🎨

رشد ۱۴۵٪ آگهی‌های AI UX Designer در یک سال، ۲۰۲۵ تا ۲۰۲۶ (صنایع Design and Make، جهانی)· منبع: Autodesk AI Jobs Report 2026

طراح محصول هوش مصنوعی

Product Designer, AI

طراح محصول هوش مصنوعی تعیین می‌کند مردم یک قابلیت AI را چطور تجربه کنند: خواسته‌شان را چطور بیان کنند، سیستم عدم قطعیت و خطایش را چطور نشان دهد، و کاربر کار یک ایجنت را چطور ببیند، اصلاح کند، تأیید کند یا متوقف کند. بعد این الگوها را با کاربران واقعی می‌آزماید. عنوان «AI UX Designer (AIX)» در آگهی‌های کارفرماها کم دیده می‌شود و مخفف AIX اصلاً به کار نمی‌رود؛ همین کار بیشتر با عنوان‌هایی مثل Product Designer, AI یا AI Experience Designer آگهی می‌شود.

Interaction DesignAI UX PatternsUser ResearchFigmaPrototyping with AIEvals

مقدمه و تعریف شغل

طراح محصول هوش مصنوعی (Product Designer, AI) طراح محصولی است که روی قابلیت‌های مبتنی بر AI کار می‌کند و مسئلهٔ اصلی‌اش این است که سیستمی با خروجی غیرقطعی را برای مردم قابل‌فهم، قابل‌کنترل و قابل‌اعتماد کند. آگهی Vanta کار را چنین توصیف می‌کند: طراحی اینکه ایجنت‌ها چطور به تیم‌ها کمک کنند کار واقعی را «با وضوح، کنترل و اعتماد بیشتر» انجام دهند، و ساختن الگوهایی برای بازبینی، اصلاح، تأیید، توقف و بازیابی از کار ایجنت. آگهی Anthropic همین را کوتاه‌تر گفته: کار طراح تعیین می‌کند Claude برای کاربر ابزار به نظر برسد یا همکار، و اعتماد او را جلب کند یا از بین ببرد. عنوان «AI UX Designer (AIX)» در آگهی‌ها کم دیده می‌شود؛ کارفرماها بیشتر Product Designer, AI، AI Experience Designer یا همان Product Designer در یک شرکت AI را می‌نویسند.

Jakob Nielsen در ۲۰۲۳ نوشت AI سومین الگوی رابط کاربری در تاریخ کامپیوتر است: کاربر دیگر به کامپیوتر نمی‌گوید چه کند، بلکه می‌گوید چه نتیجه‌ای می‌خواهد، و این «جای کنترل را کاملاً برعکس می‌کند». Apple هم در راهنمای Generative AI یادآوری می‌کند که با AI مولد، حتی همان ورودی وقتی چند بار داده شود ممکن است نتیجهٔ متفاوتی بدهد. به همین دلیل الگوهای قدیمی طراحی همیشه کافی نیستند و Brex از طراح می‌خواهد به‌جای چسباندن چت به جریان‌های موجود، الگوهای بومی محصولات ایجنتی را ابداع کند. بازار هم این تغییر را نشان می‌دهد: در گزارش AI Jobs Report 2026 شرکت Autodesk، عنوان AI UX Designer سریع‌ترین رشد را میان عنوان‌های شغلی AI در صنایع Design and Make داشت. بیشتر آگهی‌های این حوزه سطح ارشد می‌خواهند (Vanta ۷ سال، Databricks و Harvey ۸ سال، Brex ۱۰ سال یا بیشتر)، اما نقش‌هایی مثل AI Experience Designer در BCG X با ۱ تا ۴ سال تجربه هم وجود دارد.

چه چیزی می‌سازید؟

مثال‌های واقعی از خروجی کار یک طراح محصول هوش مصنوعی

🤝

جریان واگذاری، نظارت و بازبینی کار ایجنت

در آگهی Staff Product Designer, AI شرکت Brex، طراح تجربهٔ ایجنتی را از ابتدا تا انتها طراحی می‌کند: کاربر چطور کار مالی را به AI بسپارد، در حین اجرا بر آن نظارت کند، خروجی را بازبینی و اصلاح کند و به خودکارسازی‌ای که با پولش سروکار دارد اعتماد کند.

🛡️

نشانه‌های اعتماد و عدم قطعیت

Sigma از طراح نظر روشن دربارهٔ نشانه‌های اعتماد، بازیابی از خطا و نمایش تدریجی استدلال سیستم می‌خواهد و Vanta اصولی برای شفافیت، مجوزها، عدم قطعیت، توضیح‌پذیری و شکست کنترل‌شده در رفتار ایجنت.

⏳

حالت‌های انتظار، هزینه و خطا در ابزارهای مولد

VEED، که ابزار ساخت ویدیو با AI دارد، از طراح می‌خواهد برای بخش‌هایی طراحی کند که به گفتهٔ آگهی «آسان نادیده گرفته می‌شوند»: انتظار، هزینه، خطا، ایمنی و اینکه وقتی خروجی اشتباه برمی‌گردد چه باید بشود. همچنین تعیین کند کجا کنترل با کاربر است و کجا با مدل.

🗺️

نقشهٔ پاسخ سیستم (response mapping)

در آگهی JPMorganChase، طراح رفتار سیستم را برای ورودی‌های مختلف کاربر، حالت‌های مرزی، خطا و جابه‌جایی بین گفتگو و رابط گرافیکی تعریف می‌کند و در ساخت یک سیستم طراحی ایجنتی مشارکت دارد.

✅

اصول طراحی و ارزیابی کیفیت خروجی مدل

Figma در آگهی Product Designer, AI Models کسی را می‌خواهد که اصول و قواعد طراحی قابل‌استفاده برای سیستم‌های AI را بنویسد، روش آزمودن کیفیت خروجی‌های تولیدشده با AI را بسازد و بر کیفیت ارزیابی‌های طراحی نظارت کند؛ به تعبیر آگهی، به مدل‌ها یاد بدهد همکار بهتری برای طراحان باشند.

🧰

ابزار کسانی که ایجنت را می‌سازند و پایش می‌کنند

Sierra در آگهی Product Designer سه گروه کاربر را نام می‌برد: کسانی که از ایجنت‌ها در چت و تماس صوتی کمک می‌گیرند، مدیران تجربهٔ مشتری که با ابزارهای Sierra فرایند را پایش و بهتر می‌کنند، و توسعه‌دهندگانی که روی پلتفرم می‌سازند.

تخصص‌های مختلف طراح محصول هوش مصنوعی

این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد

🤖

طراحی تجربهٔ ایجنت

Agent Experience Design

طراحی واگذاری، نظارت، بازبینی و بازیابی برای ایجنت‌هایی که از طرف کاربر کار می‌کنند؛ عنوان آگهی Vanta و تمرکز آگهی‌های Brex، Databricks و JPMorganChase.

🎬

ابزارهای مولد و خلاقانه

Generative & Creative Tools

طراحی ابزارهایی که با آن‌ها تصویر و ویدیو تولید می‌شود: بیان خواسته، هدایت مدل و تکرار وقتی خروجی قطعی نیست. نمونه‌ها VEED و Synthesia هستند؛ Synthesia روی تجربهٔ گفتگوی زنده با آواتار هم کار می‌کند.

🏢

جریان‌های کاری AI در سازمان

Enterprise AI Workflows

ساده کردن جریان‌های پیچیدهٔ سازمانی با AI، از داده تا تصمیم؛ آگهی‌های Databricks، ING (بانکداری سازمانی) و MaintainX (کارکنان تعمیر و نگهداری).

🧩

پلتفرم AI و تجربهٔ توسعه‌دهنده

AI Platform & Developer Experience

طراحی محصولاتی که توسعه‌دهندگان با آن‌ها روی مدل‌ها می‌سازند؛ آگهی Anthropic برای Claude Developer Platform تجربه با ابزار توسعه‌دهنده یا محصولات API را می‌خواهد.

📏

کیفیت مدل و ارزیابی طراحی

Model Quality & Design Evals

کار کنار پژوهشگران AI برای بهتر کردن خروجی مدل از دید طراحی: نوشتن اصول، ساختن روش ارزیابی و نظارت بر کیفیت آن. آگهی Product Designer, AI Models در Figma و بخشی از آگهی Sigma.

تفاوت با شغل‌های مشابه

کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟

مدیر محصول هوش مصنوعیAI Product Manager

مدیر محصول AI تصمیم می‌گیرد چه چیزی، برای چه کسی و با چه معیار موفقیتی ساخته شود. طراح تعیین می‌کند کاربر آن را چطور تجربه کند: خواسته‌اش را چطور بیان کند، عدم قطعیت را چطور ببیند و خروجی را چطور اصلاح کند. مرز در عمل همکاری است: در آگهی Vanta طراح «همراه با Product و Engineering» می‌سنجد کجا ایجنت راه‌حل درستی است، اما مالکیت الگوهای تعامل و بازبینی با طراح است. همین تقسیم کار با مدیر محصول ایجنت (Product Manager, Agents) هم برقرار است.

مهندس نمونه‌سازی هوش مصنوعی / مهندس طراحیAI Prototyping Engineer / Design Engineer

طراح‌های AI هم در کد نمونه می‌سازند: Brex نمونه‌سازی در کد با Claude Code، Codex، Cursor یا v0 را می‌خواهد و Sigma نقش خود را «Senior Product Designer / Design Engineer» نامیده است. فرق در مرکز ثقل است. مهندس نمونه‌سازی AI امکان‌پذیری فنی، ایجنت و بازیابی داده را می‌آزماید؛ طراح محصول AI با نمونه، تجربهٔ کاربر را می‌آزماید و آن را با کاربران تست می‌کند. پیاده‌سازی رابط‌های مولد در خود محصول هم بیشتر کار مهندس front-end یا توسعه‌دهندهٔ Generative UI است.

طراح مکالمهConversation Designer

طراح مکالمه روی خود گفتگو کار می‌کند: جمله‌ها، جریان مکالمه، لحن و در کانال صوتی، انتخاب و کیفیت صدا. آگهی Agent UX Designer در Decagon، با وجود نامش، همین کار است و تجربه در طراحی صدا، طراحی مکالمه یا زبان‌شناسی کاربردی را می‌خواهد. طراح محصول AI کل سطح محصول را طراحی می‌کند، از صفحه و کنترل‌ها تا جریان بازبینی و تأیید؛ Vanta صریحاً طراحی تجربهٔ ایجنت «فراتر از چت» را می‌خواهد. این دو به هم نزدیک‌اند و JPMorganChase تجربه در طراحی مکالمه را امتیاز می‌داند.

طراح تجربهٔ کاربری / طراح محصولUX / Product Designer

پایهٔ کار یکی است و بسیاری از این آگهی‌ها، مثل Harvey و Databricks، همان عنوان Product Designer را دارند. فرق در جنس محصول است: طراح محصول معمولی برای سیستمی طراحی می‌کند که برای یک ورودی، خروجی مشخصی دارد، اما خروجی AI هر بار ممکن است فرق کند. پس طراح AI باید برای عدم قطعیت، خطا، اعتماد و کنترل کاربر الگو بسازد. نزدیک‌ترین مسیر ورود به این نقش همین طراحی محصول است.

تأثیر در صنایع مختلف

طراح محصول هوش مصنوعی در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری

🏦

مالی و بانکداری

Brex تجربهٔ ایجنت‌هایی را طراحی می‌کند که کار مالی واقعی را از طرف مشتری انجام می‌دهند، JPMorganChase تجربه‌های ایجنتی برای کارکنانش و ING تجربهٔ محصولات AI در بانکداری سازمانی

🔐

امنیت و انطباق

Vanta ایجنت‌هایی می‌سازد که بخشی از کار تیم‌های امنیت و انطباق را انجام می‌دهند؛ طراح باید وضوح و کنترل را در محصولی حفظ کند که درستی در آن حیاتی است

📊

داده و تحلیل

Databricks جریان‌های ایجنت‌محور از داده تا تصمیم و اقدام را طراحی می‌کند و Sigma الگوهایی برای اعتماد به AI در زمینه‌هایی که دقت و اطمینان مهم است

🎨

ابزارهای طراحی، ویدیو و خلاقیت

Figma مدل‌هایش را برای کمک به طراحان بهتر می‌کند، VEED و Synthesia ابزار ساخت ویدیو با AI دارند و Granola ابزار کاری مبتنی بر AI

⚖️

حقوقی

Harvey طراحانی می‌خواهد که کنار مهندسان، پژوهشگران AI و وکلا رابط‌هایی بسازند تا کاربر خروجی AI را بفهمد، به آن اعتماد کند و هدایتش کند

🎧

خدمات مشتری

Sierra برای مشتریانی که از ایجنت‌ها کمک می‌گیرند، مدیرانی که ایجنت‌ها را پایش می‌کنند و توسعه‌دهندگانی که روی پلتفرم می‌سازند طراحی می‌کند

🏭

صنعت و عملیات میدانی

MaintainX قابلیت‌های AI مثل رابط زبان طبیعی، ایجنت و پیش‌بینی را برای تکنسین‌های تعمیر و مدیران تأسیسات طراحی می‌کند

💼

مشاوره

در BCG X، AI Experience Designer کنار مشاوران استراتژی، مدیران محصول AI و مهندسان و دانشمندان AI مستقر نزد مشتری کار می‌کند و آگهی انتظار ۵۰٪ سفر کاری دارد

تصورات غلط رایج

قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید

طراح AI یعنی کسی که پنجرهٔ چت طراحی می‌کند

Vanta توانایی طراحی تجربهٔ ایجنت «فراتر از چت» را می‌خواهد، با ابزارها، حافظه و جریان‌های چندمرحله‌ای، و Brex از طراح می‌خواهد به‌جای چسباندن چت به جریان‌های موجود، الگوهای تازه بسازد. Amelia Wattenberger هم نوشته جعبهٔ متن خالی به کاربر نشان نمی‌دهد سیستم چه می‌داند و چطور باید از آن استفاده کرد.

هر طراحی که با ابزارهای AI کار می‌کند، طراح AI است

عنوان «AI UX Designer» دو معنا دارد. آگهی Amadeus با همین عنوان، طراح UX باتجربه‌ای برای کیوسک‌های فرودگاه می‌خواهد که از AI به‌عنوان «همراه خلاق» در نمونه‌سازی و تست استفاده کند. این صفحه دربارهٔ معنای دوم است: طراحی خودِ قابلیت‌های AI. استفاده از AI در کار روزمره را حالا Vanta، Anthropic، JPMorganChase و BCG X از همهٔ طراحان می‌خواهند؛ این حداقل انتظار است، نه تخصص.

برای این کار باید مهندس یادگیری ماشین باشید

شرط اصلی آگهی‌ها سابقهٔ طراحی محصول و پورتفولیو است. Figma درک فنی مفاهیم AI/ML را فقط امتیاز می‌داند، نه شرط. آنچه بیشتر خواسته می‌شود درک عملی از توانایی‌ها و محدودیت‌های مدل است؛ Synthesia از طراح می‌خواهد بفهمد قابلیت‌های AI و محدودیت‌های مدل چه چیزی را در UX واقعاً ممکن می‌کنند. نمونه‌سازی در کد با کمک AI در برخی آگهی‌ها (Brex، Sigma) لازم و در برخی (Databricks، Anthropic) امتیاز است.

کیفیت خروجی AI کار مهندسان است و طراح فقط ظاهر را می‌سازد

Sigma از طراح می‌خواهد eval بنویسد و می‌گوید باید بفهمد چرا ارزیابی سخت‌ترین بخش توسعهٔ محصول AI است. Figma نقشی دارد که کارش نظارت بر کیفیت ارزیابی‌های طراحی است و VEED از طراح می‌خواهد تعیین کند وقتی خروجی اشتباه برمی‌گردد چه باید بشود. طراحی حالت‌های خطا بخش اصلی کار است.

AI کار طراحان را از بین می‌برد

تصویر یکدست نیست. در گزارش Future of Jobs 2025 مجمع جهانی اقتصاد، طراحان UI و UX در فهرست سریع‌ترین شغل‌های در حال رشد تا ۲۰۳۰ آمده‌اند، اما طراحان گرافیک برای اولین بار درست بیرون از ده شغل با سریع‌ترین کاهش قرار گرفته‌اند. BLS هم برای طراحان رابط وب و دیجیتال رشد ۶٪ تا ۲۰۳۵ پیش‌بینی می‌کند و می‌گوید استفادهٔ بیشتر از AI ممکن است این رشد را کند کند.

یک روز کاری واقعی

در هر سطح روز کاری چه شکلی است؟

جونیور (۰–۲ سال)

روی بخش‌های مشخص کار می‌کنید و تصمیم‌های بزرگ با طراح ارشد است. بیشتر وقت صرف ساختن flow و UI، اجرای تست کاربر و یاد گرفتن رفتار مدل در محصول می‌شود.

◆طراحی حالت‌های خطا و انتظار برای یک قابلیت AI بر اساس سیستم طراحی تیم
◆اجرای چند جلسهٔ تست کاربردپذیری و نوشتن خلاصهٔ یافته‌ها
◆بررسی ده‌ها خروجی واقعی مدل برای اینکه بفهمید کاربر کجا گیج می‌شود
◆ساختن نمونهٔ ساده با یک ابزار AI مثل v0 یا Figma Make برای جلسهٔ نقد طراحی

میانی (۲–۵ سال)

مالک یک قابلیت یا مسیر کاربر هستید. با مدیر محصول و مهندسان تصمیم می‌گیرید سیستم برای هر نوع ورودی چه رفتاری داشته باشد و آن را با کاربران می‌آزمایید.

◆نوشتن نقشهٔ پاسخ سیستم برای ورودی‌های مختلف، حالت‌های مرزی و جابه‌جایی به انسان
◆طراحی جریان تأیید و اصلاح خروجی پیش از اینکه ایجنت کاری را نهایی کند
◆جلسه با مهندس دربارهٔ اینکه نمایش اطمینان مدل در رابط چقدر عملی است
◆به‌روز کردن اجزای سیستم طراحی برای الگوهای تازهٔ AI

ارشد (۵+ سال)

تمرکز روی الگوها و اصولی است که چند تیم از آن‌ها استفاده می‌کنند، و بر سر اینکه کجا اصلاً ایجنت لازم است نظر می‌دهید. بخش زیادی از کار، توضیح دادن تصمیم‌ها و ریسک‌ها برای مدیران است.

◆تعریف اصول شفافیت، مجوزها و شکست کنترل‌شده برای همهٔ ایجنت‌های محصول
◆بازبینی کار طراحان دیگر و بالا بردن معیار کیفیت
◆همکاری با تیم کیفیت AI برای تعریف معیار «خروجی خوب» از دید کاربر
◆منتورینگ طراحان جوان‌تر

مسئولیت‌ها و وظایف

مسئولیت‌های اصلی

وظایف روزانه و مهارت‌های مورد نیاز در این شغل

فنی

◈طراحی اینکه کاربر خواسته‌اش را چطور به سیستم AI بگوید و وقتی خروجی قطعی نیست، چطور آن را هدایت و اصلاح کند
◈طراحی الگوهای واگذاری، نظارت، بازبینی، تأیید، توقف و بازیابی برای کار ایجنت‌ها
◈تعریف رفتار سیستم برای ورودی‌های مختلف، حالت‌های مرزی، خطا و جابه‌جایی بین گفتگو و رابط گرافیکی
◈طراحی نشانه‌های اعتماد: شفافیت، نمایش عدم قطعیت، توضیح‌پذیری، مجوزها و شکست کنترل‌شده
◈ساخت نمونهٔ کارکردی، در Figma یا در کد با کمک ابزارهای AI، و آزمودن آن با کاربران
◈مشارکت در ارزیابی کیفیت خروجی مدل از دید کاربر، با rubric یا eval

مهارت نرم

◈تحقیق کاربر و تست کاربردپذیری و تبدیل یافته‌ها به تصمیم طراحی
◈همکاری با مدیر محصول و مهندسی برای تشخیص اینکه کجا ایجنت راه‌حل درست است و کجا نیست

مدیریتی

◈تبدیل الگوهای تازهٔ AI به اجزای قابل‌استفادهٔ مجدد در سیستم طراحی و مستندسازی آن‌ها

مهارت‌های مورد نیاز

مهارت‌های فنی، نرم و حوزه‌ای که یک طراح محصول هوش مصنوعی موفق به آن‌ها نیاز دارد

مهارت‌های طراحی و فنی

طراحی تعاملضروری

پایهٔ همهٔ آگهی‌ها؛ Vanta «کیفیت بالا در طراحی تعامل، معماری اطلاعات، نوشتار UX و طراحی بصری» را می‌خواهد

تحقیق کاربر و تست کاربردپذیریضروری

مصاحبه، تست و تبدیل یافته‌ها به تصمیم؛ در آگهی‌های Vanta، Databricks، Harvey و Sierra آمده است

الگوهای اعتماد و شفافیتضروری

نمایش عدم قطعیت، توضیح کار سیستم، مجوزها و کنترل کاربر؛ هستهٔ آگهی‌های Vanta، Sigma، Synthesia و Harvey

طراحی برای خطا و بازیابیضروری

حالت‌های انتظار، هزینه، خطا و خروجی اشتباه (VEED) و شکست کنترل‌شده (Vanta)

Figma در سطح پیشرفتهضروری

components، variables، prototyping و Dev Mode؛ فهرست آگهی BCG X

طراحی تجربهٔ ایجنتمهم

واگذاری، نظارت، بازبینی و توقف کار ایجنت در جریان‌های چندمرحله‌ای (Vanta، Brex)

نمونه‌سازی سریع، در Figma یا کدمهم

Synthesia نمونه‌سازی و آزمودن سریع الگوهای تعامل را می‌خواهد و Brex و Sigma نمونه‌سازی در کد با کمک AI را

نوشتار UXمهم

متن دکمه‌ها، پیام خطا و توضیح رفتار سیستم؛ Vanta آن را در کنار طراحی تعامل آورده است

سیستم طراحیمهم

تبدیل الگوهای تازهٔ AI به اجزای قابل‌استفادهٔ مجدد؛ Vanta، JPMorganChase و BCG X

ارزیابی کیفیت خروجیمفید

نوشتن rubric و eval و تحلیل خطا؛ Sigma و Figma این را از طراح می‌خواهند

دسترس‌پذیریمفید

مبانی WCAG در BCG X و طراحی فراگیر در JPMorganChase

مهارت‌های نرم

توضیح و دفاع از تصمیم طراحیضروری

Vanta روشن گفتن دلیل، مصالحه‌ها و ریسک‌ها را برای همکاران و مدیران می‌خواهد

کار در ابهامضروری

Synthesia می‌گوید طراح نباید منتظر وضوح کامل بماند؛ الگوهای این حوزه هنوز در حال شکل‌گیری‌اند

تفکر سیستمیمهم

جابه‌جا شدن بین تصویر کلی سیستم و جزئیات تعامل؛ در آگهی‌های Vanta، Databricks و Granola آمده است

همکاری با مهندسان و پژوهشگران AIمهم

Harvey و Figma کار نزدیک با پژوهشگران AI را جزو نقش آورده‌اند

اثرگذاری بدون اختیار رسمیمهم

از شرایط آگهی‌های Vanta و ING

دانش حوزه‌ای

فهم توانایی‌ها و محدودیت‌های مدلمهم

Brex می‌خواهد طراح هر روز با مدل‌های پیشرو کار کند و برای جایی که توانایی‌ها می‌روند طراحی کند

AI مسئولانه و حریم خصوصیمهم

شفافیت، کنترل داده، بازبینی انسانی و توضیح‌پذیری (Vanta)؛ Apple هم شفافیت دربارهٔ ارسال داده به سرور را توصیه می‌کند

استفاده از AI در فرایند طراحیمهم

حداقل انتظار در آگهی‌های Vanta، Anthropic، JPMorganChase و BCG X

دانش یک حوزهٔ پرریسکمفید

Brex تجربهٔ طراحی اعتماد و human-in-the-loop در حوزه‌هایی مثل فین‌تک، سلامت و امنیت را امتیاز می‌داند؛ Harvey با وکلا و Vanta با کاربران GRC کار می‌کند

ضروری — بدون آن نمی‌توان وارد بازار کار شدمهم — تفاوت بین جونیور و میانیمفید — مزیت رقابتی

نقشه راه و مسیر آموزشی

نقشه راه تبدیل شدن به طراح محصول هوش مصنوعی

نگهداری و تحلیل یادداشت‌ها و ضبط مصاحبه‌های کاربر و پیدا کردن الگوهای تکرارشونده

مفید

UserTesting

پلتفرم تست با کاربران واقعی و ضبط واکنش آن‌ها هنگام کار با محصول

مفید

Lookback

ضبط و برگزاری جلسه‌های تست و مصاحبهٔ کاربر از راه دور

مفید

راهنماها و کتابخانه‌های الگوی AI

Microsoft HAX Toolkit

۱۸ قاعدهٔ طراحی تعامل انسان و AI، همراه با کتابخانهٔ نمونه و workbook برای اولویت‌بندی در تیم

ضروری

People + AI Guidebook

راهنمای گروه PAIR گوگل برای طراحی محصولات AI انسان‌محور

مفید

The Shape of AI

کتابخانهٔ الگوهای UX برای AI در شش دسته، از جمله Inputs، Tuners، Governors و Trust builders

مفید

Apple HIG — Generative AI

حقوق جهانی طراح محصول هوش مصنوعی

حقوق سالانه در کشورهای مختلف بر اساس داده‌های منتشرشده؛ منبع هر ردیف با آیکون کنار نام کشور باز می‌شود.

کشور	حداقل	میانه / میانگین	حداکثر	ارز
🇺🇸آمریکا	$197,000	$214,500	$232,000	USD
🇺🇸آمریکا	$166,600	$197,875	$229,150	USD
🇺🇸آمریکا	$240,000	$270,000	$300,000	USD
🇨🇦کانادا	CA$170,600	CA$213,200	CA$255,800	CAD
🇬🇧انگلستان	£117,680	£132,390	£147,100	GBP
🇬🇧انگلستان	£110,000	£130,000	£150,000	GBP
🇳🇱هلند	€134,365	€151,161	€167,956	EUR

* ارقام سالانه‌اند. منبع هر رقم:

چگونه از صفر شروع کنیم

برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی

ماه ۱: قواعد و الگوهای طراحی AI

قواعد Microsoft HAX و راهنمای PAIR را بخوانید و سه محصول AI را که استفاده می‌کنید با آن‌ها بسنجید.

Guidelines for Human-AI Interaction — Microsoft HAX People + AI Guidebook

ماه ۲: شناخت مدل‌ها

بفهمید مدل زبانی چطور کار می‌کند و با پرامپت‌نویسی، محدودیت‌ها و خطاهای رایجش را از نزدیک ببینید.

Deep Dive into LLMs like ChatGPT — Karpathy Prompt engineering overview — Claude Docs

ماه ۳: نمونه‌سازی در کد با AI

یک نمونهٔ کارکردی کوچک بسازید که واقعاً یک مدل را صدا بزند؛ هدف تجربهٔ رفتار واقعی مدل است، نه کد تمیز.

v0 by Vercel Claude Code

ماه ۴: پروژهٔ اعتماد و خطا

برای نمونهٔ ماه قبل، حالت‌های عدم قطعیت، خطا، لغو و تلاش دوباره را طراحی کنید.

Apple HIG — Generative AI The Shape of AI

ماه ۵: تست با کاربر و ارزیابی

نمونه را با کاربران تست کنید و برای خروجی‌ها یک rubric ساده بنویسید.

Usability Testing 101 — NN/g Your AI Product Needs Evals — Hamel Husain

ماه ۶: پورتفولیو و اقدام

دو پروژه را به‌صورت case study بنویسید: مسئله، محدودیت‌ها، نسخه‌های میانی، نتیجهٔ تست و آنچه تغییر دادید. آگهی‌ها روند و مصالحه‌ها را می‌خواهند، نه فقط تصویر نهایی.

پروژه‌های پیشنهادی برای رزومه

دستاورد

از ۲۰۲۲ تا ۲۰۲۴ نخستین طراح محصول Elicit بود و نسخهٔ اول ابزاری پژوهشی را طراحی کرد که با مدل‌های زبانی مرور نظام‌مند مقاله‌ها را سریع‌تر می‌کند. سپس در استودیوی Normally روی نمونه‌های اولیهٔ AI کار کرد و از اکتبر ۲۰۲۵ در GitHub Next نمونه‌هایی می‌سازد که بررسی می‌کنند مهندسان نرم‌افزار چطور می‌توانند با AI همکاری کنند.

درس کلیدی

مسیر او از انسان‌شناسی و تصویرگری به طراحی محصولات مبتنی بر مدل زبانی رسیده است. به نظر می‌رسد فهم آدم‌ها و توانایی ساختن نمونه، در این حوزه بیش از عنوان رسمی تحصیلی به کار می‌آید.

Amelia Wattenberger

پیشینه

به گفتهٔ سایت خودش، چیزهایی روی وب می‌سازد، رابط‌های تازه را کاوش می‌کند و داده را معنادار می‌کند. نویسندهٔ کتاب و دورهٔ Fullstack D3 and Data Visualization است.

دستاورد

طبق سایتش، Principal Research Engineer در یک تیم کوچک تحقیق و توسعه در GitHub است و روی رابط‌های تازه و کار با یادگیری ماشین کار می‌کند. در نوشته‌هایی مثل «Chatbots are not the future» و «Chat is AI's command line» دربارهٔ اینکه رابط AI چه شکلی باید داشته باشد نوشته است.

درس کلیدی

نوشته‌های او نشان می‌دهد بحث دربارهٔ شکل رابط AI هنوز باز است. نوشتن و منتشر کردن نظر سنجیده دربارهٔ این پرسش‌ها، راهی است که طراح تازه‌وارد هم می‌تواند با آن دیده شود.

Jakob Nielsen

پیشینه

پژوهشگر کاربردپذیری دانمارکی با دکترای تعامل انسان و کامپیوتر از دانشگاه فنی دانمارک. در Bellcore، مؤسسهٔ رابط کاربری IBM و Sun Microsystems کار کرد و در ۱۹۹۸ همراه Don Norman شرکت Nielsen Norman Group را بنیان گذاشت.

دستاورد

ده اصل کاربردپذیری او، مثل «نمایان بودن وضعیت سیستم» و «کمک به کاربر برای تشخیص و جبران خطا»، از پرکاربردترین ابزارهای ارزیابی رابط است. طبق ویکی‌پدیا، در ۲۰۲۳ UX Tigers را راه انداخت و آنجا با تمرکز بر محل تلاقی کاربردپذیری و AI می‌نویسد.

درس کلیدی

اصولی که او دهه‌ها پیش برای رابط‌های معمولی نوشت، مثل نشان دادن وضعیت سیستم و کمک به جبران خطا، در محصولات AI هم مستقیم به کار می‌آیند. پایهٔ محکم UX هنوز نقطهٔ شروع است.

نمونه آگهی استخدام واقعی + تحلیل

یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش

Senior Product Designer, Agent Experience

Vantaدورکاری در آمریکا2026-09-18

مشاهده آگهی اصلی نسخه‌ی آرشیوشده (اگر آگهی بسته شده باشد)

تحلیل نیازمندی‌ها

7+ years of product design experience, with depth in B2B SaaS, complex workflows, or other sophisticated software products.

این نقش برای طراح باتجربه است. «B2B SaaS» و «جریان‌های پیچیده» یعنی سابقهٔ طراحی برای کاربران حرفه‌ای که با ابزار کار واقعی انجام می‌دهند، نه فقط اپ‌های مصرفی.

ضروری

Experience designing AI-powered products, automation, or systems where product behavior may be dynamic or uncertain.

نکتهٔ مهم «یا» است: تجربهٔ طراحی خودکارسازی یا هر سیستمی با رفتار نامطمئن هم پذیرفته می‌شود. اگر هنوز محصول AI منتشر نکرده‌اید، پروژه‌ای که در آن با رفتار پیش‌بینی‌ناپذیر سیستم کنار آمده‌اید هم ارزش دارد.

ضروری

Ability to design agent experiences beyond chat, including systems involving agents, skills, tools, memory, and multi-step workflows.

پنجرهٔ چت کافی نیست. باید بتوانید نشان دهید کاربر چطور می‌فهمد ایجنت در هر مرحله چه کرده، از کدام ابزار استفاده کرده و چه چیزی را به خاطر سپرده است.

ضروری

Experience designing products that require human judgment, including deciding when and how to bring a person into an automated workflow.

یعنی طراحی human-in-the-loop: کجا سیستم باید بایستد و از انسان تأیید بگیرد، و این توقف چطور طراحی شود که نه آزاردهنده باشد و نه نادیده گرفته شود.

مهم

Experience designing across surfaces that a product team may not fully control, such as Slack, terminal environments, or other third-party interfaces.

ایجنت‌های Vanta در Slack و جاهای دیگر هم ظاهر می‌شوند. باید بدانید وقتی امکانات رابط محدود است، چطور با متن، ساختار پیام و چند دکمهٔ ساده همان شفافیت و کنترل را بدهید.

مفید

High craft in interaction design, information architecture, UX writing, and visual design.

مهارت‌های پایهٔ طراح همچنان شرط است. در محصولات AI، نوشتار UX اهمیت بیشتری دارد، چون بخش زیادی از توضیح رفتار سیستم با کلمه‌ها انجام می‌شود.

ضروری

A thoughtful approach to responsible AI, including transparency, data control, human review, explainability, and recovery from incorrect or incomplete outputs.

AI مسئولانه اینجا موضوعی نظری نیست؛ فهرستی از تصمیم‌های طراحی است: کاربر بداند سیستم چه می‌کند، روی داده‌اش کنترل داشته باشد و بتواند از خروجی اشتباه یا ناقص بازگردد.

مهم

A portfolio that demonstrates shipped work, complex workflows, meaningful tradeoffs, and learning from customers or users.

پورتفولیو باید کار منتشرشده و روند تصمیم‌گیری را نشان دهد: چه مصالحه‌هایی کردید و از کاربران چه یاد گرفتید. تصویرهای زیبای بدون داستان کافی نیست.

ضروری

تحلیل مسئولیت‌ها

Define how agents, skills, tools, and memory are composed, surfaced, and understood by customers.

طراح فقط صفحه نمی‌کشد؛ تعیین می‌کند اجزای فنی ایجنت چطور به مشتری نشان داده شوند تا مدل ذهنی درستی از سیستم پیدا کند.

Design experiences that help customers delegate real security and compliance work while maintaining visibility, control, and confidence.

مسئلهٔ اصلی توازن است: کاربر کار واقعی را واگذار کند، اما همچنان ببیند چه می‌گذرد و کنترل را از دست ندهد.

Create patterns for reviewing, correcting, approving, interrupting, and recovering from agent-generated work.

پنج فعل این جمله، فهرست الگوهایی است که باید بلد باشید: بازبینی، اصلاح، تأیید، متوقف کردن و بازگشت. هر کدام در پورتفولیو می‌تواند یک case study باشد.

Design conversational and agent interaction models across Vanta, Slack, and other surfaces where our agents appear.

گفتگو هم بخشی از کار است، اما در کنار رابط‌های دیگر. باید تجربه در همهٔ این سطوح یکدست بماند.

Establish product patterns and principles for trustworthy agent behavior, including transparency, permissions, uncertainty, explainability, and graceful failure.

در سطح ارشد، خروجی کار شما اصولی است که تیم‌های دیگر هم از آن استفاده می‌کنند. «graceful failure» یعنی وقتی ایجنت شکست می‌خورد، کاربر بفهمد چه شد و راه ادامه داشته باشد.

Partner with Product and Engineering to evaluate when an agent is the right solution for a customer problem.

طراح در تصمیم «آیا اصلاً ایجنت لازم است» هم نظر دارد. گاهی راه‌حل بهتر یک فرم ساده یا یک پیشنهاد هوشمند است، نه ایجنت.

Conduct customer discovery and usability testing with security, compliance, and GRC users.

تحقیق کاربر با کاربران متخصص بخش ثابت کار است. GRC یعنی حاکمیت، ریسک و انطباق؛ کاربرانی که درستی و قابل‌ردیابی بودن برایشان حیاتی است.

Collaborate with Design Systems and product designers across Vanta to turn emerging AI patterns into reusable, high-quality experiences.

الگوهای AI باید به اجزای سیستم طراحی تبدیل شوند تا هر تیم آن‌ها را از نو اختراع نکند.

نتیجه‌گیری کلی

این آگهی تصویر روشنی از طراح محصول AI در ۲۰۲۶ می‌دهد: طراحی باتجربه با ۷ سال سابقه یا بیشتر که کارش ساختن الگوهای اعتماد، کنترل و بازیابی برای ایجنت‌هاست و آن‌ها را با کاربران متخصص می‌آزماید. در هیچ جای آگهی برنامه‌نویسی یا دانش یادگیری ماشین شرط نشده، اما استفادهٔ روزمره از AI در کار خود طراح خواسته شده است. بازهٔ حقوق پایهٔ اعلام‌شده ۱۹۷ تا ۲۳۲ هزار دلار به‌علاوهٔ سهام است.

آینده و روندها

پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید

در گزارش AI Jobs Report 2026 شرکت Autodesk، که GlobalData برای آن بیش از ۴ میلیون آگهی شغلی را در سه دورهٔ دوازده‌ماهه بررسی کرده، AI UX Designer سریع‌ترین رشد را میان عنوان‌های شغلی AI در صنایع Design and Make (معماری و ساخت، طراحی و تولید، رسانه و سرگرمی) داشت: ۱۴۵٪ رشد در دورهٔ مه ۲۰۲۵ تا آوریل ۲۰۲۶ نسبت به دورهٔ قبل. این عنوان برای اولین بار وارد این فهرست شد و AI Engineer، که سال قبل اول بود، به رتبهٔ هشتم رسید.

منبع: Autodesk AI Jobs Report 2026 (GlobalData)

مهارت‌های نوظهور که باید یاد بگیرید

طراحی تجربهٔ ایجنت: واگذاری، نظارت، بازبینی و توقفالگوهای اعتماد، عدم قطعیت و توضیح‌پذیرینمونه‌سازی در کد با ابزارهای AI (Claude Code، Cursor، v0)نوشتن rubric و eval برای کیفیت خروجی از دید کاربرطراحی برای سطوحی خارج از محصول، مثل SlackAI مسئولانه و human-in-the-loop

پیش‌بینی‌های آینده

2030

در گزارش Future of Jobs 2025 مجمع جهانی اقتصاد (WEF)، کارفرمایان شرکت‌کننده در نظرسنجی «طراحان UI و UX» را در رتبهٔ هشتم سریع‌ترین شغل‌های در حال رشد (از نظر درصد) از ۲۰۲۵ تا ۲۰۳۰ گذاشته‌اند. طبق همین گزارش، AI و فناوری پردازش اطلاعات در میان سه محرک اصلی رشد هر ده شغل این فهرست است.

2030

همان گزارش WEF طراحان گرافیک را درست بیرون از ده شغل با سریع‌ترین کاهش تا ۲۰۳۰ قرار داده و می‌نویسد این پیش‌بینی، که در نسخه‌های قبلی نبود، ممکن است نشان‌دهندهٔ توانایی رو به افزایش AI مولد در انجام کار دانشی باشد.

2035

BLS آمریکا پیش‌بینی می‌کند اشتغال طراحان رابط وب و دیجیتال (Web and Digital Interface Designers) از ۲۰۲۵ تا ۲۰۳۵ حدود ۶٪ رشد کند، از ۱۳۲٬۷۰۰ به ۱۴۰٬۸۰۰ شغل. BLS گروه جداگانه‌ای برای طراح AI ندارد و این نزدیک‌ترین گروه رسمی است.

ریسک‌های واقعی

BLS می‌نویسد ابزارهای بهتر توسعهٔ وب و استفادهٔ بیشتر از AI ممکن است رشد اشتغال طراحان رابط وب و دیجیتال را کند کند. WEF هم طراحان گرافیک را برای اولین بار درست بیرون از ده شغل با سریع‌ترین کاهش تا ۲۰۳۰ گذاشته است. یعنی کارهای تکراری طراحی در معرض خودکارسازی‌اند و ارزش طراح بیشتر در قضاوت است؛ Figma از طراح AI Models به‌عنوان «داور کیفیت و سلیقه» نام می‌برد. ریسک دیگر برای تازه‌کارها این است که بیشتر آگهی‌ها ۷ سال تجربه یا بیشتر می‌خواهند و استفاده از AI در کار طراحی هم حالا حداقل انتظار است، نه مزیت.

منابع

اطلاعات این صفحه در تاریخ ۳۰ مهر ۱۴۰۵ از این ۳۳ منبع بررسی شده است.

برای راهنمایی شخصی‌سازی‌شده مشاوره بگیرید