The post has been translated automatically. Original language: Russian
In this article, we talk about several AI tools used by Kolesa Group designers, from a plug-in for naming files to services that help conduct interviews and evaluate tasks.
AI is developing rapidly: new tools simplify work and help businesses save resources. According to an OpenAI study for 2025, AI can save 40-60 minutes of working time per day. And research from MIT and Stanford shows that productivity can increase by about 14% in individual tasks.
This also applies to designers. Routine tasks can be passed on to AI, and you can focus on more complex and strategic tasks yourself.
Kolesa Group designers also use AI in their work. At first, these were experiments, but over time, specific tools have emerged that really save time.
In this article, we talk about several such solutions, from a plug—in for naming files to services that help conduct interviews and evaluate tasks.
1. Zhankozha — graphic designer
Kolesa Group tries not to waste time on routine: teams simplify processes and automate everything that can be automated.The designers also had several tasks that they wanted to speed up. That's how two projects appeared.:
- plugin for naming files;
- generation of cars in the same style.
1.1 Plug-in for naming files
What was the problem?
Each designer had their own approach to file names, so it was difficult for another person to find the file. The search took from 3 to 10 minutes.
For example, a landing page could be named in different ways:
- Landing page
- Landing
- Website
Decision
The idea came up to make a plugin that will help the designer choose the right naming before starting the task.
I used Claude to develop the plugin, which, by the way, was the first time I did it. Everything turned out to be easier than it seems.:
- First, I described the logic and structure of the plugin — what I would like to see.
- Claude proposed solutions and wrote the code, divided into 3 parts: manifest, UI and code.
- I have fully described what to insert and where. He also showed me how to update the data if there are changes in the plugin.
What happened
As a result, a plugin appeared for the correct naming of files. The designer opens the plugin, sets the necessary parameters and gets a ready-made file name. Now all files are named consistently, and it has become easier to search for them.
1.2 Generation of cars in the same style
Context
Since Kolesa.KZ is an automotive—themed product that often uses cars of different brands and bodies in its graphics.
Problem
Choosing a car for graphics took a lot of time:
- you need to find an image of the right brand in good quality.;
- choose the right angle;
- consider copyright risks;
- the right car is not always found.
Decision
Instead of searching for a suitable image every time, we made a universal blank. We took one car from a suitable angle, retouched it as needed and saved the source code in Figma.
We have written a script that preserves the visual style:"Replace this car with a "car brand" one without changing its position, angle, color, or level of detail"
What happened
We take the image, insert the promt and the name of the desired car (car, truck, etc.) and get the final result, which we are completely satisfied with.The process has become noticeably simpler: the designer takes the image, adds the desired brand to the product and gets the appropriate image. This made it easier to work with graphics and helped to avoid the risks of using other people's photos.
2. Roma is the team leader of product designers Kolesa.kz
The work of a team leader is often unpredictable: it is necessary to solve non-standard tasks, and there is often no suitable tool for them. Or it is, but it is paid, and there is no particular desire to pay without proven usefulness.
That's why I decided to use vibcoding in my life to quickly assemble the tools for myself. I'll tell you about the two most interesting ones.:
- interview assistant;
- story point evaluator.
2.1 Interview Assistant
Problem
We have a tool that allows you to take notes about a candidate. But it is not very convenient and it makes it more difficult to work with records.:
- I wrote a comment, and after a while you forget what I meant.;
- After a while, it's hard to explain how the interview went.;
- It's difficult to give feedback to a candidate because it's hard to understand your own notes.
Decision
At first, I thought to solve it using another tool — Notion or Excel. But there was still a lot of manual work: it was necessary to enter questions, prepare a separate file for each interview.
And then the ChatGPT + Figma Make bundle came to my rescue.
I've dictated my service requirements.: candidate's name, questions and answer fields, gradation of answers from bad to good, hints, PDF upload. Then I asked ChatGPT to prepare the promt.I sent this product to Figma Make and received a fully working service.After that, I made minor edits for convenience and visual.
What happened
It turned out to be a very simple and cool service with useful functions for me.:
- evaluating responses;
- tips for the interviewer;
- final response statistics;
- uploading the report to PDF (since the service does not store the history)
2.2 Evaluation of tasks in story points
Context
As a team, we decided to try to evaluate tasks in story points - these are conditional scores that show how much effort a task will require. This approach helps you plan your work better.
But the question immediately arose: how exactly to evaluate the tasks? There was no ready-made system. That's why I've compiled my own table of six criteria. According to them, the task receives points, which are then converted into story points.
The system was working. But there was only one drawback: everything had to be counted manually in the table. Most likely, the team would quickly stop using it.
Decision
I decided to automate the process using ChatGPT and Figma Make.:
- described the requirements in ChatGPT ;
- I sent the promt to Figma Make;
- made a few edits.
What happened
As a result, a small task evaluation service appeared. The team uses it every day, and the accuracy of the estimate almost matches the actual execution time.
P.S.
In these projects, I did not seek to create a complex system with a database connection or turn it into a full-fledged product. I needed a quick solution that would help with my work and allow me to test the hypothesis — and it worked.
Each of these services took me at most 30 minutes, but it has already saved a lot of time. me and the team.
В этой статье рассказываем о нескольких ИИ-инструментах дизайнеров Kolesa Group — от плагина для нейминга файлов до сервисов, которые помогают проводить собеседования и оценивать задачи.
ИИ быстро развивается: новые инструменты упрощают работу и помогают бизнесу экономить ресурсы. По данным исследования OpenAI за 2025 год, ИИ может экономить 40–60 минут рабочего времени в день. А исследования MIT и Stanford показывают, что в отдельных задачах продуктивность может вырасти примерно на 14%.
Дизайнеров это тоже касается. Рутинные задачи можно передать ИИ, а самим сосредоточиться на более сложных и стратегических задачах.
Дизайнеры Kolesa Group тоже используют ИИ в работе. Сначала это были эксперименты, но со временем появились конкретные инструменты, которые действительно экономят время.
В этой статье рассказываем о нескольких таких решениях — от плагина для нейминга файлов до сервисов, которые помогают проводить собеседования и оценивать задачи.
1. Жанкожа — графический дизайнер
В Kolesa Group стараются не тратить время на рутину: команды упрощают процессы и автоматизируют всё, что можно автоматизировать.У дизайнеров тоже было несколько задач, которые хотелось ускорить. Так появились два проекта:
- плагин для нейминга файлов;
- генерация автомобилей в одном стиле.
1.1 Плагин для нейминга файлов
В чём была проблема
У каждого дизайнера был свой подход к названию файлов, поэтому находить файл другому человеку было сложно. Поиск занимал от 3 до 10 минут.
Например, лендинг могли назвать по-разному:
- Лендинг
- Landing
- Сайт
Решение
Возникла идея сделать плагин, который поможет дизайнеру правильно выбрать нейминг перед стартом задачи.
Для разработки плагина я использовал Claude — делал это, кстати, впервые. Всё оказалось проще, чем кажется:
- Сначала описал логику и структуру плагина — что хотелось бы видеть.
- Claude предложил варианты решения и написал код, разделённый на 3 части: manifest, UI и code.
- Я полностью расписал, что и куда вставлять. А ещё показал, как обновлять данные, если появятся изменения в плагине.
Что получилось
В итоге появился плагин для правильного нейминга файлов. Дизайнер открывает плагин, задаёт нужные параметры и получает готовое название файла. Теперь все файлы названы консистентно, а искать их стало проще.
1.2 Генерация автомобилей в одном стиле
Контекст
Так как Kolesa.kz — это продукт с автомобильной тематикой, в графике часто используются машины разных марок и кузовов.
Проблема
Подбор авто для графики занимал много времени:
- нужно найти изображение нужной марки в хорошем качестве;
- подобрать правильный ракурс;
- учесть риски с авторскими правами;
- нужное авто не всегда находится.
Решение
Вместо того, чтобы каждый раз заново искать подходящее изображение, мы сделали универсальную заготовку. Взяли одну машину в подходящем ракурсе, отретушировали как нужно и сохранили исходник в Figma.
Написали промт, который сохраняет визуальный стиль:«Replace this car with a “марка авто” one without changing its position, angle, color, or level of detail»
Что получилось
Берём изображение, вставляем промт и название нужной машины (легковой, грузовика и т. д.) и получаем финальный результат, который нас полностью устраивает.Процесс стал заметно проще: дизайнер берёт изображение, добавляет нужную марку в промт и получает подходящее изображение. Это упростило работу с графикой и помогло избежать риски с использованием чужих фотографий.
2. Рома — тимлид продуктовых дизайнеров Kolesa.kz
Работа тимлида часто непредсказуема: приходится решать нестандартные задачи, и под них часто нет подходящего инструмента. Либо он есть, но платный, а платить без подтвержденной полезности особого желания нет.
Поэтому я решил впустить в свою жизнь вайбкодинг, чтобы быстро собирать инструменты под себя. Расскажу о двух самых интересных:
- помощник в проведении собеседований;
- оценщик стори-поинтов.
2.1 Помощник в проведении собеседований
Проблема
У нас есть инструмент, который позволяет делать заметки о кандидате. Но он не совсем удобен и это усложняет работу с записями:
- написал коммент, а спустя время забываешь, что имел в виду;
- спустя время сложно объяснить, как прошло собеседование;
- сложно дать фидбек кандидату, потому что собственные заметки трудно понять.
Решение
Сначала я думал решить с помощью другого инструмента — Notion или Excel. Но и там оставалось много ручной работы: нужно было вписывать вопросы, готовить отдельный файл для каждого собеседования.
И тут ко мне на помощь пришла связка ChatGPT + Figma Make.
Я надиктовал свои требования к сервису: имя кандидата, вопросы и поля для ответов, градацию ответов от плохого к хорошему, подсказки, выгрузку в PDF. Затем попросил ChatGPT подготовить промт.Этот промт я отправил в Figma Make и получил полностью рабочий сервис.После этого внёс небольшие правки для удобства и визуала.
Что получилось
Получился очень простой и крутой сервис с полезными для меня функциями:
- оценка ответов;
- подсказки интервьюеру;
- финальная статистика ответов;
- выгрузка отчёта в PDF (так как сервис не хранит историю)
2.2 Оценка задач в стори-поинтах
Контекст
Мы в команде решили попробовать оценивать задачи в стори-поинтах — это условные баллы, которые показывают, сколько усилий потребует задача. Такой подход помогает лучше планировать работу.
Но сразу возник вопрос: как именно оценивать задачи? Готовой системы не было. Поэтому я собрал свою таблицу из шести критериев. По ним задача получает баллы, которые затем переводятся в стори-поинты.
Система работала. Но был единственный минус: всё нужно было считать вручную в таблице. Скорее всего, команда быстро перестала бы этим пользоваться.
Решение
Я решил автоматизировать процесс с помощью ChatGPT и Figma Make:
- описал требования в ChatGPT ;
- отправил промт в Figma Make;
- внес несколько правок.
Что получилось
В итоге появился небольшой сервис для оценки задач. Команда пользуется им каждый день, а точность оценки почти совпадает с фактическим временем выполнения.
P.S.
В этих проектах я не стремился создавать сложную систему с подключением базы данных или превращать это в полноценный продукт. Мне нужно было быстрое решение, которое помогло бы в работе и позволило проверить гипотезу — и это сработало.
Каждый из этих сервисов занял у меня от силы по 30 минут, но уже сэкономил много времени мне и команде.
Share
