תהליך Design QA שנבנה לאורך שנים בסטודיו סלנט איי די קיבל שכבת AI חדשה: פחות זמן על סריקה ידנית, יותר זמן על בדיקה מקצועית, תעדוף ושיפור חוויית המשתמש.
המעבר בין קובץ עיצוב המסכים ב-Figma מסודר לבין מוצר אמיתי שעולה לאוויר נראה על הנייר פשוט למדי. בפועל, דווקא שם מתחילים להופיע הפערים הקטנים שעלולים לפגוע באיכות המוצר: ריווחים שלא יושמו במדויק, היררכיה טיפוגרפית שנשברה, רכיבים שלא מתנהגים כמו שתוכננו, או מצבים שלא קיבלו מענה מלא בפיתוח.
זה בדיוק המקום שבו נכנס Design QA. לא רק כדי לבדוק שהמוצר “עובד”, אלא כדי לוודא שהוא גם נראה נכון, מתנהג נכון, ושומר על עקביות בין העיצוב, הפיתוח וחוויית המשתמש.
בסטודיו סלנט ID אנו עובדים כבר שנים עם תהליך Design QA מובנה ומסודר. עוד לפני שכלי AI הפכו לחלק מעבודה יומיומית, התהליך הזה התבסס על בדיקות ידניות, תיעוד מסודר ועבודה צמודה מול צוותי פיתוח.
לפני כשלוש שנים, בפרויקט עבור חברת הסייבר Mend, נבנה workflow יסודי שכלל מסמך ניהול שיתופי, קובץ Design QA ייעודי ב-Figma, השוואה מסך מול מסך, תיעוד פערים ופתיחת טיקטים מסודרת. הפרויקט נמשך כחודשיים וכלל כ-200 מסכים, והוא שימש בסיס מקצועי חשוב למתודולוגיה שהמשיכה להתפתח בהמשך.
בוסט לתהליך קיים בעזרת AI
לאחרונה בפרויקט עבור אחד מלקוחות הסטודיו, חברת פינטק גדולה, במסגרת עבודה על מערכת ניהול מתקדמת, קרה שינוי מהותי. לא נבנה תהליך חדש מאפס, אלא שודרג התהליך הקיים שכבר הוכיח את עצמו.
אל שיטת העבודה המסודרת נוספה שכבת AI, שמאפשרת לבצע חלק משמעותי משלב הסריקה, ההשוואה ואיתור החריגות בצורה מהירה, רחבה וממוקדת יותר.
התוצאה היא לא החלפה של אנשי המקצוע, אלא שינוי בחלוקת העבודה. במקום להשקיע את רוב הזמן במעבר ידני על מסכים, רכיבים ומצבים, אפשר למקד את תשומת הלב בניתוח הממצאים, בתיעדוף ובקבלת החלטות. במילים אחרות, ה-AI עוזר לראות מהר יותר, אבל האדם עדיין מחליט מה באמת חשוב.
מהו בעצם Design QA
Design QA הוא שלב שבו בודקים אם המוצר שפותח תואם לעיצוב ולחוויית המשתמש שהוגדרו מראש. זו אינה רק שאלה של תקינות פונקציונלית.
המטרה היא לבדוק אם המסכים נראים כפי שתוכננו, אם הרכיבים שומרים על עקביות, אם המצבים השונים טופלו נכון, ואם המעבר בין מסכים, פעולות והודעות נשאר ברור ואחיד למשתמש.
בפרויקטים מורכבים, במיוחד כאלה שכוללים עשרות מסכים, עומק פונקציונלי וריבוי מצבים, המשימה הזו הופכת במהירות לעבודה ידנית ארוכה ושוחקת. דווקא אז קל לפספס פערים קטנים שלא נראים דרמטיים בכל מסך בנפרד, אבל פוגעים בתחושת האיכות הכוללת של המוצר.
לא תהליך חדש, אלא קפיצת מדרגה
החידוש בפרויקט הפינטק לא היה בעצם קיומו של תהליך QA, אלא באופן שבו הוא בוצע.
המתודולוגיה נשארה דומה: הגדרת scope, עבודה מול מקור אמת עיצובי, בדיקה של המוצר הפעיל, תיעוד ממצאים ושיח מסודר עם הפיתוח. מה שהשתנה הוא היכולת לקצר את השלב הידני והחוזר על עצמו.
כדי לעשות את זה, נבנה workflow ייעודי שחיבר בין Figma, סביבת הדפדפן והנחיות עבודה ברורות לסוכן AI. כך, במקום להתחיל כל בדיקה מאפס, הסוכן יכול לסרוק את החומר, לזהות פערים ראשוניים ולהפנות את תשומת הלב לנקודות שדורשות בדיקה אנושית. התהליך נעשה מהיר יותר, אבל גם ממוקד יותר.
כך בנוי תהליך ה-Design QA החדש, משולב AI
השלב הראשון הוא הגדרת ה-scope. לפני שמתחילים לבדוק, צריך להחליט מה נבדק, אילו מסכים ורכיבים נכנסים לתהליך, אילו מצבים חשובים לבדוק, ומה נחשב בכלל לפער מהותי. ההגדרה הזאת קריטית, כי היא מונעת מצב שבו כל הבדל קטן מסומן כאילו היה תקלה אמיתית.
בשלב הבא, Figma משמשת כמקור האמת. הסוכן קורא את המידע המעודכן של הרכיבים, המבנה, המצבים והטוקנים העיצוביים, ומקבל תמונה מדויקת של מה שאמור להופיע במוצר. במקביל, דרך החיבור לדפדפן, הוא בודק את המוצר הפעיל כפי שהוא באמת נראה ומתנהג בפרודקשן או בסביבת עבודה רלוונטית.
מכאן מתחיל שלב ההשוואה. הסוכן בודק פערים אפשריים בלייאאוט, ריווחים, טיפוגרפיה, צבע, היררכיה, מצב רכיבים ומיקום אלמנטים. לאחר מכן הוא מרכז ממצאים ראשוניים, שמאפשרים לעבור לבדיקה אנושית כשהפוקוס כבר ברור יותר.
כאשר מתגלה פער, מתעדים אותו בצורה מסודרת באמצעות annotations או הערות עבודה ייעודיות. כך אפשר להעביר את הממצאים הלאה לצוותי הפיתוח בניסוח ברור, מסודר ויישומי.
בסיום כל בדיקה נשאר גם שלב חשוב נוסף: Human in the loop. כלומר, איש מקצוע בודק מה באמת נמצא, מהו סדר העדיפויות, אילו פערים קריטיים, ואילו הבדלים דווקא לא מצדיקים טיפול.
מה ה-AI עושה, ומה עדיין נשאר בידי האדם
אחת ההבחנות החשובות ביותר בתהליך הזה היא ההפרדה בין איתור לבין הכרעה. ה-AI טוב מאוד בסריקה, בהשוואה ובהצפת חריגות. הוא מסוגל לעבור מהר על הרבה מסכים ורכיבים, לזהות פערים אפשריים ולחסוך חלק משמעותי מהעבודה הידנית החוזרת.
חשוב להדגיש: ה-AI לא מחליף הבנה מוצרית, שיקול דעת עיצובי או היכרות עם הקשר.
רק אדם שמכיר את מטרות המוצר, את שפת המותג, את רגישות המשתמשים ואת מגבלות הפיתוח יכול להחליט אם פער מסוים הוא באג מהותי, שינוי מכוון, או פרט זניח שלא מצדיק טיפול מיידי. לכן, בתהליך הזה ה-AI לא מחליף את הצוות, אלא משפר את היכולת שלו לעבוד מדויק יותר.
איפה נוצר הערך
הערך הגדול ביותר של השינוי אינו רק טכנולוגי, אלא תפעולי ועסקי. כאשר שלב הסריקה הראשונית מתקצר, הצוות יכול להקדיש יותר זמן לבדיקות שבאמת דורשות חשיבה, לתיעדוף נכון ולהידוק העבודה מול הפיתוח.
במקום לייצר עומס ידני, התהליך הופך ליעיל יותר, מדיד יותר וממוקד יותר.
יש כאן גם יתרון נוסף: איכות השיח בין דיסציפלינות משתפרת. כאשר מגיעים לצוות הפיתוח עם ממצאים מדויקים, מתועדים וברורים יותר, קל יותר לדבר על סדרי עדיפויות, למנוע אי-הבנות ולחסוך סבבי תיקון מיותרים. זה לא רק חוסך זמן, אלא גם משפר את איכות ההטמעה של העיצוב בתוך המוצר.
למה זה חשוב גם ללקוחות
עבור לקוחות, המשמעות היא לא רק תהליך QA מתקדם יותר, אלא תהליך עבודה בשל יותר. כזה שלא נשען רק על עין טובה או על מאמץ ידני, אלא על מתודולוגיה מוכחת, תשתית עבודה מסודרת ושימוש חכם בטכנולוגיה.
מצד אחד, יש כאן שיתוף ידע מקצועי אמיתי על הדרך שבה Design QA צריך להיראות בפרויקטים מורכבים. מצד שני, זו גם המחשה ברורה ליכולת של הסטודיו שלנו לקחת מתודולוגיה קיימת, לשדרג אותה, ולהתאים אותה לאתגרי מוצר עכשוויים.
במובן הזה, פרויקט הפינטק לא רק חידד עבורנו את היכולות הטכניות של התהליך. הוא גם הראה איך אפשר לקחת תשתית מקצועית שנבנתה לאורך זמן, ולחבר אליה שכבת AI שמייצרת מהירות, מיקוד ויעילות, בלי לאבד את הדבר החשוב ביותר: שיקול דעת אנושי.
