Зачем ты стал перестраивать работу вокруг AI?
Я присоединился к Grothex в марте 2026 года. Начал с Billion — криптокошелька с самостоятельным хранением активов и интеграцией карт Visa. В июле добавился Krabo — платёжное приложение с несколькими сервисами.
Я совмещаю продуктовую работу и дизайн: выбираю решения, расставляю приоритеты, разрабатываю концепты и строю дизайн-систему. Чтобы быстрее итерироваться, подключил агентов уже к проработке пути пользователя, а затем к сборке экранов, графике и документации.
Для этого я вложил время в основу процесса: концепты, компоненты и написанную мной документацию по UX-паттернам. Закрепил эти правила в файлах агента и спецификациях. Так появилась рабочая схема Agentic First: я задаю цель и контекст, агент предлагает и собирает сценарий, я проверяю и корректирую результат.
Как из голосовой заметки получался user flow в Figma?
Я часто подключал AI уже к проектированию сценария. На входе могла быть голосовая заметка с задачей и контекстом: агент предлагал путь пользователя и описывал шаги. При необходимости через MCP смотрели, как похожая задача решена у конкурентов.
Опорой для агента была документация по UX-паттернам. Я написал правила применения компонентов и описал основные паттерны: как подтверждать удаление, сохранять и отменять изменения, давать обратную связь на действия. Эти правила также закрепил в файлах агента и спецификациях. Поэтому System G задавала и состав интерфейса, и то, как его элементы должны работать в сценарии.
Например, в онбординге и создании кошелька я проговаривал задачу, а агент прорабатывал сценарий и собирал его через Figma MCP и Plugin API. Я просматривал результат, уточнял логику и вносил правки. В итоге в дизайне удалось показать больше пользовательских сценариев, альтернативных веток и пограничных состояний и подготовить их к передаче разработчикам.
Как ты применил этот подход сразу в двух продуктах?
С появлением Krabo я адаптировал System G под два бренда. Общими остались компоненты и задокументированные UX-паттерны, а различия в оформлении я вынес в
режимы Variables: Billion и Krabo. Агент мог опираться на эту основу при проектировании и сборке сценариев обоих продуктов.
Billion — тёмный и сдержанный. Для Krabo я разработал светлую тёплую концепцию с золотыми акцентами: почти белый фон, белые карточки, тёплые серые и бежевые оттенки. Эти решения закрепил в значениях переменных.
При работе над Krabo можно использовать ту же библиотеку и переключать режим бренда. Я задаю контекст и проверяю решения для конкретного продукта; агент применяет общие паттерны и собирает интерфейс в нужном оформлении.
Что в результате получала разработка?
По онбордингу и созданию кошелька разработчики получили более полный набор связанных user flow: с переходами, альтернативными ветками и пограничными состояниями. Мы проработали варианты поведения в дизайне и организовали сценарии так, чтобы их было удобно передавать в работу.
AI помогал и готовить технические изменения. После перехода System G на два бренда фронтенд остался на предыдущей версии. Я поручил агенту сравнить версии Figma по идентификаторам переменных и компонентов. Сравнение зафиксировало изменения в 98 из 192 вариантов компонентов.
На основе сравнения подготовил план миграции: таблицы «было → стало», точные имена, ссылки на узлы и приоритеты. Его можно приложить к сессии Claude Code и использовать как задание на обновление фронтенда.
И в сценариях, и в документации я стремился зафиксировать достаточно конкретики для следующего шага: какое поведение реализовать, какие состояния учесть и что обновить в системе.
Как ты превратил AI-генерацию графики в рабочий процесс?
Для продуктов нужны иконки, заставки и иллюстрации в едином стиле. Я оформил генерацию в AI-скиллы — повторно используемые инструкции с визуальными эталонами, правилами материалов, света, ракурса и композиции. Они задают основу для каждой новой серии.
Например, для одной из серий зафиксировал светлые сатиновые материалы, золото, низкий ракурс в три четверти и мягкий студийный свет. По этим правилам агент генерирует новые изображения, а я отбираю варианты и корректирую направление.
После генерации изображения проходят обработку: удаление фона и очистку краёв. Этот шаг понадобился из-за цветных ореолов, которые становились заметны при размещении графики в интерфейсе.
Так подготовлены серии 3D-иконок Billion и заставки Krabo. Для локационных иллюстраций я настроил отдельный набор правил по той же схеме.
Как ты контролируешь качество при работе с AI?
Опыт работы с кошельками и финтехом, особенно в Zerion, помогал мне быстро оценивать предложения AI. Я просматривал путь пользователя, проверял логику, тексты и состояния, замечал пропуски и корректировал сценарий. Это позволяло работать с целыми user flow и быстро переходить к следующей итерации.
Внедрение требовало доработки самих инструкций. При сборке в Figma встречались проблемы со шрифтами и размерами в Auto Layout. Я фиксировал эти ограничения в скиллах и добавлял правила проверки для следующих запусков.
AI-ревью использую для поиска пропусков. Например, при разборе лендинга Billion агент обнаружил, что основная кнопка не ведёт к действию. Такие замечания помогают определить, что нужно проверить в первую очередь.
Расширяя покрытие сценариев, я проверяю и новые ветки: согласованы ли они с основным путём, понятны ли пользователю и соответствуют ли UX-паттернам системы. Предложения агента проходят через это ревью перед передачей дальше.
Что ты считаешь главным результатом этого подхода?
Концепты и System G стали основой для двух продуктов. На этой базе удалось наладить сборку целых user flow через AI с отдельным оформлением каждого бренда.
Продуктовое решение, его описание и проверка макета находятся в одном рабочем цикле. Я могу менять сценарий и поручать агенту следующую сборку из уже подготовленных компонентов.
Для нового продукта переиспользуется библиотека и сам процесс. Отдельно прорабатываются концепция, сценарии и значения Variables.
Оба продукта ещё в разработке. После запуска предстоит проверить решения на реальном использовании и продолжить итерации с обратной связью от пользователей.
Один экран в двух продуктах
На одном и том же экране видно, как переключение режима Variables меняет оформление Billion на Krabo. Компоненты и структура остаются общими. Так одна библиотека служит основой для сборки сценариев обоих продуктов через AI.
Результат: больше проработанных сценариев
На онбординге и создании кошелька я увидел конкретный результат внедрения AI: удалось охватить больше user flow, вариантов поведения и пограничных состояний, чем я прорабатывал вручную в Zerion. Разработчики получили более полный набор связанных сценариев, подготовленный к передаче в работу.
За этим стояла подготовленная основа: мои концепты, общая System G, документация по UX-паттернам и её включение в контекст агентов. AI участвовал от проработки пути пользователя до сборки макетов и материалов для разработки; я задавал направление и корректировал решения. Billion и Krabo ещё в разработке и готовятся к запуску.
