Nếu dạo quanh các diễn đàn thiết kế dạo gần đây, vòng lặp quen thuộc thường thấy là: một người đăng sản phẩm UI do AI tạo ra, một nửa chê bai là hàng kém chất lượng, nửa còn lại lo lắng liệu AI có cướp mất việc của designer hay không.
Thực tế, rất nhiều designer chuyên nghiệp đang dùng AI mỗi ngày theo một cách hoàn toàn khác: biến nó thành một công cụ tìm kiếm bối cảnh và tài liệu tham khảo, chứ không phải để tự động hóa hoàn toàn. Thay vì ra lệnh tạo một màn hình đăng nhập ngẫu nhiên, họ sẽ yêu cầu AI hiển thị cách các ứng dụng xuất sắc giải quyết bài toán đó.
5 phương pháp thực tế giúp tối ưu hóa AI thành một trợ lý đắc lực cho quy trình thiết kế:
1. Xem trước khi bắt tay vào xây dựng
Thói quen thông thường khi thử một công cụ AI mới là yêu cầu nó tạo ra sản phẩm hoàn chỉnh như ứng dụng fintech hay một dashboard. Hãy làm ngược lại bằng cách yêu cầu AI hiển thị những sản phẩm thực tế đã vận hành tốt trên thị trường. Việc tìm kiếm giải pháp có sẵn giúp đẩy nhanh tốc độ nghiên cứu tài liệu trước khi bắt đầu phác thảo.
2. Gọi tên ứng dụng cụ thể thay vì mô tả cảm giác chung chung
Khi muốn giao diện mang lại cảm giác chỉn chu, hãy gọi tên cụ thể sản phẩm mong muốn với trợ lý AI. Thay vì mô tả mơ hồ, hãy tìm kiếm “onboarding của Duolingo”, “dashboard của Stripe” hay “thanh điều hướng của Linear”. Việc chỉ định rõ ràng giúp AI mổ xẻ chính xác cách các ứng dụng hàng đầu giải quyết vấn đề, hỗ trợ đưa ra quyết định thiết kế sắc bén hơn.
3. Tìm kiếm theo ngành nghề, không chỉ tìm theo pattern
Từ khóa “onboarding” chung chung sẽ chỉ cho ra các màn hình giới thiệu cơ bản. Nhưng nếu tìm “onboarding của ứng dụng ngân hàng”, kết quả sẽ bao gồm các bước xác thực KYC hoặc các điều khoản pháp lý phức tạp. Tương tự, một luồng thanh toán (checkout flow) thông thường sẽ khác hoàn toàn với luồng thanh toán của app giao đồ ăn vốn cần thêm phần chọn tiền tip hay theo dõi tài xế. Việc tìm kiếm giải pháp tương thích trực tiếp với lĩnh vực đang thực hiện sẽ giúp giải quyết đúng bài toán cốt lõi.
4. Dùng màn hình thực tế làm dẫn chứng bảo vệ thiết kế
Trong các buổi đánh giá thiết kế, khi cần thuyết phục Quản lý sản phẩm (PM) về một layout nhất định, việc khẳng định theo cảm tính sẽ không có trọng lượng bằng việc đưa ra bằng chứng rõ ràng. Việc chuẩn bị sẵn các màn hình thực tế từ những sản phẩm lớn như Linear, Stripe hay Notion làm bằng chứng sẽ giúp cuộc thảo luận đi đúng hướng và gia tăng sức thuyết phục cho giải pháp đưa ra.
5. Cung cấp dữ liệu thực tế để AI tạo ra kết quả tốt hơn
Nếu cần dùng AI để hỗ trợ dựng một phần giao diện, việc nạp các màn hình thực tế làm dữ liệu đầu vào sẽ mang lại hiệu quả cao hơn. Đội ngũ Mobbin đã thử nghiệm yêu cầu AI tạo màn hình cài đặt cho một ứng dụng B2B. Nếu không có dữ liệu tham khảo, kết quả trả về sẽ rất lộn xộn và thiếu phân cấp thông tin. Ngược lại, khi được cung cấp màn hình mẫu từ Notion hay Stripe, AI biết cách gom nhóm tính năng một cách hợp lý và tạo ra giao diện gần với tiêu chuẩn thực tế hơn.
Checking out design forums lately feels like a broken record: someone drops an AI-generated UI, half the comments trash it as junk, and the other half panics about AI stealing design jobs.
But here’s the real deal: plenty of pro designers are using AI every single day in a totally different way. They’re leveraging it as a context-driven research buddy rather than full-on automation. Instead of asking AI to whip up a random login screen, they’re using it to see how top-tier apps actually solved that specific problem.
Here are 5 practical ways to supercharge AI into the ultimate design assistant:
1. Look before leaping into building
The usual instinct with a new AI tool is to ask it to generate a complete product, like a fintech app or a dashboard. Try flipping the script by asking the AI to pull up real-world products that are already crushing it out there. Gathering existing solutions speeds up the research phase before sketching even begins.
2. Name-drop specific apps instead of describing a vibe
When aiming for a polished interface, give the AI assistant concrete examples. Drop the vague descriptions and search for “Duolingo onboarding,” “Stripe dashboard,” or “Linear navigation bar.” Being specific lets the AI dissect exactly how industry leaders tackle problems, making design choices a lot sharper.
3. Search by industry, not just by pattern
A generic “onboarding” keyword will only yield basic intro screens. Searching for “banking app onboarding” instead brings up complex KYC verification steps or legal disclosures. Similarly, a standard checkout flow looks nothing like a food delivery checkout, which needs tipping options and driver tracking. Finding solutions tailored directly to the specific industry solves the actual core problem.
4. Use real-world screens to back up design choices
During design reviews, convincing a Product Manager (PM) to go with a certain layout requires solid proof, not just gut feelings. Coming prepared with real screens from major products like Linear, Stripe, or Notion keeps the conversation on track and makes the proposed solution much more convincing.
5. Feed the AI real data for better results
When using AI to help build a piece of the interface, feeding it actual screens as input yields way better results. The Mobbin team experimented by asking AI to create a settings screen for a B2B app. Without reference data, the output was messy and lacked information hierarchy. But when given sample screens from Notion or Stripe, the AI knew exactly how to group features logically, creating an interface much closer to production standards.
