UX designerka Bára Vlášková: AI umí vygenerovat cokoliv. My ručíme za výsledek, který má pro byznys klienta smysl

Báro, jak bys popsala svou roli seniorní UX Designerky?

➡️ Oficiálně jsem seniorní lead UX/CX designérka. Nemám ale tyhle názvy moc ráda, protože podle mě říkají všechno a nic. Dá se to shrnout tak, že navrhuji a vedu digitální produkty a služby.

➡️ Už ve fázi nabídky navrhuji postup řešení, vykopávám, jak bude celý projekt probíhat a následně ho garantuji za design. 

➡️ Mým úplně prvním úkolem je přijít na to, jestli klient opravdu potřebuje to, co poptává,nebo je problém jinde. 

➡️ Definuji, jaké metody zvolíme při výzkumu, co potřebujeme od uživatelů zjistit, jaké jsou cíle výzkumu a co zhruba budeme navrhovat. 

➡️ Nemám ale od první minuty v hlavě – a ani není dobré mít –, jak přesně bude produkt vizuálně vypadat. 

➡️ Dohlížím i na fázi implementace, aby se dodržel navrhovaný záměr a zapojuji se v interakční fázi při návrhu interakcí a prototypů.

➡️ Naopak do výzkumu nezasahuji, to u nás dělají dedikovaní výzkumníci.

➡️ A totéž platí pro UI. Nejsem grafik, nemám na to vytrénované oko, takže samotný vizuál přehazuji na kolegy, kteří ho dokážou dotáhnout dál.

Rozumím, takže grafiku řeší kolegové, ale ty zajišťuješ, jak to bude celé fungovat. Jak to vypadá v interakční fázi, při tvorbě prototypů?

➡️ Přesně tak. Neřeším barvy a grafický vzhled, ale zajímá mě rozložení a fungování – například kde na stránce informujeme o dopravě, jakými slovy to říkáme tak, aby to neodvádělo pozornost od toho, co chtěl návštěvník původně udělat.

➡️ Komunikuji pak pomocí černobílých skic i to, jak se mají prvky přeskládat třeba na mobilu. 

Můžeš uvést příklad z praxe? 

➡️ Skvěle to ilustrují cenové filtry. Když navrhuješ posuvník pro prodej nemovitostí od 0 do 250+ milionů korun, nemůžeš skákat po jednotkách ani po tisících, protože by byl na obrazovce nepoužitelný. 

➡️ Moje práce je navrhnout logiku skoků tak, aby byla pro uživatele přirozená: u nájmů filtr skáče po tisících, u prodejů zpočátku po stovkách tisíc, pak po půlmilionech a u nejvyšších částek klidně po milionech. Navrhnout řešení tak, aby bylo uživatelům co nejpříjemnější ho používat a zároveň jim to dá cestu, kterou potřebují. A jak to navrhne UI designer graficky je na něm. 

➡️ Mou hlavní náplní je také definovat logiku pro vývojáře – primárně pro backend. Musí přesně vědět, jak se mají prvky chovat v praxi. 

Kdy a jak do tvé práce vstupuje umělá inteligence? Uvažovala jsi o jejím využití například pro samotné navrhování?

➡️ AI vnímám jako další nástroj, který používám tam, kde mi to dává smysl. Nepřevrátili jsme celou firmu naruby ze dne na den, protože je to zrovna lákavý. Každý týden je něco nového, co nám YouTube prezentuje pomocí videí s titulky „Tenhle nový AI produkt vám změní život“ a „Týden práce za hodinu“. Snadno spadneš do nekonečné králičí nory a kolosu dalších variant a s tím i kontroly a rozhodování o tom, jak s tím naložit. Natož mazat a škrtat – co kdyby se to mohlo hodit? Přijde mi lepší si práci s AI naplánovat jako proces s očekávaným výsledkem. 

➡️ K samotnému designování a navrhování ale AI teď nepotřebuji, protože já tvořím tím, že „přemýšlím nahlas“ – potřebuji si nakreslit desítky návrhů, ze kterých mi vyplyne nejlepší řešení.  

➡️ Tím, že projdu složitou cestou zavržených variant, dokážu klientovi vysvětlit, proč nějaké řešení není dobré a jaké by mělo následky. S AI a vibe codingem experimentuji spíše na svých osobních projektech.  

V čem vidíš největší limity vibe codingu, když ho zkoušíš v praxi?

➡️ Záleží na tom, jaké si nastavíme hranice a do čeho jsme ochotní jít. Já mám sice základ v kódování, ale vyvíjela jsem weby před sedmi až deseti lety v HTML, CSS a na WordPressu. I díky tomu přesně vím, co se může stát: jako designérka bez aktuální vývojářské expertízy mohu v kódu nechat „otevřená vrátka“. Špatně navrhnu formulář nebo zvolím technologii, která není pro daný projekt vhodná. 

➡️ Proto jsme si v týmu nastavili hranice. Vibe coding využíváme jen tam, kde nehrozí bezpečnostní riziko. Přes AI zásadně nenavrhujeme například formuláře a pro rezervační systémy volíme raději zapojení našich expertů z DEV týmu, případně prověřený widget třetí strany. S vývojáři také konzultujeme bezpečnost každého takového řešení a jeho limitace. Chceme mít stoprocentní jistotu, že kód bude čistý. 

➡️ Můžeme to využít pro designování, ale nemůžeme to použít pro klienta. Vývojáři to musí znovu nakódovat. 

Proč se vygenerovaný kód nedá jen tak předat vývojářům a nasadit klientovi?

➡️ Protože pro frontendového vývojáře je vygenerovaný AI kód v podstatě jen pokročilejší varianta statických obrázků z Figmy. Kód z AI nemůžeš vzít a bezmyšlenkovitě ho překlopit na produkční web. Vývojářům musí vygenerovaný výstup stejně projít rukama a jejich prověřeným procesem zpracování. I když sami s AI běžně pracují, musí všechny stavy, interakce a extrémní případy důkladně prověřit. Jen tak zajistí čistou architekturu, udržitelný kód a dlouhou životnost softwaru, který půjde v budoucnu dále rozvíjet. 

➡️ Pokud bychom klientovi takto otevřený systém předali a on by si do něj později bez nastavených hranic doplňoval nové věci, začalo by se to celé sypat a web by ztratil svou životnost.

➡️ Zároveň je potřeba rozlišovat, pro jaký typ projektu AI kód používáme. S týmem jsme si nastavili jasné hranice a pravidla: Kdy vibe coding dává ekonomický smysl: Je to podobné jako s blokovými editory na WordPressu před lety. Když provozuješ lokální kavárnu, nepotřebuješ robustní systém na míru. Stačí ti řešení, které zákazníkům řekne, že máte otevřeno od osmi do osmi. Pokud klient hledá nízkonákladový experiment, u kterého ví, že na něj dalších pět let nesáhne a nebude ho rozvíjet, vygenerovaný kód splní účel. Kdy je to pro klienta obrovské byznysové riziko: Jakmile stavíš B2B portál nebo velký e⁠-⁠shop, který se má průběžně rozvíjet, stavět na vygenerovaném AI kódu bez hranic je časovaná bomba.

➡️ Naším úkolem v Proof & Reason je držet ekonomickou racionalitu, ale zároveň garantovat kvalitu a chránit klienta před technickým dluhem, který by ho v budoucnu dohnal.

➡️ U projektu máme popsané hranice rozvoje projektu, za které web nemůže jít, protože by to bylo pro klienta rizikové.

Vnímáš ještě nějaké další limity vibe codingu?

➡️ Nikdy nevíme, co z AI vypadne a nemám to s kým zkonzultovat, protože každému vypadne něco jiného. Když nefungovalo něco ve Figmě, stačilo přijít za kolegou, kliknout na to a na to a stalo se přesně to samé. Ale s AI nedokážeme replikovat chybu a nikdo nám neradí, proč nedává kýžený výsledek.

➡️ S tím souvisí i to, že nedokážeme odhadnout, za jak dlouho dosáhneme cílové podoby. To nevadí, pokud si tímto způsobem udělám blog s kytičkama, ale klientovi nemůžu garantovat, že práce zabere třeba 20h. Proto máme pořád v hlavě limity, které by nastavovala i práce bez AI. Mým cílem bylo vždycky najít řešení tak, aby bylo efektivní a ekonomicky smysluplné.

➡️ V Proofu směřujeme k vizi, kde AI není nástrojem k tomu, abychom získali čas na vymýšlení zbytečností. Pokud nám vznikne úspora, využíváme čas na hledání vhodnějšího řešení – tam, kde bychom se dříve z důvodů budgetu nebo času museli zastavit – nebo se jednoduše přesouváme k dalšímu úkolu.

➡️ Je proto na čase pokládat si otázky ohledně naceňování a odhadování trvání práce. Typické účtování podle hodin může být pro klienta potenciální ztráta, pokud nepřiznáváme, jak nakládáme se zbývajícím časem. Vždy jsme si zakládali na transparentnosti. O to rozumněji zní modely založené na návratnosti investice, než na umělém držení starých rozpočtů. K těm je ale nezbytné znát cíle, jejich metriky a představu o dopadu navrhovaného řešení, kterým může být nejen zisk, ale také úspora.

➡️ Vedle samotného kódu pak vnímám limity i v lidské rovině. Pracovní proces s AI hodně ovlivňuje otázku osobního wellbeingu. S příchodem AI jsme prakticky odbourali takzvanou „neproduktivní práci“. Jenže dřív si člověk u mechanických a manuálních úkonů odpočinul. Dneska jedete neustále na sto procent a chybí činnosti, u kterých by se dalo prostě na chvíli „vypnout“, což vede k obrovskému vyčerpání.

➡️ A v neposlední řadě si všímám, jak se hrozně otevírají nůžky v tom, jaké mají klienti s AI reálné zkušenosti a jaká od ní mají očekávání.

Je možné při vibe codingu říct v polovině „stop“ a pokračovat „standardně“, nebo není cesty zpět?

➡️ Uvažovali jsme o tom, ale zatím není způsob, jak nakódovaný výstup přenést zpátky do Figmy jinak než tím, že by se musel kompletně ručně překreslit a bylo to zároveň efektivní a ekonomické na tokeny. Hodilo by se nám to hlavně u prototypů nebo u složitějších interakcí, které potřebujeme rozhýbat

➡️ Dobře to ilustrují zmíněné filtry. Než AI zdlouhavě popisovat, jak se mají chovat, je rychlejší je nakreslit ručně, nechat kód vygenerovat přes Claude Code nebo Figma Make a pouze opřipomínkovat. Na druhou stranu ti díky tomu dojde, co všechno vývojář potřebuje vědět – kódování s AI je dobrý trénink, jak se naučit, co všechno potřebuješ popsat, jinak se to rozbije.

➡️ Když už nechám AI na prototypu vygenerovat nějakou složitou interakci, slouží mi to většinou jen k otestování, případně pro lepší definici do zadání pro vývojáře, ale zpátky do návrhu už se to nevrátí.

Nenapadá tě konkrétní tip z praxe, kde ti AI při tvorbě podkladů reálně pomáhá?

➡️ Nám se v Proofu při handoffu osvědčila dokumentace, kterou píšeme bokem společně s vývojáři. A tam dělám to, že napíšu popis funkce a pak ho dám AI na přeformulování. Mám v Claude skill Grill Me, který tě v podstatě „zhejtuje“.

➡️ Zkritizuje, jak je to napsané, upozorní mě, co tam chybí, a položí mi třeba deset konkrétních doplňujících otázek: „A co znamená tohle? A jak se to zachová tady?“.

➡️ Donutí mě to uvědomit si i úplně banální věci, které jsou pro mě jako pro autorku návrhu naprosto jasné – protože jsem nad tím tisíckrát přemýšlela, ale vývojáři, který to čte poprvé, to jasné být rozhodně nemusí. Díky tomu Claude s tímhle skillem odhalí slepá místa dřív, než se začne kódovat.

Jakou máš zkušenost ohledně transparentnosti u klientů? Říkáte jim na rovinu, že zapojujete AI? Nebojíte se, že budou tlačit na zkrácení rozpočtu, když si budou myslet, že za vás pracuje umělá inteligence?

➡️ Ohledně využití AI jsem vůči klientům vždy naprosto transparentní, protože mi to přijde etické.

➡️ Současně žádné AI modely nezajistí absolutní bezpečnost vstupů. Data proto striktně anonymizuji a do modelů nahrávám jen obecná, veřejná data – typicky když chci například analyzovat konkurenci.

➡️ Klienti od nás očekávají, že budeme k práci používat efektivní nástroje včetně AI.

➡️ Zatím jsem nemusela obhajovat nutnost ruční práce – lidé vědí, co obnáší rizika AI, a najímají si nás právě proto, že umělá inteligence tuto práci na určité úrovni jednoduše nezvládne.

Jak náročné je pak s rozsáhlými výstupy z AI pracovat dál směrem k vedení firmy nebo klientovi?

➡️ Obrovský objem dat z AI přináší novou výzvu: extrémně dlouho trvá výstup učesat a přizpůsobit konkrétním lidem v týmu klienta. Ve většině případů stejně musím sednout a napsat vlastní závěr sama. Jsem jeho garantem a nesu za něj plnou zodpovědnost, což je ostatně i jedna z hlavních zásad našeho interního manifestu.

➡️ Každý stakeholder totiž potřebuje úplně jiné informace:

• CEO a finančního ředitele zajímá návratnost investice a finanční dopad.
• Head of Product chce vidět přínos pro uživatelskou zkušenost a architekturu.
• Project Manager potřebuje přesný harmonogram a procesní průběh.

➡️ Vytvořit správné manažerské shrnutí vyžaduje znalost konkrétního byznysu klienta. Kdybychom měli psát AI modelu tak podrobné instrukce o kontextu firmy jen proto, aby vygeneroval použitelné shrnutí, zabralo by to více času než napsat závěr ručně. Úspora času na naší straně nesmí plýtvat časem na straně klienta.

➡️ S AI je to podobné, jako kdybychom místo doporučených 5 až 7 hloubkových rozhovorů udělali pro jistotu rozhovorů 30. AI sice obrovské množství dat zpracuje, ale ty tím nezískáš žádnou novou přidanou hodnotu ani zisk – jen hromadu vaty, kterou musíš ručně přebrat.

Na co konkrétně ještě AI používáš a dokázala bys odhadnout, kolik ti ušetří času?

➡️ Mně z toho vlastně ani nevychází zásadní úspora času. Tím, jak ti toho AI dá víc, tak s tím stejně čas strávíš – chceš si výstupy sama přečíst a přemýšlet nad nimi. Nemám z toho úsporu hodin, ale širší spektrum vstupů.

➡️ V posledních týdnech se hodně soustředím na to, aby mi AI byla dobrým sluhou – přesně tím, kterého jsem si před lety přála, a ne pánem, který zabíjí kreativitu i proces učení. Využívám ji hlavně na opakující se úkoly, které dřív nebylo snadné ani efektivní automatizovat. A pak také jako takový supervyhledávač. Vždycky jsem totiž toužila po schopnosti okamžitě vytáhnout přesné odpovědi z tisíců stran poznámek a designových deníků.

➡️ Hodně často AI používám u Google Analytics, ve kterých se úplně neorientuji. Máme sice dataře, ale když řeším drobnou věc, proberu to s AI. Vedle sekundárního výzkumu a repozitářů A/B testů, ze kterých běžně vycházím, mi AI přesně poradí, kde co v analytice naklikat, jaké použít segmenty a dimenze a jak data správně přečíst.

➡️ Je to skvělé na velmi jednoduché úkoly – třeba když potřebuji zjistit, zda zákazníci vůbec navštěvují konkrétní stránku nebo používají danou funkci na e⁠-⁠shopu. Sama si nejsem jistá, zda bych to vyklikala správně. AI mi nejen řekne přesný postup, ale ještě mě upozorní na detaily – třeba že je lepší zvolit rozsah 13 měsíců místo 12, abych měla krytí pro srovnání.

➡️ Na druhou stranu velmi rychle poznám, když jdu do oblasti, která je mimo mou zkušenost. V té datové analytice je použití AI extrémně lákavé. Docela dobře tě navede jak si co nastavit, ale už ti nezajistí to, že je na ta samotná data 100% spoleh. Nejspíš ti to vypíše seznam 40 bodů, v čem může být problém, nebo proč se tomu věřit dá, ale pořád máme za svou práci plnou odpovědnost my.

Co z toho pro tebe plyne ve chvíli, kdy máš výsledky prezentovat klientovi?

➡️ Jakmile chci dělat velká rozhodnutí, výstupy si vždycky ověřuji u specialistů.

➡️ Například jsem si nedávno na jednom e⁠-⁠shopu všimla, že na mobilu je při stejné návštěvnosti jen třetinové přidávání zboží do košíku a velmi krátké sessions bez zapojení. Z byznysového pohledu mi z toho vychází, že pokud přiblížíme výkon mobilu desktopu – zvlášť když lidé dnes nakupují hlavně na mobilech, klientovi to přinese zisk.

➡️ I když si ten potenciál dokážu sama spočítat, před prezentací klientovi jdu za naším datovým týmem. Chci mít jistotu, že pracujeme na reálných byznysových datech a že jsem si nevymyslela nesmysl jen proto, že se AI rozhodla, že tohle je nejlepší cesta. V týmu to zkontrolují a upozorní mě na věci, které AI nezohlednila – třeba že jsem nevyfiltrovala roboty nebo nezapočítala jiný faktor.

Jak ti ještě AI pomáhá při samotném přemýšlení a navrhování?

➡️ Vedle skillu Grill Me využívám AI na syntézu nejrůznějších vstupů. Pomáhá mi hledat nová spojení v datech, která už jako člověk nedokážu v tom obrovském množství obsáhnout.

➡️ Skvěle mi slouží také k odhalování vlastních zkreslení (biasů). Každý designér i každý člověk v sobě nějaký bias má – stává se, že chceš jít určitou cestou jen proto, že se ti líbí, nebo přikládáš větší váhu informaci, na kterou jsi citlivější. AI proto používám ke zpochybňování sama sebe. Otočím s ní role a řeknu jí: „Dostali jsme od klienta toto zadání, zkritizuj mě z té druhé strany.“ Nutím model pracovat obráceně, aby nebyl fixovaný na to, že jsem návrh vytvořila já a neměl tendenci mě jen chválit.

Na co AI z tvého pohledu naopak nedoporučuješ používat?

➡️ Nedá se asi jednoduše říct zákaz, ale musí se vždy dbát na bezpečnost a etiku. Je také klíčové si vždy dopředu nastavit určité hranice a vědět, kdy ještě AI dává smysl a kdy už ne.

➡️ U vibe codingu ještě více platí Paretovo pravidlo 80/20. Za 20 % času dokážeš udělat 80 % práce. Když máš dobře popsanou informační architekturu, sitemapu i obsah – který si klidně můžeš nechat předpřipravit zase přes AI, model ti na dva příkazy vyhodí celý systém. Nejlepší je držet stejný proces jako v reálu: dáš design brief se zadáním AI (já teď pracuji hlavně s Claudem) a ono to vykopne. To ti dá přesně těch 80 %, díky kterým můžeš okamžitě testovat koncept, první architekturu i obsah a sbírat okamžitou zpětnou vazbu.

➡️ Problém je pak řešit zbylých 20 % – vypiplat každý detail. Nedej bože, když v zadání zapomeneš popsat, že se to má chovat podle nějakého komponentního systému. AI ti to pak vyplivne podle sebe a nepoužije proměnné pro barvy.

➡️ Změna jedné barvy pak neznamená úpravu jednoho řádku, ale přepisování úplně všude. Když si to nepohlídáš a dáš příkaz „změň modrou na zelenou“, AI ti kvůli špatně nastaveným základům vyčerpá všechny tokeny. To jsou věci, které ti AI sama od sebe úplně nepohlídá.

Jak bojuješ s tím, že se AI zeptáš, jestli tam nemáš bias a ona ti přitaká, že máš?

➡️ Když se člověk bude chtít přesvědčit o vlastní pravdě, přesvědčí se o ní tak jako tak. Toho tě AI zkrátka neušetří.

➡️ Snažím se o hodně sebereflexe, u projektů si píšu deníky a snažím se biasům vyhýbat. Nejčastěji jde o ten typ zkreslení, kdy v datech uvidíš „zlatou žílu“ a přijde ti to geniální. Najednou tu věc vidíš úplně všude – je to stejný efekt, jako když si koupíš Mercedes A a najednou máš pocit, že v nich jezdí všichni kolem. A přesně proti tomuto typu slepoty mi AI pomáhá, abych nepřehlížela ostatní souvislosti.

Jak bys na závěr shrnula svůj přístup k AI a co bys doporučila firmám i designérům, kteří v ní stále hledají správnou míru?

➡️ Pro mě je AI spíš nástroj na brainstorming než nástroj na konečnou tvorbu. Přemýšlím nahlas, takže mi zkrátka pomáhá říkat věci nahlas – ať už to píšu do chatu, nebo na papír.

➡️ Nelze zjednodušeně říct „na tohle AI používejte a na tohle ne“. Vždy si ale musíte uvědomovat otázku etiky, bezpečnosti a mít u výstupů někoho, kdo posoudí, zda je to pravda a zda jde o dobrý přístup.

➡️ Používejte AI, ale předem si jasně definujte hranice, kde to ještě dává smysl a kde už ne. Přesně o tom je zmíněné pravidlo 80/20. Pokud se dostanete do fáze, kdy byste zbylých 20 % detailů měli s AI řešit dalších 30 hodin, nemá to smysl. Je snazší jít, nakreslit si to na papír a pak to rovnou zadat. Dopředu si nastavit hranice, co chcete a co nechcete – takový je můj přístup.

➡️ Myslete na svůj wellbeing. Neztraťte na té cestě sami sebe, svou expertízu, proces učení a kreativity.