har på kort tid blitt en del av arbeidsflyten i , og webutvikling.

Teknologien kan redusere tiden som går til innsiktsarbeid, idéutvikling, produksjon og kode. Men den viktigste endringen er kanskje en annen: Når det blir lettere å produsere forslag, blir det viktigere å kunne vurdere dem.

Bruken øker raskt

Figma undersøkte i 2025 hvordan 2 500 designere og utviklere brukte KI. 78 prosent oppga at teknologien økte effektiviteten, og 85 prosent mente at det å lære å arbeide med KI ville være viktig for fremtidig suksess.

Vurderingen av kvalitet var mer forsiktig. 54 prosent av designerne mente KI forbedret kvaliteten på arbeidet, mot 67 prosent av utviklerne.

Tallene viser et viktig skille: Produktivitet og kvalitet er ikke det samme.

Grafisk design: flere retninger på kortere tid

I grafisk design kan KI redusere terskelen for å utforske flere alternativer tidlig i prosessen.

Verktøyene kan blant annet brukes til visuelle retninger, bildebearbeiding, tekstvarianter, enkle mockups, formattilpasning og repetitive produksjonsoppgaver.

Figma rapporterte allerede i 2024 at 59 prosent av designerne og utviklerne i undersøkelsen brukte KI i arbeidet. Vanlige bruksområder var innsiktsarbeid, bilder, tekst, idéutvikling og brainstorming.

Tempoet endres når ti retninger kan undersøkes på tiden det tidligere tok å bygge to. Men utvalget må fortsatt vurderes faglig. Typografi, komposisjon, merkevare, produksjonskrav og budskap blir ikke riktige bare fordi et forslag ser ferdig ut.

KI produserer alternativer. Designkompetansen avgjør hvilke som er verdt å utvikle.

UX: nyttig assistent, svak erstatning for brukere

Innen UX kan KI bidra lenge før et ferdig grensesnitt finnes.

Nielsen Norman Group undersøkte 841 UX-profesjonelle og beskrev fire vanlige roller for generativ KI: innholdsredaktør, assistent for innsiktsarbeid, idépartner og design-assistent. Blant dem som brukte KI, brukte 63 prosent det minst flere ganger i uken.

Teknologien kan hjelpe med intervjuguider, spørsmål til spørreundersøkelser, oppsummering av notater, mikrotekster, organisering av innsikt og tidlige forslag til brukerflyt eller .

Grensen går ved selve brukerinnsikten.

Nielsen Norman Group har også testet syntetiske brukere, altså KI-genererte personer som simulerer researchdeltakere. Konklusjonen var at slike modeller kan brukes til forberedelser og hypoteser, men ikke bør erstatte undersøkelser med faktiske brukere.

En språkmodell kan formulere et plausibelt svar. Den har ikke erfaringen, konteksten eller atferden til personen som faktisk skal bruke produktet.

Utvikling: gevinsten er lettere å måle

I webutvikling er effekten ofte mer konkret.

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

En kontrollert studie fra Microsoft Research lot utviklere løse den samme JavaScript-oppgaven. Gruppen som brukte GitHub Copilot, fullførte oppgaven 55,8 prosent raskere enn kontrollgruppen.

Det er et interessant resultat, men ikke en generell måling av all utvikling. Studien gjaldt én avgrenset oppgave. Store digitale produkter krever også arkitektur, sikkerhet, integrasjoner, innhold og testing.

Likevel viser studien hvor mye tid KI kan spare når problemet er tydelig definert.

«Nesten riktig» er en egen kostnad

Hastigheten har en bakside.

I Stack Overflow-undersøkelsen svarte 46 prosent av utviklerne at de aktivt mistror nøyaktigheten i KI-resultater, mens 33 prosent uttrykte tillit. Den vanligste frustrasjonen var løsninger som er «nesten riktige, men ikke helt», nevnt av 66 prosent.

Det samme problemet finnes i design og innhold.

Et resultat kan se profesjonelt ut og samtidig inneholde feil fakta, svakt hierarki, inkonsistente detaljer, tilgjengelighetsproblemer eller antakelser om brukeren som aldri er undersøkt.

Når produksjonen går raskere, må kvalitetssikringen bli bedre, ikke svakere.

Fagkunnskap avgjør når resultatet kan brukes

KI kan gi store produktivitetsgevinster også for mindre erfarne brukere. Erfaring er likevel avgjørende for å forstå begrensningene.

En designer ser raskere hvorfor en komposisjon eller typografisk løsning ikke fungerer. En UX-designer kan skille en interessant hypotese fra dokumentert brukerinnsikt. En utvikler kan oppdage kode som fungerer i en demo, men skaper problemer for sikkerhet eller vedlikehold.

En studie gjennomført med Boston Consulting Group og Harvard Business School illustrerer dette. 758 konsulenter arbeidet med oppgaver som lignet vanlig kunnskapsarbeid. På oppgaver innenfor det forskerne kalte teknologiens «jagged frontier», arbeidet deltakerne mer enn 25 prosent raskere og fullførte over 12 prosent flere oppgaver.

På en mer kompleks oppgave utenfor modellens sterke område var deltakerne med KI derimot 19 prosentpoeng mindre tilbøyelige til å komme frem til riktig svar.

Studien gjaldt konsulenter, ikke designere. Prinsippet er likevel relevant: Verktøyet kan være svært godt på én oppgave og overraskende svakt på den neste.

En robust arbeidsflyt har flere kontrollpunkter

Profesjonell bruk av KI bør inngå i en vanlig faglig prosess:

1. Definer problemet, målgruppen, innholdet og begrensningene. 2. Bruk KI til å utforske alternativer og redusere repetitivt arbeid. 3. Vurder resultatet mot faktiske krav. 4. Test design, innsiktsarbeid og kode i riktig kontekst. 5. Kvalitetssikre tilgjengelighet, innhold, ytelse, sikkerhet og konsistens.

Forskjellen mellom en robust arbeidsflyt og «prompt, generer, publiser» ligger først og fremst i disse kontrollpunktene.

Data og konfidensialitet må vurderes

Profesjonell KI-bruk handler også om hvilke data verktøyene får tilgang til.

Konfidensielt klientinnhold, personopplysninger og intern forretningsinformasjon bør ikke legges inn i åpne forbrukerverktøy uten at virksomheten har avklart databehandling, tilgang og ansvar.

Dette er ikke et argument mot KI. Det er et krav om samme risikovurdering som for andre digitale tjenester.

Verktøyet endrer arbeidsdelingen

Designverktøy har alltid endret hvordan arbeidet utføres. Digitale layoutprogrammer effektiviserte produksjon, Photoshop endret bildearbeid, og Figma gjorde samarbeid og mer tilgjengelige.

Generativ KI går et steg videre fordi verktøyet kan foreslå selve teksten, bildet, layouten eller koden.

Det reduserer ikke behovet for faglig vurdering. Det flytter mer av verdien over på problemforståelse, utvalg, kontroll og redigering.

KI kan lage et forslag på sekunder. Å vite om forslaget er riktig, relevant og trygt å publisere, er fortsatt en egen kompetanse.