌های بدون AI و حتی از افراد تنها با AI بهتر عمل کردن