Designový systém: Umělá inteligence v komponentě, tokenu a dokumentaci — Umělá inteligence v UI/UX designu

zisky:

Schopnost navrhovat a vytvářet konzistentní tokeny návrhu, pojmenování komponent a pravidla použití s umělou inteligencí
Schopnost rychle vytvářet dokumentaci komponent, dělat/nedělat příklady a používat texty s umělou inteligencí
Schopnost kontrolovat návrhy umělé inteligence, zda nejsou v rozporu se stávajícím návrhovým systémem a zachovat singularitu

Systém návrhu je společný jazyk, díky kterému rodina produktů vypadá a chová se konzistentně: opakovaně použitelné součásti (tlačítko, karta, pole formuláře), tokeny návrhu (pojmenované definice hodnot, jako je barva, mezery, typografie) a dokumentace, která vysvětluje, jak je používat. Dobrý designový systém umožňuje deseti designérům navrhnout stejný produkt, jako by byl vyroben z jednoho zdroje. Instalace a údržba tohoto systému je únavná, opakující se a textově náročná práce; To je přesně místo, kde umělá inteligence září. Ale podstatou systému je singularita a konzistence; Doporučení AI nelze přijmout bez kontroly, zda nejsou v rozporu se současným systémem.

Tokeny a pojmenování: základ pro konzistenci

Token návrhu je pojmenovaná, opakovaně použitelná hodnota rozhodnutí o návrhu: barva-primární, mezerník-střed, text-nadpis-velká písmena. Díky tokenům můžete změnit barvu na jednom místě a aktualizovat ji napříč celým produktem. Ale síla tokenů závisí na konzistenci pojmenování; Pokud se modrá-1, hlavní-modrá a primární modrá použije smíšeně, systém se zhroutí.

Umělá inteligence je dobrá ve dvou věcech: kontrola vaší stávající sady tokenů oproti konzistentnímu schématu pojmenování a navrhování názvů vyhovujících schématu pro nové tokeny. Požadavek jako „Přeložit tento seznam tokenů na sémantické (na významu) pojmenování“ vám pomůže vygenerovat názvy, které vyjadřují význam, jako je barva-akce-primární místo modrá-500. Ale konečným rozhodnutím o pojmenování je smlouva týmu; Model poskytuje pouze obrys.

Tip: Když pojmenováváte tokeny AI, uveďte 5–6 příkladů svého aktuálního schématu a řekněte „udržovat stejný vzor“. Bezvzorkový požadavek vytváří jména, která jsou cizí vašemu systému.

Dokumentace komponent: nejproduktivnější oblast AI

Dokumentace komponenty obsahuje: co dělá, kdy ji použít, kdy ji nepoužít, její varianty, stavy (výchozí, přechodová, pasivní, chyba), poznámky k usnadnění a příklady „dělat/nedělat“. Ruční psaní těchto textů trvá hodiny, a proto mnoho týmů zanedbává dokumentaci.

Umělá inteligence zaplňuje tuto mezeru: když komponentu popíšete, vytvoří návrh dokumentace, pravidla použití a příklady „dělat/nedělat“ v konzistentním formátu. Dokumentace tedy jde od „není“ k „existuje návrh, bude opraveno“, což je velký zisk. Model však nezná skutečné chování součásti; Vaším úkolem je sladit pravidla, která vytváří, s realitou systému.

fragment dokumentu

Přínos umělé inteligence

lidské ověření

co to dělá?

Jasná definice obrysu

Skutečná vhodnost pro daný účel

Kdy použít

Obecné scénáře

Specifická pravidla pro produkt

Příklady dělat/nedělat

Rychlý návrh párů

Skutečné zneužití

Poznámka k přístupnosti

Standardní upomínky

Potvrzeno reálným testem

Seznam variant/případů

možný seznam

Ti, kteří v systému skutečně existují

Kontrola rozporu: zachování singularity

Úhlavním nepřítelem designového systému je duplikace: dvě tlačítka dělají stejnou práci, dvě různá měřítka prostoru, dvě protichůdná pravidla. Když umělá inteligence navrhne novou komponentu nebo pravidlo, může tento návrh kolidovat se stávajícím systémem – nepamatuje si celý váš modelový systém. Takže hodnotím každý návrh dotazem "je toto v rozporu s něčím, co již existuje?" Filtrujte s otázkou. Umělou inteligenci můžete použít také při skenování konfliktů: můžete poskytnout aktuální souhrn systému a nové doporučení a nechat si konflikty vypsat. Ale konečné "singulární správné" rozhodnutí je na týmu.

tři mini pouzdra

Případ 1 – Dokumentační dluh splacen. Pouze 6 z 24 součástí týmu mělo dokumentaci. Pro zbývajících 18 komponent s umělou inteligencí byly vytvořeny návrhy dokumentů; Tým opravil každou za 10-15 minut. Práce, která se týdny odkládala, byla hotová za dva dny.

Případ 2 — Pojmenování tokenů se stalo konzistentním. V jednom systému byly barvy smíchány jako modrá1, mainBlue, značková modrá. AI přeložila stávajících 40 tokenů do sémantického schématu; Tým jej zrevidoval a přešel na jediný standard. Barevné chyby byly znatelně sníženy v následujících návrzích.

Případ 3 – Konfliktní složka byla zamítnuta. AI navrhla novou součást nazvanou „tlačítko sekundární akce“. Když tým skenoval rozpory, zjistil, že to udělal stejnou práci jako stávající „tlačítko duchů“ a návrh odmítl. Ponaučení: ne každý návrh přidává do systému novou součást; Někdy je správné využít toho, co je k dispozici.

Kopírovatelné výzvy

Přeložte tento seznam tokenů do sémantického (na významu) schématu pojmenování. Moje aktuální příklady schémat: <<5-6 příkladů>>. Pokračujte ve stejném vzoru. Pro každý token uveďte staré jméno -> nové jméno -> tabulku zdůvodnění. Seznam: <<tokeny>>

Hledání rozporů: Shrnutí mého současného návrhového systému: <<shrnutí>>. Nová navrhovaná komponenta/pravidlo: <<návrh>>. Je tento návrh v rozporu se stávajícím systémem (komponenta, která dělá stejnou práci, konfliktní pravidlo, duplicitní token)? Uveďte konflikty a svůj návrh.

Vygenerujte pro tuto komponentu páry příkladů „dělat/nedělat“: realistické správné použití a realistické scénáře nesprávného použití. U každého páru vysvětlete jednou větou, proč je pravdivý/nepravdivý. Komponenta: <<název a účel>>

Slabá výzva / Silná výzva

Slabé: "Napište dokumentaci pro toto tlačítko."

Výsledek: Obecný, formátovaný text bez připojení k systému.

Strong: "Dokumentujte toto tlačítko v následujícím formátu (co dělá / kdy se nemá používat / varianty / případy / přístupnost / nedělejte); vymyslete chování, které neznáte, napište 'tým musí vyplnit'."

Výsledek: Důsledně formátovaný, správně rozmístěný, upravitelný rukopis.

Rozdíl: silný formát výzvy + zákaz výroby + výzvy k provedení/ne.

Časté chyby

Požadavek na pojmenování tokenu bez příkladu. Model generuje jména, která jsou cizí vašemu systému; konzistence je narušena.
Přidávání komponent bez skenování rozporů. Duplikace je úhlavním nepřítelem systému.
Za předpokladu, že chování vymyšlené modelem je správné. AI nezná skutečné chování komponenty.
Přijetí hodnocení přístupnosti bez testování. Standardní připomenutí nenahrazuje skutečné testování.
Jednou napsat dokumentaci a neaktualizovat ji. Dokument by měl být aktualizován podle změn systému.

V souhrnu

Návrhový systém je infrastruktura konzistence a škálovatelnosti; ale jeho údržba je často zanedbávána, protože je textově náročná a opakuje se. Umělá inteligence řeší tento dluh rychlým vytvářením dokumentace komponent, příkladů „dělat/nedělat“, skriptů použití a návrhů pojmenování tokenů. Podstatou systému je ale singularita a konzistence: každý název tokenu musí být ověřen proti vzorovému schématu, každý návrh komponenty musí být protichůdně naskenován, každý popis chování musí být ověřen proti realitě. Použijte model jako efektivní kreslíř; Tým činí individuální správná rozhodnutí.

Aplikační úkol

Vyberte komponentu s chybějící dokumentací a vytvořte návrh dokumentu s první výzvou.
Vyplňte pole označená „Tým musí vyplnit“ skutečným chováním.
S druhou výzvou převeďte svých 8-10 tokenů na sémantické schéma a vytvořte starou/novou tabulku jmen.
Chcete-li získat nový nápad na součást, vyhledejte rozpory pomocí třetí výzvy.
Se čtvrtou výzvou vygenerujte páry příkladů pro/neproveďte pro komponentu a přidejte je do systému.

kontrolní seznam

[ ] Propojil jsem pojmenování tokenu s ukázkovým schématem.
[ ] Zkontroloval jsem nové součásti na konflikty.
[ ] Ověřil jsem modelem vytvořené chování s realitou.
[ ] Plánoval jsem potvrdit poznámky o přístupnosti skutečným testováním.
[ ] Dokumentaci jsem uchovával v konzistentním formátu.
[ ] Zachoval jsem singularitu a zabránil duplikaci.