Дизайн
#статьи

«Нейронка за вас ничего не сделает». Дизайнеры CreativePeople и AWG тестируют 6 ИИ

До какой степени дизайнерам стоит доверять ChatGPT? Профи дали нейросетям конкретные задачи и оценили, что можно и нельзя им отдать в работу.

Иллюстрация: Полина Вари для Skillbox Media

Активная дискуссия по поводу ИИ уже повсеместно перешла от вопроса «Когда нейросети заменят дизайнеров?» к обсуждению, какие именно рабочие задачи стоит отдать алгоритмам.

Арт-директор агентства CreativePeople Иван Корабельников и senior-дизайнер продукта в IT-компании AWG решили в деле проверить способности шести нейросетей. Их цель — узнать, как эти инструменты помогают создавать интерфейсы. И помогают ли?

Иван Корабельников

Арт-директор в CreativePeople, руководит направлением UX/UI. Более пяти лет работает в дизайне, среди клиентов «Эконика», «Райффайзенбанк», «Лаборатория Касперского».

Светлана Власова

Старший дизайнер продукта в AWG. Более шести лет проектирует пользовательские интерфейсы. Работала с компаниями «Тануки», «Леруа Мерлен», «ВинЛаб», «Лента».


ВРЕМЯ ПРОСМОТРА

1 ч. 26 мин.

ВРЕМЯ ЧТЕНИЯ

8 мин.

ЭКОНОМИЯ

1 ч. 18 мин.

Контекст и задача

В качестве пространства для экспериментов дизайнеры выбрали приложение для распознавания рецептов блюд по фото. Задача — выяснить, как встроить нейросети в процесс дизайна такого продукта.

Из всего объёма процессов, которые нужны для проектирования приложения, для тестирования ИИ решили выделить три:

  • предпроектная аналитика,
  • проектирование пользовательского пути,
  • визуализация дизайн-концепции для клиента.

Предпроектное исследование с ChatGPT, Chatsonic от Writesonic и телеграм-ботом Edya

Прежде чем разрабатывать дизайн-решения, необходимо погрузиться в продукт, провести аналитику и исследования — задать правильные вопросы клиенту на брифе и выяснить, что происходит в конкретной нише рынка.

Вопросы для брифа

Запрос для ИИ: «Напиши вопросы для клиента, который хочет разработать приложение».

  • ChatGPT выдал объёмный список открытых вопросов, причём разбил их по категориям.

Например: «Монетизация: вы планируете зарабатывать на этом приложении? Если да, то какими способами — платная загрузка, подписка или что-то ещё?», «Цель приложения: какую основную цель вы хотите достичь с помощью этого приложения? Что именно хотите, чтобы пользователи делали с ним?»

  • Writesonic выдал аналогичные ChatGPT вопросы, но не только открытые — предложил опции выбора и гипотезы.

Например: «Цель приложения: что клиент хочет достичь с помощью этого приложения? Хочет ли он создать простой справочник рецептов или добавить функции, такие как планирование покупок, рейтинг блюд и так далее».

  • Edya выдал то же самое по смыслу, что и две другие нейронки.
Скриншот: Skillbox Media

Результат тестирования

Наиболее полный список вопросов дал ChatGPT. UX/UI-дизайнерам можно брать его предложения в работу и дополнять своими вопросами для брифа.

Светлана Власова

— Дизайн-процесс означает, что мы из хаоса переходим к некоторой ясности, выявляем чёткие требования к продукту и решениям, определяем, как он должен выглядеть. Чтобы проводить предпроектное исследование качественно, можно обращаться к нейросетям: их структурированные ответы — это как минимум инструмент, который поможет ничего не забыть.

Но чтобы получить наиболее полный и интересный список вопросов для брифа, стоит обращаться к нескольким ИИ.

Иван Корабельников

— В целом ChatGPT, Writesonic и Edya предложили неплохие вопросы. Но я бы не рекомендовал задавать ни один из этих сгенерированных вопросов в прямом виде во время брифа.

Важно внимательно перепроверить их и сопоставить с реальным сценарием и тезисами клиента.

Исследование рынка, конкурентный анализ и анализ вероятных проблем

Запрос для ИИ: «Есть ли сейчас аналоги таких приложений? Какие их преимущества? Какие проблемы есть у приложений для распознавания рецептов блюд по фото?»

  • ChatGPT показал список приложений — сборников рецептов. Но они не являются конкурентами и адекватными аналогами приложения для распознавания рецептов по фото.
Tasty, Yummly и MyFitnessPal — не те приложения, которые нужно рассматривать как конкурентов в этом кейсе
Скриншот: Skillbox Media

А вот некоторые из перечисленных им проблем оказались полезной и разумной информацией: ИИ назвал точность распознавания, распознавание сложных блюд, ограничение языка и региональные различия.

  • Writesonic дал идентичную и малоразвёрнутую информацию. Проблемы, перечисленным им, не на 100% релевантны для приложения по распознаванию блюд: ограниченная база данных, ограниченное разнообразие доступных рецептов.
  • Edya привёл в пример приложения Paprika и Spoonacular, и часть его ответов оказалась не подходящей по смыслу.
Нерелевантная информация от Writesonic
Скриншот: Skillbox Media

Результат тестирования

ИИ дали нерелевантный список приложений-аналогов — этой информации доверять нельзя, необходимо искать данные самостоятельно.

Иван Корабельников

— ChatGPT периодически врёт — так он устроен. Он может выдать «придуманную» информацию. Генерировать идеи — да, собирать факты — нет.

В этом эксперименте мы выяснили: помощь ИИ-ботов с исследованием рынка уже не такая качественная, как со списком вопросов для брифа.

Нейросети выдают водянистые и общие ответы, которые не соотносятся с реальностью. Всё-таки не стоит использовать нейросетки для сбора фактуры: ИИ может «придумать» название приложения-конкурента, которое вы не найдёте в App Store и Google Play, потому что его просто не существует.

Светлана Власова

— Важно не только услышать заказчика, но и провести исследование, что уже есть на рынке. Какие уже есть приложения, какие у них преимущества и проблемы — чтобы не повторить чужих ошибок в своём продукте.

Но тут ответы нейросетей уже не такие классные и релевантные: ChatGPT показал просто сборники рецептов и перечислил банальные преимущества. То же касается Writesonic и Edya: у них тексты ответов другие, но тоже довольно бесполезные по смыслу.

Общие и неинформативные фразы про «простоту», «удобство», «возможность адаптации» вряд ли помогут дизайнеру интерфейсов.

Портреты пользователей

Запрос для ИИ: «Кто может пользоваться приложением для распознавания рецептов блюд по фото? Создай персон, кто пользуется приложением для распознавания рецептов блюд по фото».

  • ChatGPT дал список из семи категорий пользователей. Это не полноценные описания персон, а базовые данные, с которыми можно работать дальше.
Скриншот: Skillbox Media
  • Writesonic на просьбу сгенерировать персон выдал картинки.
Скриншот: Skillbox Media
  • Edya выдал описание персоны. Его текст достаточно водянистый, но полезные детали в нём найти можно.
Скриншот: Skillbox Media

Результат тестирования

Провести глубокую аналитику и сформировать портреты пользователей нейронки не способны, но использовать их для сбора «сырья» можно. При условии, что дизайнер будет перепроверять на релевантность и адекватность каждое предложение.

CJM в ChatGPT и SetGPT

Запрос для ИИ: «Создай CJM в виде таблицы приложения для распознавания блюд по фото».

  • ChatGPT составил таблицу с перечислением и описанием последовательности действий: ознакомление с приложением, поиск блюд, просмотр рецептов, приготовление блюда, оценка и отзывы.

Однако добавил лишние и слишком специфичные для этого флоу и концепции этапы: например, регистрацию для «уверенности в безопасности данных», приготовление блюда, оценку приложения.

  • SetGPT сделал таблицу лучше, чем ChatGPT — перечислил только основные действия: открыть приложение, просмотреть экран, нажать кнопку, выбрать фото, анализировать фото, сохранить рецепт, поделиться рецептом.

Получился чёткий флоу, который может лечь в основу функционала приложения.

Скриншот: Skillbox Media

Результат тестирования

Чтобы «накидать» CJM, ИИ использовать вполне можно. Из полученных данных дизайнер сможет выстраивать структуру и собирать прототип приложения.

И в нашем конкретном эксперименте нейросеть SetGPT справилась с заданием лучше, чем ChatGPT.

Разработка структуры приложения, определение основных экранов и их взаимодействия

Запрос для ИИ: «Определи структуру приложения для распознавания рецептов блюд по фото».

  • ChatGPT использовал те же данные, на основе которых предлагал CJM, и выдал подробные описания основных функций на последовательности экранов.
  • SetGPT сгенерировал более чёткое и ясное описание структуры.
Скриншот: Skillbox Media

Результат тестирования

Каждый элемент и каждое предложение, сгенерированное ИИ, важно перепроверять.

Но в целом можно брать как базу то, что сгенерировал SetGPT и дополнять это полезными элементами от ChatGPT, чтобы отрисовывать первый прототип.

Прототип приложения для распознавания рецептов по фото
Скриншот: Skillbox Media

Разработка визуального стиля приложения в Midjourney и Stable Diffusion

Создавать визуализации в Stable Diffusion можно двумя способами:

  • С референсами, то есть по команде image2image.
  • Без референсов, то есть только по текстовому промпту.

Вот что «дорисовала» эта нейросеть на загруженный в неё прототип приложения:

Изображение: личный архив Ивана Корабельникова

Вот такой визуальный стиль предложил алгоритм Stable Diffusion по промпту:

Изображение: личный архив Ивана Корабельникова

Бот Midjourney на запрос «Food recognition app by photo» предложил визуально чуть более качественные и детализированные картинки. Но это не UI, а арт:

Изображение: личный архив Ивана Корабельникова

Однако на запрос «Food app, recipe mobile app design, web design» бот Midjourney выдал неплохой результат:

Изображение: личный архив Ивана Корабельникова

В альтернативном варианте генерации от Midjourney есть цветовая палитра, композиции и приблизительный вид UI-элементов:

Скевоморфизм в сгенерированной картинке
Изображение: личный архив Ивана Корабельникова

Есть способ сделать генерации в нейросетях качественнее и точнее. Для этого нужно делать несколько циклов:

  • По текстовому промпту получите картинку-ответ от Stable Diffusion или Midjourney.
  • Загрузите этот результат из Stable Diffusion в Midjourney — или наоборот — и используйте команду img2img.
  • Если генерация не устраивает, сделайте ещё одну попытку или даже несколько итераций.

Таким образом, вы получите несколько различающихся вариантов дизайна и сможете использовать их как базу:

  • Из всех генераций выбрать две лучших.
  • Отрисовать по ним, как по референсам, две дизайн-концепции приложения.
  • Презентовать клиенту.
Прототип сделан за полчаса: дизайнеру не пришлось придумывать визуальные решения с нуля
Изображение: личный архив Ивана Корабельникова

В итоге

Иван Корабельников

— Нейронка не сделает ничего за вас. Она попробует, сделает какой-то результат, но этот результат не будет финальным.

Работать всё равно придётся. Взять генерации и обойтись без активного напильнинга не получится.


Экспериментальная работа над дизайном приложения с использованием ИИ дала полезные выводы:

  • Нейросети экономят время. Разбирать и критически оценивать что-то готовое намного проще и быстрее, чем искать информацию и делать всё с нуля.

В среднем создание визуализаций заняло 30 минут, вместо 2–4 часов работы без использования ИИ. На черновик дизайн-концепции ушло 5–10 минут.

  • Все ответы ИИ обязательно нужно проверять, поскольку это не реальные данные, а игра значений.

Но даже в этом случае использование нейросетей ускорит работу в сравнении с самостоятельным сбором фактуры.

  • Нейросеть не стоит использовать дальше концептуальной работы. Дело не только в юридических сложностях: они генерируют не дизайн в чистом виде, а только подспорье для процесса — информационное или визуальное.

Больше интересного про дизайн в нашем телеграм-канале. Подписывайтесь!

Научитесь: Профессия Графический дизайнер Узнать больше
Понравилась статья?
Да

Пользуясь нашим сайтом, вы соглашаетесь с тем, что мы используем cookies 🍪

Ссылка скопирована