Chat GPT-6 Astra zmienia AI z narzędzia do rozmowy w narzędzie do pracy. Co to oznacza dla PM-ów i designerów?
Przez ostatnie lata wiele produktów AI było projektowanych wokół rozmowy.
Użytkownik pisał prompt.
Model odpowiadał.
Użytkownik kopiował wynik.
Potem sam przenosił go do dokumentu, Excela, maila, prezentacji, kodu albo narzędzia firmowego.
To już samo w sobie było dużą zmianą. Ale Astra pokazuje kolejny etap: AI przestaje być tylko miejscem, w którym „zadajesz pytania”. Coraz bardziej staje się narzędziem, które pomaga wykonać realną pracę od początku do końca.
I to jest dużo większa zmiana produktowa, niż może się wydawać.
Bo jeśli użytkownik może nie tylko zapytać AI, ale też poprosić je o analizę, przygotowanie materiału, przejście przez dokumenty, pomoc w kodzie, użycie aplikacji albo wykonanie kilku kroków w procesie, to zmienia się sposób myślenia o interfejsach, funkcjach i wartości produktu.
Dla PM-ów i designerów pojawia się nowe pytanie:
Czy nasz produkt nadal zakłada, że użytkownik chce wszystko klikać samodzielnie?
1) Od rozmowy do wykonania
Klasyczny chatbot działał głównie jako warstwa odpowiedzi.
Użytkownik pytał:
„Napisz mi maila.”
„Podsumuj dokument.”
„Wymyśl pomysły.”
„Pomóż mi z błędem.”
To było przydatne, ale praca nadal była po stronie człowieka. Człowiek musiał:
wiedzieć, co zapytać,
ocenić odpowiedź,
przenieść wynik dalej,
wykonać kolejne kroki,
dopilnować procesu.
Astra przesuwa ciężar w stronę wykonania.
Nie chodzi już tylko o pytanie:
„Co powinienem zrobić?”
Coraz częściej chodzi o:
„Zrób to ze mną albo za mnie.”
To oznacza, że AI zaczyna wchodzić w przestrzeń, którą do tej pory zajmowały klasyczne flow produktowe: formularze, panele, ustawienia, dashboardy, checklisty, eksporty i manualne procesy.
2) Użytkownik nie chce „AI”. Użytkownik chce mniej pracy
To bardzo ważne.
Większość użytkowników nie budzi się rano z myślą:
„Chcę używać zaawansowanego modelu AI.”
Myślą raczej:
„muszę przygotować raport”,
„muszę znaleźć problem w danych”,
„muszę napisać ofertę”,
„muszę sprawdzić, co się zmieniło”,
„muszę poprawić błąd”,
„muszę dowieźć prezentację na jutro”.
AI ma sens wtedy, gdy skraca drogę między intencją a efektem.
Dlatego dla PM-ów najważniejsze pytanie nie brzmi:
„Gdzie dodamy AI?”
Tylko:
„Który fragment pracy użytkownik najchętniej przestałby wykonywać ręcznie?”
To może być:
zbieranie danych,
porównywanie informacji,
przepisywanie między narzędziami,
tworzenie pierwszej wersji,
sprawdzanie błędów,
przygotowanie podsumowania,
powtarzalna konfiguracja,
analiza wielu źródeł naraz.
To właśnie tam AI może dać największą wartość.
3) Największa zmiana dla UX: mniej ekranów, więcej intencji
W klasycznym UX projektujemy ścieżkę:
użytkownik wchodzi,
wybiera opcję,
uzupełnia pola,
zatwierdza,
przechodzi dalej,
dostaje wynik.
W świecie bardziej „pracującego” AI ścieżka może wyglądać inaczej:
użytkownik mówi, co chce osiągnąć,
AI rozumie kontekst,
proponuje plan,
wykonuje część kroków,
prosi o decyzję tam, gdzie potrzeba,
pokazuje wynik i uzasadnienie.
To nie oznacza, że interfejsy znikną. Ale zmieni się ich rola.
Ekran nie zawsze będzie miejscem, gdzie użytkownik sam wykonuje każdy krok. Coraz częściej będzie miejscem, gdzie:
wyraża intencję,
sprawdza plan,
nadaje uprawnienia,
kontroluje postęp,
akceptuje decyzje,
poprawia wynik.
Dla designerów to duża zmiana.
Projektowanie nie kończy się już na pytaniu:
„Jaki ekran pokażemy?”
Trzeba zapytać:
„W którym momencie użytkownik powinien działać sam, a w którym AI może przejąć pracę?”
4) PM-owie muszą przemyśleć wartość funkcji
Jeśli AI potrafi wykonać część pracy za użytkownika, wiele klasycznych funkcji zaczyna wyglądać inaczej.
Przykład:
Dawniej użytkownik potrzebował zaawansowanego dashboardu, żeby samodzielnie znaleźć problem.
Teraz może chcieć zapytać:
„Co się pogorszyło w tym tygodniu i dlaczego?”
Dawniej potrzebował eksportu i ręcznego raportu.
Teraz może chcieć:
„Przygotuj mi podsumowanie dla zespołu sprzedaży na podstawie tych danych.”
Dawniej potrzebował 15 filtrów.
Teraz może chcieć:
„Pokaż klientów, którzy najpewniej utknęli i wymagają kontaktu.”
To nie znaczy, że dashboardy, eksporty i filtry znikną. Ale ich rola może się zmienić.
Część funkcji przestanie być końcową wartością. Stanie się warstwą danych i kontroli, z której AI korzysta, żeby dowieźć efekt.
PM powinien więc zapytać:
Czy ta funkcja jest czymś, co użytkownik naprawdę chce obsługiwać, czy tylko etapem, który prowadzi do właściwego wyniku?
5) Designerzy będą projektować zaufanie, nie tylko użyteczność
Gdy AI zaczyna wykonywać pracę, rośnie znaczenie zaufania.
Użytkownik będzie pytał:
skąd AI wzięło tę informację?
czy mogę to sprawdzić?
co dokładnie zostało zmienione?
czy mogę cofnąć akcję?
czy AI ma dostęp do właściwych danych?
czy nie zrobi czegoś bez mojej zgody?
czy wynik jest wystarczająco dobry, żeby go wysłać dalej?
To oznacza, że UX dla AI nie może być tylko „ładnym polem do wpisania promptu”.
Trzeba projektować:
podgląd planu,
źródła i uzasadnienia,
stany niepewności,
prośby o potwierdzenie,
historię działań,
możliwość cofnięcia,
granice uprawnień,
jasne komunikaty, kiedy AI czegoś nie wie.
W klasycznym produkcie użytkownik często widzi, co robi.
W produkcie z AI użytkownik musi rozumieć, co robi system.
To zupełnie nowe wyzwanie projektowe.
6) Największe ryzyko: automatyzacja bez kontroli
AI jako narzędzie pracy brzmi świetnie, ale może też frustrować.
Szczególnie wtedy, gdy:
robi coś bez jasnego wyjaśnienia,
ukrywa ważne decyzje,
nie pokazuje źródeł,
działa zbyt pewnie,
nie pozwala łatwo poprawić wyniku,
wymaga od użytkownika zaufania „w ciemno”.
Dobra automatyzacja nie polega na tym, że użytkownik znika z procesu.
To ważna zasada:
AI powinno zdejmować wysiłek, ale nie odbierać sprawczości.
Użytkownik nie chce być pasażerem w swoim własnym procesie. Chce mieć poczucie, że nadal rozumie, kontroluje i może zareagować.
7) Nowa rola onboardingów to nauczyć delegowania
Do tej pory onboarding często uczył:
gdzie kliknąć,
jak skonfigurować konto,
jak znaleźć funkcję,
jak wykonać pierwszą akcję.
W produktach z bardziej zaawansowanym AI onboarding będzie musiał nauczyć jak dobrze delegować pracę AI.
Użytkownik musi zrozumieć:
jakie zadania może oddać AI,
jak opisać intencję,
jakie dane warto dostarczyć,
kiedy sprawdzać wynik,
gdzie są granice automatyzacji,
kiedy lepiej przejąć kontrolę.
To może zmienić pierwsze doświadczenie z produktem.
Zamiast pokazywać listę funkcji, produkt powinien pokazać przykładowe zadania:
„Możesz poprosić AI o analizę tego raportu.”
„Możesz zlecić przygotowanie pierwszej wersji prezentacji.”
„Możesz poprosić o znalezienie problemów w danych.”
„Możesz pozwolić AI wykonać kroki, ale zatwierdzić wynik przed wysłaniem.”
To bardziej przypomina uczenie współpracy niż obsługi narzędzia.
8) PM-owie powinni szukać „momentów delegacji”
Jeśli miałbym wskazać jedno praktyczne ćwiczenie dla zespołów produktowych, byłoby to:
znajdź momenty, w których użytkownik najchętniej powiedziałby: „zrób to za mnie”.
To są najlepsze miejsca na AI.
Przykłady:
„przejrzyj te dane i pokaż mi najważniejsze zmiany”,
„przygotuj wersję roboczą odpowiedzi”,
„znajdź, gdzie ten proces się blokuje”,
„porównaj te dokumenty”,
„stwórz plan na podstawie tych notatek”,
„sprawdź, co wymaga mojej decyzji”,
„zaproponuj kolejny krok”.
Nie każdy moment delegacji powinien być od razu automatyzacją. Ale każdy warto przeanalizować.
Pytania dla PM-a:
czy to zadanie jest powtarzalne?
czy użytkownik traci na nim dużo czasu?
czy wymaga kontekstu z wielu źródeł?
czy wynik można łatwo zweryfikować?
czy błąd byłby kosztowny?
czy użytkownik chce pełnej automatyzacji, czy raczej asysty?
To pomaga odróżnić dobry use case AI od efektownej, ale mało użytecznej funkcji.
9) Metryki też muszą się zmienić
Jeśli AI wykonuje część pracy, klasyczne metryki użycia mogą zacząć mylić.
Więcej kliknięć nie musi oznaczać większego zaangażowania.
Dłuższy czas w aplikacji nie musi oznaczać większej wartości.
Mniej ekranów może być sukcesem, a nie spadkiem aktywności.
Dlatego w produktach z AI warto mierzyć bliżej efektu:
ile czasu użytkownik oszczędził,
czy szybciej osiągnął wynik,
czy rzadziej porzucił proces,
czy częściej wykonał kluczowe zadanie,
czy wynik został zaakceptowany bez dużych poprawek,
czy użytkownik wrócił do podobnego użycia,
czy spadła liczba ręcznych kroków,
czy zmniejszyła się liczba błędów.
Najważniejsza metryka może brzmieć:
czy użytkownik zrobił realną pracę szybciej, lepiej albo z mniejszym wysiłkiem.
To dużo lepszy sygnał niż sama liczba wygenerowanych odpowiedzi.
10) Nie każdy produkt musi stać się agentem
Warto też powiedzieć jasno: nie każda aplikacja musi teraz przebudować się wokół AI.
To byłaby ta sama pułapka, którą widzieliśmy wiele razy:
„musimy mieć aplikację mobilną”,
„musimy mieć social”,
„musimy mieć blockchain”,
„musimy mieć AI”.
Dobry PM nie zaczyna od trendu. Zaczyna od problemu.
AI ma sens wtedy, gdy:
skraca drogę do wartości,
usuwa powtarzalną pracę,
pomaga podejmować lepsze decyzje,
łączy rozproszony kontekst,
zmniejsza koszt wykonania zadania.
Jeśli AI tylko dodaje kolejną warstwę interfejsu, kolejną ikonę i kolejne niejasne zachowanie, to nie poprawia produktu. Tylko zwiększa złożoność.
Mini-audyt dla PM-ów i designerów
Jeśli chcesz sprawdzić, co Astra i podobne modele mogą oznaczać dla Twojego produktu, zacznij od kilku pytań:
Które zadania użytkownicy wykonują dziś ręcznie, choć nie dają im one satysfakcji?
Gdzie użytkownik musi przełączać się między kilkoma narzędziami?
Gdzie potrzebuje zrozumieć dużo informacji naraz?
Gdzie zaczyna od pustej kartki?
Gdzie najczęściej mówi: „nie mam czasu tego teraz zrobić”?
Gdzie potrzebuje rekomendacji, ale nadal chce zachować decyzję?
Gdzie wynik AI da się łatwo sprawdzić?
Gdzie błąd AI byłby zbyt kosztowny i potrzebna jest mocna kontrola?
Który fragment flow użytkownik najchętniej zleciłby komuś innemu?
Jak zmierzymy, że AI naprawdę poprawia efekt?
To nie jest jeszcze roadmapa. To początek myślenia o produkcie w świecie, w którym użytkownik coraz częściej nie chce „obsługiwać narzędzia”, tylko zlecić wykonanie pracy.
Astra pokazuje ważną zmianę: AI przestaje być tylko rozmówcą. Coraz bardziej staje się współpracownikiem w wykonywaniu zadań.
Dla PM-ów oznacza to konieczność przemyślenia, które części produktu są prawdziwą wartością, a które są tylko ręcznymi krokami po drodze.
Dla designerów oznacza to projektowanie doświadczeń, w których użytkownik wyraża intencję, kontroluje proces, rozumie decyzje AI i zachowuje poczucie sprawczości.
Najważniejsze pytanie nie brzmi już:
„Gdzie dodać AI?”
Tylko:
„Którą część pracy użytkownik naprawdę chce przestać wykonywać sam?”
Jeśli znajdziesz dobrą odpowiedź, AI nie będzie ozdobą produktu. Będzie realną zmianą w doświadczeniu użytkownika.
A jeśli chcesz zapamiętać jedno zdanie, niech będzie to:
Przyszłość AI w produktach nie polega na lepszych odpowiedziach. Polega na krótszej drodze od intencji do wykonanej pracy.