Суббота — день рефлексии, и повестка дня именно об этом.

Signals

1. Design Process Isn't Dead, It's Compressed (NN/g)

Концептуальное имя: Compressed Process

• Темы: #process #ai #design-thinking #intuition
• Ссылка: https://www.nngroup.com/articles/design-process-isnt-dead/
• Кратко: NN/g отвечает на волну «выбросьте процесс» — аргумент работает только для сеньоров, которые уже компрессировали процесс в интуицию.
• Почему важно: Речь не о том, нужен ли процесс — а о том, как AI меняет скорость его прохождения. Double Diamond не мертв — он просто ускоряется и democratizes: то, что раньше требовало лет опыта, теперь делает AI за день. Для джунов и команд с низкой UX-зрелостью ускорение без фундамента = amplified mistakes. Product designer должен понять: интуиция — это скомпрессированный процесс, а не его замена.
• Ценностный запрос: мастерство
• Что попробовать: Возьми свой последний проект — запиши каким этапам design thinking он соответствовал (даже если ты не думал о них явно). Сколько этапов было пропущено, и были ли это осознанные решения?
• Тип: статья

2. The Methodological Problems Hiding in Your Research Tools (NN/g)

Концептуальное имя: Tool Blind Spots

• Темы: #research #ux-tools #ai #methodology
• Ссылка: https://www.nngroup.com/articles/research-tool-problems/
• Кратко: Инструменты UX-исследований создавались без участия настоящих исследователей — теперь это проблема, потому что AI-фичи транслируют эти баги в автопилотном режиме.
• Почему важно: UserTesting, Dovetail, TheySaid — у всех методологические слепые пятна (нет рандомизации задач, теги только на текст, ведущие вопросы из AI-планировщика). Раньше это было неудобством — теперь это уверенно-ошибочный ресёрч в scale. Для product designer: не доверяй платформе слепо — проверяй задачи, которые генерирует AI в твоих инструментах.
• Ценностный запрос: контроль
• Что попробовать: Открой последний тест из своего UX-инструмента — проверь задачи на leading language и prime-эффекты. Много ли конкретики в формулировках, которых там быть не должно?
• Тип: статья

3. Software Bonkers — Craig Mod (via Simon Willison)

Концептуальное имя: Personal Software Renaissance

• Темы: #vibe-coding #claude-code #personal-software #ai-tools
• Ссылка: https://craigmod.com/essays/software_bonkers/
• Кратко: Писатель Craig Mod за год с Claude Code построил бухгалтерию «под себя», кастомный Twitter, архив видео — и описывает это как «bushwhacking with a lightsaber».
• Почему важно: Это живой кейс нового класса пользователей — «OK-but-not-great coder» с сильными продуктовыми взглядами — которые теперь могут строить точно под себя. Для product designer это сигнал: персональный software снова возможен, и он меняет ожидания пользователей к продуктам — почему я не могу настроить это так, как хочу? Появляется запрос на software-as-craft, а не software-as-service.
• Ценностный запрос: самовыражение / автономия
• Что попробовать: Есть ли у тебя задача, которую ты решаешь через 3-4 разных инструмента? Попробуй описать «идеальный инструмент» и вайб-кодируй MVP за вечер — хотя бы прототип.
• Тип: кейс

4. Shopify Liquid +53% быстрее через autoresearch (Simon Willison)

Концептуальное имя: Agentic Optimization

• Темы: #coding-agents #performance #autoresearch #agentic-engineering
• Ссылка: https://simonwillison.net/2026/Mar/13/liquid/
• Кратко: CEO Shopify за 2 дня получил +53% производительности в 20-летнем кодбейсе — агент провел 120 автоматических экспериментов через autoresearch-паттерн.
• Почему важно: Паттерн autoresearch (агент + бенчмарк + сотни экспериментов) теперь доступен не только исследователям — это инженерный flow для любого кодбейса с нормальными тестами. Для product designer: появляется новый класс продуктовых решений — «сделай это лучше» как автоматизируемый goal при наличии измерений. Метрики снова в центре не потому что так надо, а потому что агент без них слеп.
• Ценностный запрос: мастерство
• Что попробовать: Возьми любую метрику в своем продукте (время загрузки, completion rate, NPS). Подумай: если агент будет её оптимизировать автоматически — что он будет делать? Какие эксперименты? Это покажет слабые места в том, как метрика описана.
• Тип: кейс