Публикация была переведена автоматически. Исходный язык: Русский
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.
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.
Поделиться
