Workflow i sposoby projektowania
WaysConf 2026: wnioski z konferencji dla zespołów produktowych
Dwa dni, trzy sceny i jeden wspólny wątek: AI przyspiesza budowanie, ale nie podpowie, co warto zbudować. Zebraliśmy najważniejsze wnioski z wystąpień, które zostały z nami najdłużej.
WaysConf 2026 to dwa dni, trzy sceny i 46 wystąpień dla zespołów produktowych, projektowych i badawczych. Po wszystkich prezentacjach zostaje z nami jeden wniosek: AI przyspiesza budowanie, ale nie podpowie, co warto zbudować. Przewagę mają zespoły, które łączą wiedzę specjalistów, jasno nazywają cel każdej pracy i potrafią doprowadzić ludzi do wspólnej decyzji.
Czym jest WaysConf?
WaysConf to krakowska konferencja dla zespołów produktowych, projektowych i badawczych. Zaczynała w 2018 r. jako DesignWays, w 2022 r. zmieniła nazwę i rozszerzyła tematykę o badania i zarządzanie produktem. W 2026 r. odbyła się po raz ósmy.
| Co | Dane |
|---|---|
| Termin | 16-17 września 2026 r. |
| Miejsce | EXPO Kraków i transmisja online |
| Program | 3 sceny (Design, Research, Product & Management), 46 wystąpień |
| Prelegenci | Ponad 70 osób, m.in. z SVPG, Meta, Wise, IKEA, Zalando, Revolut |
| Poza scenami | Warsztaty, masterclassy, okrągłe stoły, speed dating, Design Fair |
Poniżej wnioski z pięciu wystąpień, które najbardziej przełożyły się na naszą codzienną pracę.
Nikki Anderson: badania, które nie zmieniają decyzji, to teatr
Nikki Anderson (Drop In Research) w wystąpieniu „The Impact Theater Trap” opisała pułapkę badań, które wyglądają strategicznie, a niczego nie zmieniają. Raporty powstają, prezentacje się odbywają, ale żadna decyzja na ich podstawie nie zapada.
Wyjście jest proste i wymaga dyscypliny. Na początku każdego badania warto odpowiedzieć na cztery pytania:
- Jaki problem użytkownika rozwiązuje to badanie?
- Kto podejmie na jego podstawie decyzję?
- Który wskaźnik się zmieni, jeśli badanie zadziała?
- Jaka dokładnie decyzja zostanie podjęta dzięki wynikom?
Wyniki z kolei warto komunikować w trzech krokach: co się stało, dlaczego to ważne i co z tym zrobić. Nikki pokazała też, jak przebudować roadmapę badań tak, by każda pozycja miała przypisany cel biznesowy i wskaźnik, a nie tylko temat.
Wniosek: zanim zaczniesz badanie, ustal, jaką decyzję ma ono wesprzeć. Jeśli nie umiesz tego nazwać, prawdopodobnie nie warto go zaczynać.
Marty Cagan: AI nie rozwiąże problemu „co budować”
Marty Cagan (Silicon Valley Product Group) w wystąpieniu „Product In the Age of AI” przypomniał, czym najlepsze zespoły produktowe różnią się od reszty. W modelu projektowym pomysł przechodzi kolejno przez biznesplan, roadmapę, wymagania, projekt i wdrożenie. W modelu produktowym zespół:
- odpowiada za wyniki, a nie za dostarczenie funkcji,
- dostaje problemy do rozwiązania, a nie roadmapę gotowych rozwiązań,
- działa jak misjonarze, a nie najemnicy,
- ma uprawnienia, by samodzielnie szukać najlepszej drogi.
Ważny był podział na budowanie, żeby się uczyć (discovery i prototypy), oraz budowanie, żeby zarabiać (delivery i produkt). AI pomaga w obu, a także w strategii i rozwijaniu wyczucia produktowego. Najtrudniejsza część pozostaje jednak bez zmian. Cagan przywołał słowa Chip Huyen: AI ułatwia budowanie, ale wciąż najtrudniej jest wiedzieć, co zbudować.
Dlaczego tak mało firm pracuje w ten sposób? Bo wymaga to wyboru wyników zamiast przewidywalności, zaufania zamiast kontroli i zasad zamiast procedur. Według Cagana nie chodzi o mniej przywództwa, tylko o lepsze.
Wniosek: szybsze budowanie bez discovery oznacza tylko, że szybciej zbudujemy niewłaściwą rzecz.
Tomasz Tomaszewski: zespół ekspertów z AI wygrywa z samotnymi „builderami”
Tomasz Tomaszewski (AI BrainBits) opowiedział o roku spędzonym w zespole produktowym, który od początku pracuje z AI. Tytuł mówi wszystko: „Przeżyłem rok w AI-native Product Team. Hype »Product Buildera« kontra moja rzeczywistość”.
Obietnica, że każdy z pomocą AI zrobi wszystko od początku do końca, w praktyce kończy się tym, że każdy builder idzie we własną stronę. Lepiej działa „Atomic Team”: mały zespół specjalistów (produkt, design, technologia), w którym każdy wzmacnia swoje kompetencje dzięki AI. Hasło: 10 razy lepiej, a nie 10 razy więcej.
Najbardziej praktyczna część to metoda LNO, czyli podział zadań na trzy grupy:
| Typ zadania | Potencjalny efekt | Rola AI |
|---|---|---|
| Leverage | nawet ~10x | Partner: pomaga robić rzecz lepiej |
| Neutral | ~1x | Pomocnik przy zwykłej pracy |
| Overhead | mniej niż 1x | Automatyzacja: pozwala zrobić rzecz szybciej |
Ciekawie wypadła też ankieta na ścianie przy scenach: zdecydowana większość uczestników postawiła na specjalistów pracujących razem, a nie na generalistów, którzy robią wszystko sami.
Wniosek: zanim oddasz zadanie AI, określ, czy ma ono dać dźwignię, czy tylko zniknąć z listy. To dwa zupełnie różne sposoby użycia tego samego narzędzia.
Jessica Tarasoff: zbudowanie rzeczy to 5% pracy
Jessica Tarasoff (ex Cloudflare) w wystąpieniu „The human glue: designing consensus across 8+ product silos” opowiedziała o dwóch latach łączenia ponad ośmiu produktów w jeden panel bezpieczeństwa aplikacji. Jej teza: skoro AI coraz lepiej robi makiety i prototypy, prawdziwą pracą projektanta staje się doprowadzanie ludzi do porozumienia.
Zbudowanie rzeczy to według niej 5% pracy, a pozostałe 95% jest niewidoczne. Zaproponowała prostą listę:
- Pokazuj, nie opowiadaj. Zbuduj rzecz i wyślij link.
- Mapuj wszystko. Nazwij luki, których nikt inny nie widzi.
- Utrzymuj tempo. Usuwaj, zapisuj, deleguj.
Wniosek: w dużych organizacjach projekt wygrywa nie ten, który jest najlepszy na makiecie, tylko ten, wokół którego udało się zbudować zgodę.
José Torre: ostre narzędzie wciąż może źle przyciąć
José Torre (SimpleStudy, wcześniej Shopify) w wystąpieniu „A sharp tool can still ruin the cut” mówił o dobrych i złych stronach AI w pracy twórczej. Na przykładach z dużych produktów pokazał, kiedy szybkość pomagała, a kiedy prowadziła zespół w złą stronę.
Największe ryzyko według niego nie polega na tym, że AI zastąpi projektantów. Polega na tym, że przekona ich, że znają już odpowiedzi, i pozwoli pominąć etap zrozumienia problemu.
Wniosek: AI warto używać do szybszego sprawdzania hipotez, a nie do omijania pytań, na które nie znamy jeszcze odpowiedzi.
Co jeszcze było warte uwagi?
- Brad Frost w „The Creative Infinite” pokazywał, że AI i design systemy to mocne połączenie. Im lepiej opisane komponenty i tokeny, tym lepsze wyniki daje agent.
- Holly Rice (Revolut) w „The 8-Year-Old (day) Trader” zadała pytanie, czy serie, nagrody i mechanizmy zaangażowania pasują do produktów finansowych dla dzieci. Wniosek dotyczy wszystkich produktów: większe zaangażowanie nie zawsze jest dobre dla użytkownika.
- Ankieta „AI at Work”. Uczestnicy mieli wskazać, czy AI daje im mniej żmudnej pracy, czy więcej pracy do sprawdzania. Odpowiedzi rozłożyły się szeroko, z wyraźną grupą pośrodku. Na razie AI raczej przesuwa pracę, niż ją usuwa.
Co z tego bierzemy do studia?
Z WaysConf wracamy z trzema postanowieniami, które dotyczą także mniejszych projektów niż te pokazywane na scenie:
- Każdy etap discovery zaczynamy od pytania o decyzję. Zanim ruszy badanie, warsztat czy audyt, ustalamy, jaką decyzję klienta ma wesprzeć.
- AI traktujemy według LNO. Tam, gdzie zadanie jest dźwignią, AI jest partnerem do myślenia. Tam, gdzie to tylko obowiązek, ma go skrócić.
- Pokazujemy wcześnie. Działający prototyp i link do sprawdzenia szybciej budują zgodę niż najlepsza prezentacja.
Projektujesz produkt cyfrowy i chcesz sprawdzić, czy zespół pracuje nad właściwymi problemami? Zobacz, jak pracujemy przy projektowaniu UX/UI, albo umów krótką rozmowę.