Yapay zeka tarafından oluşturulan prototipler, genellikle tasarım sistemindeki küçük tutarsızlıklar nedeniyle istenen kaliteyi yakalayamaz. Kararların belgelenmemesi, sabit kodlanmış değerlerin temizlenmemesi veya AI'nın mock-up'ları kendi başına yorumlamasına fazla güvenilmesi gibi sorunlar, tutarlı sonuçların önüne geçer. Atlassian'dan Hardik Pandya'nın pratik rehberi, bu sorunları aşmak için üç katmanlı bir yaklaşım sunuyor: spesifikasyon dosyaları, token katmanı ve denetim komut dosyaları. Bu rehber, AI'nın daha iyi rehberlikle daha az varsayım yapmasını ve belirsizliği azaltmasını hedefliyor.
İlk adım, tasarım kararlarını bir altyapı olarak ele almaktır. AI'nın doğru bileşeni seçmesi veya erişilebilirlik kurallarını uygulaması beklenmemeli; bunun yerine net öncelikler, tasarım prensipleri, örnekler ve yapılması/yapılmaması gerekenler belirlenmelidir. Her karar, AI tarafından tüketilecek bir spesifikasyon dosyasına işlenmelidir. İkinci olarak, FigmaLint gibi araçlarla tasarım sisteminin kalitesi denetlenebilir. Bu ücretsiz Figma eklentisi, token'ları, durumları, erişilebilirliği ve sabit kodlanmış değerleri denetleyerek prototip kalitesini artırmaya yardımcı olur. Özellikle üçüncü taraf tasarım sistemleriyle çalışırken bu araç büyük kolaylık sağlar.
Üç katmanlı yaklaşımın temelinde spesifikasyon dosyaları (spec files) yer alır. Bunlar, boşluk kuralları, renk seçimleri, bileşen kullanım yönergeleri gibi bilgileri içeren yapılandırılmış Markdown dosyalarıdır. AI, her prototip oluşturduğunda bu dosyayı okur ve kullanır. Token katmanı ise tüm token'ları güncel tutar, böylece AI rastgele değerler yerine kapalı bir değişken kümesinden seçim yapar. Denetim komut dosyası, AI'nın hatalarını yakalar; sabit kodlanmış değerleri işaretler ve gerekirse düzeltilmesini sağlar. Tasarım sistemi güncellendiğinde, bir senkronizasyon rutini hangi spesifikasyon dosyalarının güncellenmesi gerektiğini belirler.
Sonuç olarak, AI, uygun rehberlik olmadan teknik borcu veya tasarım borcunu sihirli bir şekilde çözemez. Net kararlar, belirlenmiş öncelikler ve iyi tanımlanmış prensiplere dayanır. Tasarımcılar AI'ya ne kadar bilinçli ve hassas rehberlik ederse, sonuçlar o kadar iyi olur. Bu, sadece tasarım sistemlerini temizlemeyi değil, aynı zamanda kararların Markdown dosyalarına işlenmesiyle sürekli bakım yapmayı gerektirir. Vitaly'nin 'AI Arayüzleri İçin Tasarım Desenleri' video kursu, bu konuda pratik örnekler ve UX yönergeleri sunarak AI özelliklerini kullanıcıların gerçekten kullanacağı şekilde tasarlamaya yardımcı oluyor.
