har på kort tid blitt en del av arbeidsflyten innen , og webutvikling. Det kan gjøre research, idéarbeid, produksjon og utvikling raskere. Samtidig er hastighet ikke det samme som kvalitet.

Debatten om AI blir ofte unødvendig polar: enten skal teknologien erstatte kreative yrker, eller så er den bare et overhypet verktøy som lager middelmådige resultater. Virkeligheten er mer praktisk. AI er allerede et reelt arbeidsverktøy, men verdien avhenger i stor grad av hvordan det brukes.

Figma undersøkte i 2025 hvordan 2 500 designere og utviklere arbeider med AI. 78 % oppga at AI øker effektiviteten, og 85 % mente at det å lære å arbeide med AI vil være viktig for fremtidig suksess. Samtidig var designerne mer forsiktige enn utviklerne når de vurderte kvaliteten: 54 % av designerne mente at AI forbedret kvaliteten på arbeidet, mot 67 % av utviklerne.

AI kan gjøre det raskere å produsere et forslag. Det gjør ikke automatisk forslaget godt.

Grafisk design: flere muligheter på kortere tid

I grafisk design er en av de tydeligste fordelene at AI reduserer tiden det tar å utforske alternativer.

Det kan brukes til å:

  • utforske tidlige visuelle retninger
  • generere eller bearbeide bilder
  • foreslå tekstvarianter og budskap
  • lage raske mockups og presentasjoner
  • tilpasse materiale til flere formater
  • automatisere deler av repetitiv produksjon

Figma rapporterte allerede i 2024 at 59 % av designerne og utviklerne i undersøkelsen brukte AI i arbeidet. Vanlige bruksområder var user research, generering av bilder og tekst, brainstorming og idéutvikling.

Dette endrer tempoet i arbeidet. En designer kan se ti mulige retninger før man tidligere rakk å bygge to.

Men det er fortsatt designeren som må vurdere om typografien fungerer, om komposisjonen har riktig hierarki, om uttrykket passer merkevaren, og om løsningen faktisk kommuniserer det kunden trenger.

AI kan produsere alternativer. Fagkunnskap brukes til å velge, kombinere, forkaste og forbedre dem.

UX-design: en assistent, ikke en syntetisk bruker

Innen UX kan AI være nyttig lenge før det finnes et ferdig grensesnitt.

Nielsen Norman Group gjennomførte en studie med 841 UX-profesjonelle. De beskrev fire vanlige roller for generativ AI: innholdsredaktør, research-assistent, idépartner og design-assistent. Blant respondentene som brukte AI i arbeidet, brukte 63 % det minst flere ganger i uken.

AI kan for eksempel hjelpe med:

  • et første utkast til intervjuguide
  • alternative formuleringer av survey-spørsmål
  • oppsummering av store tekstmengder
  • forslag til microcopy
  • organisering av research-notater
  • idéer til brukerflyt eller
  • hypoteser som senere kan undersøkes

Men UX handler til slutt om virkelige mennesker.

Nielsen Norman Group testet også såkalte syntetiske brukere – AI-genererte personer som simulerer deltakere i research. Konklusjonen deres var tydelig: syntetiske brukere kan brukes til forberedelser og hypoteser, men de bør ikke erstatte research med virkelige brukere.

En AI-modell kan lage et plausibelt svar. Den kan ikke ha den faktiske erfaringen, konteksten eller atferden til personen som skal bruke produktet.

Webdesign og utvikling: her er hastigheten lettere å måle

Innen webutvikling er effekten av AI allerede svært synlig.

Stack Overflows Developer Survey fra 2025 viste at 84 % av respondentene brukte eller planla å bruke AI-verktøy i utviklingsprosessen. Blant profesjonelle utviklere brukte 51 % slike verktøy daglig.

AI kan blant annet hjelpe med:

  • repetitiv kode
  • komponenter og varianter
  • debugging
  • dokumentasjon
  • tester
  • tilgjengelighetskontroller
  • responsive tilpasninger
  • arbeid mellom design og
  • raske

En kontrollert studie publisert av Microsoft Research undersøkte utviklere som skulle bygge den samme JavaScript-oppgaven. Gruppen som fikk bruke GitHub Copilot fullførte oppgaven 55,8 % raskere enn kontrollgruppen.

Det betyr ikke at all utvikling blir 55,8 % raskere. Studien målte én tydelig avgrenset programmeringsoppgave. Store nettsteder og digitale produkter inneholder arkitektur, integrasjoner, sikkerhet, innhold, testing og mange beslutninger som ikke kan reduseres til én kodeoppgave.

Likevel viser studien hvor mye tid et godt AI-verktøy kan spare når problemet er tydelig definert.

Problemet med «nesten riktig»

Hastighet har også en bakside.

I den samme Stack Overflow-undersøkelsen sa 46 % av utviklerne at de aktivt mistror nøyaktigheten i AI-resultater, mens 33 % uttrykte tillit. Den vanligste frustrasjonen var AI-løsninger som er «nesten riktige, men ikke helt» – oppgitt av 66 %.

Det er et viktig poeng også utenfor programmering.

Et AI-resultat kan se profesjonelt ut og fortsatt inneholde:

  • feil informasjon
  • svak typografi
  • inkonsistent spacing
  • tilgjengelighetsproblemer
  • kode som fungerer i en demo, men ikke i produksjon
  • en brukerflyt basert på feil antakelser
  • et visuelt uttrykk som ikke passer merkevaren

AI gjør det lettere å produsere. Dermed blir evnen til å kontrollere resultatet mer, ikke mindre, viktig.

Hvorfor fagkunnskap fortsatt betyr mye

Det er for enkelt å si at AI bare hjelper eksperter. Flere studier viser at mindre erfarne brukere også kan få store produktivitetsgevinster.

Men erfaring endrer hva man kan gjøre med resultatet.

En designer som forstår typografi, komposisjon, merkevare og produksjon kan raskere se hvorfor et generert forslag ikke fungerer.

En UX-designer som kjenner research-metoder kan skille mellom en interessant hypotese og et faktisk brukerinnsikt.

En utvikler som forstår systemet kan oppdage kode som ser riktig ut, men skaper problemer med sikkerhet, ytelse eller vedlikehold senere.

En studie gjennomført med Boston Consulting Group og Harvard Business School illustrerer denne grensen. 758 konsulenter arbeidet med oppgaver som lignet deler av deres vanlige kunnskapsarbeid. På oppgaver som lå innenfor det forskerne kalte AI-ens «jagged technological frontier», arbeidet deltakerne mer enn 25 % raskere og fullførte over 12 % flere oppgaver.

Men på en mer kompleks oppgave utenfor AI-systemets sterke område var deltakerne med AI 19 prosentpoeng mindre tilbøyelige til å komme frem til riktig svar.

Studien handlet om konsulenter, ikke designere. Likevel er prinsippet relevant: AI er svært sterk på enkelte oppgaver og overraskende svak på andre. Det vanskelige er å vite hvilken situasjon man befinner seg i.

Fagkunnskap handler ikke bare om å lage resultatet. Den handler også om å vite når resultatet bør stoles på.

En mer realistisk AI-arbeidsflyt

For meg gir AI mest verdi når det inngår i en vanlig faglig prosess.

1. Forstå problemet

Før verktøyet åpnes må noen fortsatt forstå målet, brukeren, merkevaren, innholdet, budsjettet og begrensningene.

2. Bruk AI til å utforske

Her kan AI være svært effektivt: alternative retninger, tekstutkast, bilder, kode, research-spørsmål eller forslag til struktur.

3. Vurder og bearbeid

Resultatet må sammenlignes med faktiske krav. Hva fungerer? Hva er generisk? Hva er feil? Hva mangler?

4. Test mot virkeligheten

Et design bør vurderes i den faktiske konteksten. UX bør testes med virkelige brukere når beslutningen krever det. Kode må testes i det virkelige systemet.

5. Kvalitetssikre

Tilgjengelighet, ytelse, innhold, visuell konsistens, sikkerhet og merkevare må fortsatt kontrolleres.

Dette er ganske annerledes enn arbeidsflyten:

Prompt → generer → publiser.

Den kan være rask. Den er ikke nødvendigvis robust.

AI bør også brukes med tydelige grenser

Profesjonell bruk av AI handler ikke bare om hva teknologien kan gjøre. Det handler også om hva man bør gi den tilgang til.

Konfidensielt klientinnhold, personopplysninger og intern forretningsinformasjon bør ikke uten videre legges inn i åpne forbrukerverktøy. Bedrifter trenger godkjente løsninger, tilgangsregler og tydelige rutiner for hva som kan behandles hvor.

Det er ikke et argument mot AI. Det er det samme prinsippet som gjelder for andre digitale verktøy: riktig løsning til riktig informasjon.

Et nytt verktøy i en gammel prosess

Design har alltid blitt endret av verktøy.

Digitale layoutprogrammer gjorde produksjon raskere. Photoshop endret bildearbeid. Figma gjorde samarbeid og mer tilgjengelige. Ingen av disse verktøyene fjernet behovet for å forstå design.

AI flytter grensen enda en gang.

Forskjellen er at verktøyet nå kan produsere selve forslaget – tekst, bilde, layout eller kode – og ikke bare hjelpe oss å utføre det.

Det gjør vurderingen viktigere.

Den mest interessante utviklingen er derfor ikke «designer mot AI». Den er designer med AI: en fagperson som bruker teknologien til å utforske mer, automatisere det repetitive og bruke mer av tiden på beslutningene som faktisk krever menneskelig forståelse.

AI kan lage et forslag på sekunder.

Å vite om det er et godt forslag er fortsatt en annen ferdighet.