V září jsem navštívila WaysConf 2026, každoroční konferenci pro designery, produktové manažery a UX výzkumníky v Krakově. Jedním z hlavních témat byla, jak jinak, umělá inteligence (AI).
Když se nad tím zamyslíte, je to docela zvláštní. Jsme na konferenci pro designéry a UX výzkumníky, ale místo debat o tom, jak lépe poznat potřeby uživatelů nebo jak se mění jejich interakce s technologiemi, řešíme hlavně to, jak zapojit AI do každodenní práce.
Ještě před pár lety zněla představa, že umělá inteligence navrhne design webu nebo e-shopu, jako sci-fi. Dnes ji podle průzkumů používá nemalý počet designerů. Nástroje jako Figma Make, Claude Design, Lovable nebo V0 vytvoří návrh obrazovky z pouhých několika řádků textu a jen za pár minut.
Majitelům webů a e-shopů se tak nabízí lákavá otázka: Proč platit UX designéra, když si návrh zvládnu vytvořit sám s pomocí AI?
Ale zvládá AI práci UX designera opravdu dobře? Dělá naši práci opravdu rychleji a efektivněji? Sepsala jsem třídílnou sérii článků Proměny UX v éře AI, kde se na to podíváme ze tří úhlů. V prvním díle si řekneme, na co dnes UX designéři AI skutečně používají, ve druhém rozeberu její slabiny a ve třetím se vrátím k otázce, co do práce s AI přináší zkušený UX designér.
AI v každodenní práci UX designérů
Jak se AI postupně zabydluje v práci designérů, dobře ukazuje příběh José Torreho, UX designera ze Shopify. Na letošní WaysConf měl jednu z nejzajímavějších přednášek o AI a designu. Své zkušenosti popsal také ve vlastním článku.
Začínal nenápadně. Experimentoval s automatizací nudných úkolů, třeba s pluginem na přejmenování ikon v knihovně. Postupně se pustil do složitějších věcí. S nástroji v0 a Lovable hledal nápady a vizuální směry, vytvořil si vlastní iOS aplikaci a nakonec začal zasahovat i do produkčního kódu Shopify. Při vyhledávání vyměnil Google za Perplexity a další AI nástroje. Zkoušel s nimi dokonce vytvořit nový ilustrační styl. Z pomocníka na drobné úkoly se tak AI stala součástí téměř celého jeho pracovního procesu.
Kde dnes designérům skutečně pomáhá? A u jakých činností už naráží na své limity?
Rutina, kterou nemá nikdo rád
Přejmenovat stovky komponent nebo ikon, hromadně upravit dokumentaci, připravit podklady pro vývojáře nebo doplnit do návrhu výplňové texty. To je práce, která zabere čas, ale nevyžaduje pokaždé nové tvůrčí rozhodnutí.
Právě tady AI nachází široké uplatnění. V průzkumu Designlabu z roku 2026 uvedlo 60 % z více než 200 dotazovaných designérů, že jim umělá inteligence zkracuje čas strávený rutinními úkoly.
Podobně začínal i José Torre. Já jsem si zase s pomocí AI vytvořila plugin, který hledá chyby v pojmenování komponent a jejich variant.
Automatizace rutiny ale má i druhou stránku. Na jedné přednášce pro UX designéry jsem slyšela zajímavý názor: právě při mechanické práci si může mozek odpočinout. Chvíli děláte něco, nad čím nemusíte tolik přemýšlet. Ne každý rutinní úkol tak musí být nutně ztrátou času.
UX writing a microcopy
Texty v grafickém návrhu jako popisky, texty v tlačítkách, chybové hlášky nebo nápovědy ve formulářích jsou podle Designlabu oblastí, kde designeři běžně AI používají.
Díky AI během chvíle navrhnou několik variant textu, zkrátí ho na požadovaný počet znaků nebo upraví tón komunikace. Musíme si uvědomit, že u těchto drobných textů záleží na každém slově. UX designérka Chinwe Uzegbu včlánku pro LogRocket připomíná, že UX writing není závod v rychlosti. AI podle ní často vytváří obecné, vágní texty a instrukce. Při snaze přizpůsobit komunikaci konkrétnímu publiku snadno sklouzne ke stereotypům. Pracuje s existujícími vzorci, ale hůře zachycuje jemné nuance, empatii a kontext.
Přitom nejde o nepodstatné detaily. Krátké texty se objevují na místech, kdy se zákazník rozhoduje. Třeba při vyplňování formuláře nebo dokončování objednávky.
Chinwe však dodává, že AI může sloužit jako dobrý první krok, může pomoct identifikovat texty, které nefungují, nemají dostatečnou délku nebo pomůže s vymýšlením více variant. Následně je však potřeba aplikovat úsudek experta.
Tvorba designu a interaktivní prototypy
Podle stejného průzkumu Designlabu používá AI k tvorbě wireframů a prototypů 57 % dotazovaných designérů, přičemž o rok dříve se jednalo pouze asi o pětinu. 38 % z designérů uvedlo, že díky AI tvoří více návrhů designu. Více než polovina dotazovaných používala AI při tvorbě obsahu jako UX writing a microcopy, nebo exploraci konceptů a vizuálního směru.
Podobný obrázek vytvořila ve svém průzkumu i Figma. Z 906 designérů jich 89 % uvedlo, že díky AI pracují rychleji, a 91 % mělo pocit, že jim nové nástroje pomáhají tvořit lepší design.
Interaktivní prototyp má proti statickému návrhu velkou výhodu. Klient i uživatel si ho mohou proklikat a lépe si představit, jak bude výsledný produkt fungovat. Usnadňuje také komunikaci s vývojáři. Jak daleko se tato praxe dostala, ukazuje Shopify. Podle článku Designer Fund ze srpna 2026 vytvořili tamní designéři na interní platformě více než 5 500 prototypů, které mohou sdílet pouhým odkazem. Zhruba 60 % designérů už také posílá kód přímo do produkce, což je o 38 % více než v předchozím září.
AI tak designérům otevírá prostor pro rychlejší zkoušení různých variant. Větší výběr ale automaticky nepředstavuje lepší rozhodnutí. Pořád je potřeba poznat, který návrh skutečně řeší problém uživatelů.
Předání vývoji a převod návrhu do kódu
Podle některých expertů se hranice mezi designem a vývojem stírá ačím dál více designerů už zasahuje také do produkčního kódu. Podle AI in Design Report 2026, založeného na průzkumu mezi více než 900 designéry z více než 60 zemí, už polovina respondentů někdy přispěla do produkčního kódu s pomocí AI.
V praxi to znamená, že designér zvládne některé drobné úpravy rozhraní sám, bez čekání na vývojáře. Zároveň se mění očekávání ohledně výstupů jeho práce. Celkem 43 % respondentů předpokládá, že designéři budou odevzdávat klikací prototypy. Ty usnadňují sdílení nápadů i domluvu s vývojem. Ne všichni ale tuto změnu vítají bez výhrad. Část dotazovaných upozornila, že rychlá tvorba prototypů přináší záplavu lákavě vypadajících možností. Jejich nedostatky pak snadno zapadnou.
Podobný problém se týká i kódu. Na první pohled vypadá správně, ale pod povrchem se mohou skrývat chyby.
Ve studii Figma2Code převádělo deset AI modelů do kódu 213 skutečných návrhů z Figmy. Modely s nejvěrnějším vizuálním výsledkem zároveň vytvářely nejméně pružný kód. Místo rozložení, které se přizpůsobí různým obrazovkám, AI nástroje často jen opsaly pevné rozměry z Figmy.
Výsledek tedy může vypadat přesně podle zadání, a přesto být z technického hlediska problematický.
UX audit webu nebo e-shopu
Dnes stačí vložit odkaz na web nebo e-shop do jakéhokoliv jazykového modelu a požádat ho o UX analýzu. Během chvíle dostanete seznam problémů a doporučení, která často znějí docela rozumně.
Jak spolehlivá ale taková analýza je?
Výzkumníci z University of Washington v roce 2025 porovnávali hodnocení dvou mobilních aplikací pomocí GPT-4 a deseti UX expertů. Vycházeli z Nielsenových heuristik, tedy základních principů použitelnosti uživatelského rozhraní (takové “desatero” pro UX designery)
AI odhalila 73 % všech identifikovaných problémů. Vedla si dobře zejména při hodnocení vizuální hierarchie a na rozdíl od lidí neztrácela pozornost s přibývajícími úkoly. Jenže současně nahlásila téměř sto nedostatků, které ve skutečnosti nebyly problémy použitelnosti. Hůře si poradila také s chybami, které se projeví až při průchodu několika obrazovkami. Našla přibližně polovinu těchto problémů, zatímco experti odhalili více než 80 %.
Právě takové chyby se mohou objevovat u vícekrokových uživatelských cest, jako je například průchod nákupním košíkem. Jednotlivé obrazovky mohou působit bezproblémově, ale při dokončování objednávky zákazník narazí na překážku.
AI tedy dokáže rychle připravit rozsáhlý seznam podezřelých míst. Zkušený UX designér ale lépe rozliší skutečný problém od falešného poplachu a posoudí jeho význam pro konkrétní web, zákazníky i byznys.
Analýza uživatelského výzkumu
Umělá inteligence proniká také do uživatelského výzkumu. Pomáhá přepisovat rozhovory, třídit odpovědi, hledat opakující se témata nebo připravovat výzkumné otázky.
Platforma Maze, zaměřená na uživatelský výzkum, oslovila téměř 500 výzkumníků, designérů a produktových profesionálů. Celkem 69 % respondentů uvedlo, že AI využívají alespoň v některé části výzkumné práce. Mezi nejčastěji zmiňované přínosy patřilo zkrácení doby potřebné k realizaci výzkumného projektu (63 %) a vyšší efektivita týmu (60 %).
Největší otázky ale vyvolává samotná interpretace výsledků. Ve studii University of Southampton z roku 2026 třídila AI úryvky skupinové diskuse do předem určených témat stejně dobře jako lidé. Když však měla sama rozpoznat, co je v rozhovoru podstatné, hůře zachycovala významy, které účastníci nevyjádřili přímo.
Ještě výraznější nedostatky popsala norská studie. Menší AI model si při analýze vymýšlel citace účastníků včetně čísel stránek a řádků. Přehlížel skryté významy a špatně rozuměl ironii.
Obě studie tak ukazují podobnou hranici. AI si poradí s tříděním informací podle jasných pravidel. Při hledání hlubšího významu ale potřebuje lidskou kontrolu. Výzkumník totiž nepracuje jen s tím, co lidé doslova řekli. Všímá si také souvislostí, náznaků a toho, co v rozhovoru zůstalo nevyslovené.
Co to znamená pro váš web nebo e-shop
AI dnes zvládne řadu činností, které dříve patřily výhradně do rukou specialistů. Napíše první verzi textů na web, navrhne landing page, převede návrh do kódu, připraví UX audit nebo pomůže zpracovat zpětnou vazbu od zákazníků. Není divu, že to svádí k experimentování. Výsledek máte rychle a často vypadá přesvědčivě.
Zároveň se stírají hranice mezi profesemi. Designér zasahuje do kódu, vývojář si sám připraví návrh rozhraní a majitel e-shopu si nechá od AI vyhodnotit použitelnost webu. Jenže tím, že vytvoříte něco s pomocí AI ještě neznamená, že rozumíte výsledku.
U návrhu webu nestačí, že dobře vypadá. Musí fungovat pro skutečné zákazníky. U UX auditu zase nerozhoduje délka seznamu nalezených chyb, ale schopnost poznat, které z nich zákazníkům opravdu překážejí. Stále je důležitá zkušenost člověka, který danému oboru rozumí.
Ve druhém díle seriálu Proměny UX v éře AI se proto podívám na slabiny umělé inteligence podrobněji. Proč rychlejší práce nemusí přinést lepší výsledky? Proč si návrhy vytvořené různými AI nástroji bývají tak podobné? A proč tak snadno uvěříme jejich profesionálně znějícímu zdůvodnění?
