Agenda

Moment, w którym leadership zaczyna aktywnie wracać do Twoich danych, to znak, że UX research nadąża za tempem organizacji i zyskuje realny buy‑in.

W świecie szybkich decyzji UX research musi działać szybciej i bliżej danych. W tej prezentacji pokażę, jak wykorzystać systemowe dane w postaci logów (np. zdarzenia, sesje, logowania), aby lepiej rozumieć zachowania użytkowników, wzmacniać jakościowe wnioski i skuteczniej współpracować z Productem i zespołami developerskimi — bez technicznego backgroundu i niezależnie od narzędzi.

Czy checkout w AI to kolejny niepotrzebny gadżet, czy wartościowa innowacja? Przedstawiamy kulisy nieprzewidywalnego procesu Discovery, przez który przeszliśmy, pracując nad końcowym etapem składania zamówienia w asystentach AI – w aplikacji Allegro, ale też w zewnętrznych LLM-ach

Wszędzie słyszymy: „badajcie wszystko”, „użytkownik w centrum”. W praktyce jednak czasem warto powiedzieć: „stop”. Przy ograniczonych budżetach i czasie ślepa wiara w research bywa zgubna. W tej prelekcji pokażemy projekty, w których badania nie wniosły dużej wartości. To nie manifest przeciw researchowi, lecz za mądrym podejściem: mniej idealizmu, więcej realizmu. Opowiemy, jak łączyć empatię UX z celami biznesowymi i odpowiedzialnym wykorzystaniem zasobów.

Jak nie wypaść z rytmu użytkowników, gdy zmiany w produkcie dzieją się szybciej niż kiedykolwiek? W Allegro odpaliliśmy Conti Disco właśnie po to, by w nim pozostać. Opowiemy Wam, jak przeszliśmy od deptania po palcach w trakcie pilotażu po zmianę choreografii aż do płynnego flow badawczego, również na rynki zagraniczne. Dowiecie się, jak dotrzymać kroku użytkownikom i wyłapać insighty, które wcześniej gubiły się w codziennym hałasie. Sprawdźcie, jak rozkręcić badawczy parkiet, na który produktowcy sami będą chcieli wbić! 🪩🕺

AI miało przyspieszyć pracę projektową, ale dziś prototyp często powstaje szybciej niż zrozumienie problemu. Decyzje coraz częściej opierają się na szybkim wrażeniu zamiast rzetelnego researchu. Stakeholderzy generują mockupy jednym promptem, a rola designerów sprowadza się do reagowania i obrony decyzji. Pokażę, jak zmienił się proces projektowy oraz podam przykłady narzędzi, które można wykorzystać w bieżącej pracy, tak, aby nie dać się AI FOMO.

Dobry research kosztuje: czas, budżet i dostęp do ludzi, zwłaszcza w branży kosmicznej. Mimo tych ograniczeń, w niespełna rok przeszliśmy od wywiadów z ekspertami po testy aplikacji podczas analogowej misji łazika.

Po drodze musieliśmy wybierać między pewnością a szerokim kontekstem czy inspiracją a danymi. Pojedyncze metody nie dawały pełnego obrazu, dlatego połączyliśmy podejścia, wykorzystując triangulację. Jednak bez sprytnego wykorzystania sztucznej inteligencji byłoby to poza zasięgiem naszego kilkuosobowego zespołu.

Dzięki AI stać nas na research, ale czy chcemy za niego zapłacić?

Koniec z proszeniem uczestników, żeby „wyobrazili sobie”, że formularz działa. Dzięki wsparciu narzędzi AI w 2026 roku badamy rozwiązania w oparciu o funkcjonalne prototypy, które mają realną logikę, są spersonalizowane i aktywnie reagują na dane wpisywane przez użytkownika. Zamiast prototypów ograniczonych do kilku hotspotów, pozwalamy użytkownikom na swobodną interakcję z systemem. Podczas prelekcji porównamy podejście do badań na funkcjonalnych i klasycznych prototypach. Sprawdzimy, co zmienia się w badaniach, gdy prototyp staje się narzędziem realnie dopasowanym do profilu użytkownika.

W życiu każdego researchera przychodzi taki moment, w którym lampka nowych pomysłów zaczyna wyjątkowo mocno oświetlać jeden konkretny zakamarek myśli.

Po wielu dowiezionych badaniach pojawia się potrzeba uporządkowania wiedzy i stworzenia Repozytorium w oparciu o ideę Atomic Research.


Cel jest to szczytny. Od teraz wszyscy będą mieli łatwy dostęp do wniosków z badań i dzięki temu na pewno zaczną z nich sami korzystać. Prawda? Prawda…?


Niestety, nic w budowaniu repozytorium nie jest proste, a droga do ziemi obiecanej usłana jest klockami lego i kantami mebli czyhającymi na mały palec u stopy.


Historia oparta na faktach. Jeden zespół. Jedno repozytorium. Krew, pot, łzy i ejaj. Tego maja, w Poznaniu.

Czy można stworzyć użytkownika, który zawsze ma czas na badania? Spróbowaliśmy. Sięgnęliśmy po AI i synthetic users. Mieli testować prototypy i odpowiadać na pytania. Brzmiało idealnie. W praktyce – nie do końca. Opowiem, co się nie sprawdziło i czego nauczyło nas to o AI. To także historia o tym, jak zmienia się rola UX researchera w świecie, w którym AI obiecuje zastąpić użytkownika – gdzie pomaga, a gdzie badacz pozostaje niezastąpiony.