ഡാഷ്ബോർഡിൽ നിന്ന് AI യുഗത്തിലെ ഡിസൈൻ കാണുക
ഈ ലേഖനത്തിൽ ആകെ 1154 വാക്കുകളുണ്ട്, ഏകദേശം 6 മിനിറ്റ് വായനയ്ക്ക് എടുക്കും.
കഴിഞ്ഞ കുറച്ച് വർഷങ്ങളായി വർക്ക്ഫ്ലോകളിൽ AI ഉപയോഗിക്കുകയും ഉൽപ്പന്നങ്ങളിൽ കൂടുതൽ AI ഫീച്ചറുകൾ രൂപകൽപ്പന ചെയ്യുകയും ചെയ്തതിലൂടെ, AI ഡിസൈനിനെ തകിടം മറിച്ചു, 2026-ൽ നിങ്ങൾക്ക് ഇത് കൂടുതൽ ആഴത്തിൽ അനുഭവിക്കാൻ കഴിയുമെന്ന് ഞാൻ വിശ്വസിക്കുന്നു.
ഡിസൈനർമാർ അവരുടെ പോർട്ട്ഫോളിയോകളിൽ പ്രദർശിപ്പിക്കാൻ ഇഷ്ടപ്പെടുന്ന ഡാഷ്ബോർഡുകളുടെ കാര്യം തന്നെയെടുക്കാം. എല്ലാത്തരം ഗംഭീരമായ ചാർട്ടുകളും ഡാറ്റയെ ദൃശ്യവൽക്കരിക്കുന്നത് ഇന്നലെ കഴിഞ്ഞതുപോലെ തോന്നുന്നു. ഡിസൈൻ സിസ്റ്റം നേട്ടങ്ങൾ പ്രദർശിപ്പിക്കാൻ ഇത് വളരെ നല്ലതാണ്, എന്നാൽ AI-യുടെ ആവിർഭാവം എല്ലാം മാറ്റിമറിച്ചു.
(കുറച്ച് വർഷങ്ങൾക്ക് മുമ്പ് ഡിസൈനർ Michal മാസങ്ങളെടുത്ത് ശ്രദ്ധാപൂർവ്വം നിർമ്മിച്ച ഡാഷ്ബോർഡ്)
ഇപ്പോൾ കുറച്ച് ലളിതമായ ശൈലീ നിർദ്ദേശങ്ങളും ഫോണ്ട് ഡിസൈൻ നിയമങ്ങളും ഉപയോഗിച്ച്, AI-ക്ക് കോഡ് ഉപയോഗിക്കാവുന്ന ഡാഷ്ബോർഡുകൾ സൃഷ്ടിക്കാൻ കഴിയും. ഒരേപോലെയുള്ള ഡിസൈനുകൾ ഉപയോക്താക്കൾക്ക് കാഴ്ചയിൽ മടുപ്പുളവാക്കുമെന്ന് പ്രവചിക്കാൻ കഴിയും. കൂടുതൽ വ്യക്തിഗതമാക്കിയ ഡിസൈൻ സ്കീമുകളെക്കുറിച്ച് നമ്മൾ ചിന്തിക്കേണ്ടതുണ്ട്.
(AI ഉപയോഗിച്ച് നേരിട്ട് ഉപയോഗിക്കാവുന്ന ഡാഷ്ബോർഡ് ഉണ്ടാക്കുന്നു)
ഉപകരണങ്ങളുടെ ഉൽപാദന രൂപകൽപ്പനയുടെ കാര്യത്തിൽ, തകർച്ച നേരിടുന്നു എന്ന് പറയാൻ കഴിയില്ല, പക്ഷേ യഥാർത്ഥ പ്രോജക്റ്റുകളിൽ, വളരെ വിശദമായ ഡിസൈൻ സിസ്റ്റങ്ങളും സ്ഥിരമായ ഡിസൈൻ ലേഔട്ടുകളും ഉൽപ്പന്ന രൂപകൽപ്പനയെ വിരസമാക്കുന്നുവെന്ന് നിങ്ങൾ എണ്ണമറ്റ തവണ അനുഭവിച്ചിട്ടുണ്ടോ? പല ഉൽപ്പന്ന ഇന്റർഫേസുകളും സമാനമായിരിക്കുന്നത് എന്തുകൊണ്ടാണ്? ഈ സ്ഥിരത ഒരു സാധാരണ ടെംപ്ലേറ്റായി മാറുന്നു, അതിനാൽ AI-ക്ക് വേഗത്തിൽ പഠിക്കാനും ധാരാളമായി പ്രയോഗിക്കാനും കഴിയും. ഡിസൈൻ സിസ്റ്റത്തിന് ഇന്റർഫേസുകൾ സ്ഥിരമാക്കാൻ കഴിയും, പക്ഷേ അത് അതിരുകടന്നാൽ, ഊർജ്ജസ്വലത നഷ്ടപ്പെട്ട ഡിസൈനുകൾ വിരസമാകും.
(AI നിർമ്മിച്ച ഡാഷ്ബോർഡ് ഡിസൈൻ)
(AI നിർമ്മിച്ച ഡാഷ്ബോർഡ് ഡിസൈൻ)
ഞാൻ UI ഡിസൈൻ ചെയ്യാൻ തുടങ്ങി ഇപ്പോൾ 15 വർഷമായി പ്രൊഡക്റ്റ് ഡിസൈൻ ചെയ്യുന്നു. തുടക്കത്തിൽ PS ഉപയോഗിച്ചാണ് ഇന്റർഫേസ് ഉണ്ടാക്കിയിരുന്നത്, പിന്നീട് sketch ഉപയോഗിച്ച് component ഉണ്ടാക്കി, അതിനുശേഷം Figma-യുടെ Variant (വകഭേദം), Auto-layout എന്നിവ ഉപയോഗിച്ചു, ഇപ്പോൾ AI ടൂളുകൾക്ക് ആവശ്യകതകൾ നൽകിയാൽ നല്ല Demo ഉണ്ടാക്കാൻ കഴിയും. ഡിസൈൻ ചെയ്യുന്നത് കൂടുതൽ സൗകര്യപ്രദവും വേഗത്തിലുമായിരിക്കുന്നു, എപ്പോൾ വേണമെങ്കിലും AIക്ക് പകരം വെക്കാൻ കഴിയുന്നത്ര ലളിതമായിരിക്കുന്നു.
ഒരുപക്ഷേ മാനുഷികവും വ്യക്തിഗതവുമായ ഡിസൈൻ വീണ്ടും ഒരു തരംഗമുണ്ടാക്കും. AI ഉപയോഗിച്ച് കാര്യക്ഷമത വർദ്ധിപ്പിച്ച ശേഷം, നമുക്ക് കൂടുതൽ സമയം നൂതനമായ ആശയങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാനും ഡിസൈനിന്റെ ഗുണനിലവാരം മെച്ചപ്പെടുത്താനും ഉപയോക്താക്കൾക്കായി ശ്രദ്ധാപൂർവ്വം രൂപകൽപ്പന ചെയ്യാനും ആളുകളെ ആസ്വദിപ്പിക്കാനും കഴിയും!
മറുവശത്ത്, ഉപയോക്താക്കൾ ഡാഷ്ബോർഡിൽ ഞങ്ങൾ തിരഞ്ഞെടുത്ത ഡാറ്റയും ചാർട്ടുകളും കാണുന്നതിൽ തൃപ്തരല്ല, മറിച്ച് എന്തുകൊണ്ടാണ് ഇത് സംഭവിക്കുന്നതെന്ന് AI അവരോട് നേരിട്ട് പറയണമെന്ന് അവർ ആഗ്രഹിക്കുന്നു, ഞാൻ എന്ത് ചെയ്യണം, നിർബന്ധമായും ഉണ്ടായിരിക്കേണ്ടതും നല്ലതുമായ നിർദ്ദേശങ്ങൾ നൽകുക, അതിലുപരിയായി, തുടർന്നുള്ള പ്രശ്നങ്ങൾ കൈകാര്യം ചെയ്യാൻ Agent-ന് കഴിയണം, ഉദാഹരണത്തിന് Jira ടിക്കറ്റ് ഉണ്ടാക്കാൻ കഴിയുമോ, വർക്ക്ഫ്ലോയുമായി തടസ്സമില്ലാതെ ബന്ധിപ്പിക്കാൻ കഴിയുമോ തുടങ്ങിയവ.
ഞാൻ ഈയിടെയായി ചെയ്യുന്ന ഒരു പ്രോജക്റ്റ് ഈ ദിശയിലേക്ക് നീങ്ങുകയാണ്. ഇപ്പോഴത്തെ അവസ്ഥയിൽ ഡാറ്റ പ്രധാനമാണ്, അത് പ്രധാന സ്ഥാനത്ത് വെക്കുന്നു, AI സഹായിക്കുന്നു. ഉദാഹരണത്തിന്, ഉൽപ്പന്നത്തിന്റെ ഉപയോഗം ട്രാക്ക് ചെയ്യാൻ ഞങ്ങൾ Pendo ഉപയോഗിക്കുന്നു, ഉപയോക്തൃ ഡാറ്റ കാണുന്നു, ഈയിടെയായി ഡാഷ്ബോർഡ് ലിസ്റ്റിൽ AI ഫീച്ചറുകൾ ലഭ്യമാണ്.
(2026 ഫെബ്രുവരിയിൽ, Pendo ഡാഷ്ബോർഡിൽ AI വിശകലനം "എന്തുകൊണ്ട്" ചേർക്കുന്നു)
മുൻനിര കമ്പനികൾ സ്വന്തമായി AI ഇന്റലിജന്റ് ബോഡികൾ വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്. ഞങ്ങളുടെ കമ്പനിയുടെ ഉൽപ്പന്നം മൂന്ന് വർഷം മുമ്പ് തന്നെ AI ഫീച്ചറുകൾ സ്ഥാപിക്കാൻ തുടങ്ങിയിരുന്നു. Pendo Listen എപ്പോൾ വേണമെങ്കിലും ഉപയോക്താക്കളുടെ പെരുമാറ്റം നിരീക്ഷിക്കുന്നു, AI ഉപയോഗിച്ച് ഡാറ്റ വിശകലനം ചെയ്യുന്നു, ഇത് ഉൽപ്പന്നത്തിന്റെ ഒരു വലിയ പ്രത്യേകതയാണ്.
ഈ വിൽപ്പന കേന്ദ്രം കമ്പനിക്ക് വലിയ വാണിജ്യ മൂല്യം നൽകും. AI ഫീച്ചറുകൾ എത്രത്തോളം ഉപയോഗപ്രദമാണെന്ന് അവർ പരസ്യം ചെയ്യുന്നു, ഭാവിയിൽ ആരാണ് ഡാറ്റാ അനാലിസിസ് വിദഗ്ധൻ ആകാത്തത്! അതിനാൽ ഡിസൈനർമാരായ നമ്മളും വാണിജ്യപരമായ മൂല്യത്തെക്കുറിച്ച് കൂടുതൽ ചിന്തിക്കണം.
20 വർഷം മുമ്പ് പല ഡിസൈനർമാരും ഫ്രണ്ട്എൻഡ് കോഡിംഗ് കൂടി ചെയ്യുമായിരുന്നു, ഇപ്പോൾ നമുക്ക് Figma make, Cursor, GitHub എന്നിവയിൽ നേരിട്ട് ഡെമോയും കോഡും ഉണ്ടാക്കാൻ കഴിയും. കോഡിനെക്കുറിച്ച് കുറഞ്ഞ അറിവുള്ള ഒരാൾക്ക് AI-യുമായി വീണ്ടും വീണ്ടും ഭാഷയിൽ ആശയവിനിമയം നടത്തുന്നതിന് പകരം കോഡ് മാറ്റിയെഴുതി ഡെമോ വേഗത്തിൽ ക്രമീകരിക്കാൻ കഴിയും. കാര്യക്ഷമത വർദ്ധിപ്പിച്ച ശേഷം കഴിവുകളും വർദ്ധിപ്പിക്കണം, അല്ലെങ്കിൽ കാര്യക്ഷമത വർദ്ധിപ്പിച്ചിട്ട് എന്ത് ചെയ്യാനാണ്?
Google ഈയിടെ A2UI പുറത്തിറക്കി, ഞങ്ങളുടെ ടീം അതിനെക്കുറിച്ച് പഠിക്കുകയാണ്, പിന്നീട് വിശദമായി സംസാരിക്കാം, താൽപ്പര്യമുള്ള വിദ്യാർത്ഥികൾക്ക് ആദ്യം ഇതിനെക്കുറിച്ച് മനസ്സിലാക്കാവുന്നതാണ്, ലിങ്ക്: https://developers.googleblog.com/introducing-a2ui-an-open-project-for-agent-driven-interfaces/
UI agent പോലും അവർ ഉണ്ടാക്കിയിട്ടുണ്ട്, ഡാഷ്ബോർഡ് ഡിസൈൻ, പിന്നെ പറയേണ്ടതില്ലല്ലോ!
