AI-designverktyg har förbättrats snabbt. Verktyg som Google Stitch, UXPin:s AI-assistent och Figma:s AI-funktioner kan förvandla en prompt eller en skiss till en skärm på några sekunder. AI-kodningsverktyg som Claude Code och Cursor kan bygga ett fungerande gränssnitt från en beskrivning. För en snabb prototyp eller ett internt verktyg är det ofta tillräckligt bra.
Vad AI inte gör är att bestämma vad som ska byggas. En UI-designer pratar med användarna, förstår verksamheten, väger avvägningar och bestämmer vad som ska utelämnas. AI har ingen tillgång till det sammanhanget om inte någon ger det, och det kan inte säga om en design är rätt för en specifik grupp människor.
Genererade gränssnitt har också förutsägbara luckor. De tenderar att täcka den lyckliga vägen och hoppa över fel-, tom- och laddningstillstånd. De ignorerar ofta tillgänglighetsdetaljer som fokusordning, kontrast och reducerad rörelse. Och de glider bort från designsystemet om inte AI får komponenterna och tokens att använda.
Så jobbet förändras snarare än att försvinna. Designers lägger mindre tid på att rita varje skärm för hand och mer tid på att sätta riktning, skriva tydliga instruktioner för AI-verktyg, granska utdata och bygga system som håller allt konsekvent. Att ansluta designverktyg till AI genom MCP-servrar, som alla Figma, Penpot och ExodeUI erbjuder, är en del av den förändringen.
Om du är en designer som är orolig för AI är de säkraste färdigheterna att investera i de som AI är sämst på: användarforskning, interaktionsdesign, systemtänkande och att förklara varför ett designbeslut är rätt.