Что будет с профессией дизайнера через пять лет

Нейросети уже забрали значительную часть рутинной работы: ресайзы, адаптации, поиск визуальных решений, отрисовку по референсам. Для опытных специалистов это хорошая новость. У них освободилось время на концепцию, стратегию и работу со смыслами.

Но у рутины, от которой индустрия так охотно избавляется, была ещё одна функция. Десятилетиями она служила тренажёром для новичков. Именно через неё начинающие дизайнеры учились видеть ошибки, принимать решения и постепенно становились профессионалами.

Тренажёр убрали. Требования к результату оставили.

Если спросить сильного дизайнера, как он научился отличать хороший макет от плохого, внятного ответа можно и не получить. Он скажет что-нибудь про опыт, насмотренность или чувство стиля.

Дело не в нежелании делиться секретами. Скорее всего, он сам не до конца понимает, из каких конкретно навыков складывается эта способность. Её нельзя просто выучить — она накапливается с опытом.

И долгое время накапливалась примерно одинаково. Сотни макетов, тысячи ресайзов, бесконечные правки. Комментарий арт-директора в одно слово — и несколько часов попыток понять, что именно не так.

Скучная, изматывающая и часто плохо оплачиваемая работа, которую ненавидел почти каждый начинающий дизайнер.Именно её нейросети забрали первой. Ресайзы, адаптации под разные форматы, поиск референсов, стилизация — всё это ИИ делает быстрее и дешевле человека.

Конечно, двести механических ресайзов сами по себе никого не превращали в профессионала. Можно было годами двигать логотипы и ничему не научиться. Всё зависело от задач, обратной связи и способности замечать собственные ошибки.

Но рутина создавала ситуации, в которых дизайнеру приходилось принимать решения. Иногда совсем мелкие: увеличить отступ, поменять начертание, перестроить композицию, отказаться от любимого приёма, потому что здесь он не работает.

Из таких решений и складывался опыт.

Я не защищаю рутину и не скучаю по временам, когда джун полгода двигал логотипы в макетах за еду. Просто мы убрали эту работу, так и не разобравшись, что именно она давала дизайнеру.

Чтобы делать хороший дизайн с помощью нейросетей, всё равно нужна насмотренность. Нужно понимать, какой из двадцати вариантов решает задачу, видеть разваливающуюся композицию, чувствовать стилистику, учитывать контекст и уметь объяснить, почему один макет сильнее другого.

Новичок приходит в профессию, где значительную часть этой работы уже выполняет ИИ. Ему не нужно вручную собирать двести карточек — можно сразу написать промпт. Результат почти наверняка окажется лучше того, что джун сделал бы сам в первый год работы.

Внешне человек справляется. Клиент доволен, руководитель получил картинку в срок, задача закрыта. Только собственные навыки дизайнера почти не изменились.

Через два года он по-прежнему выбирает на уровне «нравится — не нравится». Объяснить, почему нравится, не может. Доработать выбранный вариант без новой генерации — тоже.

Хорошим мидлом такой специалист не станет только потому, что провёл в профессии два года. Мидла определяет не стаж, а количество осмысленных решений, которые он принял в собственных проектах.

Раньше джуна было видно сразу — по его работам. Теперь нейросеть маскирует реальный уровень до первой нетиповой задачи. Простая просьба изменить композицию, сохранить стиль и учесть новое ограничение быстро показывает, понимает человек, что делает, или просто умеет получать эффектные изображения.

В одной из студий, где я работал, был джун — назовём его Алексеем. В основном он генерировал изображения для билбордов и другой рекламной продукции.Через некоторое время Алексей начал уверенно говорить, что способен на большее. Нужно только дать ему шанс — и он покажет, что такое настоящий стиль.

Его услышали. Вскоре Алексею поручили подготовить концепцию для клиентского проекта. Он сгенерировал неплохой визуал. На первый взгляд тот выглядел даже сильнее некоторых концепций, предложенных более опытными дизайнерами.

Клиент выбрал вариант Алексея и попросил внести несколько обычных рабочих правок.

Тут и выяснилось, что довести концепцию до финала Алексей не мог. Вместо того чтобы править макет, он каждый раз генерировал его заново и надеялся случайно получить нужный результат.

В итоге работу передали мидлу. Тому самому, который в своё время прошёл через бесконечные ресайзы и правки.

Концепцию выиграл человек с нейросетью. До продакшна её довёл дизайнер старой школы.

Это всего один случай, а не исследование рынка. Но я всё чаще вижу один и тот же разрыв: картинка выглядит профессионально, а человек за ней ещё не умеет работать на профессиональном уровне.

Пока рядом есть опытный дизайнер, проект можно спасти. Но откуда через несколько лет возьмётся следующий мидл спасающий проекты?

Технологии и раньше радикально меняли профессии. Опасения каждый раз звучат похоже.

Конструкторы сайтов не уничтожили верстальщиков. Цифровая фотография не уничтожила фотографов. Почти любую автоматизацию встречали разговорами о скорой смерти профессии, и обычно эти прогнозы не сбывались.

Поэтому возражение справедливое: всё это мы уже слышали.
Но есть важное отличие.

Цифровая фотография почти обнулила стоимость кадра. Новичок, который раньше принимал тридцать шесть решений за одну плёнку, получил возможность принимать тысячу решений в день. Можно было снимать, тут же смотреть результат, менять настройки и пробовать снова.
Практики стало больше.

С нейросетями легко получить обратный эффект. Раньше двадцать вариантов макета означали двадцать собранных композиций и множество принятых по дороге решений. Теперь это один промпт и выбор из готового.

ИИ забирает нижние ступени профессии, но оставляет верхние. Стратегия, концепция, арт-дирекшн и системное мышление всё ещё требуют человека. Только добраться до этого уровня снизу становится сложнее. Пространство между «начал учиться» и «научился принимать решения» раньше заполняла как раз та работа, которую сегодня всё чаще отдаём на откуп ИИ.

При этом сама нейросеть вполне может быть тренажёром. С её помощью можно быстро проверять гипотезы, сравнивать подходы и разбирать ошибки. Но это требует дополнительных усилий. Нужно останавливаться, задавать вопросы, воспроизводить решения руками и пытаться понять, почему результат получился именно таким.

Большинство рабочих процессов устроено иначе. От дизайнера ждут скорость, поэтому первая удачная генерация отправляется в макет, а человек берётся за следующую задачу.

Обучение в этот момент не происходит. Происходит производство.
Войти в профессию теперь конечно легче. Но, чтобы вырасти внутри неё, приходится сознательно искать практику, которую раньше работа давала сама.

Можно сказать: не научились — сами виноваты, рынок разберётся.
Только рынок не производит сильных специалистов по запросу.

Это уже видно в цифрах. Исследователи Стэнфорда проанализировали зарплатные данные миллионов американских работников и обнаружили: с момента массового распространения генеративного ИИ занятость специалистов 22–25 лет в самых «подверженных ИИ» профессиях упала на 16%. У опытных работников в тех же областях она не изменилась или выросла.

В том же исследовании есть деталь, которая важнее общей цифры. Авторы разделили профессии по тому, как в них реально используют ИИ. В одних он выполняет работу целиком — человек только формулирует запрос и забирает результат. В других участвует в процессе: помогает разбирать ошибки, проверять гипотезы, дорабатывать решения.

Спад занятости молодых нашёлся только в первой группе. Там, где ИИ работает соавтором, а не заменой, занятость новичков даже растёт.

То есть граница проходит не между профессиями, а внутри них. Уязвим не дизайнер как таковой — уязвим способ работы, при котором от человека требуется нажать «сгенерировать» и выбрать вариант из готовых.

Нынешние сеньоры — это люди, которые десять-пятнадцать лет назад прошли через всю необходимую практику. Сегодня они закрывают спрос и ещё несколько лет будут его закрывать. Проблема станет заметна позже, когда выяснится, что следующего поколения не хватает.

Лифт, который поднимал новичков до уровня сильных специалистов, уже демонтируют, а новый пока не построили.

Демонтаж — не метафора. По данным SignalFire, в крупнейших технологических компаниях выпускники составляют теперь лишь 7% наймов — вдвое меньше, чем до пандемии. Средний возраст нанимаемых специалистов за несколько лет вырос на три года: компаниям проще купить готового, чем вырастить своего.

Индустрия сейчас живёт на запасе экспертизы, накопленном до массового распространения нейросетей, и ведёт себя так, будто этот запас никогда не закончится.

Сама экспертиза тем временем становится только ценнее. Носителей всё больше: сайты, соцсети, наружная реклама, интерфейсы, презентации, видео. Темп тоже вырос. Билборд, на который раньше отводили две-четыре недели, теперь иногда нужно сделать за два-три дня.

Поддерживать единый уровень и визуальную логику в таком потоке вручную почти невозможно. Поэтому системный подход постепенно превращается в обязательное условие работы. Это видно даже по развитию Figma: компоненты, переменные, шаблоны и дизайн-системы давно перестали быть инструментами только для крупных продуктовых команд.

Но системное мышление формируется медленно. Одно дело — создать удачный макет. Другое — понять, как он поведёт себя на двадцати носителях, с другим количеством текста, в нескольких форматах и под давлением реального продакшна.

Сгенерировать такую систему можно. Научиться ею управлять без собственного опыта гораздо труднее.

Если компании продолжат автоматизировать работу начального уровня и не предложат ей учебную замену, сильных дизайнеров станет меньше. А платить оставшимся придётся больше.

Совет «учите базу» звучит как ворчание старика. Но пока это единственное, что действительно работает. Вопрос в другом: как учить базу, если рутину уже забрал ИИ.

Сначала решайте, потом генерируйте. Перед промптом потратьте пять минут и запишите, что вы хотите получить: какая иерархия, где акцент, какая стилистика и почему. Потом сравните генерацию с этим планом.
Иногда окажется, что нейросеть предложила решение сильнее вашего. Это нормально — разберитесь, чем именно сильнее. Хуже, когда плана нет вообще: тогда сравнивать не с чем, и любой эффектный вариант кажется правильным.

Дорабатывайте сгенерированное руками. Не перегенерируйте макет целиком — возьмите лучший вариант и доведите его. Поправьте композицию, перестройте сетку, поменяйте шрифт. Именно на этом споткнулся Алексей, и именно это попросит сделать любой клиент после слов «нам нравится, но».
Да, это медленнее и немного сложнее. В этом и смысл.

Разбирайте чужую работу письменно. Раз в неделю берите сильный макет и отвечайте на бумаге: куда взгляд идёт первым, вторым, третьим? Почему этот шрифт, а не соседний? Что делает цвет, кроме «красиво»? Что развалится, если убрать один элемент?

Почему письменно: «понимаю, но не могу объяснить» и «не понимаю» со стороны выглядят одинаково. Пока не начнёшь записывать — не узнаешь, который из двух случаев твой.

Ищите обратную связь от людей. Нейросеть не скажет, что работа слабая. Она вежливо сгенерирует ещё двадцать вариантов с теми же проблемами. Нужен человек, который объяснит, что не работает и почему, — и который понимает контекст и культуру, в которой вы работаете. Один такой разбор даёт больше, чем месяц генераций наедине с собой.

Записывайте свои решения. По ходу проекта фиксируйте развилки: из чего выбирал, что взял, почему. После сдачи вернитесь к записям и сверьте с результатом: что сработало, что нет, где ошибся в прогнозе.

Скучное занятие, знаю. Но через полгода из этих заметок складывается собственная методология — та самая вещь, которую нельзя сгенерировать и которую спрашивают на любом серьёзном собеседовании.

Красивый визуал стал почти бесплатным. Поэтому оценивать джунов только по портфолио больше нельзя.

Портфолио по-прежнему нужно, но теперь важнее то, что находится за картинками. Какую задачу решал кандидат? Какие ограничения учитывал? Что сделал самостоятельно? Где использовал нейросеть? Почему остановился на этом варианте и от каких идей отказался?

Предложите кандидату разобрать чужую работу. Попросите объяснить собственный макет или доработать заведомо слабый. Дайте небольшую правку и посмотрите, что произойдёт дальше.

Если человек пять раз перегенерирует изображение целиком, это один уровень контроля. Если он понимает, какие части решения нужно сохранить, что следует изменить и почему, — совсем другой.

Тестовое задание тоже стоит строить вокруг процесса. Эффектную картинку кандидат принесёт в любом случае. Гораздо интереснее увидеть промежуточные варианты, услышать аргументы и понять, как он реагирует на ограничения.

И ещё придётся закладывать обучение в бюджет.
Раньше наставничество можно было считать приятным бонусом или частью корпоративной культуры. Теперь это один из немногих способов выращивать специалистов внутри команды.

Нейросети не убили профессию дизайнера. Они убрали путь, по которому в неё приходили.

Тем, кто уже внутри и умеет думать, стало проще. Рутины стало меньше, времени на концепцию и стратегию — больше. Хороший дизайнер с нейросетью способен сделать объём работы, для которого раньше потребовалась бы команда.

Новичкам сложнее, хотя они могут этого не замечать. Уже первые работы выглядят вполне прилично. Создаётся ощущение быстрого роста, но качество генерации и уровень самого дизайнера — не одно и то же.

Возможно, на месте старого пути появится новый. Без бессмысленных ресайзов, бесплатных стажировок и многолетнего обучения через изматывающую работу. С хорошим наставничеством, быстрыми экспериментами и нейросетью в роли терпеливого тренажёра.

Такой вариант даже лучше прежнего.
Только сам собой он не возникнет.

Если компании хотят через пять лет нанимать сильных дизайнеров, выращивать их нужно уже сейчас. А тем, кто сегодня входит в профессию, придётся самостоятельно создавать себе практику, которую работа больше не даёт автоматически.

Вопрос уже не в том, заменит ли ИИ дизайнеров.

Вопрос в том, кто научит следующее поколение принимать решения, которые мы пока не готовы передать ИИ.

Автор статьи: Пётр Никитин