Case study · wyzwanie Żabka Future · AI+UX
Projektowanie narzędzia do komunikacji wewnętrznej ze sztuczną inteligencją jako partnerem projektowym
Żabka Future zapytała, jak zespoły produktowe mogą komunikować o swoich narzędziach wewnętrznych bez dodatkowego nakładu pracy. W dwa tygodnie zaprojektowałam TeamMessage – koncept SaaS, który przekształca jeden dokument źródłowy w gotową do wysyłki komunikację na każdy kanał. W całym procesie korzystałam z ChatGPT, Bubble AI, Figma Make i Claude’a. Decyzje dotyczące zakresu, przepływu i interfejsu użytkownika pozostały po mojej stronie.
~2 tygodnie
Czas trwania
Od briefu do działającego, klikalnego prototypu.
4
Narzędzia AI
ChatGPT, Bubble AI, Figma Make i Claude, każde do innego kroku.
1
Projektantka
Samodzielnie, od badań po prototyp, z informacją zwrotną od Żabka Future.
Kontekst
Supercharge: AI+UX Skills for Product Makers (2025)
Wyzwanie od
Żabka Future
Użytkownicy
Zespoły produktowe tworzące narzędzia wewnętrzne
Moja rola
Product designerka, solo
Platforma
Web / SaaS
Prototyp
01 · Wyzwanie
Jak możemy zadbać o skuteczną komunikację na temat produktów wewnętrznych?
Zespoły tworzące narzędzia wewnętrzne rzadko mają dedykowaną osobę do komunikacji, przez co pracownicy często nie wiedzą o istnieniu danego narzędzia lub o wprowadzonych w nim zmianach. Product Design Manager w Żabka Future poprosił o prototyp, który przekształca dokumentację wewnętrznego produktu w gotowe materiały: posty do intranetu, wiadomości e-mail, opisy aktualizacji (release notes) oraz prezentacje.
Spójna komunikacja
Każde wydanie i zmiana otrzymuje przygotowany komunikat.
Świadomość produktu
Pracownicy wiedzą o istnieniu tego narzędzia i do czego ono służy.
Mniej pracy dla zespołu
Mniej czasu poświęconego na przygotowanie materiałów komunikacyjnych.
02 · Research
Zrozumienie pracy związanej z wiadomością
Rozmawiałam z osobą, która przygotowała wyzwanie w Żabka Future, i wykorzystałam desk research wspierany przez AI, aby sprawdzić, jak podobne produkty radzą sobie z publikacją, akceptacjami i dystrybucją.
Kluczowy insight
Problemem nie jest samo napisanie wiadomości. Wyzwaniem są decyzje z nią związane: kto ją otrzyma, kto zatwierdzi, jakim kanałem zostanie wysłana i kiedy.
03 · AI w procesie
Jak pracowałam z AI
Sztuczna inteligencja przyspieszyła każdy etap tego projektu, ale nigdy nie podejmowała ostatecznych decyzji. Oto, czym zajęło się każde z narzędzi, a co należało do mnie.
Krok po kroku
Siedem kroków od briefu do prototypu. Po lewej narzędzie. Po prawej to, co wygenerowała sztuczna inteligencja, oraz decyzja, która została ze mną na dłużej.
01 · Research
Desk research z AI + rozmowy z interesariuszem
AI: Zmapowano, jak podobne produkty radzą sobie z publikacją, zatwierdzeniami i dystrybucją.
Ja: Zdecydowano, że prawdziwym problemem są decyzje dotyczące wiadomości, a nie samo jej pisanie.
02 · Pierwsze pomysły
Kartka i długopis
03 · Rozwinięcie pomysłu
ChatGPT
AI: Przekształciło moje notatki w 12 pomysłów na funkcje i 3 „duże” funkcje.
Ja: Ograniczyłam to do podstawowego przepływu: bez integracji, prostsza weryfikacja zgodności, prezentacje na później.
04 · Blueprint aplikacji
Bubble AI
AI: Wygenerowało plan 14 kluczowych funkcji na podstawie mojego promptu.
Ja: Użyłam tego jako listy kontrolnej zakresu i sama dopracowałam prompt.
05 · Prototyp, light i dark mode
Figma Make
AI: Zbudowało działający prototyp w trybie jasnym i ciemnym, a także tokeny projektowe (design tokens) i wytyczne dotyczące kontrastu WCAG.
Ja: Zdefiniowałam przepływ użytkownika, architekturę informacji oraz kierunek marki i zdecydowałam, co zostaje.
06 · Ręczne dopracowywanie
Figma → Figma Make
SI: Odbudowane komponenty z moich projektów w Figmie.
Ja: Ręcznie przeprojektowane kluczowe komponenty, takie jak selektor zespołu i odbiorcy.
07 · Teksty i ulepszenia
Claude
AI: Napisało teksty UX i zaproponowało ulepszenia w 18 obszarach.
Ja: Wybrałam powiadomienia typu toast i harmonogram do MVP. Reszta czeka.
Prawdziwy prompt · Bubble AI (oryginał, poprawione literówki)
„Narzędzie dla pracowników tworzących komunikaty dla całego zespołu. Przyjmuje dokumenty, a także pozwala na napisanie w nim nowego dokumentu informacyjnego dla zespołu. Prowadzi użytkownika krok po kroku i generuje gotową komunikację do wysłania wybranymi kanałami: e-mail, intranet, informacje o wydaniu (release notes), prezentacja – dokładnie tak, jak w briefie. Powinno wykorzystywać zieloną kolorystykę zgodną z marką Żabka. Dokumenty mogą być tworzone przez różne zespoły: podaj 5, np. prawny, HR, ogólny…”
Po lewej: moje odręczne notatki z kroku 2. Po prawej: schemat, który Bubble AI wygenerowało na podstawie powyższego promptu.
Sztuczna inteligencja dała mi szybkość i szerokie spojrzenie. Ja dałam jej kierunek, ograniczenia i ostateczny głos.
04 · Rozwiązanie
Jeden proces – od dokumentu źródłowego po wysłaną wiadomość
TeamMessage łączy cały cykl życia wiadomości wewnętrznej w jednym narzędziu. Ukształtowały go cztery decyzje.
Grupa odbiorców to świadomy wybór
Wybierz cały dział lub konkretne osoby w dwukolumnowym selektorze.
Zatwierdzanie jest częścią przepływu pracy
Szkic → Do przeglądu → Zaakceptowano → Wysłano – jako status wewnątrz narzędzia, a nie wiadomość e-mail poza nim.
Dystrybucja jest częścią tworzenia
Kanały i harmonogram są ustawiane podczas pisania wiadomości.
Sztuczna inteligencja jako asystent, a nie autor
Generator AI tworzy wersje robocze dla poszczególnych kanałów. Menedżer ds. komunikacji edytuje, zatwierdza i wysyła.
05 · Prototyp
Wypróbuj prototyp
Przeklikaj cały proces: zaloguj się, utwórz wiadomość, wybierz odbiorców i kanały, a potem wyślij ją do akceptacji albo zaplanuj. Dane logowania demo są na ekranie logowania, a ikona słońca przełącza tryb jasny i ciemny.
Wszystkie imiona i treści w prototypie są fikcyjne.
06 · Rezultat
Co z tego wyszło
Projekt ukończony w ramach programu Supercharge: AI+UX Skills for Product Makers. Jest to makieta o wysokim poziomie wierności (high-fidelity), dlatego brak dla niej wskaźników użycia.
„Na docenienie zasługuje przemyślana struktura projektu i kompleksowość rozwiązania (SaaS). Podoba mi się możliwość zrealizowania procesu własnoręcznie lub wsparcia go AI na różnych etapach. Na uwagę zasługują też funkcje typu customizacja tonu głosu czy sprawdzanie poprawności pisanych treści. Gdybym miał wskazać jeden krok na przyszłość, to poświęć chwilę więcej na dopracowanie insightu.”
Product Design Manager, Żabka Future
07 · Wnioski
Czego się nauczyłam, także o ograniczeniach AI
01
Sztuczna inteligencja daje szeroki wachlarz możliwości, a projektanci go zawężają. Prawdziwa praca polegała na wyborze tego, co najlepiej wspiera kluczowy proces.
02
AI jest domyślnie generyczne. Dopasowanie do marki i kluczowe interakcje wynikały z moich własnych projektów, a nie z promptów.
03
Dane pozostają syntetyczne. W narzędziach AI użyłam wyłącznie fikcyjnych nazwisk i treści.
04
Następnym razem: zweryfikuj wnioski wcześniej i zbadaj perspektywę pracowników – to, jak w rzeczywistości czytają wiadomości wewnętrzne.