Có một “thung lũng kỳ lạ” (uncanny valley) rất đặc trưng trong các giao diện do AI tạo ra. Bạn chắc chắn đã từng thấy: một dashboard nhìn rất bóng bẩy lúc đầu, nhưng càng dùng càng thấy sai. Một luồng đăng ký tuân thủ đầy đủ mọi pattern “chuẩn sách giáo khoa”, nhưng lại gây ma sát ở từng bước. Những màn hình về mặt kỹ thuật là đúng, nhưng trải nghiệm lại trống rỗng.
Đây không chỉ là vấn đề thẩm mỹ hay “khó tính” của designer. Có một sự khác biệt có thể đo lường được trong UX do AI tạo ra — và khoảng cách đó không thu hẹp nhanh như những gì hype đang nói.
Vấn đề về tốc độ mà ít ai nói tới
Các công cụ AI có thể tạo mockup giao diện chỉ trong vài giây. Điều này thực sự ấn tượng — và cũng chính là nguồn gốc của phần lớn vấn đề.
Một nghiên cứu của Nielsen Norman Group đầu năm 2024 cho thấy: trong số các UX practitioner được phỏng vấn, designer là nhóm “bị hạn chế nhiều nhất trong việc sử dụng AI trong công việc”. Dù công cụ AI cho thiết kế bùng nổ, các nhà nghiên cứu không tìm thấy một công cụ AI chuyên biệt nào được dùng nghiêm túc trong công việc thực tế của UX designer chuyên nghiệp.
Tại sao?
Bởi vì UX tốt cần sự chậm lại — ở những điểm rất cụ thể:
-
Khoảnh khắc dừng lại để tự hỏi: người dùng có thực sự cần màn hình này không?
-
Lần chỉnh sửa khi bạn loại bỏ một nửa thành phần vì test cho thấy người dùng bị quá tải
-
Cuộc trao đổi với team engineering về việc animation đẹp đó sẽ làm tụt hiệu năng trên thiết bị tầm trung
AI tạo ra lựa chọn. Nó không tạo ra các ràng buộc khiến những lựa chọn đó trở nên phù hợp.
Những gì AI thực sự bỏ lỡ
Nghiên cứu CHI 2024 về UX và AI tạo sinh chỉ ra một số năng lực mà practitioner cho rằng AI hiện tại không thể thay thế. Danh sách này rất đáng chú ý.
1. Phán đoán theo ngữ cảnh (contextual judgment)
Đây là khả năng cân nhắc các ưu tiên cạnh tranh mà không được viết rõ trong brief.
Ví dụ: khi stakeholder nói muốn checkout “trông premium”, designer con người sẽ chuyển hóa điều đó thành spacing, timing animation, tone nội dung cụ thể.
AI thì hiểu theo nghĩa đen — và thường tạo ra giao diện trông đắt tiền nhưng lại vô cảm.
2. Thiết kế mang tính dự đoán (anticipatory design)
UX tốt dự đoán nơi người dùng sẽ gặp khó khăn — trước khi họ thực sự gặp khó khăn.
Điều này đòi hỏi:
-
Mô hình tư duy hình thành từ việc quan sát hàng trăm người dùng
-
Nhận ra những do dự nhỏ (micro-hesitation)
-
Theo dõi chuyển động con trỏ thể hiện sự bối rối
AI có thư viện pattern. Nó không có trực giác về sự do dự của con người.
3. Giá trị thực sự của UX
Khảo sát UXPA 2024 cho thấy:
-
47% UX professional dùng AI thấy “có giá trị”
-
20% “không ấn tượng”
Phản hồi ở mức trung bình này cho thấy: AI hữu ích cho một số tác vụ, nhưng chưa đủ cho phần quan trọng nhất — hiểu vì sao một thiết kế nên tồn tại, không chỉ là nó trông như thế nào.
Vấn đề về hệ phân cấp (hierarchy)
Một lỗi rất phổ biến: giao diện AI có visual hierarchy đúng, nhưng information hierarchy sai.
AI sẽ:
-
Làm heading lớn hơn body text
-
Làm nút chính nổi bật hơn nút phụ
-
Đảm bảo contrast đạt chuẩn
Những việc này là pattern matching — và AI làm rất tốt.
Nhưng AI không biết rằng:
-
Trong checkout của bạn, phí vận chuyển là thông tin quan trọng nhất cần hiển thị sớm (vì dữ liệu cho thấy nó gây 40% abandon)
-
Việc ẩn ô “apply coupon” trong trường hợp này lại tăng conversion (vì nếu hiện ra, người dùng sẽ đi tìm mã giảm giá không có)
Visual hierarchy đúng.
Information hierarchy cần context kinh doanh — thứ không có trong prompt.
Spacing không “thở”
Designer giàu kinh nghiệm rất ám ảnh với whitespace — không phải vì thẩm mỹ, mà vì quản lý cognitive load.
AI học từ các giao diện có sẵn → nó học spacing trung bình.
Vấn đề là:
-
Spacing không nên là trung bình
-
Nó phải mang tính ngữ cảnh
Ví dụ:
-
Bảng dữ liệu dày → cần spacing chặt để dễ scan
-
App thiền → cần spacing rộng để tạo cảm giác bình tĩnh
-
Checkout → cần chỗ nén lại (giảm cảm giác effort) và chỗ giãn ra (nhắc người dùng kiểm tra)
Trong các thảo luận của designer trên Reddit, spacing luôn là vấn đề được nhắc đến:
UI nhìn “professional”, nhưng lại chật chội hoặc lơ lửng theo cách khó diễn tả.
Cái người dùng cảm nhận là “có gì đó sai” — thực chất là spacing trung bình áp vào context không phù hợp.
Flow, không phải screen
Vấn đề sâu hơn: AI tạo ra màn hình. Người dùng trải nghiệm luồng (flow).
Một paper tại CHI 2024 chỉ ra:
-
AI rất giỏi tạo “artifact riêng lẻ”
-
Nhưng yếu trong “hành trình người dùng theo thời gian”
Nói đơn giản:
-
AI có thể tạo màn hình reset password đẹp
-
Nhưng không thể tạo trải nghiệm reset password tính đến:
-
trạng thái bực bội của người dùng (đã fail login 2 lần)
-
cân bằng giữa bảo mật và giảm friction
-
cơ hội xây lại niềm tin với user đang khó chịu
-
Màn hình là deliverable.
Trải nghiệm mới là sản phẩm.
AI liên tục tối ưu cái đầu tiên.
AI thực sự giúp ở đâu
Đây không phải lập luận “AI tệ”.
AI hiện tại rất hữu ích cho:
-
Tạo nhiều biến thể (20 kiểu button → chọn 3 để test)
-
Component boilerplate
-
Tăng tốc documentation
-
Tạo placeholder content
Nhưng nó không hữu ích cho thứ làm UX có giá trị:
-
Thiết kế cho con người cụ thể
-
Trong bối cảnh cụ thể
-
Với ràng buộc cụ thể
Những thứ dataset không thể dự đoán trước.
Báo cáo Figma 2025 cho thấy:
-
Developer hài lòng với AI: 82%
-
Designer: 54%
Khoảng cách này nói lên điều quan trọng:
-
Dev dùng AI để tăng tốc implement giải pháp đã có
-
Designer bị yêu cầu dùng AI để tạo ra giải pháp
Và công cụ này chưa được xây cho kiểu tư duy đó.
Kỹ năng sẽ trở nên quan trọng hơn
Nếu AI xử lý việc áp dụng pattern, thì giá trị còn lại của con người là:
Nhận diện pattern
-
Pattern nào áp dụng cho tình huống nào
-
Khi nào nên phá vỡ pattern
-
Khi nào cần tạo pattern mới
Điều đó có nghĩa:
Designer junior học “dùng AI tool” đang học sai thứ.
Kỹ năng quan trọng là:
-
Nhìn một UI “đúng kỹ thuật”
-
Và giải thích được vì sao nó sai với:
-
user này
-
context này
-
thời điểm này
-
Đó là phán đoán.
Và nó không thể tự động hóa.
Nó chỉ có thể được xây dựng qua:
-
Quan sát người dùng thật
-
Sản phẩm thật
-
Và thực sự quan tâm đến sự khác biệt giữa:
-
thứ hoạt động tốt
-
và thứ chỉ đơn giản là tồn tại
-