Назад
Тех.статьи
13 мая 2026

Как дизайнеры Kolesa Group используют ИИ: 4 инструмента, которые экономят время

В этой статье рассказываем о нескольких ИИ-инструментах дизайнеров Kolesa Group — от плагина для нейминга файлов до сервисов, которые помогают проводить собеседования и оценивать задачи.

ИИ быстро развивается: новые инструменты упрощают работу и помогают бизнесу экономить ресурсы. По данным исследования OpenAI за 2025 год, ИИ может экономить 40–60 минут рабочего времени в день. А исследования MIT и Stanford показывают, что в отдельных задачах продуктивность может вырасти примерно на 14%.

Дизайнеров это тоже касается. Рутинные задачи можно передать ИИ, а самим сосредоточиться на более сложных и стратегических задачах.

Дизайнеры Kolesa Group тоже используют ИИ в работе. Сначала это были эксперименты, но со временем появились конкретные инструменты, которые действительно экономят время.

В этой статье рассказываем о нескольких таких решениях — от плагина для нейминга файлов до сервисов, которые помогают проводить собеседования и оценивать задачи.

1. Жанкожа — графический дизайнер

В Kolesa Group стараются не тратить время на рутину: команды упрощают процессы и автоматизируют всё, что можно автоматизировать.
У дизайнеров тоже было несколько задач, которые хотелось ускорить. Так появились два проекта:

  • плагин для нейминга файлов;
  • генерация автомобилей в одном стиле.

 

1.1 Плагин для нейминга файлов

В чём была проблема

У каждого дизайнера был свой подход к названию файлов, поэтому находить файл другому человеку было сложно. Поиск занимал от 3 до 10 минут.

Например, лендинг могли назвать по-разному:

  • Лендинг
  • Landing
  • Сайт

Решение

Возникла идея сделать плагин, который поможет дизайнеру правильно выбрать нейминг перед стартом задачи.

Для разработки плагина я использовал Claude — делал это, кстати, впервые. Всё оказалось проще, чем кажется:

  • Сначала описал логику и структуру плагина — что хотелось бы видеть.
  • Claude предложил варианты решения и написал код, разделённый на 3 части: manifest, UI и code.
  • Я полностью расписал, что и куда вставлять. А ещё показал, как обновлять данные, если появятся изменения в плагине.

 

Что получилось

В итоге появился плагин для правильного нейминга файлов. Дизайнер открывает плагин, задаёт нужные параметры и получает готовое название файла. 
Теперь все файлы названы консистентно, а искать их стало проще.

 

1.2 Генерация автомобилей в одном стиле

Контекст

Так как Kolesa.kz — это продукт с автомобильной тематикой, в графике часто используются машины разных марок и кузовов.

 

Проблема

Подбор авто для графики занимал много времени:

  • нужно найти изображение нужной марки в хорошем качестве;
  • подобрать правильный ракурс;
  • учесть риски с авторскими правами;
  • нужное авто не всегда находится.

Решение

Вместо того, чтобы каждый раз заново искать подходящее изображение, мы сделали универсальную заготовку. Взяли одну машину в подходящем ракурсе, отретушировали как нужно и сохранили исходник в Figma.

Написали промт, который сохраняет визуальный стиль:
«Replace this car with a “марка авто” one without changing its position, angle, color, or level of detail»

 

Что получилось

Берём изображение, вставляем промт и название нужной машины (легковой, грузовика и т. д.) и получаем финальный результат, который нас полностью устраивает.

Процесс стал заметно проще: дизайнер берёт изображение, добавляет нужную марку в промт и получает подходящее изображение. Это упростило работу с графикой и помогло избежать риски с использованием чужих фотографий.

2. Рома — тимлид продуктовых дизайнеров Kolesa.kz

Работа тимлида часто непредсказуема: приходится решать нестандартные задачи, и под них часто нет подходящего инструмента. Либо он есть, но платный, а платить без подтвержденной полезности особого желания нет.

Поэтому я решил впустить в свою жизнь вайбкодинг, чтобы быстро собирать инструменты под себя. Расскажу о двух самых интересных:

  • помощник в проведении собеседований;
  • оценщик стори-поинтов.

 

2.1 Помощник в проведении собеседований

Проблема

У нас есть инструмент, который позволяет делать заметки о кандидате. Но он не совсем удобен и это усложняет работу с записями:

  • написал коммент, а спустя время забываешь, что имел в виду;
  • спустя время сложно объяснить, как прошло собеседование;
  • сложно дать фидбек кандидату, потому что собственные заметки трудно понять.

 

Решение

Сначала я думал решить с помощью другого инструмента — Notion или Excel. Но и там оставалось много ручной работы: нужно было вписывать вопросы, готовить отдельный файл для каждого собеседования.

И тут ко мне на помощь пришла связка ChatGPT + Figma Make.

Я надиктовал свои требования к сервису: имя кандидата, вопросы и поля для ответов, градацию ответов от плохого к хорошему, подсказки, выгрузку в PDF. Затем попросил ChatGPT подготовить промт.
Этот промт я отправил в Figma Make и получил полностью рабочий сервис.
После этого внёс небольшие правки для удобства и визуала.

 

Что получилось

Получился очень простой и крутой сервис с полезными для меня функциями:

  • оценка ответов;
  • подсказки интервьюеру;
  • финальная статистика ответов;
  • выгрузка отчёта в PDF (так как сервис не хранит историю)

 

2.2 Оценка задач в стори-поинтах

Контекст

Мы в команде решили попробовать оценивать задачи в стори-поинтах — это условные баллы, которые показывают, сколько усилий потребует задача. Такой подход помогает лучше планировать работу.

Но сразу возник вопрос: как именно оценивать задачи? Готовой системы не было. Поэтому я собрал свою таблицу из шести критериев. По ним задача получает баллы, которые затем переводятся в стори-поинты. 

Система работала. Но был единственный минус: всё нужно было считать вручную в таблице. Скорее всего, команда быстро перестала бы этим пользоваться.

 

Решение

Я решил автоматизировать процесс с помощью ChatGPT и Figma Make:

  • описал требования в ChatGPT ;
  • отправил промт в Figma Make;
  • внес несколько правок.

 

Что получилось

В итоге появился небольшой сервис для оценки задач. Команда пользуется им каждый день, а точность оценки почти совпадает с фактическим временем выполнения.

 

P.S.

В этих проектах я не стремился создавать сложную систему с подключением базы данных или превращать это в полноценный продукт. Мне нужно было быстрое решение, которое помогло бы в работе и позволило проверить гипотезу — и это сработало.

Каждый из этих сервисов занял у меня от силы по 30 минут, но уже сэкономил много времени мне и команде.

Поделиться