T-shaped спеціаліст: що не зможе замінити АІ

Що всередині:

• Що таке T-shaped спеціаліст і чому дизайнери завжди ним були

• Де AI допомагає вширш, а де — вглиб: три різні підходи від практиків

• Що не вдається делегувати AI: продуктові рішення і контекст

• Яких двох людей взяли б у стартап, якби все інше робив AI

• Код як новий інструмент дизайнера: як AI розблокував доступ до розробки

Для кого:

• Продуктових дизайнерів і менеджерів, які думають про розширення своїх компетенцій

• Фахівців, що хочуть зрозуміти, де AI підсилює, а де людська експертиза незамінна

• Тих, хто будує або планує будувати стартап з мінімальною командою

• Усіх, хто розмірковує над своєю «вертикаллю» і тим, як AI змінює горизонталь

T-shaped спеціаліст: що це і чому дизайнери завжди такими були

T-shaped спеціаліст — це людина з глибокою експертизою в одній ключовій сфері (вертикальна паличка букви «Т») і широкою базовою обізнаністю в суміжних дисциплінах (горизонтальна лінія). Такий фахівець може зануритися глибоко у свою область, але при цьому розуміє, як влаштовані суміжні процеси і ролі.

Цікаво, що дизайнери завжди органічно були T-shaped — можливо, навіть не усвідомлюючи цього. Глибока тема — власне дизайн. Горизонталь — вміння спілкуватись із користувачами, базове розуміння розробки, написання текстів, interaction design, анімація. Широкий охоплення контексту давно стало нормою для цієї ролі.

З приходом AI горизонтальна лінія продовжує рости. Суміжні активності, які раніше потребували окремого фахівця або тижнів навчання, стають доступними за лічені години. Це не розмиває вертикаль — воно її підсилює, бо спеціаліст тепер може самостійно закривати більше контексту навколо своєї основної роботи.

Принцип: AI не замінює вертикаль T-shaped спеціаліста — він розтягує горизонталь. Глибока експертиза залишається за людиною; суміжні задачі стають доступнішими.

Вширш або вглиб: як практики використовують AI

Серед учасників дискусії виявились два різних підходи до використання AI — і це саме по собі показовий результат.

Більшість використовує AI вширш

Дизайнери в дискусії відзначили, що AI дає їм не 5% приросту в основній сфері, а 100% у суміжних. Там, де раніше треба було звертатися до іншого фахівця або витрачати тижні на опанування інструменту, тепер можна закрити задачу самостійно.

Один із найбільших «розблокованих» напрямків — код. Дизайнери, які раніше могли лише формулювати вимоги для розробників, тепер самі створюють pull requests, тестують рішення в реальному середовищі і безпосередньо контактують із кодовою базою. Це суттєво скорочує відстань між дизайном і реалізацією.

Для продуктового менеджера горизонтальне розширення виглядає інакше: AI допомагає закривати задачі з креативами, перформанс-маркетингом, прототипуванням — тобто тим, що раніше потребувало окремих ролей у команді.

Вглиб — для тих, хто приймає рішення

Окрема позиція: AI використовується насамперед для прискорення роботи всередині своєї ключової зони відповідальності. Продуктова менеджерка відзначила, що більшість її використання AI — це саме продуктові рішення: пріоритизація, планування, ресерч. Результат — прискорення в 10 разів у своїй основній сфері, а не розширення в суміжні.

Обидва підходи правомірні — вибір залежить від ролі, контексту і того, де людина відчуває найбільшу потребу.

Порівняння підходів:

Принцип: Немає одного правильного способу використовувати AI. Ключове питання — де у вас найбільша потреба: в розширенні горизонту чи в прискоренні глибини?

Що не виходить делегувати AI: де людина незамінна

Найцікавіша частина дискусії — не там, де AI допомагає, а там, де він не справляється. І тут учасники були одностайні.

Продуктові рішення і робота з контекстом

Продуктові рішення складаються з великої кількості різнорідних інпутів: щось почув на дзвінку, щось знайшов в інтернеті, щось сказав CPO, щось відчув із поведінки користувачів. Зібрати весь цей контекст, правильно «скормити» його AI і отримати дійсно корисний результат — надзвичайно важко. Фінальний процесинг — що робити далі, що пріоритизувати — все одно відбувається в голові людини.

AI добре працює з явним, структурованим контекстом. Але значна частина знань, на яких ґрунтуються продуктові рішення, є неявною — вона живе у розмовах, інтуїції, спостереженнях. Передати це в промпт у повному обсязі наразі не вдається.

Interaction дизайн і анімації

В interaction дизайні людська перевага — у здатності придумати, яку саме анімацію або взаємодію потрібно реалізувати. Це творче, концептуальне рішення. AI може допомогти з реалізацією (через код), але сформулювати ідею — «яким саме має бути цей рух, щоб він правильно передавав відчуття» — поки залишається за людиною.

Загальна закономірність: AI добре справляється з виконанням, але ще не з концепцією, де важлива суб'єктивна оцінка й відчуття.

Принцип: AI обробляє явний контекст — людина утримує неявний. Там, де рішення складається з десятків розрізнених спостережень і відчуттів, синтез залишається за людиною.

Два місця в стартапі: кого взяти, якщо все інше — AI

Уявний сценарій: стартап, дві людини в команді, все інше — AI. Питання учасникам: які дві ролі залишаться обов'язково людськими?

Відповіді розійшлися, і це само по собі цікаво.

Позиція 1: той, хто робить продукт, і той, хто його продає

Перша людина — продуктова: дизайн, ресерч, roadmap і розробка в одній особі. Тобто класична тріада «продакт + дизайнер + розробник» зливається в одну роль. Ідеальний профіль — людина з глибоким технічним бекграундом і продуктовим мисленням, яка вміє дизайнити.

Друга людина — та, що продає. Хтось, хто будує канали залучення, комунікує з ринком, укладає угоди.

Позиція 2: маркетолог з фокусом на креативи та перформанс

Альтернативна думка: найважливіша роль у B2C стартапі сьогодні — людина, яка розуміє платний маркетинг і вміє будувати креативну стратегію. Гарбатий продукт на рівні MVP — прийнятно. Але без потоку користувачів немає даних, немає ітерацій, немає зростання. Якщо є класні креативи і розуміння каналів, користувачі приходять — і далі вже є з чим працювати.

Цікаве розходження: одна відповідь орієнтована на побудову продукту, інша — на залучення аудиторії. Обидві логічні, і вибір між ними залежить від типу продукту, ринку і стадії.

Дві моделі мінімальної команди:

Принцип: У мінімальній команді людські ролі — там, де потрібен неявний контекст і рішення в умовах невизначеності: будувати продукт і забезпечувати його зростання. Решта — AI.

Код як новий інструмент дизайнера

Окрема тема, що виникла в дискусії органічно: AI відкрив дизайнерам доступ до коду як до робочого матеріалу. Раніше межа між дизайном і розробкою була майже непрохідною без тривалого навчання. Тепер дизайнер може самостійно створювати pull requests, перевіряти рішення в реальному середовищі і безпосередньо взаємодіяти з кодовою базою.

Це змінює динаміку в команді. По-перше, скорочується кількість ітерацій між дизайном і розробкою: дизайнер може сам перевірити, як виглядає рішення в коді, не чекаючи на розробника. По-друге, з'являється нова якість залученості: дизайнер не просто передає макет, а розуміє технічні обмеження зсередини.

Цікавий контекст: один із учасників свідомо обирав наступне місце роботи з урахуванням того, чи буде доступ до кодової бази. Після роботи у великій корпорації, де це було неможливим, пріоритетом стала компанія, де дизайнер може безпосередньо контрибутити до продукту через код.

Водночас у великих компаніях це теж стає нормою — AI поступово знижує бар'єр незалежно від розміру організації.

Принцип: AI зробив код доступним для дизайнерів не як «додаткова навичка», а як природне розширення інструментарію. Ближчість до матеріалу — до реального середовища продукту — стає новою конкурентною перевагою.