Ваш наступний дизайнер може не намалювати жодного екрану. І це хороша новина

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Photo by Jo Szczepanska on Unsplash

Стаття відображає мій погляд на зміни, які зараз формують ринок.
«Cognitive Systems Design» є авторською тезою, а не усталеним фактом.

Останнє покоління UX-фахівців на порозі нової ери Product Design.

Є питання яке зараз ставлять собі тисячі дизайнерів по всьому світу — тихо, між ранковою кавою і відкриттям Figma: «Чи потрібен я ще?» Це не криза самооцінки. Це реакція на реальні сигнали ринку.

Kількість UX-вакансій впала до 70%+ від рівня 2022-го. Великі компанії скорочували дизайн-команди першими. AI-інструменти навчилися генерувати пристойний інтерфейс. І кожен другий стартап питає: «А навіщо нам окремий дизайнер якщо є ШІ?»

Виявилося що AI чудово вміє робити «нормально». А ринок раптом зрозумів що «нормально» йому більше не потрібно — бо «нормально» тепер «безкоштовно».

Перманентною цінністю є те чого ШІ поки що не вміє: бачити систему цілком, розуміти людину трішки глибше , і приймати раціональні рішення.

Питання не в тому чи потрібен дизайнер. Питання в тому, який саме спеціаліст потрібен. І чому більшість фахівців не на тій стороні цього розлому — між старим і новим способом мислення.

Що насправді відбувається з ринком

Ринок дизайну пройшов складний шлях: пост-COVID бум найму, хвиля bootcamp-випускників, потім різкий обвал у 2023-2024, масові скорочення від Meta до Spotify. Тепер повільна стагнація під виглядом стабілізації: senior-ролі та позиції для дизайнерів-генералістів відновлюються, junior-ринок залишається жорстко конкурентним.

Якщо твоя цінність полягала у тому щоб швидко малювати wireframes — тепер це робить AI.

Якщо твоя цінність у тому щоб розуміти чому продукт не конвертує, де система рішень зламана і як її перебудувати — це поки що не автоматизується.

AI бездоганно копіює. Межа між AI і людиною це здатність розуміти сенс.

Зсув якого більшість ще не помітила: «користувач» більше не означає «людина»

Ось де починається справжня трансформація.

Протягом десятиліть UX будувався на одному непорушному припущенні: на іншому кінці інтерфейсу знаходиться людина. Ми вивчали її поведінку, картографували її journey, тестували прототипи, писали мікрокопію яку вона прочитає.

Тепер AI-агенти навігують по тих самих інтерфейсах що і люди. Вони заповнюють форми, порівнюють опції, виконують транзакції. Вони роблять це не ідеально — але функціонально вони є користувачами наших продуктів навіть якщо ми не проектували для них.

Базове припущення потребує оновлення: «користувач» більше не є синонімом «людини».

Що це означає практично?

Агент взаємодіє з інтерфейсом трьома способами. Перший — через скріншот: агент «бачить» сторінку як зображення і намагається зрозуміти структуру. Дорого, повільно, ненадійно. Другий — через accessibility tree: ту саму структуру яку читають screen readers. Інтерфейси добре побудовані для людей з порушеннями зору — вже краще читаються агентами. Третій і найефективніший — через прямий API або MCP, оминаючи інтерфейс повністю.

Висновок простий і неочевидний одночасно: semantic HTML, чіткі підписи елементів, правильна ARIA-розмітка, передбачувані interaction patterns — все це завжди було правильним підходом. Тепер це ще й бізнес-вимога.

Accessibility перестала бути «приємним доповненням». Вона стала інфраструктурою для AI-епохи.

Де ти зараз і куди рухається ринок

Щоб об’єктивно оцінити поточну трансформацію, пропоную звернутися до ринку як до практичного джерела сигналів, а не до абстрактних припущень.

1. UX Design — класичний підхід

Центр уваги: як користувач взаємодіє з інтерфейсом.

Одиниця дизайну: екран, флоу, компонент.

Питання які ставить дизайнер:

• Як має виглядати цей інтерфейс?
• Де у користувача виникає friction (будь-які моменти, які ускладнюють досягнення мети)?
• Як пройти сценарій від A до Б?

Результат: зручна взаємодія з продуктом.

Обмеження: UX оптимізує шлях — але не гарантує що людина досягне потрібного результату.

2. Outcome-Oriented Design — наступний рівень

Outcome-oriented design — це підхід де головна мета не «створити інтерфейс», а досягти конкретного вимірюваного результату.

Виконання стало базовим рівнем.

Перевага це як ти формулюєш саму проблему і який результат закладаєш з самого початку.

Центр уваги: який результат отримує користувач після взаємодії.

Одиниця дизайну: outcome, метрика, поведінкова зміна.

Питання які ставить дизайнер:

• Якого результату користувач має досягти?
• Що зміниться в його стані або поведінці після взаємодії?
• Як ми виміряємо успіх?

Приклад:

Task-oriented UX: користувач має заповнити форму реєстрації.

Outcome-oriented design: користувач має стати активним користувачем продукту протягом 24 годин після першої взаємодії.

Перше — про завдання. Друге — про зміну стану.

Ключові характеристики:

• орієнтація на KPI, метрики і поведінкові зміни
• дизайн як система впливу, а не як інтерфейс
• тісний зв’язок UX + product + growth
• фокус на end-state, а не на послідовності екранів

3. Agent-Driven Design — AI-native парадигма

Центр уваги: як автономні системи виконують задачі замість користувача.

Одиниця дизайну: agent, intention, delegation, policy.

Питання які ставить дизайнер:

• Що агент має зробити замість користувача?
• Які правила поведінки агента і де межі його автономії?
• Як людина контролює агента і як довіряє його рішенням?

Ключова зміна: користувач більше не «взаємодіє» у класичному сенсі.

Він ставить намір — агент виконує — система повертає результат.

Порівняння

Логіка:

UX Design: «Як зробити це зручним?»

Outcome Design: «Який результат ми маємо гарантувати?»

Agent-Driven Design: «Навіщо користувач взагалі має це робити вручну?»

В AI-контексті це особливо важливо: інтерфейс може зникати, але результати — ні. Зробив завдання. Отримав відповідь. Досяг мети. Змінив стан системи. Ось що залишається коли екран відходить на другий план.

Синергія дизайнера і розробника: кінець холодної війни

Є ще один зсув який часто залишається поза кадром, і він стосується не лише дизайнерів але і розробників.

Протягом десятиліть в IT-командах існував неписане правило: дизайнер малює, розробник реалізує. Дизайнер «не розуміє технічних обмежень». Розробник «не розуміє навіщо все це потрібно».

AI зруйнував цей кордон, але не так як очікувалося.

Дизайнер сьогодні розуміє component architecture досить добре щоб проектувати design systems які команда реально використовує. Він розуміє що таке accessibility tree і чому semantic HTML важливий не лише для SEO. Він будує живі прототипи з реальними AI-відповідями замість статичних макетів які застаріють до першого sprint review.

Сильний розробник сьогодні розуміє що найдорожча помилка, це правильно реалізована неправильна система. І що дизайнер який думає в термінах user outcomes, agent flows і trust signals — не уповільнює його, а захищає від місяців переробок.

Нова реальність:

Сьогодні розробник i дизайнер разом створюють не «екрани і код»- а систему рішень: де агент діє автономно, де потрібен human checkpoint, як виглядає graceful degradation коли AI помиляється, як система комунікує невизначеність.

Це спільна мова якої раніше не існувало Cognitive Systems Design. І команди які її знаходять, швидше і дешевше доходять до продукту що реально працює.

Для власників бізнесу: чому це стосується вас безпосередньо

Уявіть, що ви купили найдорожчий і найсучасніший автомобіль на ринку. Він може їхати швидше, безпечніше та комфортніше за більшість інших машин.

Але є одна проблема: кермо іноді повертається із затримкою, навігатор раптом пропонує дивні маршрути, а на панелі приладів не завжди зрозуміло, що саме зараз відбувається.

Чи будете ви довіряти такому автомобілю? Навряд чи. Не тому, що двигун поганий. А тому, що ви не впевнені, як він поводитиметься в наступну секунду.

Саме це сьогодні відбувається з багатьма AI-продуктами.

Компанії витрачають мільйони на нові AI-моделі, автоматизацію та розумні функції. Але часто забувають про головне — допомогти людям зрозуміти, що робить AI, чому він це робить і коли йому можна довіряти.

У результаті користувач бачить красиву кнопку «Generate with AI», натискає на неї, отримує дивний результат і більше не хоче користуватися функцією.

І проблема тут не в самому AI.

Проблема в тому, що між людиною та AI не побудували міст довіри.

Саме тому у 2026 році багато компаній зіткнулися з несподіваною ситуацією. Вони додали AI у свої продукти, написали про це на головній сторінці сайту, провели маркетингову кампанію — але користувачі не почали активніше використовувати продукт.

Навпаки. Люди втомилися від AI-функцій, які гарно виглядають у рекламі, але не допомагають вирішувати реальні задачі.

Коли користувач не розуміє, чому система прийняла певне рішення, не може перевірити результат або виправити помилку, він перестає довіряти автоматизації та повертається до ручного способу роботи.

Тому сьогодні перемагають не ті компанії, які просто додають AI. Перемагають ті, які роблять роботу AI зрозумілою, передбачуваною та контрольованою для людини.

Переможці не ті хто додав AI першими. Переможці — ті хто зробив AI невидимим: він просто працює і знімає реальний операційний тягар.

Для цього потрібне не «красиве UI поверх AI». Потрібна система де:

• людина розуміє що агент зробив від її імені
• може прийняти або відхилити рішення без занурення в технічні деталі
• відчуває контроль навіть коли не виконує дії вручну

Це і є trust architecture. І це те що відрізняє AI-продукт який масштабується від AI-продукту який демонструють на пітчу але бояться показати реальним клієнтам.

Чому жорсткі середовища вчать думати без помилок

Найцінніші уроки про проектування для ШІ я отримав не з теорії. Їх дали мені заводські цехи, де я проєктував продукти для операторів виробництва.

Оператор працює в умовах постійного стресу. Він не IT-фахівець. Одне неправильне натискання і виробництво зупиняється. Втрати починаються вже з першої хвилини.

У такому середовищі не існує концепції «користувач розбереться».

Система або зрозуміла з першого погляду, або вона провалена.

І ось що цікаво: це той самий стандарт який тепер визначає якість будь-якого AI-продукту.

Менеджер який переглядає рішення агента між двома зустрічами. Власник бізнесу який дивиться на dashboard автоматизованих кампаній раз на тиждень. Орендодавець який отримує AI-рекомендацію і вирішує довіряти чи ні.

У всіх них є 8-15 секунд і нульовий запас терпіння до неясності.

Нульова толерантність до ambiguity в критичних точках — це не luxury feature. Це базова вимога до продукту який хоче щоб його рішення виконувались, а не ігнорувались.

Що робити зараз?

Для Product Designers, UX/CX/DX/UXA/IxD дизайнерів

Перестаньте конкурувати там де вас вже перевершив AI: швидкість генерації wireframes, кількість варіантів мокапів, базові UI-патерни. Це більше не ваша перевага.

Вкладайте в те що не автоматизується. Навчіться проектувати для двох аудиторій одночасно: людини і агента. Це означає semantic structure і accessibility як фундамент. Спробуйте навчитися розуміти, чому продукт не дає конверсії, де саме ламається логіка прийняття рішень у системі та як її перебудувати.

У продуктовому дизайні справжня проблема майже ніколи не збігається з тією, яку озвучують «людиноподібні»... вибачте, користувачі. Її найкраще видно в їхній поведінці, а не в словах.

Починати потрібно не з того, який екран зробити, а з того, яку зміну стану ми хочемо отримати у користувача і як ми зрозуміємо, що ця зміна сталася.

Для власників бізнесу

Ваш продукт або бізнес стоїть перед вибором: залишитися на рівні UI-ін’єкцій або перебудувати систему рішень навколо AI. Перше — ілюзія трансформації. Друге — конкурентна перевага яку важко скопіювати.

Для цього потрібен не «дизайнер що малює» а дизайнер який мислить в термінах систем, бізнес-результатів і trust architecture. Якщо ви такого не маєте — ви будуєте AI-продукт без архітектора. Ресторан без шеф-кухаря.

Для розробників

Ви, напевно, думаєте:
«З ШІ прийшло багато унікальних можливостей, нові підходи до автоматизації, тепер я можу і в DevOps, і в дизайн, і в фронтенд. Все це я міг і раніше, але невпевнено і повільно».

Щоб зрозуміти зміни, які відбуваються сьогодні, достатньо озирнутися. Історія не повторюється дослівно, але майже завжди повторює свої закономірності.

Питання про те, щоб вирощувати коней витривалішими і сильнішими, булa цілком цікавою і логічною ідеєю свого часу. Але ті, хто створив автомобіль, просто мислили в іншій парадигмі.

Найдорожча технічна помилка — це правильно реалізована неправильна система. Архітектурне рішення яке не враховує як людина наглядатиме за агентом — породжує не баг в коді, а фундаментальну недовіру до продукту. Це не виправляється хотфіксом.

Дизайнер який розуміє agent flows і проектує human checkpoints — захищає команду від edge cases які користувачі знайдуть в продакшені. Це не «м’яка» допомога. Це технічна архітектура системи рішень.

Перестаньте бути як завжди робочим конем, насолоджуйтесь життям! Твоя супер сила це мир і порозуміння з дизайнером бо повноцінно існувати одне без одного не вийде. Чому? Найдорожчі баги виникають не в коді, а в неправильних продуктових рішеннях, тому хороший Product Designer економить місяці інженерної роботи.

Куди рухається індустрія

Сьогодення

Figma досі є основним інструментом, яким користуються команди продуктового дизайну по всьому світу. Незважаючи на падіння акцій на 84% у червні 2026 року, вона залишається галузевим стандартом.

• ціна акції ≈ 18,64 USD
• катастрофічне падіння протягом 2026р. ≈ —83%

Найближчий (18 місяців)

Різниця між продуктами зміщується вглиб системи, туди, де формується поведінка продукту як єдиного цілого a саме як продукт розуміє користувача і його реальні потреби.

Це рівень, де визначальними стають дослідження поведінкових та когнітивних моделей, включно з психологічними патернами. Це також рівень, де бізнес-потреби та технологічні можливості (Agentic UX, Aдаптований DX) починають взаємно перебудовувати одне одного.

І саме тут вирішується, як система діє в різних контекстах: як вона інтерпретує ситуації, приймає рішення і транслює це в досвід користувача.

Середній (1-3 роки)

Інтерфейс для людей і для агентів є і буде різним, бо вони працюють по-різному і мають різні потреби. Агенту потрібен доступ до структурованих даних, правил і функціональних можливостей системи.
Компанії будуватимуть два шари: human-facing для розуміння і контролю, agent-facing API для виконання. Дизайнер який розуміє обидва має деяку можливість бути потрібним ринку.

Довгий (3-5 років)

Дизайнер проектує не окремі екрани а ’системи досвіду’ де людина, AI і сервіси утворюють єдину coherent систему — щось що є логічно пов’язаним, послідовним, цілісним і зрозумілим, без суперечностей між окремими частинами з чіткими зонами автономії і контролю.

Назви професій зміняться, бо змінюється сама робота. AI-native продукти більше не створюють у межах однієї дисципліни. Вони народжуються на перетині бізнесу, продуктового мислення, доменної експертизи, архітектури знань, AI-систем, агентів і управління їхньою поведінкою.

Унікальною перевагою стане «достатнє розуміння» людини. Це дозволить правильно визначити межу: де AI посилює людські можливості, а де починає їх підміняти.

На мою думку, цифрові продукти створюватимуть не окремі генії, а міждисциплінарні команди. Їхня головна перевага, не вузька експертиза, а здатність поєднувати різні типи мислення та знань.

У центрі цієї роботи, розуміння людини: когнітивна наука, психологія, поведінкова економіка й антропологія. Поруч, філософія, логіка, критичне мислення, аналіз понять, етика та філософія мови. Не менш важливі інженерія штучного інтелекту, дані та інфраструктура, дизайн взаємодії між людиною й AI, а також системне мислення, яке дозволяє бачити не окремий застосунок, а всю екосистему.

У найближчі роки конкурентною перевагою стане не здатність написати більше коду чи намалювати кращий інтерфейс. Вирішальним стане вміння проєктувати логіку рішень, моделювати взаємодію людини з інтелектуальними системами та синтезувати знання з різних дисциплін.

Саме тому найбільше шансів на прорив матимуть відкриті інноваційні екосистеми, університети, дослідницькі лабораторії, технологічні компанії та стартапи, які обмінюються знаннями й працюють разом.

Підсумок

Дизайнери які питають «чи замінить мене AI» — ставлять неправильне питання. Приблизно як кравець який питав «чи замінить мене швейна машинка». Машинка замінила повторення. Але не смак, не judgment, не розуміння для кого і навіщо.

Правильне питання звучить інакше:

«Чи проектую я системи в яких люди і AI можуть ефективно співпрацювати — і чи розуміє людина в цій системі що відбувається, чому, і що вона може змінити?»

Якщо так — ви потрібні більше ніж будь-коли.

Якщо ні — не тому що вас замінить AI. А тому що індустрія рухається до завдань які ніколи не були спеціалізацією людей що малювали wireframes як самоціль.

AI стає новим інтерфейсом між людиною та системою. Основним результатом роботи дизайнера не екран, а якість діалогу між людиною та ’машиною’.

Автономність без участі людини породжує не комфорт, а невизначеність.

Екрани не зникнуть. Вони еволюціонують у точку фінального рішення, тоді як ШІ-агенти працюватимуть у фоновому режимі, готуючи все необхідне ще до взаємодії користувача.

Отже, ми більше не проєктуємо інтерфейси.

Ми більше не проєктуємо навіть користувацькі сценарії. Новою одиницею проєктування стає екосистемa прийняття рішень, у яких люди, AI-агенти, корпоративні знання, бізнес-процеси та програмні сервіси працюють як єдина когнітивна система.

Така система визначає:

• хто приймає рішення;
• на основі яких знань;
• які бізнес-правила застосовуються;
• які сервіси можна використовувати;
• як перевірити правильність результату;
• хто несе відповідальність за фінальне рішення (oстаточне рішення завжди має відповідального. І це не LLM, а людина);

Інтерфейс стає лише одним із проявів цієї системи.

Ринок більше не потребує фахівців, які проєктують інтерфейси.

Ринку потрібні архітектори когнітивних систем. Вони проєктують не екрани, а спосіб мислення AI-продуктів.

Вони моделюють предметну область, структурують знання, проєктують логіку прийняття рішень, оркеструють взаємодію AI-агентів та інтегрують корпоративні сервіси в єдину систему.

Їхнє завдання, зробити штучний інтелект прозорим, керованим і здатним розвиватися разом із бізнесом.

Саме вони визначають, як система мислить, приймає рішення та взаємодіє з людьми. Від цього залежить, чи буде AI надійним, передбачуваним і справді корисним для користувачів.

Як думаєте, чи варто інвестувати в це свій час?

Жодна стаття не може поставити крапку в такій темі. Тому запрошую Вас до відкритої дискусії в коментарях. Ваш досвід і погляд можуть зробити це обговорення значно ціннішим для всіх.

Якщо ці спостереження допоможуть комусь вчасно зрозуміти те, що відбувається в індустрії та ринку, значить ця розмова була вартою уваги.