Внедрение AI в дизайн-процесс: что реально работает, а что пока только обещано

По данным масштабного исследования Стивена Хейни, основателя дизайн-инструмента Paper, разобранного в материале на Хабре, практика внедрения AI в дизайн-процесс в Atlassian, Shopify, Notion и аналогичных компаниях почти не совпадает с тем, что бурлит в публичном дискурсе. Сильнее всего генеративные модели проявляют себя как ревизор и документатор уже существующего, а не как создатель нового дизайна. Для упаковки и этикетки это конкретный практический сдвиг: рутинные операции, отнимавшие дни, теперь укладываются в часы — но только при правильной связке с дизайн-системой.

Где AI действительно помогает

Самая зрелая связка на сегодня — аудит токенов. Автор канала UI Collective Кирк показал рабочую схему: таблица токенов дизайн-системы загружается в агента через Claude, подключённый к файлу Figma по MCP-протоколу. Агент формирует из таблицы отдельное правило-инструкцию, которое постоянно хранится в его «памяти» и не требует повторного объяснения при каждом запросе. На основе правила создаётся переиспользуемая команда: ей передают ссылку на любой компонент или страницу, и она построчно сверяет фактическое использование цвета, бордера, текста, иконки с предписанным. Если элементу с текстом назначен токен цвета бордера — команда это находит и явно указывает, какой токен нужен взамен. Ускорение такого аудита Кирк оценивает примерно в 50 раз по сравнению с ручной построчной проверкой, и это не разовый фокус, а рабочая команда, которую можно гонять на каждый новый экран.

Тот же паттерн «правило + команда» срабатывает и для документации дизайн-системы. Здесь важна дисциплина: правило отдельно запрещает агенту выдумывать use-case, которого нет в переданных компонентах, и требует переспрашивать, если для описания нужно сделать предположение о назначении элемента. Без этого запрета модель с высокой вероятностью выдаст правдоподобно звучащую, но придуманную документацию — просто потому что задача «опиши компонент» сама по себе провоцирует на выдумку.

Где обещания расходятся с практикой

Показательный кейс — попытка собрать полноценный дашборд через Figma Make, синхронизированный с дизайн-системой. Визуально результат выглядит правильно: компоновка, цвета, типографика на местах. Но при вставке обратно в Figma файл не использует ни одной настоящей переменной — только скопированный внешний вид с произвольными числами вместо токенов spacing. Компоненты AI пока группирует, а не собирает через auto layout, и почти всегда быстрее построить экран с нуля руками, чем разгребать то, что сгенерировано.

Принципиальный нюанс: тезис «AI не умеет работать с переменными дизайн-системы» верен только для одного сценария — когда модель получает текстовый промпт без прямого доступа к реальным Figma-переменным и вынуждена визуально угадывать структуру. При наличии MCP-подключения и явной таблицы токенов ограничение снимается.

Что это меняет в работе с упаковкой

Для брендов с широкой линейкой — десятки и сотни SKU, региональные варианты, сезонные спецвыпуски — токен-аудит через AI закрывает конкретную боль. До отправки макетов в типографию теперь можно прогнать весь пакет через агента и получить список расхождений с дизайн-системой за минуты, а не за день работы младшего дизайнера. Особенно это заметно на проектах, где упаковка верстается в Figma, а печать идёт в смежных инструментах: там потеря токена на одном из этапов ловится именно построчной сверкой.

Документация компонентов упаковки — ещё одна зона, где AI снимает рутину. С правильно сформулированным правилом агент поддерживает описание каждого элемента в актуальном состоянии без выдуманных сценариев использования. А вот генерация новой композиции с нуля, выбор материалов, работа с конгревом и текстурами, принятие решений о визуальном весе на полке остаются зоной дизайнера. Передавать AI задачу «придумай линейку упаковки для нового SKU» пока нерационально: на выходе будет визуально правдоподобная, но структурно пустая работа, которую всё равно придётся переделывать.