כבר תקופה לא מבוטלת תוצרים של בינה מלאכותית גנרטיבית (Generative AI) פוגשים אותנו בנקודות שונות.‍בין אם זה תמונות שנוצרו ״בהשראת״ אומנות, תוצרי טקסט כמו פוסטים או מאמרים, ואפילו בתוצרי ממשק מיוצרי מכונה.‍זה עולם חדש, מרתק ומפחיד בו זמנית.‍עולם שדורש מאתנו הרבה למידה והתכווננות, לצד חשיבה ביקורתית ובחינת אמות המוסר האישיות שלנו.‍השבוע נפגשתי עם שני הוניג לשוחח על מה זה בכלל Generative AI, איפה זה פוגש אותנו- מקצועית ואישית, איך להתנסות ולבקר את הכלי החדש הזה, מה המשמעות של הכלים הללו מבחינת השפעתם עם המקצועות שלנו, ובעיקר, איפה האנושיות שלנו פוגשת את המכונה המשוכללת החדשה הזו. שני היא חוקרת ומאפיינת UX, שמתמחה במערכות מורכבות מבוססות AI. לא מזמן שני סיימה דוקטורט בתחום של אינטרקציית אדם-רובוט, בו היא חקרה תקלות רובוטיות מנקודת המבט של משתמשות. היא חובבת מדע בדיוני, סקי, ולמידה אינסופית‍את שני ניתן למצא כאן:‍⁠https://www.linkedin.com/in/shaneehonig/⁠

במפגש השבועי, ינה סיפרה על תהליך עיצוב של וידג'ט שעון לדשבורד בקלוד דיזיין. היא הראתה איך מסקיצ'ה ראשונה לא מוצלחת הובילה את הכלי להפיק 4 רעיונות מונפשים שניסחה, ואיך הם הלכו בפועל לפיתוח. בדרך היא הראתה לנו איך יוצרים דיזיין סיסטם בקלוד דיזיין ושיתפה ביתרונות ובחסרונות של הקמתו וניהולו.

בפגישה השבועית נטלי המשיכה לשתף את הדיזיין ספרינט — והפעם עם פוקוס על איפה הבינה המלאכותית עזרה בתהליך, ואיפה לא. מעבר על הכנת תסריט לבדיקות שמישות, הגדרת קריטריונים במאגר משתמשים, ואיך פלטפורמת User Interviews שימשה לגיוס משתמשים. תובנות מבדיקות שמישות 1:1 לעומת בדיקות שמישות מונחות AI, ולסיום מעבר על הכנת סיכום ספרינט. הצצה לפגישה השבועית של סטודיו Best Designers Ever — עם תהליכי עבודה, דילמות ותובנות. בלי פילטרים.

בפגישה השבועית של סטודיו Best Designers Ever, יעל שיתפה עבודה על דיזיין סיסטם למרקטינג — הצרכים, המבנה וההתאמות לצוותי עיצוב ופרודקט. דיברו גם על ביצועי הסוכן החדש של פיגמה, ויאנה הציגה סקיל VQA שיצרה בקלוד שמייצר קובץ MD מובנה למפתחים, ועבודה על פיצ׳ר אירועים על ציר זמן עם פרוטוטייפ אינטראקטיבי ועיצוב סופי בפיגמה.

שלוש הרצאות ממיטאפ 41 של Startup Designers באימפרווה: קארין סיבוני לשץ ורחלי ארליך על PM/UX Handover בעידן ה-AI, אביחי ברס על בניית זהות מקצועית בנישה ספציפית, ונטע שמר על ניהול אי-ודאות וקבלת החלטות UX בעידן הבינה המלאכותית.

גל סיימה את הכנס עם תזכורת חשובה על המקום של היצירתיות בתוך כל המהפכה הזאת. אחרי שנה וחצי שבה כמעט כל העבודה שלה מתבצעת דרך Cursor, Agents וכלי AI שונים, היא מצאה את עצמה מייצרת יותר מתמיד - אבל נהנית פחות. ההרצאה המקורית שלה הייתה אמורה להיות על תהליכי עבודה וכלים, אבל תוך כדי ההכנות היא הבינה שהשאלה המעניינת באמת היא לא איך עובדים מהר יותר, אלא איך שומרים על המקום האנושי בתוך כל זה. אחד הרעיונות המרכזיים שעלו היה שהקראפט לא נעלם - הוא משתנה. במקום להשקיע שעות בביצוע, אנחנו משקיעים יותר זמן בחשיבה, בחיבורים לא צפויים וביכולת לזהות רעיונות שאף מודל לא היה מגיע אליהם לבד. החדשנות לא נוצרת מתוך התשובה הראשונה שקיבלנו מ-Claude או Cursor, אלא מתוך אותם רגעים שבהם אנחנו עוצרים, נותנים למחשבות להתבשל ומחברים בין דברים שלא אמורים להתחבר. אם יש משהו שצריך לקחת מהעולם החדש הזה, זה לא לפחד שהקראפט נעלם - אלא להבין שהוא פשוט עובר למקום אחר.

שחר הציג גישה שמתחילה דווקא מהדאטה. במקום להתמקד בשאלות שהמשתמש כבר יודע לשאול, הוא מחפש את האזורים שבהם מסתתרים הסיגנלים שהמשתמש בכלל לא יודע לחפש. דרך דוגמאות מעולמות הסייבר, מערכות יחסים ואפילו ניהול תקציב אישי, הוא הראה איך אפשר לזהות דפוסים, חריגות והתנהגויות שמסתתרות בתוך כמויות גדולות של מידע ולהפוך אותן לתובנות שהמשתמש לא היה מגיע אליהן בעצמו. התפקיד של המוצר, ושל המעצב שמאחוריו, מתחיל להשתנות בהתאם. במקום רק לענות על שאלות, הוא צריך לעזור למשתמש לגלות דברים שהוא לא ידע לשאול מלכתחילה. לא עוד דשבורד שמציג נתונים, אלא מערכת שיודעת לחבר בין נקודות, לזהות סיגנלים ולהציף את התובנה הנכונה ברגע הנכון. מבחינתו, זה המקום שבו נוצר הערך האמיתי של AI - לא ביכולת לנתח דאטה מהר יותר, אלא ביכולת לחשוף את ה-unknown unknowns שמסתתרים מאחוריו.

טל דיבר על אחד הפערים הכי גדולים שקיימים היום בארגונים. בזמן שכלי AI הופכים אותנו למהירים יותר בכתיבה, פיתוח ועיצוב, הדרך שבה אנחנו מציגים רעיונות כמעט לא השתנתה. עדיין שולחים מסמכים ארוכים, מצגות אינסופיות ופגישות של שעה רק כדי להסביר רעיון שאפשר להבין תוך דקות ספורות. באמצעות כלים כמו Google Vids ובהמשך גם Claude ו-Remotion, הוא הדגים איך אפשר להפוך PRD, חזון מוצרי או פיצ'ר חדש לסרטון קצר שמעביר את אותו המסר בצורה הרבה יותר ברורה ואפקטיבית. היכולת לספר סיפור הופכת לחלק בלתי נפרד מהעבודה של מנהלי מוצר, מעצבים ומובילי צוותים. לא רק להגדיר מה בונים, אלא לגרום לאנשים להבין למה בונים את זה ולהרגיש חלק מהכיוון. בעולם שבו כולנו מוצפים במידע, תשומת לב הופכת למשאב נדיר. מי שיודע לארוז רעיון מורכב לכמה דקות ממוקדות, יצליח לייצר הרבה יותר Alignment, לקבל החלטות מהר יותר ולהניע אנשים לפעולה.

אחרי שנים של בניית Design Systems עבור חברות גדולות, עידו וקרן רואים מקרוב את הפער שנוצר בין מה שעובד מצוין בסטארטאפ קטן לבין מה שקורה כשצריך לנהל מוצר מורכב לאורך שנים. Vibe Coding מאפשר להגיע לתוצאות מרשימות במהירות, אבל בסביבות מורכבות עם עשרות צוותים, קוד לגאסי ומאות החלטות שהצטברו לאורך הדרך, האתגר כבר לא נמצא ביכולת לייצר אלא ביכולת להבין מה נבנה ולמה. אחת התובנות המרכזיות שעלו בשיחה הייתה שהנכס החשוב ביותר בארגון הוא לא הקומפוננטות עצמן אלא ההחלטות שמאחוריהן. למה רכיב מסוים נבנה בצורה מסוימת, אילו פשרות התקבלו בדרך, ואיך ההחלטות האלה באות לידי ביטוי בפיגמה, בקוד ובפרודקשן. ככל שיותר עבודה נוצרת על ידי מודלים, כך גדלה החשיבות של Decision Log מסודר ושל Human in the Loop שיודע לחבר בין הכוונה המקורית לבין התוצאה שנוצרה בפועל.

יעקב לקח את הדיון על AI למקום הרבה יותר אנושי. בזמן שרוב השיחות עוסקות במודלים, Agents וטכנולוגיה, הוא הזכיר שהמשתמשים שלנו עדיין פועלים לפי אותם מנגנונים פסיכולוגיים שפעלו לפני אלפי שנים. אנחנו עדיין מחפשים אמון, עדיין חוששים מאי ודאות ועדיין מקבלים הרבה מההחלטות שלנו מתוך רגש הרבה לפני שההיגיון נכנס לתמונה. הוא חילק את האמון לשני רבדים. אמון קוגניטיבי שנוצר כשאנחנו מבינים מה המערכת יודעת לעשות ומה המגבלות שלה, ואמון רגשי שנוצר כשאנחנו מרגישים שהמערכת פועלת לטובתנו. בעולם שבו יותר ויותר אנשים מקבלים החלטות בעזרת AI, היכולת לבנות את שני סוגי האמון האלה הופכת להיות קריטית. לא מספיק שהמערכת תהיה חכמה. היא צריכה גם להיות צפויה, ברורה ולגרום למשתמש להרגיש שהוא יכול לסמוך עליה.

שירה הציגה דרך להסתכל על AI לא כעוד כלי לכתיבה, מחקר או יצירת תוכן, אלא כמנטור שנמצא איתנו לאורך כל תהליך העבודה. במקום להשתמש בו רק כדי לייצר תוצרים, אפשר להשתמש בו כדי להתכונן לשיחות קשות, לבצע סימולציות, לקבל ביקורת, לבחון רעיונות מכמה זוויות שונות ולחשוב כמו האנשים שנמצאים סביבנו. לפעמים האתגר הוא לא למצוא תשובה, אלא לדעת אילו שאלות לשאול לפני שנכנסים לחדר. החלק המעניין באמת מתחיל כשמסתכלים על זה ברמה הארגונית. אם אפשר לתעד ידע, ניסיון ומתודולוגיות עבודה של אנשים מנוסים בתוך Workspace משותף, אפשר להנגיש אותם לכל עובד בארגון בדיוק ברגע שהוא צריך אותם. מנהל חדש יכול לקבל הכוונה לפני שיחת One-on-One, מנהל מוצר יכול לקבל ביקורת על PRD לפני Review אמיתי, ועובד חדש יכול ללמוד מהניסיון שהצטבר בארגון בלי לחכות שמישהו יהיה פנוי לעזור לו. במקום לשמור את הידע אצל אנשים ספציפיים, אפשר להפוך אותו למשאב נגיש שעובד עבור כולם.

ענבל הציגה גישה שנקראת Generative UI, שבה הממשק כבר לא מוגדר מראש על ידי מסכים, תפריטים וארכיטקטורת מידע קבועה. במקום לשלוח את המשתמש לחפש פעולה או מידע בתוך המערכת, המערכת מרכיבה עבורו את הממשק בזמן אמת מתוך הקומפוננטות הקיימות בדיזיין סיסטם. המשתמש מבקש מה הוא צריך, והאייג'נט מחליט האם להציג גרף, טבלה, כפתור או כל רכיב אחר שיעזור לו לבצע את המשימה. המשמעות היא שאנחנו מתחילים לעבור מעולם שבו מעצבים מנסים לחזות מראש את כל מסלולי הניווט וה-Use Cases האפשריים, לעולם שבו המשתמש יכול להגיע עם צורך שלא חשבנו עליו מראש. במקום לבנות עוד ועוד מסכים, אנחנו בונים ספריית רכיבים, חוקים ו-Guardrails שמאפשרים לאייג'נט להרכיב חוויה דינמית תוך כדי תנועה. הדיזיין סיסטם לא נעלם - הוא הופך למנוע שמאפשר לממשק להשתנות ולהתאים את עצמו לכל משתמש ולכל סיטואציה.

שלי הדגימה את Geniro, כלי שפיתחה מתוך צורך אישי לאגד במקום אחד תהליכי יצירה שלמים - מכתיבת סיפור, דרך יצירת פרומפטים ועד הפקת תמונות, וידאו ותוצרים קריאטיביים. אבל הנושא המרכזי בהרצאה לא היה הכלי עצמו אלא השאלה איך שומרים על זהות בעולם שבו יותר ויותר מוצרים, קמפיינים וממשקים מתחילים להיראות אותו דבר. אחד הדברים שעלו שוב ושוב היה החשיבות של ה-DNA היצירתי. הצבעוניות, השפה, האווירה, מקורות ההשראה והבחירות העיצוביות שמבדילות בין מוצר גנרי לבין מוצר שאפשר לזהות למי הוא שייך. במקום לתת ל-AI להוביל את התהליך, היא הציגה Workflow שמתחיל דווקא מהזהות הוויזואלית והקריאטיבית ורק אחר כך עובר לכלי היצירה. ככל שהכלים הופכים חזקים יותר, כך גדלה החשיבות של היכולת להגדיר חוקים, כיוון וטעם אישי. אחרת כולם מגיעים לאותו רקע לבן, אותו כפתור כחול ואותו Glow כתום.

רון הדגים את Figma Weave, פלטפורמה שמאפשרת לחבר בין מודלים שונים, כלי יצירה ותהליכי עבודה בתוך קנבס אחד. במקום לקפוץ בין עשרות כלים ולרדוף אחרי התוצאה הבאה, הוא הציג גישה שמבוססת על בניית Workflow מסודר שאפשר לחזור עליו, לשחזר אותו ולהרחיב אותו לאורך זמן. המטרה היא לא רק להגיע לתוצאה טובה, אלא להבין איך הגעת אליה ולהפוך את התהליך עצמו לנכס. התפקיד שלנו מתחיל להשתנות. פחות אנשים שמייצרים כל פיקסל בעצמם ויותר אנשים שמכוונים את התהליך. לדעת להגדיר קונטקסט, לבחור את המודלים הנכונים לכל משימה, לנתח את התוצאות שמתקבלות ולהמשיך לאיטרציה הבאה. לא לעצור בפלט הראשון אלא לבנות מערכת שמאפשרת להגיע שוב ושוב לתוצאה הרצויה תוך שמירה על השפה, האיכות והכוונה המקורית.

עומרי הדגים את Spring, פלטפורמה שמאפשרת לעבוד ישירות על המוצר עצמו ולא רק על ייצוג שלו בפיגמה. במקום לעצב מסכים ביקום מקביל ואז להעביר אותם לפיתוח, הוא הראה איך אפשר לעבוד מול ה-Codebase, הדאטה והאילוצים האמיתיים של המערכת. המטרה היא לצמצם את הפער בין הרעיון לבין המוצר שבאמת מגיע למשתמש. השאלה המרכזית שעלתה לאורך השיחה לא הייתה איך לכתוב קוד או איזה כלי לבחור. השאלה הייתה איך מוצאים את הדרך לעבוד על המוצר עצמו. הכלים ימשיכו להשתנות, אבל הכיוון נשאר זהה - פחות עבודה על סימולציה של המוצר ויותר עבודה על המוצר האמיתי. ברגע שמתחברים לשכבה הזאת, קל יותר להבין את ההשלכות של החלטות עיצוב, לעבוד עם נתונים אמיתיים ולקבל החלטות מתוך המציאות ולא מתוך הנחות.

דניאל פתח את הכנס עם אחד הנושאים שחוזרים כמעט בכל שיחה בתקופה האחרונה — טשטוש הגבולות בין עיצוב, מוצר ופיתוח. במקום להסתכל על התפקידים כתחומים נפרדים, הוא הציג Workflow שבו אפשר לקחת בעיה, להבין אותה, לעצב פתרון ולהגיע עד לפרודקשן. לא דרך מעבר אינסופי בין צוותים וכלים, אלא דרך לקיחת בעלות רחבה יותר על התהליך כולו.

המהפכה שאנחנו חווים עכשיו לא יוצרת רק כלים חדשים — היא גם מערערת הרבה מהיתרונות שהתרגלנו להסתמך עליהם. אם כולם עובדים עם אותם מודלים, אותם Agents ואותם כלי יצירה, השאלה כבר לא מי יודע להשתמש בכלי אלא מי יודע לייצר ערך סביבו. דרך המודל של ארבע חפיסות הקלפים — מקצועיות, נטוורקינג, מכירה ותוכן — שגיא דיבר על הנכסים שממשיכים לייצר יתרון גם כשהטכנולוגיה הופכת זמינה לכולם.

הקלטתי הדרכה מלאה על כלי שתייגתם אותי לגביו לא מעט לאחרונה, והיה לי חשוב לבדוק אותו לעומק: Figma Console MCP.

במיטאפ #40 גישרנו על הפערים בין עיצוב, מוצר ובינה מלאכותית. שמענו נקודות מבט שונות, התלבטויות אמיתיות, ניסיון מהשטח, והרבה כנות לגבי איך הדברים נראים כשעובדים עם כלים חדשים, קצב גבוה וציפיות משתנות. עומר אבירם: Bridging the Gap: Static Screens to Live Prototypes מכירים את זה שאתם מייצרים פרוטוטייפ בפיגמה, והכל נראה טוב, אבל כשמנסים לשלב נתונים אמיתיים והתנהגות מורכבת - פתאום משהו לא עובד והכל נהיה מסורבל? בהרצאה אציג איך שימוש בכלי בינה מלאכותית כמו קרסור, מאפשרים לנו לבנות פרוטוטייפ דינמי, מבוסס נתונים אמיתיים ולוגיקות מורכבות כדי לדמות את המוצר האמיתי. נדבר על תהליכי עבודה, דוגמאות פרקטיות וטיפים, שילוב כלים חיצוניים וטכניקות המאפשרות איטרציות ובדיקת פתרונות שונים בקלות. נבין מתי כדאי להשתמש בסוגי הכלים השונים ואת המגבלות שלהם. ⭐ עומר הכין לנו קובץ שמרכז הסברים וטיפים לכתיבת פרומטים בקורזור: https://drive.google.com/file/d/1hIid... אנה סטיליאנו: מי המעצב כאן? כלי בינה מלאכותית הפכו לחלק בלתי נפרד מתהליך העיצוב, ויחד עם היעילות והמהירות, עלו גם שאלות חדשות: מי מקבל את ההחלטות? מי אחראי על הבחירה? ואיפה עובר הגבול בין עזרה להובלה? בהרצאה נדבר על קבלת החלטות בעיצוב בעידן של בינה מלאכותית: הרגעים שבהם הבחירות מרגישות ברורות מאליהן, איך “קול חכם” נוסף משפיע על שיקול הדעת, ולמה דווקא עכשיו חשוב לעצור ולבחון מחדש את תפקיד המעצב בתוך התהליך.

הצצה לפגישה השבועית של צוות סטודיו Best Designers Ever – עם תהליכי עבודה, דילמות ותובנות. בלי פילטרים. בפגישה השבועית, יאנה לקחה אותנו אל תוך תהליך העבודה על פיצ'ר חדש במערכת מורכבת - מהגדרת האתגר ועד לשלב ההכנה לפיתוח. מה בפרק? •⁠ ⁠פירוק האתגר: איך הופכים בעיה גדולה לשאלות ממוקדות שצריך לפתור •⁠ ⁠ניפוי אופציות: הצצה לכיוונים שירדו מהפרק ועל השיקולים מאחורי זה •⁠ ⁠הפתרון הנבחר: איך שימוש ב-AI עזר להמחיש את הקונספט בצורה מדויקת •⁠ ⁠החלטות עיצוביות נוספות כחלק מאותו פיצ'ר במערכת אם אתם עובדים על מוצרים מורכבים, זה פרק שמראה איך לנהל תהליך חשיבה, לקבל החלטות ולהציג אותן לצוות בצורה מעשית.

**פאנל בנושא הכי חם: איך לעבוד עם AI? 🤖** כל הזמן יוצאים עוד ועוד כלים, אבל איך באמת מכניסים אותם לתהליך העבודה שלנו? האם הם באמת תורמים לנו ומקצרים את העבודה? איך משכנעים את האירגון להשתמש בהם? ומאיפה בכלל מתחילים? בפאנל ישתתפו 2 מומחיות שיענו על כל השאלות שלכם וישתפו מהניסיון שלהן, אחת כמעצבת יחידה בסטרטאפ, והשנייה על עבודה בשיתוף פעולה עם צוות שלם. יהיה מעניין! --- בואו נכיר קצת את הדוברות... 👋 💜 **חן ויצמן** מעצבת חוויות משתמש וחוקרת משתמשים, מתמקדת בעיקר במערכות מורכבות, ומובילה את הפרודקט דיזיין בסטארטאפ של team8 שעדיין ב-stealth. אל תפקידה כמובילת תחום העיצוב הראשונה היא מגיעה עם רקע בסטארטאפים וקורפורייטים בגדלים שונים. בנוסף, חן היא קו-פאונדר של UXR Lounge, קהילה המתמקדת במחקר משתמשים בישראל, בעלת תואר ראשון בפסיכולוגיה וסוציולוגיה מאוניברסיטת תל אביב, ותואר שני בתקשורת מאוניברסיטת רייכמן. **יוליה בודיאנסקי** מעצבת יואיקס יואיי בכירה בחברת Zoominfo, עם למעלה משבע שנות ניסיון בעיצוב חוויית משתמש למערכות מורכבות, כולל ניהול צוותי עיצוב. בחיפוש מתמיד אחר דרכים לעבוד חכם יותר - בתוך צוות העיצוב ובשיתופי פעולה עם מחלקות אחרות, לאחרונה, כמובן, גם באמצעות בינה מלאכותית. בעלת תואר שני בפסיכולוגיה ומרצה מעת לעת על חוויותיה מהשטח.