AI для продуктового дизайнера: discovery, дані, дослідження

Що всередині

•Переосмислення AI-агента як комп'ютера з доступом до браузера, файлів і коду

•Workflow паралельної роботи: один агент аналізує конкурента, інший — ваш власний продукт

•Що писати в промпті для дискавері: від структури інтенту до вимоги веб-артефакту замість документа

•Робота з якісними даними: транскрипти служби підтримки плюс записи сесій з Microsoft Clarity та Hotjar

•SQL без знання SQL: як генерувати запити до бази даних через MCP та візуалізувати воронки

•Чому агент у коді (Claude Code, ChatGPT Codex) дає менше булшита ніж звичайний чат

•Де AI не замінює дизайнера: верифікація, інтерпретація і остаточне рішення

Для кого цей матеріал

•Продуктовим дизайнерам, які хочуть самостійно робити дослідницьку та аналітичну роботу

•UX-дослідникам, які шукають способи прискорити дискавері без втрати якості

•Продакт-менеджерам, що працюють із кількісними і якісними даними паралельно

•Арт-директорам та дизайн-лідам, які формують процеси використання AI у команді

Про що лекція

Фристайл-демо про те, як продуктовий дизайнер може використовувати AI-агентів у щоденній роботі з дискавері та дослідженнями. Замість теорії — сценарій: паралельний аудит конкурента Makeup.com.ua, аналіз транскриптів служби підтримки, запис сесій з Microsoft Clarity та написання SQL-запитів без знання SQL.

Головна ментальна модель — агент не чат, а комп'ютер, якому можна дати доступ до всього, що у вас є. Головне обмеження лишилося старим: якщо даних немає, AI їх не замінить. Але якщо дані є, одна людина за кілька годин робить роботу, на яку раніше йшли тижні з аналітиком.

Головні тези

Думайте про агента як про комп'ютер, а не як про чат

AI-агент у коді має доступ до браузера, файлів, можливість писати і виконувати код, робити скріншоти. Ви можете запустити кілька субагентів у паралелі: один досліджує мобільну версію конкурента, інший — десктопну, третій працює з вашими даними. Це змінює масштаб того, що одна людина здатна зробити за робочий день.

Дані нікуди не зникли, і AI їх не вигадає

Синтетичні інтерв'ю з синтетичними користувачами в чаті GPT працюють дуже побіжно, і доказової бази щодо їхньої якості немає. Ви все одно маєте ходити до людей, збирати транскрипти, записувати сесії, налаштовувати SQL-таблиці. AI допомагає обробляти те, що у вас уже є, а не створювати це замість вас.

Промпт на основі інтенту, а не інструкцій

Поясніть, що саме ви хочете отримати і в якому вигляді, а не як це правильно робити. Опишіть сторінки і сценарії для дослідження, попросіть скріншот після кожної важливої зміни стану, дайте кожному скріншоту зрозумілу назву. Фінальний артефакт — інтерактивний веб, а не Word-документ, бо так ним легше користуватися потім.

Тріангуляція якісного і кількісного дає реальні інсайти

Агент може взяти транскрипти дзвінків у службу підтримки, викачані сесії Microsoft Clarity та дані з SQL-бази і знайти перетини: чи підтверджують дані те, що люди говорять. Раніше для цього треба було збиратися з аналітиком і чекати тижнями. Тепер це години на одному комп'ютері.

AI не замінює інтелектуальну роботу — верифікація на вашій стороні

Кількість булшиту, який агент згенерує, може бути високою. Фінальні артефакти, перевірка висновків і вибір рішень лишаються за дизайнером. Головна зміна — ролі зсуваються від продуктового дизайнера до продакт-білдера, людини, яка буквально будує продукт, але робить це по-дизайнерськи.