عندما يحول الذكاء الاصطناعي ملخصاً فوضوياً إلى نموذج قابل للتشغيل
في المرة الأولى التي استخدم فيها فريقنا أداة نمذجة أولية بالذكاء الاصطناعي على نحو جاد، لم يكن ما لفت الأنظار واجهة المستخدم التي قدّمتها لنا. بل كانت السرعة التي توقفت فيها مرحلة التصميم عن التشبه بعرض شرائح وبدأت بالتصرف كنظام.
بدأنا حيث نبدأ دائماً: ملاحظات متفرقة من مكالمات المبيعات، لقطات شاشة لتدفقات المنافسين، لوحة FigJam مليئة بالأفكار غير المكتملة. قبل بضع سنوات، كانت تلك الفوضى تتحول إلى إطارات سلكية، ثم شاشات عالية الدقة، ثم سلسلة تعليقات لا نهائية حول حالات الحافة التي لم يفكر فيها أحد حقاً. هذه المرة فعلنا شيئاً مختلفاً. عاملنا الفوضى كمدخل لمجموعة من الوكلاء الذين لم تكن مهمتهم “make UI” بل إنتاج شيء نستطيع فعلاً محاولة كسره.
خلال بضع ساعات كان لدينا نموذج قابل للتشغيل: الأذونات، الحالات الأساسية، مسار ناجح واهن لكنه وظيفي. بدا أكثر اكتمالاً مما كانت عليه أفكارنا فعلاً — وهو، كما اكتشفنا، الوعد والفخ في آن واحد للذكاء الاصطناعي.
من العناصر الثابتة إلى حلقة تصميم قابلة للتنفيذ
الذكاء الاصطناعي يغير مرحلة التصميم، لكن ليس بالطريقة التي وعدت بها عروض المستثمرين. الجزء المثير للاهتمام ليس أننا نستطيع إنتاج شاشات أكثر وبسرعة أكبر. الجزء المثير هو أن مرحلة التصميم نفسها تصبح قابلة للتنفيذ.
في فرق SaaS والمنصات التي تعمل مع وكلاء بدلًا من الأدوات فقط، لا يعود التصميم سلسلة من العناصر الثابتة — الشخصيات، خرائط الرحلة، الإطارات السلكية، النماذج، التسليم. إنه حلقة: البحث، الافتراضات، النماذج القابلة للتشغيل، التقييم، قيود النظام، التكرار. يتوقف مخرَج المصمم عن كونه مجموعة من ملفات Figma ويبدأ في التشبه بدليل تشغيل لكيفية سماح المنتج — والوكلاء داخله — بالتصرف.
لماذا إعادة تصميم سير العمل أهم من مجرد تبني الذكاء الاصطناعي
معظم الشركات لم تصل إلى ذلك بعد. تقرير McKinsey لحالة الذكاء الاصطناعي لعام 2025 يفيد أن 88% من المؤسسات تستخدم الآن الذكاء الاصطناعي في وظيفة تجارية واحدة على الأقل، لكن بالنسبة لمعظمها لا يزال الذكاء الاصطناعي تجربة مُركَّبة فوق سير عمل قديم. الأطراف الأكثر أداءً هي تقريبًا أكثر بثلاث مرات احتمالًا لإعادة تصميم سير العمل حول الذكاء الاصطناعي وللتقدم أكثر في توسيع نطاق الوكلاء.
هذا التمييز مهم بالنسبة للتصميم. إذا لم يتغير سير العمل، فإن الذكاء الاصطناعي يضيف مجرد مربع دردشة إلى نفس اختناقات العمل القديمة. عندما يتغير سير العمل، تُعاد كتابة مرحلة التصميم نفسها.
هذا المقال يدور حول تلك إعادة الكتابة — تحديدًا للأشخاص العاملين على منتجات SaaS والمنصات. يتناول ما يحدث عندما تبدأ النماذج الأولية في التصرف، عندما تخدم الواجهات البشر ووكلاء الذكاء الاصطناعي معًا، عندما تصبح أنظمة التصميم قابلة للقراءة آليًا، وعندما ينهار التسليم بين التصميم والهندسة إلى قطعة مشتركة قابلة للتنفيذ. ويتناول أيضًا ما يتبقى ليقوم به كبار المصممين مثل Aliyeh عندما الذكاء الاصطناعي “cleans the mess” ولا يتوقف عند ذلك.
حدود عناصر التصميم التقليدية
في مشروع SaaS التقليدي، كانت مرحلة التصميم تولد أكوامًا من الأدلة على أن شيئًا ما يحدث. كنا نجري مقابلات مع خمسة أو عشرة مستخدمين ونحوّل اقتباساتهم إلى شخصيات. نرسم خرائط الرحلات بملاحظات لاصقة وأسهم. نرسم تدفقات، إطارات سلكية، واجهات عالية الدقة. وربما نركّب نموذجًا أوليًا لإرضاء أصحاب المصلحة الذين يحتاجون إلى “see it click.”
كل تلك العناصر كانت مفيدة، إلى حد ما. ساعدت الفرق على الحديث عن المنتج. لكنها كانت أيضًا ناقصة بطبيعتها.
لا تستطيع خريطة الرحلة أن تُخبرك بما يحدث عندما تفشل أتمتة ما بصمت. لا يُظهر مخطط التدفق الثابت كيف ينبغي لمساعد ذكي أن يرد عندما يكون واثقًا بنسبة 60% بدل 95%. حتى النموذج الجميل نادرًا ما يشفر الأمور المملة لكنها خطيرة: الأذونات، سجلات المراجعة، القابلية للعكس، استعادة الفشل.
أدوات أصلية للذكاء الاصطناعي تجعل السلوك مرئيًا
الأدوات الأصلية للذكاء الاصطناعي لا تصلح ذلك تلقائيًا، لكنها تقرب المشكلات إلى السطح.
عندما يجلس المصمم مع نظام مثل Figma Make أو v0 أو Bolt، لا يكون الناتج نموذجًا مسطحًا للعرض. إنه عنصر يمكنك التفاعل معه بالفعل. الأزرار تستجيب، النماذج تُرسل، البيانات تتدفق في اتجاه ما.
في مثال داخلي شاركته Figma، استخدم فريق Make لنمذجة تفاعل شبكة معقد في حوالي ساعة ونصف — شيء كان يتطلب سابقًا عدة أيام من النمذجة المرمّزة. القصة الحقيقية هناك ليست “grid in 1.5 hours.” إنها أن المصمم كان قادرًا على اختبار شعور قطعة من سلوك المنتج قبل أن يلتزم أحدهم ببنية أو يفتح تذكرة.
كيف تغيّر النماذج القابلة للتشغيل محادثات التصميم
بمجرد أن تتمكن من إحساس السلوك، يصبح التجاهل بالكلام أصعب. بدلًا من الجدال حول ما إذا كان تخطيط لوحة المعلومات “looks clean,”، تجد نفسك تسأل ما إذا كان مسموحًا لملخص مولّد بواسطة الذكاء الاصطناعي تحديث السجل الأساسي دون تأكيد بشري. بدلًا من مناقشة لون زر، تحاول أن تقرر ماذا يحدث لبيانات العميل إذا أخطأ وكيل بتصنيف تذكرة ثلاث مرات متتالية.
يساعد الذكاء الاصطناعي هنا، لكنه ليس مصممًا أسلوبيًا. يساعد بجعل الحصول على المسودة الأولى من السلوك رخيصًا بحيث يمكن للجميع رؤيتها.
الفجوة بين الشاشات المصقولة والسلوك الهش
هناك تحذير. يمكن لأداة التحويل من موجه إلى تطبيق أن تعطيك شيئًا يبدو كمنتج مكتمل في الوقت الذي كان يستغرقه تسمية صفحة Figma. أظهر معيار حديث متمركز حول الإنسان لهذه الأنظمة — اختبر 288 تطبيقًا مولَّدًا من 96 موجهًا عبر أدوات مثل Replit وBolt وFirebase Studio — وجود فجوة ثابتة بين البريق المرئي والموثوقية الوظيفية. قلّ اعتماد المشاركين على ما رأوه بمجرد محاولتهم استخدامه. كانت الشاشات لامعة؛ أما السلوك فكان هشًا.
بالنسبة لفرق التصميم، فهذه الفجوة هي بالضبط المكان الذي تصبح فيه الأمور مثيرة للاهتمام. يجعل الذكاء الاصطناعي من الأسهل من أي وقت مضى إنشاء شيء يبدو كمنتج قبل أن يتصرف كمنتج. هذا لا يقلّل من حاجة المصممين. بل يجعلهم أكثر مسؤولية.
يجب على شخص ما أن يقرر ما إذا كانت التجربة متسقة، ما إذا كانت الحالات تغطي الفوضى الواقعية، وما إذا كان إنسان سيثق فعلاً بالوكيل بما يكفي ليُسمح له بالتصرف نيابة عنه.
