Сегодня доминируют две темы: управление дизайн-системами требует выделенного «исполнителя» (а не только правил), и ИИ-грамотность оказалась разделена на два самостоятельных навыка — fluency в промптах и критическая оценка вывода. Дополнительно — psychology of streaks как механика удержания и afinity diagramming как основа командного выравнивания.
Items
1. Design System Needs an Enforcer (Nielsen Norman Group)
- Язык: EN
- Темы: #design-systems #organization #governance
- Ссылка: https://www.nngroup.com/articles/design-system-enforcer/
- Кратко: Дизайн-системы разваливаются без выделенного человека, который активно следит за соблюдением правил и делает финальный call при конфликтах команд.
- Почему важно: Большинство компаний создают дизайн-систему и считают работу сделанной. NNG указывает: без роли «enforcer» система деградирует до коллекции PNG-файлов. Это про organizational design, а не про Figma. Особенно актуально при масштабировании: чем больше команд, тем быстрее расходится reality и system.
- Что попробовать: Найти в своей команде человека, который де-факто уже выполняет роль enforcer. Признать это официально и дать ему полномочия. Или зафиксировать: кто делает финальный call при конфликте компонентов?
- Тип: статья
2. AI Literacy Shapes GenAI Use (Nielsen Norman Group)
- Язык: EN
- Темы: #ai #literacy #ux-research #inclusion
- Ссылка: https://www.nngroup.com/articles/ai-literacy/
- Кратко: Использование ИИ ≠ умение использовать ИИ. AI-грамотность = prompt fluency + output literacy (умение оценивать результат критически).
- Почему важно: Команды UX-дизайна часто переоценивают готовность пользователей к ИИ-продуктам. Если люди с низкой AI-грамотностью попадают в продукт — они застревают не потому что «не понимают технологию», а потому что не знают как формулировать запросы и не умеют отличить хороший ответ от плохого. Это прямо влияет на дизайн onboarding и подсказок в AI-фичах.
- Что попробовать: Провести 3 юзер-интервью с людьми вне tech-bubble: как они формулируют запросы к ChatGPT? Что делают, когда ответ кажется неправильным?
- Тип: статья
3. Designing Streak Systems: UX Psychology (Smashing Magazine)
- Язык: EN
- Темы: #gamification #psychology #retention #engagement
- Ссылка: https://www.smashingmagazine.com/2026/02/designing-streak-system-ux-psychology/
- Кратко: Как стрики (серии) работают психологически — loss aversion, identity reinforcement, progress visualization — и как проектировать их так, чтобы они не выгорали пользователей.
- Почему важно: Стрики — это не «добавим огонёк как в Duolingo». Плохо спроектированный streak = anxiety trigger для половины аудитории. В 2026 году почти каждый B2C продукт с subscription пытается добавить streak mechanic. Понимание психологии разделяет retention-инструмент от churn-инструмента.
- Что попробовать: Если в вашем продукте есть streak или planning есть — проверить: что происходит когда пользователь ломает серию? Есть ли grace механика или просто «ты облажался»?
- Тип: статья
4. Affinity Diagramming in Workshops (Nielsen Norman Group)
- Язык: EN
- Темы: #workshops #research-synthesis #team-alignment
- Ссылка: https://www.nngroup.com/videos/affinity-diagramming-in-workshops/
- Кратко: Afinity diagramming — не просто упражнение, а метод командного выравнивания: через физическое/визуальное группирование данных команда строит общее понимание проблемы.
- Почему важно: Когда в команде нет единого понимания — дизайн решает разные проблемы. Affinity diagramming используется годами, но часто неправильно: как «голосование стикерами» вместо как инструмент сенсмейкинга. Видео от NNG освежает базу.
- Что попробовать: На следующем ретро или исследовательской сессии заменить «давайте обсудим» на структурированный affinity mapping: 20 минут молча пишем наблюдения, 20 минут кластеризуем вместе.
- Тип: видео (4 мин)