V prvním díle seriálu Proměny UX v éře AIjsem se věnovala tomu, na co dnes UX designéři používají umělou inteligenci. AI jim pomáhá s rutinními úkoly, tvorbou návrhů a klikacích prototypů. Zvládne také první kolo UX auditu nebo některé části uživatelského výzkumu, například přepis rozhovorů a třídění výsledků. Na první pohled to vypadá, že AI dokáže práci UX designéra výrazně usnadnit. A často je to pravda. Při hledání podkladů pro první díl jsem ale narazila také na řadu případů, kdy výsledek práce s AI zaostával za prací zkušeného specialisty.
Kde tedy umělá inteligence naráží? Tentokrát se podívám na čtyři věci: rychlost, skutečnou efektivitu práce, odlišitelnost designu a naši důvěru ve výsledky AI.
Rychlost a efektivita: rychleji neznamená lépe
Jedním z nejčastějších argumentů pro používání AI je úspora času. Rychleji najdeme potřebné informace, prozkoumáme více možností nebo vytvoříme návrh landing page. Někdy dokonce bez pomoci designéra.
Jak velká ale tato úspora ve skutečnosti je?
V prvním díle jsem zmiňovala průzkum Figmy, ve kterém většina oslovených designérů uvedla, že díky AI pracují rychleji. Šlo ovšem o jejich vlastní hodnocení.
Novější studie Figmy se rozhodla rychlost práce přímo změřit. Sto designérů a produktových manažerů dostalo tři stejné úkoly ve Figmě. Polovina účastníků pracovala s nástrojem Figma Make, druhá polovina bez AI. Výzkumníci sledovali čas pomocí nástroje přímo ve Figmě.
Skupina s AI dokončila úkoly v průměru o 20 % rychleji. Větší zrychlení zaznamenali produktoví manažeři. U designérů dosáhla úspora přibližně 17 %, ale výsledek byl na hranici statistické významnosti. Kvalitu hotových návrhů navíc hodnotili sami účastníci.
AI tedy práci skutečně zrychlila. Otázkou zůstává, kolik času ušetříme při započítání všech dalších kroků a zda dostaneme stejně kvalitní výsledek.
Zajímavý příklad nabízí studie University of Cincinnati. AI v ní analyzovala přepis skupinové diskuse za necelou hodinu a půl. Třem lidským hodnotitelům zabrala stejná práce dohromady 34 hodin. Rozdíl je obrovský. Jenže nastavení a vyladění celého postupu pro práci s AI trvalo výzkumníkům dalších 65 hodin. Autoři norské studie zase zjistili, že jim AI analýzu rozhovorů nezrychlila. Čas ušetřený při zpracování dat totiž spotřebovali kontrolou jejích výstupů. Podobnou zkušenost popsal Ruslan Vashchenko, designér a šéf studia Phenomenon. S pomocí AI vytvořil funkční interní systém za 80 hodin. Z toho ale 16 hodin věnoval auditu kódu.
Vývojáři při kontrole našli chyby, kterým by se zkušený programátor pravděpodobně vyhnul. AI například vytvořila samostatný kalendář pro každý formulář, místo aby použila jednu sdílenou komponentu. Kód se nakonec musel přepisovat.
AI tak dokáže výrazně zrychlit samotné vytvoření návrhu nebo zpracování dat. Úspora se ale snadno ztratí při kontrole a opravách.
Co když rychlost není hlavní problém?
Debata o AI se často točí kolem toho, kolik času nám ušetří. Jako by právě pomalý vývoj byl hlavní překážkou úspěšného produktu. Když zvládneme rychleji analyzovat data, navrhovat rozhraní a programovat nové funkce, měla by firma přece dosahovat lepších výsledků.
Jenže ono to tak jednoduché není.
Společnost Atlassian se v roce 2026 ptala více než 12 tisíc pracovníků z různých oborů a 172 vrcholových manažerů na přínosy AI. Celkem 89 % manažerů uvedlo, že umělá inteligence zrychluje práci. Pouze 6 % si ale bylo jistých, že dokáže uvést konkrétní příklady jejího přínosu pro celou firmu. Tento rozpor se označuje jako paradox produktivity AI. Týmy rychleji vytvářejí produkty a dodávají nové funkce, ale výsledky firem se tomu nemusí vyrovnat.
Marty Cagan, známý odborník na produktový management, ovšem tvrdí, že o žádný paradox nejde. Podle něj nikdy nebylo hlavním problémem to, jak rychle týmy dokážou něco postavit. Mnohem důležitější je rozhodnout, co vůbec stojí za to vytvářet. Cagan v této souvislosti cituje produktovou manažerku Hilary Gridley. Její myšlenka se dá shrnout jednoduše:
„Nikdy nebylo snazší vyvíjet produkty tak rychle, a zároveň se tak rychle vydat špatným směrem.“
Rychlejší vývoj sám o sobě nezaručí více zákazníků ani vyšší tržby. Nejdřív musíme vědět, zda připravovaná funkce řeší skutečný problém a zda o ni uživatelé vůbec stojí.
Snadné neznamená pochopené
V prvním díle jsem zmiňovala José Torreho, UX designéra ze Shopify, který se díky AI postupně dostal až k úpravám produkčního kódu. Jednou se rozhodl upravit mezery mezi prvky rozhraní. Na první pohled drobnost. Proč čekat na vývojáře, když stačí požádat AI agenta? Agent úpravu provedl a všechno vypadalo hotově. Pak se ale na výsledek podíval vývojář. Ukázalo se, že mezery nejsou problémem jedné obrazovky, ale celého systému sdílených komponent. AI agent pouze přepsal hodnoty v kódu konkrétní stránky. Širší souvislosti neřešil, protože je neznal. A Torre o nich v tu chvíli také nevěděl. Teprve po vysvětlení od vývojáře pochopil skutečnou příčinu a dokázal opravit celý problém, ne jen jeho viditelný projev.
Torre na této zkušenosti ukazuje jednu z méně nápadných nástrah AI. To, že něco dokážeme snadno udělat, ještě neznamená, že tomu rozumíme.
AI nám dovolí pustit se do úkolů, na které bychom si dříve netroufli. Výsledek přitom někdy vyvolá dojem, že jsme si osvojili nové schopnosti. Jenže mezi schopností zadat úkol a porozuměním jeho řešení je pořád velký rozdíl.
Odlišitelnost: když všechno vypadá stejně
Rychlost není jediným měřítkem dobrého designu. Důležité je také porozumět problému, promyslet různé možnosti a najít řešení, které bude fungovat právě pro daný produkt a jeho zákazníky. Když nám AI během pár minut předloží hotový návrh, snadno získáme pocit, že máme vyřešeno. Ale je to opravdu nejlepší možnost? A nedostávají ostatní uživatelé podobné návrhy?
Podle metaanalýzy 19 studií z roku 2026 docházeli lidé při tvorbě s AI k podobnějším výsledkům než ti, kteří pracovali bez ní. Nejvýrazněji se to projevovalo při hledání nápadů na konkrétně vymezený problém.
Podobný jev zachytil také výzkum více než 70 jazykových modelů. Autoři jim opakovaně zadávali otevřené otázky od skutečných uživatelů, například žádosti o metafory nebo kreativní nápady. Odpovědi si byly překvapivě podobné, a to nejen v rámci jednoho modelu, ale i mezi modely různých společností. Tento výzkum se zabýval texty, nikoliv designem. Ukazuje však, že podobná zadání často vedou k podobným výsledkům.
Přímo na návrhy webových rozhraní se zaměřili výzkumníci z Northeastern University. Pěti AI nástrojům, mezi nimi ChatGPT, Claude a v0, zadali stejných 24 úkolů. Výsledné návrhy se podobaly rozložením i celkovým vzhledem. Nejvíce se lišily barvami.
Proč AI navrhuje podobné weby?
Jedno z vysvětlení předkládá studie University of Washington. Její autoři prošli 63 odborných i neodborných zdrojů o vibe codingu a sami otestovali šest běžně používaných AI nástrojů na tvorbu webového designu. Podle jejich zjištění začíná problém často už u zadání. Když je příliš obecné, AI si chybějící informace doplní tím, co zná nejlépe. Výsledkem bývá minimalistický design s velkým množstvím bílého místa a neutrálním bezpatkovým písmem. Svou roli hraje i způsob práce. Tvůrci často přijmou první návrh, který vypadá dostatečně dobře. Místo hledání dalších možností pak věnují čas jeho úpravám. Výzkumníci upozorňují, že podobnost webových rozhraní může dál narůstat. Pro firmy to představuje riziko. Jejich weby začnou splývat s konkurencí a značka postupně ztratí část své osobitosti.
José Torre upozorňuje ještě na jinou stránku problému. AI dokáže během chvíle vytvořit působivé demo. Výsledek vypadá téměř jako kouzlo. Promyšlený designový směr ale nevzniká tím, že nástroj rychle něco vygeneruje. Když necháme AI určovat podobu návrhu příliš brzy, začneme vlastní nápad přizpůsobovat tomu, co nám nabídne. Místo hledání různých cest se soustředíme na úpravy prvního použitelného výsledku. Přitom právě zkoušení nečekaných směrů, slepých uliček a zdánlivě nepraktických nápadů bývá důležitou součástí tvůrčí práce. Bez tohoto prostoru snadno skončíme u řešení, které je sice přijatelné, ale ničím nevyniká.
Přílišná důvěra v AI oslabuje kontrolu
Další problém se skrývá v tom, jak přesvědčivě AI své návrhy prezentuje. Nestačí, že vytvoří design. Často také vysvětlí, proč zvolila konkrétní rozložení, barvy nebo způsob ovládání. Zdůvodnění zní odborně a působí, jako by návrh vycházel z promyšlené analýzy. Vysvětlení vůbec nemusí odpovídat tomu, co AI skutečně vytvořila.
Právě to zjistili výzkumníci z Northeastern University. AI nástroje připojovaly k návrhům profesionálně znějící komentáře. Zmiňovaly cílovou skupinu, obor nebo konkrétní designová rozhodnutí, takže výsledek působil jako řešení připravené na míru. Více než čtvrtina popisovaných vlastností ale ve výsledném návrhu vůbec nebyla. Nesoulad se navíc často týkal důležitých funkčních aspektů.
Nástroje například nedodržovaly základní principy použitelnosti. Uživatel neměl vždy jasnou zpětnou vazbu o tom, co se v systému děje, dostatečnou kontrolu nad prováděnými akcemi nebo možnost předejít chybě. Na první pohled přitom mohl design vypadat zcela profesionálně.
Čím více AI věříme, tím méně ji kontrolujeme
Jak důvěra v AI ovlivňuje naše přemýšlení, zkoumali také výzkumníci z Microsoftu a Carnegie Mellon University. V roce 2025 oslovili 319 lidí, kteří při práci používali AI. Zjistili souvislost mezi důvěrou ve schopnosti umělé inteligence a mírou kritického přemýšlení nad jejími výstupy. Lidé, kteří AI více důvěřovali, přistupovali k jejím výsledkům méně kriticky. Naopak respondenti s větší důvěrou ve vlastní schopnosti výstupy častěji zpochybňovali a prověřovali. Výzkum vycházel z vlastního hodnocení účastníků. Neprokazuje tedy, že důvěra v AI přímo způsobuje úbytek kritického myšlení. Upozorňuje ale na důležitou souvislost.
Právě zkušený specialista má větší šanci rozpoznat rozdíl mezi přesvědčivým vysvětlením a skutečnou kvalitou návrhu. Rozumí dané práci, zná její pravidla a dokáže posoudit, zda AI opravdu splnila zadání.
Co když kvůli AI postupně ztrácíme vlastní dovednosti?
Na rizika přílišného spoléhání se na AI upozorňují i samotní designéři. Výzkumníci z Purdue University analyzovali jejich zkušenosti publikované v blogových článcích, na sociálních sítích a v diskusích. Zjistili, že designéři využívají AI především k automatizaci rutinních činností. Zároveň ale často zdůrazňují nenahraditelnost lidského úsudku a nutnost kontrolovat výsledky.
Autoři studie přidávají ještě jedno varování.
Rychlejší práce s AI může omezit čas, který designér věnuje hledání nápadů. Místo vlastního navrhování a zkoušení různých směrů se stále častěji zabývá úpravami toho, co mu nástroj předloží. Tím ale přichází o část praxe potřebné k rozvoji vlastních schopností. A právě ty potřebuje, aby dokázal práci AI dobře posoudit. Je to podobné jako se svaly. Když je přestaneme používat, postupně ochabnou.
Co to znamená pro váš web nebo e-shop
S pomocí AI si dnes dokážete během odpoledne připravit návrh nového nákupního košíku nebo vyzkoušet funkci, jejíž vývoj vám dříve připadal příliš složitý. První výsledek získáte rychle. Jestli tím ale skutečně ušetříte peníze, už tak jisté není.
AI sama od sebe nezná vaše zákazníky, firemní data ani důvody, proč je současný web postavený právě takto. Bez těchto souvislostí snadno navrhne změnu, která vypadá dobře, ale neřeší skutečný problém. Její následné opravy pak mohou stát více času i peněz, než kolik jste původně ušetřili. Zrádné je, že nedostatky nemusí být na první pohled vidět.
Na to upozornili také autoři studie z Northeastern University. Nejzávažnější chyby AI se často týkaly věcí, kterých si člověk při zběžném prohlížení návrhu nevšimne. Nevhodnou barvu nebo nesourodé rozložení odhalíte poměrně snadno. Mnohem hůř se pozná, že po kliknutí na tlačítko „Odeslat objednávku“ chybí potvrzení, co se vlastně stalo. Taková chyba přitom přímo ovlivňuje zkušenost zákazníka s nákupem.
To neznamená, že byste se měli AI při navrhování webu vyhýbat. Hodí se pro první nápady, rychlé koncepty nebo ukázku toho, co máte na mysli. Takový návrh poslouží i jako podklad pro spolupráci s UX designérem.
Důležité ale je nezaměňovat rychle vytvořený návrh za hotové řešení. Zkušený specialista dokáže lépe odhalit jeho slabiny, zasadit ho do souvislostí a posoudit dopad na skutečné zákazníky.
A tím se dostáváme k otázce, kterou jsem otevřela už na začátku seriálu: Proč vlastně potřebujeme UX designéra, když toho AI tolik zvládne?
Ve třetím, závěrečném díle Proměn UX v éře AI se podívám na to, co zkušený designér do práce s umělou inteligencí přináší a proč na jeho odbornosti záleží i ve chvíli, kdy samotný návrh vytvoří AI.
